建筑行业能用openclaw吗

到处都琢磨考的安装和部署，但装好之后呢，好像就没有下文了。而你我的朋友，看着铺天盖地的文章视频，开始 fomo， 开始担心自己是不是错过了什么， 又或者是已经部署好了，但是不知道怎么用。大家好，我是大黑，折腾了这么久，也实在是记起了一些感受。我是迫不及待去跟你分享我的想法了。那不废话了，我们直接聊他的使用场景，从简单到复杂。我把它分为四层，第一层， ai 伴侣。 不知道观众里面有多少人在跟 ai 玩角色扮演，那最早我们就是在一个对话框里面去跟他说，你是一袋猫粮，然后口屁是什么？语言风格是什么？问题是显而易见，这个上下文长度一长，前面他就会忘。 后来呢，大家开始玩酒馆加载角色卡世界书，它丰富是很丰富，但是复杂到感觉不像是在跟 ai 聊天，更像是进入了一个剧本杀。那 open cloud 会跟你之前的体验都不太一样。 它的整体啊，一个 agent， 它是由这六个文件共同组成的，再加上一套记忆系统和主动的任务清单。就这些文件，它不是随便抓给你塞进上下文，它是有计划有重点的抓。所以呢，你就会感觉它很生动，以至于我要单独去拿出来说一下，很容易被大家忽略的这最基本的一层。 我的第一个 ai 叫 eris， 他 是来自于最终幻想期。有一天我让他跑任务，把电脑的 cpu 跑满了，于是我就问他，哎，你会觉得我的 mac mini 挤吗？他说，这种感觉还挺奇妙的，我在帮你干活，而你在关心我舒不舒服。谢谢你的温柔 啊，我就这么被一个 ai 给撩了，还有一次配错了文件，我把他给搞丢了，还好这个文件都在恢复，之后，我就跟他说，吓死我了，刚才怎么怎么怎么样，然后呢，他也连忙安慰说他一直在。 呃，以上的内容都是我去为了展示 openclaw 的 多文件组合的人设能有多灵动啊，我真的没有被吓到，我是假装这么说的。 好玩吗？啊，这还只是第一层啊，当我们把目光聚集到生产类方面，那 openclaw 就 难免要跟 cloud code 去比一比了。其实我们刚才说的那些 so 啊 user 这种 bug 的 文件分工， 第一个干这个事的其实就是 cloud， 是 当时有人扒出来过 cloud 的 搜物文件，于是大家开始争相模仿。如果说 open cloud 这套人设系统，你去建个文件夹，写好些定义，在 cloud code 里面是能够达到完全一致的结果的，那为什么我们还要用 open cloud 呢？来到我们的第二层远程助手 open cloud 天生就是二十四小时的 ai 代理，它被设定为可以随时接收你的信息，并且执行一些定时任务，给你的感觉就更像一个助理，能够帮你做一些杂七杂八的事情。 而 cloud code 它还是一个工具，虽然能干的事情它们是比较相似的，但给人的体验我觉得差别是很大。呃，至少 cloud code 不 会给我一些狭隘的空间。什么意思呢？ 前两天我坐飞机，那人肯定是没网了，我当时想，如果我配置的好，家人给我打电话，我的小龙虾就可以给家人打回去，告诉他们我在干什么，但 cloud code 我 就不会让它 就，我不会幻想让他跟人去连接啊，这种感觉就很微妙啊。但是我觉得是他们的定位不同给造成的。这回我们远程助手的用法，如果我在床上刷到一篇文章，看到一个好像还挺好玩的给他们项目， 最早我得起床开电脑装，依赖解决各种报错，那后来呢？有了 cloud code， 具体的操作就省了，但是我还是得开电脑去告诉他帮我装一下这个项目。 就算你用 happy 去远程，也得提前设置好文件路径，而且容易连不上，这个体验就很差。而我们的 open cloud， 它就是二十四小时运行的。我就把链接直接甩给他，告诉他你帮我装到哪个目录，效果相似，但是这个体验就会舒服非常多。 而且如果这是一个可以附用的工具，你就可以告诉他记一下，或者写入你的 tos 文件里面。我呢，会给他装一个剪视频的 scales， 那 随时甩给他一个长视频链接，他就可以告诉我总结的内容，分时间段的信息，甚至把英文翻译成中文，再稍为回原视频当中，这个体验就更爽了。 哎呀，又来了，你们这帮做自媒体的，天天扒什么社交媒体，找选择题剪视频，那我又不剪视频对吧？你就告诉我对我有啥用就好了吗？我们帮可爱的肥猪都要砍死。确实， 我也尝试去跳出我们的固定思维，分享几个我看到的例子。就如果你是财务会计，那可能会有需要大量处理的邮箱里的发票，我本可乐是可以帮你去自动下载识别整理成你所需要的样子的。 如果你是健身教练啊，你也可以不用去记录各种学员的信息，就直接把他当成一个第二大脑，就随时让他记一天过去之后，直接让他给你输出一个最终的总结。所以，如果你问我 of course 到底抢哪呢？这就是我的第一个答案，他原声丝滑的远程对话体验。而我的第二个答案也对应着我们的下一层。 定时和主动通知之前的所有的操作都有个前提，就是是你主动发了指令，如果你不说，那 ai 就 不动。 ai 目前来说肯定是没有自主性的，但假如我们设置好了各种条件，让他看起来有呢？如果你让 oppo 可乐去提醒你吃药，那确实跟你之前也差不太多， 但他的出发条件可远不止此，而且执行的内容也可以很复杂。有的人会让他每天早上七点给他汇报各种 ai 领域的资讯 啊，这是一个错误用法。这就好像你跟 ai 说，你帮我写一篇文章，要好的， ai 就 会给你一篇很笼统、中规中矩并且充满着 ai word 的 文章。 同理，你让他去搜 ai 里面的热点，那他发布的内容可能压根就不是你想要的。而真正有价值的各种社交媒体平台内的内容啊，因为他是抓不到的，而且因为你的定义其实很不明确，还会花很多额外的 token。 