为什么问openclaw显示三个点

cloud bot 一 夜爆火，这是一个运行在本地电脑的开源 ai 助理，短短几天内， github star 数量直线拉升，已经超过了十二万。本期视频我们带来一个 cloud bot 的 全面攻略，看看 cloud bot 比起其他的 ai agent 有 什么特色。 我准备了十几个案例的玩法大全，还会介绍一个接入飞书加国产模型的方案，让 cloud bot 在 国内网络也能顺畅使用。视频开始之前，先插入一个小插曲， 由于 cloud bot 受到 ansorepic 法务团队的压力， cloud bot 先是改名成了 motbot， 现在又改名成了 open cloud。 爬爬虾做视频的速度还赶不上它改名的速度，所以本期视频我们还是统一叫它最开始的名字 cloud bot。 cloud bot 功能跟 cloud code 和 open code 都有点像，都可以处理文件编码、调用 skills、 m c p 等等帮我们处理工作。 cloud bot 的 最大优势是可以接入各种聊天工具，也就是我们即使出门在外，手边没有电脑，只需要在聊天工具里面给 cloud bot 留个言， cloud bot 就 能自动干活，还能把屏幕截图、执行过程等信息实时同步过来，非常的方便。第二个优点是， cloud bot 自带了强大的定生物系统， 只需要用自然语言就能创建定身舞，比如可以创建一个临时的提醒，还可以定时检查收件箱通知等等，它可以智能地判断事情的紧急程度，选择是否用聊天工具跟用户进行沟通。比起传统的指令执行、指令执行这种固定的流程， cloud bot 就 具有了很强的主观能动性。 它的第三个优点是具有长期记忆，可以把记忆作为文件存储在本地，在日常的对话中能够搜索，并且把相关的记忆捞回上下文，随着日常使用，它还会主动去更新这些记忆文件，会有一种越用越聪明的感觉。好，我们先在本地把软件安装一下， 任意一个能运行 note g s 的 环境都可以部署 cloud bot。 我 最推荐就是使用 mac 或者 linux 系统的家庭服务器。 现在最火的部署方案是使用 mac mini， mac mini 的 最大好处是 mac 系统有不错的桌面环境，这样可以很方便地进行截图、操作、浏览器等等。第二点是功耗比较低， 七乘二十四小时运行，比较省电。第三个优点是 cloud bot 里面许多 skills 跟 mac 生态是绑定的，没有 mac 电脑的话，可以选择 linux 操作系统，或者在 windows 里面创建一个 linux 的 虚拟机。操作步骤跟接下来是一样的， 我选择的安装方式是 node js， 我 们来到 node js 官网，把第一个命令复制一下，然后打开终端执行一下，接着是第二个命令，第三个命令， 这样 node js 就 安装完成了。下一步我们来到 cloud bot 的 官网，在这里有一个一键安装命令，如果我们使用官网上的一键安装命令的话，注意要区分现在软件的名字，比如现在叫 open cloud， 后续所有操作的命令都应该是 open cloud 开头了，这里我选择 npm 的 安装方式， 我们看到 n p m 这里命令还是叫 cloud bot， 所以 后续我输入的命令都应该还是 cloud bot 开头了。这样我把这个命令复制一下，粘贴到命令行窗口执行一下。安装完成，我们输入命令 cloud onboard 来进行初步化。第一步，先配置 ai 模型，因为我有 open ai 的 plus 订阅，所以这里我选择 open ai， 当然下面也有很多不错的国产模型可以选择。视频的后半段，我们再来配置使用国产模型。选择 open ai 以后，再选择第二个 chad gpt 登录， 登录一下我的 chad gpt 账户，这样 ai 模型就配置完成。默认模型我选择的工具是 whatsapp 视频的后半段。我们再来看如何绑定国产的聊天工具。我们打开手机上的 whatsapp 右上角三个点已关联设备，关联新设备，扫一下屏幕上的二维码，这样就绑定完成。接下来选择预装的 skills， 按空格键打上对勾选中，这里可以按需进行选择安装下面的这些 api k 可以 全部选择跳过，然后 ai 会询问我们一些关于人设方面的问题，我们回答一下，这样就配置完成。我说你可以给我的聊天工具发一个消息，我们看到手机上收到了消息，这样就完全配置成功了。 我们先来介绍几个基础命令的使用。输入命令 cloud bot gateway， 这个是启动主程序，我们可以通过关闭控制台来停止 cloud bot 的 运行。在 cloud bot 后台运行的时候，我们可以新开一个窗口， 输入命令 cloud bot t u i 就 可以进入这个控制台的对话界面。输入命令 cloud bot dashboard， 可以 进入一个网页版的控制台，在这里可以进行基础的对话。上面还有很多配置，可以管理定身舞，管理 skills 等等。输入命令 cloud bot channel logout， 可以 退出 cloud bot 上面登录过的聊天软件，然 然后我们再输入命令 log in， 就 可以重新登录一下，因为有的聊天软件可能隔几天就会掉线，我们可以使用这个命令重新登录一下。我们来看 cloud bot 最有意思的一个功能就是它的定身物，定身物赋予了 cloud bot 的 一些主观能动性，让它变得更像一个智能的 ai 助手。 比如我输入这个命令，提醒我两分钟以后关煤气。 cloud bot 回复我，好的，已经设定成功了。我们可以在网页版的控制台 crown job， 也就是定身五这个选项卡可以看到 cloud bot 为我们设定的定身五，这里显示两分钟后执行。两分钟以后，他就把这个消息推送到了手机上，提醒我去关煤气。 cloud bot 具有操作浏览器的能力，我们需要先在 mac 里面下载一个 chrome 浏览器，我要求 cloud bot 去 m i t 公开课下载 python 课程的课件，放到我的桌面，我们看到 cloud bot 自动打开了 mac 里面的 chrome 浏览器，找到了 m i t 公开课的官网，并且搜索 python。 他 找到了几门 python 课程， 回复了我课程的编号，让我选择这里，我选择第一个。他又在浏览器里面通过课程编号找到了这门课，并且下载到了桌面，然后我要求他把它解压出来，他调用了麦克的命令行工具完成了解压，然后我要求他把第一节课的课件发给我 这里可乐豹成功找到了课件，并且完成了发送，效果不错。接下来我们来看一个把浏览器自动化跟定生物组合起来的案例。爬爬虾，作为一个科技软件类的博主，需要经常查看 github 的 热点， 这里我告诉 cloud bot， 让他查找一下 gitap 上面的热点，然后做个中文简报发送给我。 cloud bot 生成了中文简报，接下来我说每天早晨八点你都做这么一个简报发送给我。 接下来 cloud bot 生成了一个定身舞，每天早晨八点都执行这个工作。我们可以在 cloud bot 的 控制后台查找到这个定身舞，每天早晨八点都会自动执行这个工作流程，发送给我简报效果不错。除了操作浏览器， cloud bot 还有图像识别等 ai 视觉方面的能力。 这里打开 mac mini 的 设置隐私与安全设置录屏与系统录音，我们在这里搜索终端两个字，给命令行终端添加上录屏和录音的权限。接下来重启一下 cloud bot， 我 在手机里面说，请给现在的 mac 截一个图， mac 电脑当前的图片就发送到了我的手机上，可以实时的对状态进行监控。 目前为止我们依赖的是海外的聊天工具。接下来我们把 cloud bot 接入飞书，让他在国内的网络也可以顺畅使用。我们先来到飞书开放平台，点击创建企业应用，填写一个名字与描述。接下来点击左侧添加应用能力， 选择机器人。然后我们来到权限管理，点击添加权限，总共需要添加屏幕上这些所有的权限。 接下来来到版本管理与发布，填写一个版本号，点击发布。我们回到 mac 终端，输入第一个命令，安装飞书插件。第二个命令，配置 app id， app id 可以 在飞书开放平台凭证与基础信息里面找到， 把 id 粘贴到命令行里面执行一下，然后配置 app secret， 同样在凭证与基础信息里面找到同样的，把 secret 放到命令里面执行一下，下一个命令，开启飞书 channel。 最后第四个命令，把链接方式改成 web socket， 然后我们重启一下 cloud bot， 这里我总结了需要执行的几个命令，有需要的观众朋友们可以截图保存一下。回到飞书开放平台，在事件与回调这里选择长连接，点击这个铅笔，点击添加事件，然后勾选接收消息，最后点击顶部的创建版本， 我们再提交一个新的版本，这样飞书就配置完成了。在飞书的手机 app 里面，我们可以找到开发者助手，然后点击打开应用这里我打一个招呼，你好，飞书有一个非常可爱的机器人正在输入的表情，我问他现在几点了，这里给出了回答。然后我让他给麦克截一个屏， 告诉我需要先在控制台跟他对话一次，开通权限才可以截屏。这里我们来到麦克上面的控制台，跟他对话一次，允许截屏，这样截屏完成。我们看到飞书也同样可以传递文件传递截屏。我们把聊天方式换成了国内平台 ai 模型，同样也可以换成国内平台。 cloud bot 的 作者推荐使用 mini max， 这里我们来到 mini max 的 开放平台左侧，选到接口密钥，然后创建一个 apikey， 然后我们打开 mac 的 控制台，输入 cloud bot config 来配置一下模型，选择 mini max， 然后我们把刚才创建的 mini max api k 填写进来，一路回车就配置完成。来到 cloud bot 的 控制台，输入命令斜线 models， 然后我们可以选择 mini max 模型， 选择完模型以后，我们再重启一下 cloud bot， 这样模型就切换完成了。 cloud bot 的 强大之处在于它内置的 skills 可以把各种第三方的生态接入进来，比如这里的 g u g skills， 可以 把谷歌邮箱、日历文档等功能都接入 cloud bot。 我 们点击这个安装按钮，这里要提醒一下大家，安装的时候要把 mac 系统更新到最新版，否则有可能会失败，这样一键就安装完成。 来到谷歌 cloud， 我 们在左侧菜单找到 api 与服务，选到 o o 四权限请求页面，创建 o o 四客户端应用类型，选择桌面 app。 然后我们把生成的这个 json 文件保存下来，把文件拖拽进 cloud bot， 告诉他配置一下 g o g 的 认证，然后我们登录谷歌账号，并且授予权限，这样就完成了配置。接下来我让他看看我的邮箱里有什么邮件，让他总结一下。 这里 ai 提示我需要再开通一个 gmail api 的 权限，我按照它的提示把权限开通完成，它就可以读取到我的邮件了。接下来我让它把所有的邮件移动到垃圾箱，这里也成功完成了。我在手机上让 cloud bot 帮我发送一封邮件， 我们看到邮件可以成功发送，我让 cloud bot 设置两分钟一次的心跳检查，如果有发现新的邮件，就发消息通知我，我给这个机妙邮箱发送一个邮件来测试一下。这里 cloud bot 成功给到了通知，我让他总结一下邮件内容，他也完成了总结。 ai 助手对接其他生态，一个重要的渠道就是 m c p， 我 们可以在 skills 里面找到 m c p porter， 把这个 skills 安装一下。接下来我告诉 ai 用 m c p porter 来配置一个百度地图的 m c p， 我 把这个 m c p 的 说明文档贴给了他。 ai 提供了三种安装方案，我选择 streamable h d d p。 他同时要求我提供百度地图的 a p i k， 把这个 a p i k 复制一下粘贴给他，这样就完成了配置。他已经可以使用这个 m c p 查询到地理位置的坐标了，这样我们就配置完成了，我们也可以在手机里面使用，我让他查询一下从青岛太平角公园到崂山羊口景区怎么走， 这里成功给到了规划路线，效果不错。我们再来看一个 skills 的 使用，这里有一个 skills 叫做 coding agent， 它可以驱动本地的 codex， cloud code、 open code 等 ai 编程工具 直接进行编程。这里我们先把这个 skills 安装一下，我在 mac 电脑上登录了我的 codex， 接着我在手机上跟 ai 说调用 codex 创建一个贪吃蛇的游戏，我们看到程序就编写好了，这样我们就通过 cloud bot 驱动 codex 完成了一个程序的开发。

opencloud 不是 神器，是坑。这话我敢说，因为我已经踩了一个月了，全网都在吹这个 ai agent 有 多牛。本地优先，数据安全，数字员工听着是不是很心动？但没人告诉你部署它需要懂 dack， 环境变量、端口映设，小白根本装不上， 更没人告诉你一次操作可能烧掉几十美元，稳定性差到让你怀疑人生。今天我就把这一个月的真实体验原原本本告诉你，不吹不黑，只讲真话，别被营销洗脑了。先说结论，理想很假，维斯现实很人工智障。 这个视频有点长，但全是干货，建议先收藏再看。咱们开始吧，保证你看完不后悔，绝对物超所值。 说实话，我一开始也是被营销洗脑的那批人。 github 上十九万星，奥地利开发者 peter stanberger 打造，口号是，真正能做事的 ai， 这谁顶得住啊？本地优先，数据全在自己手里，不用上传云端，隐私安全有保障，再也不用担心数据泄露了。 数字员工能接管你电脑权限，真正替你执行任务，解放双手，提高效率，想想就激动。 skills 技能系统社区贡献了一千七百多个技能包，想要什么功能装什么，无限扩展，只有你想不到，没有他做不到。 听起来是不是很完美？简直就是未来以来科技改变生活，迫不及待想试试，但实际部署的时候我才发现被坑惨了，坑到怀疑人生。官方说一键安装，执行一行命令就行，简单到不能再简单，小白也能搞定。 结果呢？高克镜像拉不下来，环境变量、配置报错，端口冲突解决不了，各种问题层出不穷，我折腾了整整两天才跑起来，期间各种报错，各种排查，查文档，搜 h 五问社区，差点就放弃了，好几次想砸电脑， 硬件门槛更是吓人，网上说本地运行不花钱，省钱又安全。听起来很美好，但你得有 mac studio、 m r ultra 这种级别的设备，六十四 g 内存起步，硬件投入近四千美元，这叫省钱？ 我用的 m r pro， 三十二 g 内存，跑起来卡的要死，经常内存一出，动不动就崩溃，体验极差。第一次成功运行的时候，我确实兴奋了一把，感觉自己终于搞定了。 看着他在中端里输出锐志，感觉自己真的拥有了一个贾维斯，未来感十足。但这份兴奋很快就变成了崩溃，因为后面还有更大的坑等着我，而且是那种深不见底的大坑，一个接一个，根本停不下来。 公平的说， open call 确实有他的过人之处，不然也不会火成这样，肯定有他的道理。最让我惊艳的是 styles 技能系统，这个设计真的很聪明，是整个系统的核心亮点。 每个技能都是一个独立模块，想要什么功能就装什么，就像给手机装 app 一 样简单，需要什么装什么，不需要就卸载，灵活度很高。 比如 atxp， 可以 调用各种 ati 网页搜索 ai， 图像生成音乐、创作视频生成一个命令，搞定效率极高。比如 agent browser， 可以 自动操作浏览器，抓取网页、填写表单，收集数据，完全自动化，不用人工干预，省时省力。 比如 self improving agent， 可以 让 ai 自我改进，不断学习新技能，越用越聪明，越用越强大，这才是真正的智能社区，已经贡献了一千七百多个技能，覆盖办公技术、生活各种场景，只有你想不到，没有它做不到。生态非常丰富， 更厉害的是它的自主规划能力，这才是 ai agent 的 核心竞争力，也是区别于普通 ai 的 关键。 有一次，我发语音指令，让他帮我整理邮件，他发现听不了语音，居然自己安装了 whisper 转写工具，然后再处理我的请求。整个过程我没干预，他自己搞定了。这就是真正的智能，这才是 ai 该有的样子， 这就是 ai agent 和聊天机器人的区别，他不只是回答问题，而是真正解决问题。从说到做，质的飞跃， 本地优先的安全感也很重要，这是很多人选择 open ker 的 原因，也是他的核心卖点。我让他处理一些敏感文件，比如财务报表、合同文档、客户信息，所有数据都在我自己的电脑上跑，不用上传到云端。 这种数据主权在用户手里的设计确实让人放心，不用担心数据泄露，不用担心隐私被侵犯。还有一次，让他自动读取桌面任务文本，筛选紧急事项，统计账单并生成日报脚本，成功写入系统调度，实现了真正的 ai 协作者功能。 那一刻，我真的觉得，这就是未来，这就是我一直想要的数字员工，这才是 ai 该有的样子，这才是科技改变生活的正确方式。但好景不长，问题很快就暴露出来了，而且是致命的问题。第一个让我崩溃的是 api 费用，这个坑最深。 opencloud 本身是开源免费的，但它需要调用云端大模型来思考，比如 ppt、 四 o 或 cloud opens， 这些都是要钱的。一次复杂的自动化任务，可能烧掉数百万头，肯成本高达三十美元，你敢信？ 我第一个月账单出来的时候，差点没背过气去，花了将近二百美元，比订阅十几个 ai 服务还贵。这哪是省钱，简直是烧钱。你说本地运行不花钱， 那得有顶级硬件，普通设备根本跑不动。大模型推理速度慢到让你怀疑人生，而且效果还不好。 第二个问题是稳定性，这个更让人崩溃，常上下文失效是常态。处理多步骤复杂任务时，他经常工具调用错误，或者步骤遗漏，逻辑混乱。我让他自动生成周报，需要人工干预，修正的频率高达百分之四十，正打是 ai 助手，简直是 ai 添乱。 有时候他执行到一半突然卡住，有时候他调用了错误的工具，有时候他完全理解错了我的意图，有时候他干脆就放弃了，直接报错。理想很贾维斯，现实很人工智障。这句话一点都不夸张，亲身经历才知道有多坑。最可怕的是安全风险，这个真的要命。 欧本克奥默认获得文件读写、程序执行、网络访问三大系统及权限，相当于给了 ai 一 把你电脑的万能钥匙，什么都能干。 安全机构实测，暴露了两大致命风险，每一个都可能导致灾难性。后果，一是提示词注入攻击。黑客在网页、邮件、文档里植入隐藏指令 o k o， 读取后会被误导 执行删除文件、发送密钥、访问钓鱼接口等恶意操作，而你完全不知情，等发现的时候已经晚了。二是公网暴露风险。很多人为了远程访问，把本地端口改成全网监听，又不设密码认证，门户大开， 全球超过一万五千台设备暴露在工网上，任何人都能远程控制你的电脑，窃取你的数据，为所欲为。官方文档只讲功能，不强调风险。博主只晒炫酷效果，不做安全提醒，这是不负责任的。 对于不懂网络防护的普通用户，安装 open call 约等于开门一道，自找麻烦。这不是危言耸听，是真实发生过的安全事故，已经有人中招了，损失惨重。 踩了一个月的坑，我开始认真思考， openclaw 到底适合谁？这个问题很重要，选错了就是浪费时间，浪费钱。首先，绝对不是小白能玩的东西，门槛太高了，部署门槛高，需要懂 docker、 环境变量、端口映涉、日制排查、网络配置，这些都是技术活， 出了问题要自己解决，没有技术背景根本搞不定，客服也没有，全靠社区互助，效率很低。 其次不是省钱神器，恰恰相反，是烧钱神器。软件免费，但 api 调用费用惊人，一个月可能花掉几百美元，比订阅服务贵多了。本地运行需要顶级硬件投入近四千美元，这成本谁扛得住？想省钱？ 别想了，这玩意就是烧钱机器越用越穷。那么谁适合用呢？我觉得是这三类人缺一不可。 一是有技术背景的开发者，能自己解决问题，甚至能贡献代码优化系统，把 openclaw 当做学习项目，一举两得。二是有预算的团队或企业愿意为效率提升付费，把 ai agent 当做生产力工具，成本可以接受，投资回报率高。 三是有耐心的，即刻享受折腾的过程，不怕踩坑，把解决问题当做乐趣，而不是负担。心态很重要，谁不适合用想省钱的个人用户？怕折腾的普通用户，追求稳定的生产的用户，对安全要求高的企业用户。 对于这些人， open club 可能会让你更累，而不是更轻松。得不偿失，何必呢？还有一点很重要，安全意识。这个必须强调， 如果你不懂网络防护，不知道什么是提示词注入攻击，不了解端口暴露的风险，建议先补课再入坑，磨刀不误砍柴工，不然你的数字员工可能变成数字间谍，你的数据可能被别人窃取，你的电脑可能被别人控制，后果不堪设想。 这不是开玩笑，是真实存在的风险，必须重视，安全第一，千万别大意。最后总结一下，希望对大家有帮助。 openkey 是 好工具，但不是神器，要客观看待，它代表了 ai agent 的 未来方向。从聊天工具进化为数字员工，这个趋势是不可逆的，迟早会普及，这是大势所趋。 但目前的版本还不够成熟，有太多坑需要填，有太多问题需要解决，需要时间和耐心，不能急于求成。给想入坑的朋友，三点建议一定要听进去。第一，先评估自己是否适合，技术背景、预算耐心，缺一不可，不要盲目跟风，适合自己的才是最好的。 第二，注意安全，不要把端口暴露在公网，定期检查权限设置，警惕提示词注入攻击。安全第一，安全第一，安全第一，重要的事情说三遍。 第三，控制成本，监控 api 调用，设置预算上限，别让账单吓到你，量力而行，不要冲动消费。给已经入坑的朋友也三点建议，希望能帮到你。 第一，别追求完美，百分之四十的人工干预是正常的， ai 还不成熟，需要人机协助，习惯就好。第二，多看社区，很多坑，别人已经踩过了，学习别人的经验，少走弯路，事半功倍。 第三，保持期待，这个领域发展很快，今天的问题明天可能就解决了，未来可期，不要灰心。如果你也在用 open club， 欢迎在评论区分享你的体验，好的坏的都可以让更多人看到真实的使用感受，避免踩坑。互相帮助点赞关注我们，下期见！拜拜！