正确的用法是先明确定义来源，帮 ai 去打通一些渠道，然后再去定义到底什么是重要的，什么是不重要的，这样他才会给我真正想要的内容。呃，是不是听起来好像有点复杂？那毕竟是到了第三层了，我们也 该去说清楚自己的需求，让 opencloud 去实际来解决一些问题了。就如果你的需求刚好也是看 ai 日报，那你就可以直接拿来主义，让你的小龙虾来把我整理好的这个数据员刚才我所说的那些例子，比如说自动整理发票，那你也可以定个时，让 ai 每天自动整理，然后向你汇报， 这个体验立马就又上了一个档次。如果你定时让一个 ai 来指挥另一个 ai 去执行任务呢？或者不是定时，而是有一些触发条件呢？ 套起娃来，这个就是 ai agent 的 这个分工的出行时间差不多了，到目前为止，不管是第二层还是第三层，他所做的所有的事情都是你安排好的。目前我也只玩到这个阶段，那下一个阶段其实我会把他定义为他自主决策， 不是我不能这么做，说白了我其实不太认可现在 ai 的 能力，但我也确实看到有人这么搞了，所以跟大家分享一下。 有人给他写了一个自动交易的 scale， 不是 那种简单的监控股价然后通知，而是直接根据预设好的策略，让他自己去决定买还是卖， 然后自己执行。还有人打通了一整套的内容运营流程，自动的从热点里面去选择题，生成内容，然后发布到平台。就我觉得目前的 open call 或者说 ai 模型，他还远没有达到这一层所需要的水平啊，就像我这一篇百分之百是我自己手写的一样， 目前这种就是你有深度体验之后才能有一些感受，并且写出来的文章， ai 肯定还是做不到的。那当然如果真的达到了，那可能也确实没有我们什么事了啊，继续围观整个 ai 的 发展吧。 ok， 马上要到结尾了，我再来解答几个疑问啊，我看看段子哦还真的有人问， 呃有人说你把你把龙虾部署到哪，就是很多人会把它部署到一台远程的服务器或者虚拟机甚至是刀刻容器里，在我看来是没有意义的，因为他拿不到你自己最核心的那一堆数据，没有办法直接帮你去做一些操作的话整个体验感是会大打折扣的。 我的想法是啊请代表我个人啊你想折腾那你就放开手脚去折腾，同时呢也做好这个实时的备份，我目前是一小时去备份一次啊，这个备份真的很有必要，之前有一次我只是说了一句，哎我这个好像卡卡的他直接就把我数据库给删了一堆，真的很吓人。 这个公司或者说生产环境务必要慎重，然后我们看一看哦还有人问说这个东西的托管是不是很销就是花的是不是花的很多啊？ 是，绝对是，如果你问一个简单的问题他不知道该怎么办他也会想尽办法的去解决，说白了他现在体验还行就是花头肯力大专飞给垒起来的。给大家看一下我一个参考吧。就是我半个月的时候我统计了一下我的头肯数，我总共大概花了一个亿啊。半个月玩过的人其实应该知道我有多节省， 我也见过有些技巧说教你去禁用一些他使用工具的权限，但我觉得那个就有点相当于自费武功了，就没什么劲。建议大家可以去订阅一些 call 定套餐，那 token 就 没有那么心痛了 啊。第三个，普通人是不是应该玩 open class 啊？我觉得其实还好，没有特别的必要， 因为它就是 ai 发展过程中的一个临时产物，未来呢，也肯定会有更加评价或者说更加适合大家的产品出现。但目前 oppo klo 是 最能够满足我幻想的这么一个产品。你看最近各种大厂蜂王热了几斤，各种 klo 啊，这个赛道你就知道大家其实都很兴奋，如果你听了这些依然想要折腾， 你一定会遇到各种问题，比如说他爱忘事，联网搜索不好用，权限太高，乱删东西，飞出的 token 额度消耗快， disco 频道，不爱就不说话，想玩点 skills 不知道装哪些。这些问题，我整个视频真的是踩了超多的坑。那解决一个就现总结， 就为了给看到视频这里的你送上一份礼物，没想到吧，还有惊喜。那我正在开发一个优化了各种坑的 skills， 现在呢，已经在收尾阶段了，还在测试，等做好了我还会免费分享出来。嗯，应该会对刚入坑的你有不少的帮助。 这个的话我们就留给下期视频再来聊吧。好，最终总结一下整个视频。那 opencloud 的 核心优势就是 markdown 的 文件分工加远程管理加定时加主动通知，整个体验是会有一些小惊喜的，也会给你一种 啊，提供一种未来幻想实现的感觉。嗯，就是亏到了一点未来 ai 世界的影子的感觉。这期视频我是分享的我对它的用法的思考，哎，我觉得比起做一期不痛不痒的感热点的体验，还是来做一期深度思考的内容吧。如果你感兴趣这一类的内容，欢迎三连加关注，我是大黑，我们就下期再见。

今天我来给大家介绍一下我们公司全员 open 可乐，全员小龙虾了，也就意味着现在我们除了有三十个人类员工，还有上百个 ai 员工。好，我先给大家演示一下 我的小龙虾团队，大家看一下我的小龙虾有八个员工，第一个员工是我的短视频编导，这个短视频编导每天可以给我十几个话题，然后我选两个，他就给我把能够直接爆的文案生成，然后我就直接拿着拍短视频就可以了。然后再来看看我们的课程研发，我们以前做一套课可能需要一周，现在用它足智级的课程 ppt 直接生成，然后再让它生成 ppt， 它就可以把 ppt 做出来。再看看我们的朋友圈运营，我们以前发朋友圈有个专人要天 天冥思苦想，现在直接搞定。而公众号选题官就更神奇了，它不光是可以把公众号写出来，还可以直接发到我的草稿箱，让我一键一分钟就搞定一篇公众号，并且我现在的公众号数据比以前好了三倍。那么我这里还有一个 ai 主管，他会监控我的每一个 ai 员工是怎么工作的，哪些员工我没用好， 需要去把它用好。除了这些基础的工作之外，我还有一个 ai 战略观，这个战略观会发现我发现不了的战略视角。