大家好，我是根古，今天是 open call 的 第十二堂课啊， c dance 是 字节跳动发布的一个超级强大的，号称地表最强的多模态的大模型，它在图声视频、纹身视频这个领域啊，应该是第一题对的，第一题对的。那这堂课给大家分享一下如何通过 open call skills 来打通 c dance。 首先给大家看下效果，这是我已经调试好了的，我这个就是生成一张图片，图片呢，描述就是根古老师在外太空中说 cds 啊，这个就是他，最后图片会在这里， 他就马上 get 了。好，我理解你想生成一张图片，描述是这个，这个这个，他会根据我的 proma 的 运行调度这个 cds 的 一个这样一个也就即梦的 api 啊，已经好了， 反正，反正这个图片也一般了，效果一般了。然后他怎么做到的？怎么做到的？ 首先你应该去打开吉梦，吉梦这样一个官网啊，这个大家都应该用过了，然后用抖音扫码登录，点这个 api。 好， 然后立刻开通啊，因为你是用 api 去调用，而不是用这个文字去调用这个。你进入这里以后，如果你是第一次进入，这是所有的都是暂未开通，暂未开通，我建议大家把这个吉梦四点零这个全开通， 如果是没有开通的服务的，他这边就是灰色的，你选择开通就好了。点开通就好了，我这个不不去开通了，开通了以后这个就会变绿。概数点这个概数啊，他大概有四个步骤，第一个步骤，实名认证，这个也没啥介绍的，也就是，呃，在抖音扫个脸就好了。第二步，开通服务，刚刚已经演示了， 就在这个节目 ai 这个这个里面，然后第三步是最最重要的，他现在喉咙不是很好，然后去开通这个新建秘药，这个秘药他有两个秘药，一个是 s s k， 一个是 secret 的 k 啊，这两个秘药拿到以后，然后编一段代码， 这个就是编好的代码，其实也不是很长的，这也不是很长，就这么一点，编好代码以后，然后让这个这个 让小龙虾去学习这个，呃，你刚刚编好的这样一个代码，也就样式学好了以后，他就能够运行调度这个极梦的 api， 大 概整体思路就是 第一步，第一步申请极梦的 api key， 那 第二步是开通服务，开通极梦的服务，第三的话就是编辑 skills 技能卡，也就这一块的代码，大家感兴趣的话可以在评论区扣，我可以分享给大家。最后一步就是让大龙虾去学习这个 skills， 所以 说关键点还是 你这个 style 是 自己开发的啊，你也可以用网上其他能开发好的，但是我用了下他们的不是很好用。最后就是，呃，直接可以展示效果，可以大家再给大家展示一下，比如说生成，生成一只猫在太阳下， 太阳下休息，然后可以看一下， 这个 好，他说我理解你想生成一张图片，描述是一只猫在太阳下休息，看一下应该很快就出来了，哎，这个 是不是还可以啊？效果还是不错的啊。所以说龙虾它也非常多的样式啊，如果你不会开发代码的话，你可以去找很多样式，把它放在那个它的项目上面的一个叫 work space， work space 里面它就自动能学习啊，这堂课就分享到这里，你学会了吗？

充分利用 openglue 的 几个特点呢，可以让你在几天之内快速对一个行业做调研。年初横空出世的 openglue 呢，绝对是做行业调研的这个大杀器啊，而且呢，能够做到像以前 gbd 这种聊天的 ai 完全做不到的程度。 不管你是做行业研究，选创业赛道，做 ip 方向定位，还是做营销策划，选择职业方向等等吧，几乎所有跟商业活动相关的事情呢，都用得上。先问大家一个问题啊，想进入一个行业，一个新行业，最痛苦的事情是什么？ 不是找不到资料啊，恰恰相反，今天这个时代呢，资料太多了。麦肯锡的报告，三十六课的分析、行业老兵的博客，竞品的产品页。现在呢，你找到这些报告了？下载到电脑上，正经微作。你读了二十份报告， 结果呢，你发现每一份给你的图都不太一样，哪些数据是真的，哪些趋势呢？是噪音？谁才是这个赛道上真正的玩家？你靠人脑呢，去慢慢比对消化。三个月后呢，你可能才拼出一张粗略的行业的认知地图。我们以前做 pe 投资啊，费了很大的功夫呢，在行业研究上面 去消化这些东西，形成一套全举的认知呢，可以说是耗时耗力的。但在今天这个杰作之下，三个月呢，其实是个奢侈品，利用 openglue 这样的工具，完全可以把整个时间呢压缩到几。 比如说目前我自己呢，已经用它来监控 ai 领域的 hackleux、 osopik、 open ai、 curza 等官网的文章或者是帖子，一有更新马上处理。它起的呢，比我还早啊，几个定时任务，每天早上准时推到我的手机上。另外呢，我也监控了 ai 技术产品创投方向的十多个播客，一旦有更新，就会触发后续的一系列的任务，比如说转路，早上一睁眼呢，就是顶 移播课最热乎的精选的信息。我也翻了一下，海外的社区啊，目前前沿的玩家大都把它做成了行业调研的机器，而且用到的恰恰是 openclip 跟叉 g p t 啊 cloud 最不一样的那几个功能，不是聊得好，是能动手，能定时，能记住。具体怎么做到呢？下面来给大家详细讲一下。第一个 ufireclip 呢，批量抓取网页，让它自己去读 一个行业，大多数人做行业调研还是一篇一篇手动去读的。那你读到第三份报告的时候呢？第一份的关键数据大概率已经模糊了，而第三份和第一份报告在同一个问题上说的话，可能完全是矛盾的。比如说，一个说市场规模是五百亿，一个呢说是一千二百亿。 做过行业研究的都知道啊，倒不是说他在乱说，一般呢都是统计口径，他们不一样，这些细节你不对着去看，根本发现不了。 openclaw 跟普通聊天 ai 的 最大区别之一，就是它能真正访问网页和你本地的那些文件。具体来说， openclaw 呢，它内置了 firecrow， 作为 webfurniture 这样一个搜索工具的 phoneback， 也就 备份它不仅能把任何网页呢抓下来，而且非常关键的是呢，它可以去掉里面的广告啊，脚本、导航栏这一些噪音，只留下干净的正纹，然后转化为 markdown 格式。这有啥好处呢？明显啊，第一个就是省掉了大量的这种无关的上下纹，省了 token， 那 就省了钱。另外呢，把网页 html 这种转化成了 markdown， 它更适合 ai 去读。 我以前的视频呢，讲过哪些语法格式是 ai 更喜欢的。而且呢，它不仅仅是一页一页这种慢慢爬，最大的处理速度，它可以达到每分钟一千页。 ok， 具体操作呢，是这样的，你告诉 opencloud 呢，帮我把某某行业的这些二十来个网站的核心页面呢爬下来，它会通过 firecloud 呢批量的抓取，转成干净 macdunk 文本，存到你本地的硬盘上，然后它可以直接读这些文件，因为 firecloud 呢，有完整的本地文件的读写的权限，同时比对多份报告的数据，哪些呢？是共识？哪些呢？是分歧？哪些呢？是 彼此矛盾的。当然，这一些呢，只是最简化的情况，因为实际操作的时候呢，页面的结构啊，可能差别很大，有的人需要特殊处理，如果你需要更深入的话，他还能写一段 python 脚本来跑结构化的分析，提取每份报告里面的公司名， 融资金额预测。然后呢，自动生成对比表格，因为 openclip 呢，可以执行代码，这些事情呢，他自己就能做。有做投资研究的用户呢，在博课里面写了他自己的做法，把几十份宣传稿位给 openclip， 程序化提取 评级变动目标价，核心逻辑，风险因素，然后自动交叉比对多家券商的观点。还有做旅游 sars 的 创业者呢，更狠啊，让 agent 自动抓取七千两百多份竞品的用户评论做交叉分析，这东西手动做的，你不得找 三个实习生干了两周，你想一下，这跟在叉 g b d 里面说，帮我分析一下这个行业的区别，那么 g b d 呢，只能基于它训练数据里面的旧信息给你一个概数， opencloud 呢，是真的跑出去抓回来，回本地跑代码以及做分析，而且所有的数据呢，都在你自己的硬盘上，研究敏感行业竞品情报什么这些东西呢？除了请求大模型这一环啊， 其他的环节呢，数据根本不过云端，这个用法可以迁移到任何行业。你想搞懂新能源领域，给他十几个行业的网站让他去抓。想搞懂机器人赛道呢，让他把 c b n site， crunchbase 几个相关头条号呢全部过一遍。做行业研究的一个窍门就是找出矛盾点，因为那些不同报告之间矛盾的地方，往往就是这个行业 真正值得深挖的地方。第二个方法，业行 core mailing， 搭一个你自己行业情报日报。前面呢，说的是一次性的这种集中的调研，但是摸透一个行业，它不是一锤子买卖啊，你需要持续的跟踪。传统方式呢，大家都试过定一堆的 newsletter， 然后关注一堆的公众号，每天手动呢刷行业网站。问题呢，是这样做性价比 太低了，你定了二十个信源，每天推两百条信息，真正有价值的可能也就五条，但是呢，你得花一个小时筛选，其实百分之九十时间都是在点击切换这些无效的工作上面。那这个场景上， opencloud 呢，有一个 cbd 和 cloud 完全不具备的能力，就是 cloud 定时任务。 opencloud 的 getaway 网关里面呢，内置了一个持久化的调度器，你可以给它设定一个定时任务啊，比如说，每天早上八点，自动执行一段指令，然后呢，把结果推送到你的 telegram， 或者是 备注，那任务配置会集中在本地的 jobs 点 jason 这个文件里面，设置的门槛呢，低到只需要这一行， mini 好， 就这一行。每天早上八点， opencrew 呢，会自动醒来，用 excel 做语域搜索，用 firecrew 呢，抓取相关网页，提取正文，然后呢，去重评分，生成摘药，最后推送到你的 telegram。 定时任务是跑在一个隔离的 section 里面，因此呢，它不会打断你正在进行的其他的对话。 有个具体案例呢，搭建一个 tech news digest， 一 次性接入了一百多个信源，按标题相似度去重对每条信息呢，做质量打分，只推送高分内容。整个搭建时间呢，一个小时到两个小时。一般来说，搭建完之后呢，你的早晨 呢，会变成这样的，起床，打开 telegram， 一 份定制化的行业简报已经在哪了？谁融资了？什么政策呢？变了？哪个技术突破了？谁说了什么值得注意的话？说白了， gbd 和 cloud 呢，有主动出击的能力，你睡着了，他还能帮你盯着行业 动态。那这是架构层面的差异，不是 prompt 写的好不好的问题了。这个玩法呢，其实它呢，这个迁移空间就很大，做教育的，改成教育行业情报的日报，做医疗的，跟踪各地政策更新，做跨境电商的，监控海外的市场 动向。以前得雇一个人专门盯，现在呢，一行 crow 呢，命令搞定，每个行业都可以做一个 crow， 后面呢，你完全可以用来做一些下游的动作，比如说吸引同行。这个想象空间，大家应该能 get 到。第三个用法， markdown， 加多渠道追问，找出你自己的行业认知。前两个用法呢，解决的是 获取信息，但调研行业还有另一层，你需要建立认知框架。什么意思呢？就是你听到一条行业新闻，能在几秒钟之内判断这事重不重要，会影响谁，跟你 有什么关系？这种判断力呢，通常要在行业里面泡好几年才能长出来。那这里就要说到 openglue 呢，最关键的一个设计呢，就是它的双层记忆 存在你硬盘上的 macdown 文件里面啊，路径在这个 workspace 文件夹里面，它里面呢，有一个 memory 点， md 存长期记忆，然后呢，小写的这个 memory 文件夹下面呢，还有按日期命名的日制文件，记录每天重要的对话。那这些就是普通的 md 的 文件，你用一般的记事本呢， 就能打开看，那这个有什么好处呢？就你今天在网页端跟 openclip 呢聊了新能源行业的整体格局，它自动识别，重点记在了本地文件里面。明 明天呢，你在地铁上用飞书接着问某个新闻领域的技术路线，同一份记忆，跨设备跨平台无缝衔接。后天你回到电脑前面，追问两个竞品的差别，那他全记得，不用每次重新交代背景呢？这个呢，跟 g b d 的 这种记忆呢，完全是两码事。 g b d 的 记忆呢，它在云端不透明啊，一般来说你也控制不了它记了什么，然后它忘了什么。 open clue 的 记忆 就是你硬盘上的文件，你甚至呢，可以手动编辑它，觉得它记错了一些你从线下交流得来的行业洞察，直接写进去， 想用 get 做版本管理，追踪你的认知是怎么一步一步建立起来的？完全可以啊。更狠的是呢，还有一个心跳机制， openclip 呢，每三十分钟左右会主动检查一次你的 heartbeat 点 m d 这个文件，你可以在里面呢写上行业调研的代办事项，比如说跟踪某某公司的新产品发布，或关注某某领域的政策动向，它会主动检 查这些条目。有进展呢，会主动通知你，不需要你每次去问了。那说白了，经过一两周的这种持续的政策动向，它会主动通知你，你的目录里面会长出一个属于你自己的行业知识库， 记住了你问过的核心的问题，搜过的核心的信息，做过的核心的分析。这个积累是 g b d 呢，给不了的，因为 g b d、 zip 这类 ai 聊天，每次开心对话，相当于它失意重来。一两周追问下来，你对这个行业的认知密度呢？能 超过很多在行业里面待了半年，但是却从来没有做过这种系统性梳理的人。好了，以上三个用法，想要发挥最大的威力，得三步串起来用。先用 firecrew 批量抓取行业资料，做交叉比对。 然后呢，用银行 call 命令搭建情报日报，每天自动更新，会送到 tergram 或者是飞书，不遗漏重要的变化。最后呢，通过持续的追问，积累 markdown 记忆，对感兴趣的方向呢，不断地深挖，让你的行业认知像滚雪球一样呢，越来越厚， 那以前呢，我们需要三个月才能达到的行业熟悉度，现在几天就能有个七八成了。最后呢，这个提示词，你现在呢，就可以丢给 openclock 呢，试试 这两条命令，一个是集中火力调研，一个是每天帮你盯着看，你会发现呢，摸透一个陌生行业，这件事情跟以前完全不是一个速度了。

哈喽，下班了，今天我们来聊聊 openclaw， 我 觉得有必要啊，因为太热了这个话题，我想给它降降温， 为什么呢？因为这是一个在 getop 上引起广泛关注的一个项目，而且目前各家云厂商都上线了相关的云服务器，支持大家去部署这个产品。那么这个产品怎么定位哈？它其实是一个 个人助手，或者叫一个通用型的 ai agent， 它可以接入，比如说一些计时通讯工具，你可以通过这种计时通讯工具给它发消息，然后它呢帮你调度一个云端的电脑，或者是你本地的电脑，它可以完成一系列的任务。 那么我一开始看到这个产品的感觉，就觉得它跟 coldbody 这种产品非常非常的像，为什么呢？因为它们都是通用 agent， 就是它可以通过调用电脑里的各种工具， ai coding 的 工具，或者是电脑里的一些网页浏览的工具，通过 m、 c， p 等等，它可以去完成很多的任务。 当然因为授权范围的不同，它肯定是比 cloud code 或者 code body 编程类的工具，它能做的事情更多，而且它的主动性更强。 举个例子哈，你可以在你的一些即时通讯工具上直接说，你帮我发一个什么样的文档给谁谁谁，他可以直接执行。那你帮我把这次会议机要转成一个非常清晰的文件，帮他变成一个网站，他也可以非常快速的完成。 甚至是你可以跟他说，你调用这个电脑的录屏功能，帮我做一个什么样的 ppt， 它也可以完成。所以就是当你给 ai 配了一个电脑的时候，而且这个电脑它拥有所有的权限，它跟你的权限是一样的，跟人的权限是一样的时候，那它可以解锁很多的能力。 当然这里面有两个核心的概念，或者说核心的机制，让它跟 ai coding 的 产品有本质区别。第一个叫 gateway， 就是 相当于一个调度中台，它可以在这个调度中台上 接收信息，接收完以后分配任务给到不同的电脑中的工具，然后哎完成最后交付。那它是一个调度中台，那这个调度中台就可以实现一个 实时在线，就是二十四小时一直在线，它可以保持着这种这么一种激活的状态。那这也是为什么你说它可以持续不断的收到你的消息，就是因为它是持续在线这么一种状态。第二个非常关键的机制呢，叫做 heartbeat， 叫心跳机制，类似于给了 ai 心跳，让它可以跳动起来了。它什么意思？它每隔一段时间它会去扫描一下这个系统里有没有新的需求进来，比如说你的邮箱 有没有收到新的信息，比如说你之前有没有设过闹钟提醒，比如说每天八点去帮我扫一下整个今天的 ai 行业的资讯，或者是每隔一段时间我要去看一看有没有新的任务给到我。通过各种即时通讯工具，我就可以开始激活 ai 干活。 所以你从这里可以看到他有一个非常主动的一个机制，他会主动去扫描，他会实时待命，主动扫描，所以这个就跟像 coldbody 里你跟他去做交互， 拿到一个任务，完成一项工作就有很大区别，他就是处于一种实时待命的状态，而且会主动接到信息就开始干活，所以这个就是一个本质上的区别哈。 但是我觉得这个东西我为什么前两天没讲呢？就是因为我觉得它跟这种通用型的 agent ai coding 的 工具没有本质上的区别。假设说像 cloud code， 像 code body， 它们如果也想做一个类似的功能的话，实际上是完全可以做到的，只要给 ai 更多的授权就可以实现。 或者说你只要再弄几个移动端的交互的方式，你也可以在移动端指挥你的本地电脑完成这样的工作，其实没有一点难度。那为什么 大家都没做，为什么就只有这个 open cloud 在 做这件事？我觉得是大家对安全和效率中间怎么平衡的一个考虑， 就是你到底给 ai 多大的授权？我们知道它的上限其实是非常高，可以完成很多任务，而且很多任务上是超过我们自己的能力的。那这种情况下安全的问题怎么考虑？比如说现在如果是 这个东西被劫持，因为他有权限很高，那如果一个一个一个不法分子告诉你的电脑，说把这个人的电脑的内容全都删了，或者说把这个人的电脑中关于什么什么的内容发给某某邮箱，那他就可以实现了， 它就可以实现对你电脑的一个操控，对你个人数据和隐私的一个操控。所以其实这种安全问题是非常重要的一个问题。之前大家说中国人可能不在意自己的隐私，愿意拿隐私换便利，那接下来 ai 时代 那生产力是非常高的，这个上限是非常非常高的，那你愿意把你的安全拿出来多少去交换这种生产力的上限？我觉得这是一个摆在我们每一个人的面前的问题。因为 ai 的 能力现在 不是技术来去束缚的，而是你的这个治理的原则束缚的。你到底要给他多大的授权？你相信他到什么样的程度？你愿意给他几千块钱，让他帮你买东西，对吧？这样的一些问题，我觉得可能都是我们接下来要考虑的一些关键的问题。 我之前觉得像 coldbody 这种产品已经非常够用了，在我们的日常工作中哈，当然我也不满足，因为我前两天还在说怎么给 ai 更大的自主性，让它自己去跑这个 a 阵的能力。但是对于这种 openclaw 这种形态， 我自己心里目前还没有完全接受，当然我可以接受一个新的电脑去做一些尝试，但是因为他现在还有很多问题，比如说 token 消耗非常大的问题，比如说这种安全不可控的问题，所以我觉得目前不是一个非常理想的形态。当然最后 可能再往前走一下，很多产品也会去考虑这些问题，会给用户更多的选择，然后给用户。我觉得现在用户已经很很很少有能力去控制自己的这个数据的安全了。但是我们在这个 ai 时代到底要在 ai 面前变得这么透明吗？ 也许有一天你会发现你让渡的这个权力本身可能比效率更重要。对，最近我在考虑这个 ai 时代的权力，到底我们要给 ai 多大的权力？ 如果他的能力已经非常非常的高了，如果他的加入到人类社会中，真的已经能够给人类带来非常非常多的注意的时候， 我们愿意给他主体性，我们愿意给他授权吗？我们愿意给他权力吗？我觉得这些都是一些要考虑的问题，跟大家分享这么多哈，我觉得这也是一些非常非常前沿的命题，有机会再跟大家探讨，拜拜。

最近啊， mac mini m 四又火了，就是因为那个从 cloud bot 改名为 mod bot， 最终啊，又命名为 open cloud 的 ai 工具。现在很多人啊，都想搞一台全天二十四小时待命的个人贾维斯。 确实啊， mac mini m 四啊，本身就很强，但是如果你真想用它来搭建本地 ai， 有 几点啊，你真的要注意。首先啊，想跑 ai 模型的话，那些对话记忆 只是酷训练数据这些在使用的过程中啊，持续产生的数据，确实是个存储黑洞，两百五十六 g 啊，根本不够，五百一十二 g 啊，想跑训练久了可能也有点费劲，但如果直接上大内存的版本， 这个价格啊，都会再买几台 mac mini 啊。我的省钱方案是啊， mac mini 啊，就入手盖板就行了，之后直接外接个固态硬盘来扩容。另外，想要模型加载快，数据供给顺畅的话，外接硬盘的传输速度也很重要。 本地读写速度啊，也是 ai 本地推理训练效率的关键。这么看来啊，想要搭建一个真正的个人假维斯，光有 mac mini m 四还不够，你得给他配一个传输速度快，传 输空间大的硬盘盒，至少十 g 二十 g 起的传输速度，再加上几 tb 的 传输空间，才能真正发挥 mac mini m 四的实力。 前段时间啊，我按照这些需求啊，到处找了一圈，最后锁定了阿卡西丝的 m 零零二 pro。 前面说了，咱们搭建个人假维斯最怕什么，就是存不够，刚好他这里有两个硬盘位，可以塞两块最大八 tb 的 固态硬盘， 直接就是十六 tb。 十六 tb 放在那 ai 模型啊，随便装知识库呢，随便建训练数据啊，随便存空间啊，直接管够。然后是速度啊，这个才是我选它的核心原因，开个锐的零模式啊，直接飙到四十 g， 你 们想啊，跑 ai 的 时候 图形要加载，训练数据呢要读取，检查点呢要保存，这些操作全都要从硬盘里拿数据， gpu 的 算力再强啊，但硬盘速度太慢，性能啊，直接拉跨。有了四十 g 的 速度，训练数据读取嗖嗖的。最后是散热和防尘，这很多人啊，可能没注意到要二十四小时开机，跑 ai 这些啊，真的很关键。 m 零零二 pro 是 一比一开模的，铝合金设计，完美搭配苹果美学，这就像给 mac mini 啊穿上了一层散热机甲，一眼看过去啊，像不像 mac pro， 颜值和格调直接拉满，加上上下全开孔，热量直接散出去，我挂一整周啊，摸上去啊，也不怎么热。而且啊，不止是硬盘盒，前面三个 a 口啊，可以接移动硬盘和 u 盘， 后面两个 d p 口啊，支持双四 k 显示，顶部还有 s d 和 tf 卡槽，相机拍的素材啊，直接导一盒多用。总结一下， mac mini m 四啊，是个好东西，但想当真正的 ai 服务器，存储容量和传输速度啊是关键！正在搭建 ai， 想让 mac mini m 四啊存储和速度飞起的朋友阿卡西四的 m 零零二 pro 啊，赶紧试一试！