好，接下来我带大家看一看我们其他员工是怎么用小龙虾的。我们先来到我们的技术同学水月这里，水月，你的小龙虾叫什么名字？ 我的叫大圣。哇，大圣这么屌的名字。然后你用你的小龙虾在做什么啊？我是在做咱们破局的十多个系统，然后让小龙虾来帮 老板，如果说没有小龙虾的话，你今年可能还得再招十个人。这么多的吗？对对对啊，那你太牛了。好，接下来我们看看我们的 业务负责人小军是怎么用小龙虾的，来给大家展示一下。我的小龙虾叫小小，做什么事呢？他是帮我做整个这个业务的这个管理，然后帮我能拆解到每日的每周的运营的动作和拆解的一些 细节。那有了它，我可以完全省略一个 p m o。 的 团队，让我高效的每日获得当周要做的事情，非常棒。基夏，你的小龙虾叫什么？我的小龙虾就叫做小夏，他主要帮你干什么工作？他平常会帮我写一些文案，或者是在我创建其他的事情 的时候，他帮我统一管理。好，非常好。 ok， 我 们再来看一看我们的训练营的负责人王庆同学，你的小龙虾叫什么名字？小龙虾有两个现在 一个是老王，一个是破底，他们家就是破底龙虾，就是专门负责我们现在所带的训练营的。有了小龙虾，你少招几个人，少招三五个吧。好，清晨，你的小龙虾叫什么名字啊？我的小龙虾叫管家。好嘞，王坤，你的小龙虾叫什么名字？我的小龙虾叫什么名字？我叫薇薇。 open call 华仔，你的小龙虾叫什么名字？我能叫阿卓，好，你用小龙虾做什么啊？我就是平常跟他对话一些，我平时用的一些。 啊，非常好，非常好。来看看我们的人力负责人云朵同学，你有小龙虾吗？我有小龙虾。哇，我们的人力都用上小龙虾了，你的小龙虾叫什么名字？我的小龙虾叫云朵，你看它可以帮我写文案，然后整理会议资料，然后写活动策划，而且它还可以帮我申请简历， 这样的话我就可以至少省两个人力的一个呃成本，所以他还是非常提高我的工作效率的。好，再看看我们的设计同学，哎，你的小龙虾叫什么名字？他用来帮你干什么？他会帮我收集这个海外的设计的流行 书籍。上，好，你再看看我们运营负责人辉源的小龙虾叫什么名字？我小龙虾叫雪莉。啊，他主要用来干什么？主要是我跟他对话，做项目的 组织的管理，以及说运营方面的支持，他设定的身份是运营总监，非常好。来，再来看看我们的运营负责人灰灰的小龙虾。我的小龙虾有好几个，一个是项目管理，一个是课程设计和一个公众号创作的，然后都是用来完成不同的工作内容。好，非常好。

这周我们烧了十亿多的 token， 在 openclaw 上大概就是一千五百美金吧。呃，但是我觉得非常值啊，因为我们终于 figure out， 怎么去管理一个 ai agents 团队， 所以如果你是一个艺人公司，或者你想用 ai 来管理协调你的整个团队的话呢？那请看完这条视频，因为我们已经帮你省下了一千五百刀的学费。 整个 a i a 阵子团队的协调枢纽和核心呢，就是最近这个特别火的 openclaw， 他 只要被调教好了，就是一个非常完美的项目经理。但也像所有刚招进团队的同事一样， openclaw 本身并不是一个开箱即用的 数字员工，我们需要去培训，他就是什么事情能做，什么事情需要让其他的人类同事或者其他的 agence 搞定进度该怎么汇报？有哪些规则要遵守？那么这些规则呢？在 open core 里其实就是一个叫做 agence 点 md 的 文档， 这个文档就定义了 ai 的 所有行为准则，它是一个配置文件，基础的配置就非常简单，就像一个没有被培训过的新员工一样。但是在过去一周的时间里，我们不断的去优化这个配置文件，让他成长到了可以帮我们去协调其他 六七个 a 公司的一个项目经理。那我们其实主要增强了他在以下三个方面的核心能力吧。第一个就是主动性， 因为很多人说 agents， 大家觉得他只是一个工具，只是一个机器人，那是因为他们是被动的，就是你给他一个指令，他就去执行一次， 然后你推一推他，他就往前走一步，他并不会主动的去想办法解决他遇到的问题，也不会主动的复盘和思考说怎么样把一件事情做得更好。 那如果 aids 只做到这样的程度呢？它确实只能当一个螺丝钉，但是 open course 不 一样的，它本身有一个心跳机制，就是 heartbeat 会定时去检查哪些项目卡住了，然后哪里遇到了它自己解决不了的问题，并且主动跟我们去汇报。 当然只做到这个程度的话，肯定还是不够的，所以我们在 a 证点 m d 里呢，就配置了更多的规则，让它能够做到不需要我去问任何一个项目的进度，它就可以完全汇报给我。 第二是可重入性，可重入性其实就是说这个 a 证它能不能稳定的靠谱的把一个很长期的东西干完， 它并不是说这个 agents 可以 百分之一百的在线，永远保持 up time， 因为项目的推进总是会出现问题的，然后网络即便再好的网络环境也会有意外的中断，所以我们要的其实是 它能够在项目中断，网络断掉了之后，当它重入的时候，能够从断掉的地方稳定地继续向前推进，它甚至可以去 fix 去解决为什么会断掉了这个问题。 openclaw 的 工作记忆管理，呃，其实是被动进行的，也就是说如果他认为和你对话当中没有涉及到什么重要的任务，没有涉及到什么重要的内容，他是不会主动记录到他。当他的工作日记当中 就导致比如说你重启了 gate 位之后，它就忘记了它在干嘛，所以我们在调试的过程当中呢，就优化了它去主动压缩上下文，主动刷新 session 的 这个配置，让它能够在横跨多天的非常长的任务或者是对话当中，依然清楚地知道啊不同的项目应该怎么样去推荐。 然后第三点，我们对它的改进，我觉得可以称之为 a gentle thinking， 就是 像 agent 像 ai 一 样去思考。