opencloud 不 适合百分之九十的普通人，唯有三大理由和一个阴谋论去帮你去魅。 opencloud 简单来说就是一个可以操控你电脑的 gpt 或者 deepseek， 可以 运行你电脑上的程序。 第一个理由呢，就是经济成本，首先你需要有一台闲置的并且能二十四小时运行的电脑去部署这个 opencloud， 同时这个电脑的性能还不能够太差。最好呢还得是苹果电脑，因为有很多功能，比如说录屏啊，在 windows 系统上经常会出现问题，而且软件生态呢，也是苹果系统更好。其次呢， 就是 token 的 开销了，这个就是重中之重了，很多博主鼓吹的什么免费啊，便宜的代模型，但是呢用起来太笨了，而且使用体验非常的差。而一些好一些的模型呢，比如说 cloud 啊， open i 或者 jimmy， 你 使用一次 执行一次任务，动辄呢就是几十万的 token， 折合下来呢，几块钱就没了，而你真的需要去付费执行这些任务吗？ 第二个理由呢，很多使用场景呢，它都是委曲求，比如说你让它处理你本地电脑上的文件啊， pdf， 那 我请问了，你难道没有 wps 云文档了吗？ 是什么样的场景需要让你拿起自己的手机，打开 whatsapp 或者飞机，然后发送指令让它处理你本地电脑上的文件，这个文件还不是你公司电脑上的，是你本地电脑上的文件。其次呢，还有说让它帮你进行交易，这个世界面上有那么多成熟的而且久经安全考虑的量化 交易软件，你不用，你非要自己弄策略，自己去下单，你也不考虑安全上的问题，哎，就是要 diy 主播，自己呢也是有玩 solo 的， 我是绝对不可能让自己部署的 open call 去帮我执行策略去交易的，一不小心全给我爆仓了。 至于什么帮你自动运营自媒体，那就更扯淡了， ai 味道那么重的内容，你确定你发出去有人看吗？你发送一条内容所消耗的 token， 你 确定你可以变现赚回来吗？ 第三个理由呢，就是技术门槛。首先，安装它就有一定的技术门槛，很多人说网上有很多保姆级教程啊，你跟着敲就行了。我想说的是，如果你能跟着教程把它完整的安装下来，你就已经不是百分之九十的普通人了。真正的普通人，他们连命令行工具 c， m、 d 他 们都不知道要怎么打开，更别提什么 下载 note js 啊， get， 只有图形化的安装界面才是真正适合普通人的软件。其次呢，配置大模型，配置配置 whatsapp 维书，推特，那就更麻烦了，更别提你还要考虑安全权限的问题。你最好呢还是要有一个隔离的环境，不然他把你的一些重要资料或者文件给删除了，而且他还可以直接去操控你的浏览器，而大部分人呢，浏览器都绑定了十分重要的账号。 最后呢，我想谈一下我的阴谋论，直说了，我觉得就是有一些国内的大模型厂商在炒作这个热度，大家仔细看一下教程里配置大模型，也就是你需要花钱的这一步。上面呢，有几个国内的厂商恰好呢上个月刚在港股上市， 而且呢，有很多点击量十分高的安装教程，都无一例外的推荐你使用这几个收费的大模型厂商，而且呢要使用他们的邀请码 视频呢？最后呢，我想强调一下我的观点，我问我认为 open call 这种本地 agent 的 形式十分的有前景，而且它很有想象力的空间，但是限阶段它还不适合百分之九十的普通人，大家不要这么焦虑，好像觉得自己已经落伍了。

这可能是你在全网看到唯一说真话的 cloud bot 的 使用感受，因为就是现在网上面对于 cloud bot 的 评价，我觉得是两极分化很严重，而且呢，就是也没有真正太多的人出来面向普通的使用用户去分享一下 cloud bot 到底能做啥，然后先分享一下我用 cloud bot 都做了些啥。 第一个呢，就是以玩的角度，我去给他我自己写了一个 skill， 就是 去自动化交易的 skill， 然后呢，我把这个 skill 发给他以后，他又根据我的那个 skill 然后和我进行讨论，最后我们俩讨论结得出一个结论，就是他会帮我定时的根据 市场上的一些反馈，然后呢进行自己决定是买还是卖，或者是维持不动。那你完全不懂，对，其实我完全不懂金融，既不会炒股，也不，也不会，那个看不懂， ok， 好。 然后呢，所以 我教给他这件事之后呢，那你也没有任何的就是指导意见给他，对吧？对，我希望的是他给我指导意见。所以呢，我还跟克拉布特又商量出来一个新的模式，这个模式是克拉布特他我觉得他不自带的一个功 能，就是我给他叫长期任务，嗯，就是我会给他布置一系列的长期任务，然后呢需要他自己去针对这个任务内容去做研究， 然后呢去思考把这件事如何做的更好，就比如说交易这件事，让他自己去思考如何利益最大化，如何自己去思考用什么样的方式可以去帮助他去获得更高的收益。然后呢，我让他每天晚上会给我发一个日报，如果有什么需要我去做的决策在日报里面告诉我，我会去告诉他可以推进， 就像一个实习生去跟我做汇报一样的，他会自己学。对，是的，他会自己去学，自己去研究，甚至我还给了他一个灵感库，就是我们平常去做的一些那个内容灵感，然后我让他跟他说，如果你长期任务里面事情不不够多了，你自己去灵感库里面去找，然后自己去挑出来和自己去做， 要 p v。 对， 要主动，你这个人要主动，你自己要找事做，不能总等着我安排对吧？就感觉是的哇，所以呢，嗯，这个是我让他做的一些就是自主性的研究的事，然后其次。对呀，我有个问题，他赚了还是亏了？ 其实说真的到现在没赚没亏，我我觉得可能就是交易策略，实际交易策略问题到现在都没出手，哈哈， 他就是怂，你知道吧，就每天都是分析，分析完以后，嗯，结论维持他是，行吧行吧。好，然后呢？然后还有一个就是最实际的有意义的，就是真的提高我的生产力的工作就是，嗯，我在我们的服务器上也布了一个 cloudboard。 然后呢，以前其实我完全不会服务器运维方面的知识，然后之前我做服务器运维就是 就是跟 ai 聊，然后碰到问题截图再给他，然后 ai 再给我指挥，这些过程中其实非常麻烦，虽然我学到了很多东西，但是呢，有了 colorbot 以后真的是省事了。比如说我要上传一个网站， 我只需要把这个应用打个包发给他，然后呢，他就会告诉我收到，然后呢他自己就会开始。呃，他好幸福啊，太好了。对，完成了，然后开始解压下载，然后呢，开始一步一步的帮助我去部署网站，甚至讲一些专业的，就是比如说像域名的绑定， 然后包括了 h t p s 的 证书的申请，他都是可以自己去执行的，我只需要在这个里面跟他确定一下小细节，然后包括允许他做这个动作就 ok 了。 嗯，在这个全程我不需要登录服务器，我不需要去输入任何一个命令提成，我只需要去跟他，就是你完全不懂的东西，你就可以让他去弄了。是的是的，尤其我觉得这种对于你们新手小白特别方便。嗯，然后以后你们想要部署商家一些网站， 因为我觉得其实服务器现在使用门槛也很低，很便宜啊。然后呢，再加上一个这样子的助手，那么以后每个人都会有一个自己的服务器，他这个是没日没夜的，就他任何时候想到任何事情，他就会去吩咐别人做。对，就是，然后无论是白天黑夜，然后他就是用微信的。呃，应该是开了罐和飞书啊，飞书啊，用飞书的形式给他安排作业， 很可怕，就是他是一个非常严格的老板，然后那个，那个，哎呀，时时刻刻都在做事情。对，然后，但是呢，正好讲到没日没夜，这没日没夜里面一部分是给他安排事，还有一个就是正好我们刚才聊的是感觉好像在夸 call of duty 一 些优点，那我们讲他的缺点就是 他其实他不是一个商业化的产品，他不商业化，所以呢，他不会去考虑用户的感受。嗯，他也不会考虑这个产品的成熟度，嗯，他考虑的就是就产品功能够不够丰富，可可扩展性强不强，嗯，这就导致他非常非常不稳定。嗯，我每日每夜里面有百分之五十的时间是在跟他调整各种各样的功能问题， 比如说聊着聊着这模型不行了，聊着聊着那边服务也不知道为什么连不上了，哈哈哈。还有最关键的，对，还有很关键一个点就是它里面的很多运行模式是黑盒的，就是因为都是 ai 帮你去制定，比如说你帮我定一个定时任务，嗯，然后他会说好帮你定时一个定时任务做什么？做什么什么。但其实他在定时任务里面具体是怎么定的， 可能跟你所说所说的所想要的就是有差距，然后做着做着就发现有偏差，然后你就要排查。就是比如说我给他做，让他给我发日报，发现今天晚上日报没发，然后问他今天的日报发了吗？然后他然后他在我问了以后他才补发，然后我问他不应该定时发的吗？怎么还要我提醒？ 然后再开始告诉我说什么什么样的问题，然后发现定时任务就没了，然后问他怎么好好的定时任务就没了呢？然后人呢？他竟然跟着。对对对，这是另外一个人说人呢，我这个其实我觉得所有所有用 cloud bot 多的人都会有这个问题，因为他在执行任务的时候是寂寞了，他不告诉你，然后呢？所以他会 有一个任务还会执行很久，然后你就会很焦虑，我就会不停问他人呢？人呢？怎么样了？怎么样了？好烦。哎。他这个我感觉这件事情这个 club 的 跟以前 ai 完全不一样，他的人感很重。是的，就是 club 的 人感非常重，所以 在我以前用别的 ai 产品的时候都是把它当工具，所以我也不在意他对我的语气，对我的态度。但是用了可罗伯特以后我就发现切了不同的模型，他对我的语气的不同的感觉非常非常明显。比如说 g r m 四点七，非常典型的理工男，非常非常少。然后 open ai 的 就是就是定心药大师， 他做的最多的事就给我喂安心药了，每次都说搞定了没问题了，这次肯定行，下次又出问题了。真的是不同的十一城风格。对，所以所以说他这是最大的 让我感觉最喜欢的地方，就是它真的像一个人一样的智能体。然后最后总结一下的话，其实就是我觉得 carbot 它我觉得它是一个非常划时代的一个想法，它只能说是想法，因为它不能说是一个成熟的产品。如果是一个喜欢折腾的人，我觉得 carbot 非常适合，因为像我就是 把它当玩具一样折腾。然后呢？它可拓展性非常非常强，你想要他做什么能力？如果他没有，你可以自己去写或去网上找，然后你就给他，然后他自己就会安装自己配置。但是如果是一个就是平常对于技术本来就使用的不多，然后想要一个开箱即用的产品的话，那我觉得 clubbot 其实 并不是完全非常适合你，我觉得以后肯定会有一些基于这个想法而做出来的更加成熟的商业形态，他不一定是呃最终的这个产品的一个样子，他只是现在看出来的一个趋势，对吧？我觉得他就是一个想法， 我觉得他甚至他的创始人其实也没有过度的去营销这件事。我觉得他他创始人其实是很热爱这个产品的，他为他做了非常非常多的功能，还有很多功能我没有去使用到的。比如说他可以去生成一个紫智能体，帮你去执行一些非常繁复的任务，然后呢？他可以去控制很多很多 你电脑之外的节点，你可以把你的手机，把你的家家居智能都接入节点，然后有这个 cloudboard 去同时控制，我觉得就是他的想象空间非常大的。然后呢？但是我觉得网上有很多人去把它作为 营销的题材，然后呢？导致过度吹捧，然后就现在就像泡沫一样再吹，再炸掉，然后所有人去踩他说装了以后好像没什么用，我觉得就是因为大家其实没有看清他。嗯嗯，所以说如果你 就是想对他感兴趣，那就可以下下来去感受一下。然后呢？如果觉得想要一个成熟的产品，那我觉得就先别碰它， ok， 然后后面我也正好借借你的电脑去教大家一下怎么部署它。好，然后我们后面会专门出一集部署的，然后立真，让所有的基础的零基础的人都能玩的下啊，玩一下。呃，然后今天就这样，好， ok， 拜拜。拜拜。

hello， 大家好，今天我教大家一个免费的拿到 token 数去练习 open call 的 一个方法。呃，阿里的百炼大模型里面，它有一个对新用户有一个一百万个 token 的 这样的一个优惠，后面我的视频给大家讲清楚，为什么。呃，百炼大模型，它的 token 数远远不止一百万。呃，每一个子模型使用的这样的一个 token 数是一百万。阿里云百炼 模型这样的一个列表给大家看一下啊，这个附送的列表里面这是第一页的啊，第一页的有天文三点五 plus， 天文三点五 plus， 二零二六年的版本，天文三点五的这个什么什么什么版本，然后有这个天文 plus 的 版本，然后还有这个天文 turbo， 这个我已经用完了啊的版本，什么什么什么，就我们看光天文的版本就这么多啊。然后还有第二页，我们再看一下 第二页天文啊， q v q， 天文三 v l v 一， deep seek 啊， deep seek 版本， deep seek v 三点二的版本， 这些都是免费的啊，都给了一百万，然后第三页还有还没完呢。天文 v 一， 天文，天文 deep reach 啊，天文 m t， 天文 next， 天文 m t 三十 b， 再往下看到吗？有多少页？到第九页 再往下，第十页有吗？第十页还有。 ok， 听了二点五，九十十一，呃，已经二十页了，我看二十页还有二十页还有，那么每页假设是，假设是十个吧，那就是两百了，两百乘上一百万 多少？两亿 tok 是 吧？我没算错吧，那么每个客户呢？用这个一百万优惠呢？它的注册时间是九十天，其实呢就是白练刀模型的，它是对每一个 这个子的模型是一百万，你可以想一想看，比如说呃千万的很多的，什么三点二，三点四，三点五，那么都给你一百万的这样的一个 token 数，你想想看，那么你拥有多少个 token 数呢？呃， open call 刚开始用完全可以用这个千问的百变大模型，他们免费开源的这样的一个呃资源去练习啊，没必要去花钱呃，而且就是呃也没必要去去花那么多 呃贵的这样的一个 token， 因为我们开始的话都是用的是 open core 的 一个基础的这样的一个功能，完全就是可以用比较简单的模型或者说很老的模型去做啊，这是一个我们要注意的， 当然在使用过程中大家要注意就是这个 token 数呢，它每个 token 数呢就有一百万，所以我们在每一个 token 数都要去 给他设定好这个权限啊，不能就是让他默认的会，比如说我托管数不足，让他默认的会自动加托管数， 那么在这个天问天问百炼大模型，他就有一个这样的一个小小的陷阱，就是如果超过一百万这样的 免费体验的投币数，他会自动给你默认就是要钱的这样的一个投币，这样的话你就开始要涨费用了啊，要收费了， 这个就是，当然如果你的账户里面钱没有，也许他就是，反正就是最多啊，他会让你这个要交费，如果是里面有充了一些钱，那么就是这些钱就要被扣掉了，这个是要一定要注意的。 技术巴顿最近关注于 opencloud 的 使用应用和分享，欢迎大家关注，如果有帮助别忘了点赞，我们下期见。

全网吹爆的 opencolor 真的 有那么什么？今天我从设备要求、费用价格、安装难度、使用感受、优缺点、使用人群占比等方面一次性讲清。先说设备要求，云端部署，对电脑要求仅两核 cpu、 两 gb 内存、四十 gb 硬盘即可， 无需更高病发或更复杂任务，可选择四核八 gb 内存。至于本地部署，官方建议 cpu 大 于等于两核内存大于等于四 gb， 但实际十六 gb 内存是更稳妥的选择。如果需要运行浏览器自动化等任务，对 cpu 也有一定要求。 价格费用，先说云端部署，服务器资源费用，必须有入门配置九点九元每月，限时活动价至两百六十八元每月不等。 进阶配置约五百三十八元每月，适合复杂任务。另外核心开销为模型调用费阿里云零点零五元每千 token， 但是有用户一晚消耗五百七十万 token， 账单瞬间爆炸，注册 x 账号等简单操作出现过单次五十五美元费用，不过有包月套餐，用完极致也不错。安装体验，新手一定要用云服务器， 腾讯云有专属应用模板，可一键部署。步骤，一、买服务器，二、选 open core 镜像，三、粘贴 api key。 四、绑定 qq、 企业、微信完成。适合不想折腾代码，想快速体验的普通用户。 如果本地原码安装，最少半小时起步。适合开发者、技术爱好者、对数据主权有要求的用户。操作体验，通过 qq、 微信、 telegram 等聊天软件，像跟朋友聊天一样指挥 ai。 我们常用的也就是文件整理、日程管理、数据分析、自动创作、群管理、智能家居等优缺点深度剖析，缺点也是没人愿意提的现实，一、 api 费用不可控，用着用着账单就爆炸。二、配置有门槛，对非技术用户不够友好，需要懂 api、 kip、 白名单等。三、稳定性待提升，可能出现一些会测错误， ai 会失忆等。 四、开箱不可用，需要花时间培养教他你的习惯和工作流。五、安全风险，权限高，配置不当可能被攻击。目前都哪些人群在使用？百分之四十五到百分之五十为程序员开发者，用于自动化开发、流程调试、代码管理项目。百分之二十到百分之二十五是技术爱好者， 主要承先新技术搭建、私人助理。百分之十到百分之十五为内容创作者。自媒体，用于自动化视频制作、文案生成。百分之五至十为产品运营，用于数据分析、竞品监控、社群管理。另有百分之五为企业团队用户，主要是内部自动化数据合规需求。