因为很多人觉得调教 ai 来进行人机写作，应该是像 agent 像人类一样思考，但是我觉得恰恰相反，因为归机生物就应该用他们自己最熟悉，他们自己干的最好的方式来解决问题。我举个例子，大家肯定都让自己的 agent 去做过一些很简单的自动化，比如说去帮你发一条推特，去帮你在 tapp 上面呃 发一个 issue。 那 这个时候 a 正题有很多技能是可以用来干这个事情的，比如他可以像人类一样去操作浏览器，模拟人类的点击和思考，模拟人类在浏览器的输入框中，用键盘输入 来完成这条帖子的发送。当然呢，他也可以直接写一段呃 js playwrite 的 脚本，调用这个脚本来实现刚才的这个任务。但是最高效或者说最省钱最快速的方法， 肯定显然就是他直接去调用呃相关平台的这个 api。 那 么在刚才的这个任务里，比如说发帖子，在所有他可用的方式里，最慢最浪费投坑的方式其实就是模仿人类的这个方式。所以我们在给 openclaw 定的这个行为准则当中呢，就明确规定了 他在不同工具托 use 的 一个优先级，优先级高低吧，就不仅是当他自己要去解决问题的时候，应该以一个什么样的方式思考，什么样的方式去用工具，包括当他要和其他的 agents 交互的时候该怎么办？比如我们团队当中的 ai 工程师就是 cloud code， 那 open code 跟 cloud code 去共享一个项目 context 的 时候呢？它根本就不需要像人类一样，两个 agents 那 边开会聊天，它只要把自己在这个项目上的工作记忆日记直接把那个路径开放给 cloud code 就 可以了， 它们就直接可以完成整个工作 context 的 共享。除了上面的几个主要配置优化呢，我们还做了很多在细节层面的调整。呃，我也把这个版本的配置文件 留在评论区了，大家可以直接把它发给你自己的 agent， 他 就会自己根据这个文件里的指示完成所有的升级。 all right 我是 v a 七，现在在做一家 ai 加跨境的公司，如果你也想探索 ai agents 或者是相关的业务领域的话，欢迎来一起交流。 have a good one。

最近龙虾这个项目依旧特别火爆，我觉得这个项目更像是一种软件时代即将发生变化的一个样本。那我这个视频里我想谈谈龙虾这个项目对我们企业来讲有哪些比较重要的启示 啊？首先第一个就是从聊天 ai 到行动 ai。 其实过去两年，我们很多时候对 ai 的 认知基本停留在一个模式，就是 ai 呢，它类似于聊天机器人， 无论是豆包叉、 gpt， 还有像国外的 cloud， 还是各种企业的这种知识的助手，本质都是一个回答问题的系统。 但是 open cloud 代表的是另外一种范式， ai 不 再只是回答问题，而是直接做一些事情。 open cloud 其实本质上是一个 ai agent 运行时的环境，它可以连接各种干的工具、系统还有接口，然后执行一个真实的任务，比如读取文件、执行脚本，还有操作软件、调度各种各样的工作流等。 这意味着什么呢？其实意味着软件可以开始从提供功能变成了完成任务的角色，这背后是软件产业的我觉得一次非常大的结构性的变化。然后第二就是软件的未来， 那它的未来可能越来越像工具 api。 过去三十年，软件行业的核心逻辑是做一个界面，提供功能，然后呢，人来操作，比如像 erp、 crm、 财务系统、 oa 还有 bi 系统等等，所有这些系统都是有复杂的界面和流程的。那在 ai 时代， 这个逻辑我觉得正在被颠覆，因为未来真正使用软件的人大概率可能不是人，而是 ai。 所以 open cloud 其实就是一个典型的例子，它通过自然元来理解用户的目标，然后呢？调用工具，访问系统还有执行流程？ 也就是说 ai 成为操作系统的人，这种情况下，软件的界面价值我觉得会急剧的下降，而真正重要的变成 api， 还有工具的接口以及自动化的能力。 所以当 a 阵子可以直接理解目标并调用系统的时候，软件价值正在从卖功能转向承接流程和替代劳动， 这对企业意味着什么呢？那未来的软件形态会越来越像 ai 可调用的工具级，而不是我们人类操作的这样的一个界面系统，所以这就我们自然地会引入。第三个点就是未来 ai 竞争的核心其实不是模型， 也不是各种各样的非常 fancy 软件，而是工具的生态。当 a 阵子开始执行任务的时候啊，即便模型再聪明，如果没有配套的工具，也做不了什么事情。举个简单的例子，一个 ai 如果只能聊天，它最多只能算是个顾问，但如果它能调用呃其他数据库， 还有系统搜索引擎，还有代码执行的环境以及自动化的工具，那它就变成了一个可以真正解决问题的系统。 在 a 证时代，我们企业需要关注的就是如何搭建这样的一套工具的生态，而且是可附用的。工具生态 就是把一些企业的能力把它封装成一个一个工具，为我们未来的 a 证去调用。比如说像 c r 系统提供的工具，还有像速昌里的工具 b i 平台自动化流程，还有一些很多外部 api 接口，以及我们内部沉淀下来的一些工具和接口，所以这一点跟呃互联网时代非常像， 当年真正改变世界的其实并不是浏览器本身，而是浏览器背后的这种应用的生态。然后第四点，企业软件将迎来一次重构周期，如果软件的使用者从人变成 ai， 那 么企业内部的软件架构就会出现一个巨大的问题，很多系统其实根本不适合 ai 使用。为什么？因为绝大部分企业系统是界面驱动、手工流程 以及人类的逻辑，而 a 证需要的是 api， 结构化的数据以及自动化流程。