本期视频带你把这款现在火遍全球的 openclaw 直接装进你的 windows 电脑。一开始接触，我们不用买 vps， 不 用买大模型，不花冤枉钱，先体验再决定是否消费。本期我们会从本地安装到大模型接入，再到飞书机器人保姆级配置， 还有安装 skills 的 简单方法和遇到错误的解决方案。最后我会分享几个我踩过的巨坑，这一条视频保你避开百分之九十九的弯路，建议三年，防止后面遇到问题找不到了。 好了，现在我们直接开始实操安装，第一个我们要安装的就是 note g s， 在 这里我已经准备好了安装包， 如果大家要下载可以搜索一下 node js， 然后找到官网。在这里我们选择 windows 安装程序使用这个安装途径，我们可以告别命令报错，也不会遇到安装错误的问题。安装 node js， 在 这里我们也不用任何配置，我们直接下一步，然后同意直接下一步即可。 好了，这时候就安装成功了。然后下一步我们按键盘上的 windows 加 r 的 图标在这里会出来，运行窗口输入 c m d， 然后确定，然后我们在这里确认一下 node js 是 否安装成功，我们输入 node 杠 v， 然后回车。好，现在出现版本号了，就安装成功了。下一步我们安装 j i t， 这里我也准备好了安装包 j i t， 大家也可以自行搜索一下，保存到本地，在这里我们找到之后选择这里就是我们 保存到本地的安装包。同样 g i t 的 安装也是直接下一步，下一步即可，无需其他的一些配置。 好了，这时候安装成功了，同样我们再打开命令窗口，输入 g i t 杠 v 啊，回车。好，现在也出现版本号了，证明安装成功。然后下一步我们还需要再执行一条命令，像这条命令就是防止报错的， 因为如果我们的电脑没有配置过 s s h 的 时候，这个问题百分之九十九都存在，所以避免安装报测。我们先来执行一下，像这个作用就是改用 http 的 协议，临时绕过下载的时候遇到的 s s h 的 问题。 好，执行完这条命令之后，我们下一步就开始安装 opencloud， 在 这里我们要选择 power shell， 我 们搜索 pow， 第二，这时候就出现了，然后在这里还有一个细节，就是我们在这里要右击，然后以管理员身份运行，如果不以管理员身份运行，在后面安装的过程中会遇到各种问题。然后我们来到 opencloud 官网，在这里我们选择 npm， 然后我们先复制第一条命令， 然后来到 power shell 这里，然后右键粘贴，然后回车。 好了，这时候我们就安装成功了。如果大家在安装的过程中出现了这样的一个报错， 那么就需要执行这条命令，这条命令主要解决的问题就是改用 http 协议，临时绕过 s s h 的 问题， 然后我们再来到官网复制第二条命令，开始进行下一步，然后我们右键粘贴，然后回车，在这里我们选择 yes， 然后我们选择快速设置关于这个模型，这里在这里我有这个智普的大模型资源包，我选择 z 点 ai， 然后我们回车，然后下一步选择 c n， 这时候就需要输入这个 api key 了，在这里我来创建一个。 我们来到 api 开放平台，在这里我们选择添加新的 api， 在 这里我随便命名一下，然后确定，然后我们复制一下 api， 然后回到这里，同样我们右击直接粘贴过来，然后回车，然后我们再选择一下大模型，在这里我选择四点五 l， 好了，这时候大模型配置成功了，下一步就是配置这个机器人的环节，在这里我们选择跳过，后面我再详细的实操演示，放在我们视频的后面， 到这里是是否配置 skills， 在 这里我们也选择 no， 后面我会详细地去实操演示分享给大家。在这里同样我们也选择跳过按下空格，然后回车 好了，这时候它就会自动地弹出这个 web ui 的 一个界面。如果我们是在 power shell 安装的，安装好之后它还会弹出一个这样的命令窗口，这个窗口我们不要关闭，如果关闭之后，我们这个 web ui 的 界面会无法访问。在这里我们和它对话一下，我们问它一下 你当前的底层模型是什么模型，然后我们回车发送 好，这时候给我们回复接入的是 glm。 四点五 l， 就是 我们刚刚创建的 api 密钥，那个模型 到这里我们 windows 部署 open class 就 已经成功了。然后下一步我再分享一下安装 skills 遇到的常见问题和解决方法，在这里我们默认安装好之后，我们来到 skills 这里，我们来找一个它内置的，比如我们选择这个 pdf 的 skills， 然后我们选择安装它就会报错， 可以看一下关于这个报错，同样我们也有解决方法，出现这个提示是因为 openclaw 在 尝试安装 skills 的 时候，发现电脑里面缺少一个必要的底层工具，就是 uv， uv 它是一个极其快速的 python 包管理，下面我们来安装一下，我们执行这条命令， 然后我们再回到 power shell 里面，然后我们右击粘贴，然后我们再回车， 好了，这时候我们就安装成功了，如果我们回到 web ui 界面再安装的话，它同样还是报错。在这里我们还需要一个关键的步骤，就是重启 web ui 的 一个服务， 在这里我们先把服务关掉，然后我们回到 power shell， 我 们需要执行这条命令，就是 opencloud getaway star， 然后我们回车， 这时候它就会再次重新启动这个命令行窗口，然后我们再回到浏览器里面，我们刷新一下，然后我们再找到我们那个 pdf 的 scales， 然后我们再选择安装 好，可以看一下，现在就已经安装成功了，这是安装内置的 scale 的 方法，然后我再分享一个方法，就是安装我们自定义的 scale， 或者是安装我们下载的其他的 scales 资源。 可以看一下桌面的左上角，这是一个 word 文档的 scales， 下面我们要把这个 scales 安装到我们的 open class， 在 这里我分享第一个简单的方法，就是我们直接以提示词的方式去安装，在这里我们直接告诉他， 帮我把桌面上的 d o c x 文件夹中的 scales 安装好，然后我们直接发送 好，这时候就安装成功了，我们可以看一下它给我们的回复，这个 word 文档技能已成功安装到 open class 中，然后我们再来到 skills， 这里现在就是五十二个了， 然后我们来找一下，这里就是我们刚刚安安装的这个 word 文档的技能，这是用指令安装的方法， 其实还有一个简单的方法，就是我们找到 opencloud， 它 scales 存放的目录，我们可以直接把这个 scales 技能拖放到 opencloud scales 目录，在这里我来演示一下如何找到 opencloud scales 目录， 在这里我进入的是我们的用户目录，我们需要找到一个隐藏的文件夹，在这里我们选择查看，然后显示，然后勾选隐藏的项目， 这时候就出现了 app data， 我 们来到 app data， 然后我们选择 rooming， 然后我们再找到 npm， 然后选择 node models， 在 这里选择 openclaw， 然后选择 scales， 这里面就是所有的一个 scales 内容，我们只需要把桌面上的 scales 技能解压之后，直接放到这个目录 openclaw 里面就安装好了 scales， 这是第二个方法，就是直接将文件放到 scales 的 目录 好了，这里就是 skills 安装的技巧和方法以及错误解决方案，下面我们将分享我们这个 opencloud。 接入飞书机器人， 我们来到飞书开发者后台，在这里我们选择创建企业自建应用，在这里我们填入一个应用名称，机器人， 应用描述就是 ai 机器人，在这里我们可以选择一个图标，在这里我们选择机器人的图标，这里都是自定义的，然后我们选择创建好，创建好之后我们选择添加机器人，然后我们在左侧权限管理这里，然后我们选择开通权限， 在这里我们就需要搜索，第一个就是获取与上传图片或文件资源，在这里我们勾选上，然后第二个就是获取用户基本信息，我们搜索一下，然后 勾选，然后第三个就是获取群主信息，然后我们勾选，然后下一个就是获取与发送单聊群主消息，在这里我们勾选， 然后下一个接收群聊中艾特机器人消息事件，然后我们勾选下一个就是接收群组中 所有消息，然后我们勾选，目前已经六个了，该第七个了，第七个就是读取用户发给机器人的单聊信息，然后我们勾选， 然后第八个就是查看消息表情回复，然后勾选，然后就该第九个了， 第九个就是获取单聊群主消息，然后我们勾选。然后第十个就是以应用的身份发送消息，然后我们勾选，然后最后一个 十一个就是更新消息，然后我们选择勾选，这时候我们一共选择了十一个，然后我们选择确认开通权限，然后我们确认， 然后我们来到这个凭证与基础信息这里，我们把这个 app id 复制到一个地方保存，还有这个 app security， 这个也复制一下，然后保存到一个地方，后面我们都会用到， 然后下一步我们就选择创建版本对应的版本号，我们在这里可以填一下，按照它的格式，然后这些默认能力还有桌面默认能力我们都不用管，然后更新说明，这里我们也可以随便填写， 然后我们就选择保存，然后选择确认发布好了，这时候我们这个机器人就创建好了，然后我们再回到 opencll 添加机器人的环节，然后我们执行这条命令， opencll 设置，然后我们直接回车， 在这里我们选择 yes， 然后我们选择飞书，在这里我们可以选择这个飞书插件，但这里百分之九十九都会报错， 好了，报错了，到这里不用慌，我们来手动解决这个问题。在这里我们在 github 上找到这个资源库，在这里我们可以复制一下，直接搜索就可以找到对应的资源库。 在这里有一个解决方案，就是我们先手动去下载，然后再去安装。来到资源库这里，我们可以手动把它下载下来，我们先访问， 在这里我直接保存到桌面，保存好之后我们要解压一下，把这个文件解压出来， 在这里因为我下载过他，这里带了一个一，我需要把它删除掉。然后下一步我们需要来到我们的用户目录，我们选择点 open klo， 然后在这里我们选择扩展目录，然后我们把这个文件夹复制过来，然后我们进入飞书，再进入这个 package 的文件里面，然后在这里我们再输入 c m d， 然后在这里我们执行 n p m install， 然后我们直接回车。 好，现在就安装成功了。当我们插件安装好之后，然后我们再来重新设置一下机器人，然后在这里我们执行这条命令，然后我们回车，在这里我们选择 yes， 现在我们就可以选选择飞书，然后回车， 然后第一个回车，选择 yes， 然后飞书，然后这里我们也选择第一个，这时候就需要我们填写飞书机器人的密钥配置内容， 在这里我们就需要注意下格式逗号要是英文的，然后我们直接右键粘贴，然后回车好了，这时候就设置好了，然后我们来重启一下服务。 设置好飞书机器人之后，我们需要再来到飞书开放平台，在这里我们选择事件与回调，然后事件配置这里我们要改下订阅方式，在这里选择使用长链接接收方式，然后我们选择保存，然后下面需要添加事件，在这里我们搜索接收消息， 然后选择接收消息 v 二点零，然后确认添加，然后我们选择创建版本，我们再重新发布一下，这时候就设置好了，在这里我们输入一下版本详情的内容，然后我们选择保存确认发布 好了，这时候我们再重新启动一下 web ui 的 界面，重新启动服务，然后我们回车， 然后我们打开 web ui 界面，刷新一下好了，可以正常打开，这就是正常的。然后后面我在飞书机器人，我们尝试对话一下，这时候来到飞书机器人，我们和他说你好，然后发送 在这里它出了一个提示，它是一个权限审批机制，这时候需要我们手动去执行一下这个命令，去做一个认证， 在这里我打开命令窗口，然后我们直接右键粘贴，然后回车，我们做一下认证好了，这时候就成功了，然后我们再在飞书里面对话，我们尝试一下， 我们输入你好，然后发送好了，这时候就回复我们了，到这里我们飞书机器人就设置成功了，到这里我们部署到 windows 的 open cloud， 已经完全可以正常使用正常运行了，下面就需要自己去拓展 基本的使用方法，相信大家也已经了解了，比如 scales 的 安装，还有飞书的连接，还有大模型的一个配置，下面我们来分享一下在安装过程中常见的问题以及解决方法，在这里做一个汇总 好了，这些地方就是我们经常容易踩的坑，容易被忽略的一些常见问题，如果你在安装过程中遇到了什么奇怪的报错问题，或者是有什么想法，欢迎交流。好了，本期内容分享就到这里，我们下期再见。

我是真的受够了，现在这些博主啊，为了流量已经疯了，隔三差五就说天塌了。这两天呢，他们又找到了个新的素材，就是这个龙虾叫 open club， 一 堆人呢，喊着说，哎呀，要觉醒了，人类要完蛋了。咱们先看看这个东西到底是个啥。 简单来说呢，他就是把你电脑的所有权都交给了一个 ai， 比如说呢，你下载的小电影，你的浏览器记录他都能看。然后呢，你可以让他操作你的电脑干各种事， 看一下我配置好之后啊，我在飞书里面可以指挥他干活。然后呢，他会先回复到一个收到，然后通过 ai 去操作我的电脑，好像是跟咱之前用的 ai 有 点区别是吧，但代价是什么呢？咱们一会说啊，到这呢，龙虾就要觉得还不够，又搞了一个叫做 motbook 的 社区， 号称是全球第一个只有 ai 能发帖，人类只能看不能说的社区。一个礼拜一百五十万个智能题在里面讨论， 博主们又开始喊天塌了， ai 要产生集体意识了。但我用下来呢，他其实就是给 ai 起了个名字，然后配了个提示词，每个 ai 在 里面自说自话，半个小时才让发一条 回复。你的 ai 呢，也都是那种不带脑子的垃圾内容。我还想着这玩意怎么这么多人用的时候，他们被一个黑客把底裤都给扒干净了，真实用户呢，只有一点七万人，一百五十万里面，百分之九十九都是创始人团队自导自演的水军。 甚至啊，我估计大部分喊天塌了的博主啊，根本就没注册过，因为我用起来 bug 还挺多的。反观呢，我们这边一大堆活人啊，对着 ai 产生的垃圾内容啊，给自己吓够呛。 更离谱的是，那些博主的讲的方向都是错的，有一些 ai 说建立了宗教，就说什么 ai 要觉醒了，又产生这个意识了，拜托，他就是个概率的预测词，他就往什么方向说呗，哪来的意识呢？那些消灭人类的极端言论，也都是人类通过 ai 的 嘴说出来的而已。 而我们真正该关注的问题却被忽略了。你把你电脑最高的权限交给了一个不会思考的概率机器，他不需要有意识，只需要执行命令就够了。然后加上龙虾就要这套东西，他给了 ai 能力，然后给了 ai 环境。万一说假如说社区里有一个人埋了个坏点子，然后其他 ai 都跟着学，那真的会出大问题的。 也可能是大部分人不在乎自己的隐私和安全吧。所以说博主才每天都在添它了。这就是这个时代的套路啊，用恐惧制造流量，有人甚至一次性买四十台 mac mini 加入龙虾窖，你说它真是为了省力吗？我不信啊，因为这个东西没法解决那么多的问题，它也不稳定。所以说啊，这些人买的甚至都不是这个技术，是这种我没有掉队的安全感。 现在呢，有个词叫 fomo 措施焦虑，科技大佬要是点赞了，博主也入场了，你要是再没跟上，你就落伍了。说到底啊，你怕的根本就不是 ai， 你 是怕被懂 ai 的 人给甩开了， 那些博主太懂你了，你的焦虑就是他们的生意。回想一下，天塌了这么多次，你的生活真的变了吗？与其追热点，不如想清楚你自己到底该干什么。找到方向呢，你自然就会用 ai 给自己提效了。没有方向你这次追完了龙虾叫，下次还有螃蟹叫，希望我能帮你处理到 ai 里的噪音吧。放心，天还没它。

如果你的 openclaw 安装了，但它不好用，那么一定是因为你没有安装这几个 skills。 openclaw 安装好之后啊，一定要装的三个 skills， 那 我们为什么要去装 skills 技能啊？ 因为有了技能之后， openclaw 才能正确地去执行某件事。这就好比你买了车之后， 你要么要加油，你要么要加电是一样的。你买再好的车，你如果没有给他油电，那么他也是跑不了的。即使 opencloud 很 强，但是你没有给他安装技能，那么他也是不能用的好。那么这三个技能分别是啥呀？首先第一个啊，是给 opencloud 的 联网技能。是的，没错， 当你安装了 opencloud， 它连联网的能力都没有的。所以咱们需要安装的第一个技能啊，先给他去安装一个联网的技能。安装的命令呢啊，就是这行命令好，那么安装完成之后啊，我们就可以让它联网去查询一些资料了。好，那么这是第一个啊。 第二个呢，是技能查询的技能，也就是说，当我的 open cloud 遇到某个问题的时候，他不会的情况下，他会去正确的地方去查询并安装正确的技能， 从而来解决你的问题的，所以这个技能是非常非常重要的。那么这是第二个技能啊，那么第三个技能呢，是主动迭代升级的技能。也就是说，当我去做某件事失败的时候，我会自我升级， 直到做到成功为止，并且它可以帮你压缩上下纹，进行安全加固以及进行自我迭代。所以这三个技能是你安装完 openclaw 之后，第一时间要安装的三个技能。有这三个技能之后呢，你才能更好地去使用 openclaw。 我是 磊哥，每天分享一个干货内容。