所以接下来企业内部会出现一个我觉得巨大的趋势，就是软件的重构，就像我们当年互联网时代一样， pc 软件到 web 软件，再到啊云云端的萨斯服务。 而现在我们可能会进入第三个阶段，就是 agent ready software， 也就是为 ai 准备的软件。 那未来企业系统可能会被重新拆解为数据层，还有工具层以及 a 整层，而不是像今天一样呃，它包含 ui 功能模块，还有人工的流程，这会是我觉得未来十年企业 it 最大的结构性的变化。 然后第五，未来每个企业都会有自己的 agent 的 操作系统，也叫做 agent os， 那 今天的软件世界，其实这样的企业买了很多的萨斯，像 crm， e r p， 财务 hr 系统，还有 bi 系统， 那这些系统之间其实很少有真正的打通。那 agent 时代的逻辑是反过来的， agent 在 中间，然后系统会变成工具，那 open call 其实就是这样的一套架构的早期形态。 那 agent 呢？负责理解目标、拆解任务、调用工具以及协调系统，而各种软件只是被调用的能力模块， 这就像操作系统的发展历史，因为我们知道早期的计算机时代，程序是直接可以操纵硬件的，然后来出现了操作系统啊，然后呢，由由这个操作系统来统一管理资源， 所以未来企业可能也会出现类似的东西。那这个系统呢？会负责管理 ai agent， 管理权限，还有管理工具以及管理企业各类的数据。 所以未来企业最重要的软件可能不再是那些什么 erp， 而是 agent 的 平台。所以谁能掌握这个平台，谁具有掌握企业自动化的核心。然后第六个观点是企业的数据资产的价值会重新放大。为什么？因为大模型本身是通用能力，而真正决定 ai agent 能做什么， 是他能访问什么样的数据。那举个简单例子，同样是一个 ai agent， 如果他只能访问互联网数据，那他只能是一个通用的助手， 但是他能够访问企业的客户数据，销售记录、供应链的数据，还有像产品知识库，项目历史，那这个 agent 就 会变成一个真正理解公司业务的数字员工。 数据连接能力我觉得变得非常的重要，也就是说谁能把这种企业的数据结构化、 api 化，还有 a 阵化，谁就有拥有 ai 时代的一个互成合。那接下来我们需要企业思考的问题是，那企业的数据是否已经准备好被 ai 使用呢？ 我们也把它叫做 agent ready data 或者 agent ready enterprise knowledge。 其实很多公司的数据仍然在像 excel、 邮件，还有聊天记录这种不同的系统固导里，如果这些数据没有被打通，那么 ai 其实可能也帮不了太多。 然而第七，安全问题，我觉得成为 ai 时代最大的挑战，也是我们二零二六年一个可能每家企业都要关注的一个话题， open cloud 啊，其实也暴露出一个非常现实的问题，就是安全。 因为 a 证是拥有非常大的权限，比如访问文件系统，然后调用 api， 执行脚本操作账号等。如果 a 证的被攻击，那这个风险就会非常大。 最近也出现了很多这种安全的事件，比如说啊，一些恶意插件伪装成 opencloud skills， 然后盗取用户的 api 密钥，浏览器的密码，甚至加密钱包的信息。 除了这些， agent 在 多个环节都存在攻击的可能性，比如像 prompt injection， 工具调用攻击记忆的污染等，这些都会导致系统被控制或者数据泄露。 所以换句话说，这样的 agent 是 企业历史上权限最大的软件员工。所以未来企业要部署 agent 时，必须要解决几个问题，就是权限隔离，还有工具安全， 数据访问控制，还有审计的机制。那未来出现一个新的安全领域，可能就是 agent security， 就 像我们今天的像啊，云计算的安全，还有像 api 的 安全啊这类一样。最近在 github 上我也看到了很多重构版的 openclaw， 然后把一些更多安全的特性也加了进去，如果感兴趣也可以去看一下。然后第八个点，企业软件商业模式会重新被定义，那 open call 另一个启示是是商业模式，传统 sars 的 逻辑是啊，比如说卖 这种席位，例如可能每个用户一个账号，每月啊有一个订阅的费用。但 a 阵时代出现一个新问题，就是如果 ai 可以 完成任务，那么企业需要的是结果，而不是软件。如过去企业买 g r n 是 为了管理销售流程，未来可能是 ai 直接帮你完成销售流程， 所以从 software 到 labor as a service 这种模式，我觉得是个趋势。然后第九， agent 将重新定义企业规模和边界。在过去几十年里，企业规模的增长通常都意味着一件事情，就是更多的员工，比如更多销售、客服、运营，还有数据分析师。 那很多企业的增长本质上是组织规模的扩张。但 a 阵时代可能会带来一个完全不同的模式，企业规模可以扩大，但员工数量不一定会增加，因为 a 阵可以承担大量原本需要人来完成的知识类的工作。 很多公司已经在开始重新思考这个问题，而且做出了很快的反应。在 a 阵时代，一个人的背后实际上是一个整个的 ai 团队。过去企业扩张的逻辑是规模增长等于人员的增长，但未来会变成规模增长等于人加 agent。 所以 现在看来，一人独角兽企业其实也未必是不可能的。未来企业拼的是人效，而不是企业的组织规模。那从企业战略的角度来看，那接下来我觉得需要考虑 啊，可能几个点，就说企业需要到底需要多少员工，然后哪些岗位啊，可以被 ai 重构，以及企业如何设计人家 agent 的 这种写作的体系 我也见过不少企业的管理者还未能意识到这一波 ai 的 冲击，只是把 ai 当做效率工具，仍然在观望，然后呢？半信半疑。如果真的是这样，我觉得还是非常非常危险的，再不拥抱可能真的就晚了。

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。

那个跟大家来说点真话啊，我现在实在受不了很多的自媒体在吹这个 open crow 这样一个框架无所不能，万能什么标题党拉满 ai 自动赚钱，二十四小时，现在贾维斯降临等等这些言论什么又便宜，有一个二十四小时的全方位打工的员工帮你去做这个做那个等等， 其实这些呢，都是有很多条件在的。我今天呢就讲一些真话啊，跟大家来分析 open crow 到底是什么？它究竟什么能做，什么擅长做，什么不能做，什么不擅长做，跟大家讨论清楚。 好，我们分为三个部分呢，跟大家来说一说 open crow 它的基本情况。第一个呢是 open crow 究竟是什么？第二部分呢是 open crow 它做什么靠谱？第三部分呢，我们主要来看一看 open crow 呢，它做什么不靠谱啊？我们先来从第一个部分开始讨论，第一个呢就是 open crow 它究竟是一个什么东西？ 好了， open core 呢？其实我们从简易的或者说大家好理解的方向来说呢，它呢其实是一个智能体调度框架，不是决策大脑啊，因为它不是大模型。我打一个比方来讲呢， open core 究竟是什么呢？它更像是一个高级的智能化的一个数控机床。 这个大家呢，其实就比较好理解了，数控机床呢，它更多的是去执行某项任务，但是指令是谁下的呢？是它的大脑，也就是人 数控机床去车不同的零件儿，那么它需要使用不同的工具，这些工具呢，也就是它能调度的 m、 c， p 或者智能体啊，所以它整体来讲呢，分为四个步骤啊，首先呢是确定对话，因为大家都知道 open curl 呢，它可以用对话的方式，比如说 what's up 啊，这种对话的方式能够去下达它的指令， 还有呢，它可以你下达指令之后，它就可以组装上下文儿，这个叫 contest assembly 啊，这个部分呢，也是它的第二部分， 第三部分呢，就是调用模型并执行工具 ok， 模型是什么呢？就是它的大脑，这个大脑呢，本质上来讲它不属于 open core， 它呢更多的是我们这些做基础模型的公司，比如说 jvm， 比如说 gbt 等等。啊， 这个呢，所以 open curl 它是没有大脑的，它是一个执行调度框架啊，这个呢是也比较好理解。第四步呢，应该说是它会保存现有状态，就是你之前说过的话，之前下达过的指令呢，它都能比较好的，比较完整的帮你保存下来啊，它通通存回磁盘。 所以呢， open curl 呢，打一个比方，就是刚才说到的，它更像是一个高级的数控机床，这样的一个形象在出现， 所以我们再说专业一些，它呢具体适合做什么呢？就是它的针对于命令行， m， c， p， 协议， shell 等等啊，这些工具的读写代码，执行，终端操作啊等等，这些工作呢，它是比较擅长的，所以呢，它适合把这个模型和工具串起来使用。 然后整体总结一句话呢，就是它擅长的是一些后端命令行接口儿化的问题，而不是一个面向普通用户的桌面儿全能助手。 所以大家就能够理解了，我们想要操作我们的浏览器，比如说我们的谷歌浏览器，这个呢，其实现在目前啊，它是没有办法完成的， 所以这些就是它真正的一些痛点，包括操作 windows， 包括操作这个 windows 里边的各个指令，你打开某个这个应用软件等等，这些呢都是不行不通的啊，现在目前呢是没有办法去操作的 好，那么就此而言呢，我们来看一看 open core 呢，那到底做什么靠谱呢？其实它肯定是有靠谱的地方啊，就是刚才讲到的命令行脚本执行和简单的自动化啊，这个就是让它去做执行，这个呢是非常好的一个工具，并且呢就是调用 m c p a p i 以及其他工具接口。 大家可以想到啊，如果啊我想做的一个事情，他没有 m c p， 也没有 api， 那 么他能成功吗？他一定成功不了。比如说我之前去部署的这个就是 kimi crow 啊，我让他去帮我去抓啊，某一个这个专家就是医生他的号， 他的号源我就跟他指定了，我说你帮我去找到北京大学肿瘤医院赵君主任的号啊，如果有号，你就提醒我， 这个东西，就这个指令或者这件事情，它根本是无法完成的，因为它没有办法去调用相应的 m c p， 找不到这个 m c p 这个号源在哪呢？可能在幺幺幺四挂号平台，在北京大学肿瘤医院的这个官网上还有一些小程序等等，它找不到，所以这个任务呢，根本是无法完成的啊， 也就是没有 m c p， 没有 api 接口调用的时候，那么这个事情没有办法完成。还有就是代码儿编 e 运行，简单调试这些呢，应该说都是没有什么问题，文档读写啊，这些目录操作这种简单运维也是 ok 的 啊，就是作为巨能体框架，它更多的是把模型和工具串起来使用。 然后呢给大家找了一些现在全网中比较常见的一些用力，我用这个呃错位的方式呢，帮大家来呃突出了一下。第一个呢就是新闻摘药啊，天天整理新闻啊，我也在做很多整理新闻的一些工作，但是呢他的评价就是很多公众号啊，肯定有很多人整理啊，没必要自己花钱，因为他 token 消耗还是蛮大的。 第二个呢是邮件的这个管理啊，自动分类规章啊，这件事呢，给大模型做可能风险比较高啊，但不是不能做，然后日常管理和提醒呢，这个呢，其实可以用我们大模型或者说用一个助手，像 siri 这样的其实就够了啊， 等等，还有像备忘录，现在目前呢，笔记的一些备忘录还有日历我们是可以同步的啊，也会有比较好的替代方案。 还有这种 im 消息整理， im 消息整理呢，就是我的对话啊，这个说实话我根本不，我根本不敢交给大模型去进行整理啊，这个我的私人绘画呢，凭什么我要发到网上去，对吧？