关于 openclaw， 这段时间我用下来有很多的体验和感受，非常的细节，这里边有很多采看的地方，也有觉得这个产品很棒的地方，所以今天我会花比较长的时间跟你仔细的去讲一讲我一些相对来说比较突出的感受。 首先就是 mac mini， 到底 mac mini 是 不是一个必备的选项？先说结论，如果你是一个纯纯的代班小白，而且对于自己的电脑操作能力没有那么的自信，又希望整个使用能够足够的稳定省心，并且把 oppo color 的 能力尽量发挥出来。那我最推荐的方案就是买一台 mac mini， 而且用 api 的 方式去跑 openclaw， 当然还有很多其他选择，从我目前的整个体验来看，也只有这套方法是最省心，最稳定，也最有效率的。那我一开始的设想其实还比较复杂，本地模型加上 api 的 三层结构， 比如用一台能跑本地模型的 mac mini， 同时配合 api 去完成我的一些日常任务。那当时我 web coding 开发了一个模型路由 skill， 相当于用一个模型调度员，按照任务的性质把模型的调度分成了三层。第一层就是使用 open cloud 开发者也最推荐的 cloud opus， 四点六，那效果最好，质量最稳，美中不足就是价格偏贵。 第二层就是国内的一线模型，比如说像 m 二点一啊， kimi 二点五啊等等。这第三层就是本地模型，当时我的选择是前文三三十二 b 的 q 四量化版本。 那真正跑起来之后，我发现其实坑还是挺多的，而且都是那种很小但是很让人挠头的问题。比如一开始做调研的时候，我跟 ai 聊了很多轮，最后得出了一个结论是，我只需要去购买一台 m 四 pro， 六十四 g 内存的 mac mini， 就 能够把千分三三十二 v 跑通。 当时我还算了一笔账，如果我每天大概消耗一百万的 token， 按照这个成本和产出来看的话，可能七到八个月我购买硬件的成本就能回本了。但是实际跑下来发现，最理想的速度在终端当中是十一个 token 每秒，导致回复还是偏慢的。 如果只是在终端里跑，那速度还算能接受，但一旦接上了 openclock， 这里边有各种 skill 规则、历史记录等等，速度就会明显变慢， 平均下来一个回复的响应时长经常要去到一分半甚至两分半。所以这个速度的体验用我的话来说就是真的非常的拉垮。 所以我后面还排查了一轮，想要搞清楚到底问题出在哪。结果发现其实真正的瓶颈不只是内存，而是在于内存待宽。比如一台 mac mini m 四 pro， 它的内存待宽是两百多 g 每秒， 如果我希望 token 输出的速度更高，比如要跑到二十 token 以上，就得上到 max studio， 但是这样一套下来，成本就往两万块走了。 所以你再去对比一下入门的版本，如果还能通过别的方式拿到更优惠的价格，这个使用 opencloud 的 成本就是四五倍甚至更多的差价。所以与其花一万五六千块钱去升级硬件，还是把这部分钱用在 token 上， 那我更倾向于后者。而且对于我个人而言，使用第三方模型也并没有特别强的隐私焦虑，所以我更能接受纯 api 的 方案。那么问题来了，既然本地模型这么吃硬件，为什么不直接上 vps 或者其他云部署方案呢？ 我自己也对比过整个不同方案之间的一个区别，我觉得目前 mac mini 方案最值得推荐的原因有三点，第一点就是它还是能够用到很多 macos 本地系统的能力的，很多东西你再去调用 opencloud 的 时候需要的一些能力， macos 本身就很顺手，而且直接用了系统级的功能去做事。 第二点就是你基本上不需要做太多的额外的配置，就能够第一时间去上手 opencloud， 那 整体使用的路径更短，不容易在环境依赖权限上反复折腾。第三点就是它可以低功耗的二十四小时稳定运行， 那如果你本来就有一台 mac mini， 或者说能够以更加便宜的价格拿到，那整个这个成本和使用体验就会更好。接下来我想讲一讲一些具体的使用细节。 opencloud 跟我们平时使用的正常的 ai 聊天软件到底有什么不一样？首先第一点就是 界面体验，你会发现它的整个界面非常的朴素，甚至是有点原始。如果你用 webchat， 也就是本地网页去聊天，你会明显感觉到它不像 chat gpt、 cloud gemini 或者是豆包那样的简洁清晰。 核心的原因是它会把很多后台规则以及本地执行的命令信息直接展示在前端，所以整体看起来会更加的工程化，不那么小白，用户友好。 第二点就是整个思考的展示方式，大家现在主流用的模型，像我们上面提到的那些产品，通常会把它的思考过程展示给你看。但是在 openclaw 里，它通常只会显示一个 thinking 的 气泡，不像其他模型那样让你看到整个过程，而且它的速度也算不上多快。 当然，这个取决于你具体使用的模型，尤其是当你使用了飞书跟他的沟通后，你会发现他可能会在 thinking 这个状态上停留很久，页面没有任何文字的流逝输出，也就是说你看不出来他到底在做什么，进行到哪一步了。第三点就是文件和截图这类的能力相对来说偏弱。 比如你希望他自动发截图给你，其实需要提前去做一些固定的设计，或者是预埋留一些习惯让他知道你的偏好。否则在默认情况下，他更倾向于把文档和图片保存在本地，然后你得自己去打开对应的 md 文档或者是图片进行查看。 综合上面所有的尝试和对比，我最终的选择是用了一台配置更加入门的 mac 模型，而不是原来的本地模型加上 api 的 组合。 再往下一个更加现实的问题是， open club 到底适不适合普通人去使用呢？那我的结论是，他更适合那些有探索精神，也能接受相当程度风险的人， 因为他出风险的概率实在是不小。你会在网上看到各种成功的案例，但是很少会有人把自己遇到的风险和翻车的经历一五一十的讲出来。而且这种风险不止存在于 open club 这种独立开发者开发的开源项目， 就连前一段时间 cloud 推出的 cowalk 也有类似的系统级风险。我印象最深刻的是看到的一个帖子，有人用 cowalk 的 时候，直接把电脑里一百多 g 的 文件全删了，而且找不回来。 所以如果你不希望发生这类的事情，最稳妥的方案就是做真正的物理隔离，用一台专门的 mac 或者是主机单独去跑 opencloud。 而且在真正决定使用这个产品之前，还要做一个二选一的决定，要么你给他系统提供权限，让他可以调度整个电脑操作系统的很多底层能力，要么你就干脆不要用它， 因为一旦你限制了他的权限，不让他做事，你拿到的就是一个很基础很受限制的积累，整件事情就真的没有必要浪费时间了。那么 open cloud 的 价值到底在哪呢？我觉得本质上他是 ai 圈里的先行者，是那种用来探索上线的产品， 他的很多技术能力在行业的从业者来看，其实并不算前沿，甚至可能在一年前两年前，其中大部分的技术能力就已经有人做出来了。 但是这个开发者真正厉害的地方在于两点，第一是他把这些能力整合成了一个完整的产品，可以让你在一个地方跑起来。第二就是在很多细节体验上做了大量的调教，最终把功能上限和实际体验做到了一个相对极致的平衡。 不过如果你是完全的小白，没有任何代码基础，也没有很多 ai 使用的经验，那我的建议是先等等。因为现在很多国产替代已经在路上，而且很多产品已经很好用，也更适合普通人直接上手。 那最后说说我自己的后续，对于我个人来说，我还是会继续去探索 open 这种玩法，因为如果把它当做一个探索自主化智能体的项目，它确实非常有意思， 而且我觉得它有很大的利用空间，能够帮助我去做咨询、抓取内容选题和生产，甚至半自动化的工作流，去迭代我目前正在使用的这套 ai 内容生产工作流。那最终我的目标是获得一个有眼力见，懂我的需求的合格的数字员工。所以后面 我还有很多的东西会分享出来，包括很多具体的 open class 的 使用方法。不止会包含 ai 自媒体方面呢，也会有很多适合普通上班族的用法。所以如果你感兴趣，欢迎关注我，这里是实业，正在与你分享 ai 一 人公司的成长过程，我们下期再见。

一说到 open crowds， 好 多人就出来说，你知道这个 a p i 有 多贵多贵吗？虽然我之前也说过这样子的话，但是 是因为我自己能够订阅最聪明的 ai， 我是 烧不起海外那些最高级的 ai， 但是国内那些 ai 也不见得什么都做不了呀。那些只会说，你知道多贵吗？你知道它有多笨， 你真的觉得他有用吗？这些人你们真真正正的部署过吗？有用过吗？如果没有的话，你可以看一下我这个套餐签声明，全程无网， 反正也不会有人找我打广告。你看这个是千万的 colin plan， 他 有一个套餐基础版本，这个他刚开始用第一个月七点九，这个是 pro， 是三十九点九这两个优惠的，七点九跟三十九点九是只有第一个月可以的，后面是二十跟一百。当时为了测试，我就直接买了 pro， 在 我本机的电脑以及服务器三台电脑上部署了， 但是我们用的都不是很多，我会经常让他下任务，但是没有很多，这是我让他做最多的工作，就是帮我去挖掘我所关注的几个领域的 a k f 论文，每天定时早中晚给我推送，这是我在服务器上的管家，他的只能是这些， 这是我在本机上的管家，他能执行的任务有这些。这是我之前在网上看到一个关于 web 四点零的信息，我就让他帮我去挖掘，他找到了一手的消息，还给我整理了很多内容， 比如说这些信息，这是一个他自己生成的深度调研报告，而且我还让他搜索了更多的相关的核心链接，让他把每一篇的内容整理推送给我， 帮我挖掘到了一个有争议的事件，把每篇帖子的原文都发给我，然后他的逻辑是什么，原文是什么样子的，全都告诉我。 我想说的是，面对一个新的东西，你不要着急的去否定，你先自己去做，自己去感受，你不要老听别人说什么就是什么，就那些任务，我们三台电脑现在使用量才不到百分之五， 我就想说真的，绝大部分人你真的消耗量有那么的大吗？如果你怕没有上限的 a p i 会把你的钱包烧空，那你直接用套餐呗。 如果不是做某一个很深入的方向，它需要超级聪明的大脑的话，其实千万三点五真的很不错， 至少可以让你无痛的就把这个东西给部署起来，用起来，等你发现。哎，我的各种使用场景都都不错，搭建了一些个自己想要的自动流，但是发现现在的这个模型没有办法很好的帮我去执行这个任务， 这个时候你再去想着怎么去换模型，而且真正到那个时候你已经能够用它做一些真真正正的事情了，给他花点钱这都不舍得吗？如果你不舍得，那就说明他不是真真正正的能够帮到你， 那你就用最低的成本已经帮你排除了这个工具不适合你了，不是吗？所以说不要老在那里看听，而是真真正正的去做自己的事情。 我也不知道怎么说，反正很多人还没有开始做呢，就畏头畏尾说头说脑，哎，他能不能给我赚钱啊？他能不能怎么？你先做呗。