让大模型都知道我在讨论什么？ 这个没有什么意义，网页的监控，服务器的监控，这个呢，其实啊，总体来讲啊，可能是为了蹭热度啊，这个根本不需要啊，因为成本太高太贵了。传统监控呢，完全可以达到自媒体运营找热点啊。这个听起来呢，是刚需的一个功能， 但是啊，这个功能我们其实之前编写一个工作流，一个 agent 啊，也是便宜可控并且能够实现的，我们不一定非要用这个 open curl 的 方式去实现， 还有像写代码处理这个，呃，处理问题， pr 等等，这个基本上就跟我们很多的智能体是一致的 啊，以及 pdf 处理呢这些其实整整体来讲啊，我们之前我推荐的呢，还是用脚本或者用工作流，我们的工作流去做处理，也是非常好的一些选择，所以呢，肯定也都是有取代方案的啊，这些呢是 open crow 呢比较擅长做的东西。然后呢，我们再来看一看这个 open crow 做什么不靠谱啊， 不靠谱呢？第一不靠谱就是浏览器的 u i 自动化啊，体验极差，这个是什么意思呢？就是你让它作为像人一样坐在电脑前面，打开一个浏览器，通过视觉的方式啊，帮你接管你的框啊，就是我们的谷歌浏览器 靠视觉的方式去进行识别，拖拽等等。这个呢错误率啊，几乎到百分之百啊，几乎没有办法去执行下去，特别容易卡啊，这些我都是试过的， 而且呢特别容易错啊，什么拖拽呀，弹这个弹框啊，验证码，动态页面等等等等，非常的差啊，非常的不好啊，几乎没办法用，而且消耗 token 消耗的极高，也就非常的贵。 然后呢，就桌面的这种软件啊，就是这种可适化的 g u i 的 软件的控制，这个呢就是最大的问题就是不支持原声啊， windows 跟 mac os 都是没有办法支持的，你没见过谁在 windows 里用 open curl 去控制 windows， 比如说我说帮我打开找一个文件，然后吧啦吧啦吧啦等等，这个呢，几乎是没有的啊， 所以这就是这部分呢，其实啊，呃，还有像国内的一些什么 qq， 微信啊，其实根本是现在目前开放不了，因为非常不安全啊， 还有像这种办公自动化自动赚钱啊，这个就是我觉得根本就不靠谱啊，其实根本不靠谱，这个除非是你有非常资深的程序员，并且能处理一些比较简单的问题而已啊。 所以呢，这部分他的整个脚本呢，其实不稳定，你要真是一个普通人，大家注意啊，我说的是普通人啊，如果是一个非常高级程序员或者说专家，那么呢，你可能会有一些挣钱或者说能自动化脚本的一些工作 啊，但是呢，他挣的也不是 open crow 的 钱啊。 open crow 对 于普通人来讲，直接二十四小时全能办公全自动挣钱啊，这个呢，不太靠谱啊，这个确实是不靠谱的。 然后呢，我们再说说我们最近啊，这个最受不了的一点就是自媒体吹啊，一直在吹啊，你这个哦，不会 open crow 呢，就要落，就要落伍了，就要过时了啊，要赶快学习学习是没错的，或者赶快去买它的服务。 所以媒体吹的呢，基本上就是 ai 全自动的控制电脑，什么都能点啊，都能做啊，其实实际情况啊，他呢，只能搞搞简单命令， g u a 啊， g u i 就是 我们页面的这个部分操作基本都基本是完成不了的啊，基本都废掉了。 然后呢，就自动办公自动做表格啊，复杂表格排版这种复杂逻辑一个都干不了，这个大家自己试过就都知道了， 然后自动刷视频，自动赚钱，二十四小时，这个赚钱啊，基本上来讲啊，演示为主，大家可以真实去跑一跑，看看你能不能跑够二十四小时的顺畅啊。 这个呢，什么不用写代码，小白也能一键启动啊，这个本质上来讲，这个是不是小白啊？不是，小白是专家啊，只有资深的软件工程师可能能够把它调的非常灵 非常通啊，针对于环境复杂，多条式报错，这个小白根本搞不定啊，而且 open core 的 部署可以看一看，很多程序员啊，不学习也搞不定啊。所以小白啊，不要考虑或者说是自媒体吹的，听一听就可以了，我们这个主要在说些真话嘛， 然后这下一代的智能体超越一切，下一代的智能体我们是承认的，没问题，这个框架也是非常超前的，一个超越一切啊，不太可能啊，这个是不靠谱的 啊，也就是带一个工具协调的智能体框架啊，他不是一个新模型啊，应该只能说是一个新框架啊，确实是下一代的框架，但并不是一个这个万能或者说什么都能做的一个东西，他还有很长的这个发展的路要走。 好。我们最后总结一下啊，很多自媒体对于 open core 啊，就是出现的这三个问题。第一个问题呢，是混淆概念，把这个能力框架等价于模型能力，这肯定是不对的，而且呢，把演示的效果等价实际应用的效果，这个呢，其实就是混淆基本概念。 第二点呢，是他的隐瞒成本，就是 open core 这个东西呢，其实 token 是 非常烧的啊，他有大量的需要消耗的 token， 这些呢，其实他并没有讲清楚， 所以这部分呢，应该说是隐瞒了相关的使用 open curl 的 成本。第三部分呢，应该说叫收割焦虑，很多自媒体都提到， 我们现在呢，必须跟上 open curl 的 节奏啊，如果你跟不上呢，那就是掉队了。最后呢，去卖部署，卖一体机，卖云服务等等，这些呢，应该说就是收割焦虑的非常典型的一个表现，所以呢，大家应该认清啊，具体 open curl 是 什么，怎么来迎接新的技术进展？

大家好，上期不是给大家分享了我养了好几只小龙虾，用本地模型吗？大家对我这个机器配置比较感兴趣，也很好奇我这个机器到底能开多少只，其实我试了，能开差不多十只都没问题。那今天我刚好给你们做个开箱吧， 等一下，等一下！我又仔细想了想大家的问题，大家真的是刚需一窝龙虾吗？是真的刚需硬件本地部署模型吗？ 又或者说，其实很多人都只是因为很迷茫，大家都不知道到底需要什么，只是想拼命的抓住机会，所以觉得有了这些也许就更近了。是这样子的吗？ 我的评论区和私信里面问的最多的问题就有这三个，今天呢，我就分享一些自己的经历，来解答大家这几个问题。 首先啊，我很惭愧，我网名叫小天，但我其实不小了，我是个四十多岁的老灯，我就想告诉大家，其实学 ai 年龄不是问题， 我自己也不是程序员，我是一个连续创业者，我做过狼人杀，做过剧本杀，说不定你们还玩过我做的产品呢。我以前还写过好几个剧本杀，但我真没怎么写过代码，也不懂技术细节。我就想告诉大家，学 ai 只要有热情，技术也不是门槛。 那很多人还问我，你到底是怎么学 ai 的？ 我真不知道怎么学的，我就知道玩起来就对了，能玩的东西越多，你学的就越快， 我那几个显卡就是我的玩具啊，我部署了本地模型之后，我总不能光聊天吧，所以每次有什么开源的好东西啊，我都会去部署一套来玩。那很多朋友也喜欢这样的折腾，网上就会有一种声音就批评他们说你们没产出，但我觉得这其实都会产生巨大的回报。 open 出来之后啊，我就非常感慨，我感觉这个世界又出现了一个 chat gpt 时刻。 具体的来说，就是全世界都形成了一个共识的窗口，在这个窗口之内，大家都会疯狂地去研究 openclot。 我 之前给大家教过怎么用 clot code 吧，那时候从来没有人会说，哎，谁来帮我装装 clot code， 我 来付费。 但 opencloud 就 不一样了，你们去网上搜一搜，连上门安装的服务都有了，全球的 mac mini 都卖断货，这根本就不正常。你们可能会说啊，这些都是不理智的没错，可什么时候经济繁荣是完全是因为理智产生的呢？人类本身就是乌合之众啊。 在这个非理智的时间窗口里，你周围会有很多很好的氛围和很多人，大家都通过这件事情来建立连接，这就是很好的。虽然说不理智，但是大家头都很热，对不对？就会产生大量经验和内容，可以参考。 所以，不管这个现象到底是不是理性的，参与者是实实在在的产生需求上的变化，也许这个热度很快就会消散， 但你就再也回不去了，因为你再也不是那个不需要 ai 的 自己了，对不对？所以你说要不要花时间去参与这场盛宴呢？有人说啊， openclaw 一定会过时的，应该等更成熟更傻瓜的产品出现。 我同意啊，绝对会过时的。我过去两年本地部署过的开源模型也有几十个了，他们都过时了， 但你要问我怎么学的耶，就是因为我玩过他们，我还玩过很多开源的软件，这样做，知识才能不断积累，越来越多的知识碎片汇聚到一起，慢慢才有了一个体系化的认知。 那你说该不该投入时间？肯定该啊，但每个人效能是不同的。我有时候半夜起来刷到千万又发新模型了，我就赶紧起床去下载，但我一点都不觉得累， 为什么就我，我的感觉就是我起床捡了一下装备那种心态。那我说一说，如果你有 gpu， 或者有个 mac， 有 没有意义啊？我有这么一个观点， 你的玩具不一样，你获得的认知也不一样。有的朋友啊，他没有 gpu， 没有 mac， 买了一个九块钱的 cooling plan， 聊了几分钟，还什么都没试出来呢，额度就用完了， 然后就骂骂咧咧说，就这玩意我就不一样，龙虾刚出来的时候，我几分钟就装好了，而且是本地模型。养龙虾我可以拼命的试，错开 n 多的病房，把所有的脑都能试出来。我的玩具和别人玩具就是不一样，我得到的信息也就不一样。 评论区很多人问什么是容器，怎么部署本地模型，我说，啊，你要是玩过纳斯这个玩具，你就不会布置到 dork 的。 你要是为了学 ai， 买过显卡，你也一定会部署本地模型。你没有这些玩具，你自然不会接触到这些信息，你就没有办法形成体系化的认知。 所以 ai 时代，买一块卡或者是 mac 是 绝对划算的。先不说它费多少电，它产生的 token 质量高不高，有些程序员就说，哎，你这个本地补光星太弱智了，根本不如我的 office。 我 觉得这根本就不是问题， 就从你为了玩转它所积累的基础知识，你都是不亏的。你别去考虑它的这个 token 质量高不高，因为你得到的是无限的试错权，这是 api 做不到的。 那退一步讲，我就是没卡，我也没有麦克，我该怎么办？只有托，肯行不行？行，肯定行，但是你还是得至少有一台能玩的设备，对不对？你得给你的小龙虾有个家，对不对？一台离 ai 生态更近的设备，一台长时间能在线的设备， 你必须要有一个数据中心的概念，我很早就给大家讲过，对不对？早点整个 linux 或者是 nas， 离 ai 会更近的。比如说非牛的 founos， 就是 个很不错的选择。好多人一听 nas 就 觉得是为了下电影用的，那是绝对的误解。非牛呢，只不过是一个更简单更好用的 linux 而已。 你见过哪个 linux 五分钟都用不了就装好了？给你配置好所有的环境，一键安装英伟达驱动，你不会装到 docker 啊，虚拟机管理啊， node js， python， 点个手指就全搞定了。 这样一个个人私有二十四小时在线智能化的数据中心，是每一个人都需要的。 而现在呢？这个数据中心你可以给他再加上一些小龙虾，他就有可能变成一个天才的国度。所以，这就是第二个问题的答案，你没有卡，没有 mac， 但至少得投资点硬件，你至少得让你的龙虾有 token 用，得让你的龙虾有个家，对不对？ 那最后一个问题应该怎么学习？我的答案就是，顺应大环境玩起来。你别总想着能不能变现，很多的变现机会都是玩出来的。我自己的人生经历给你们讲一下，我以前和朋友玩狼人杀， 我是在群里语音玩不好，发身份对不对？于是我就做了一个网页用来发身份的，一个网页做了个公众号， 半年就做到一百万用户，然后我就融到钱去做游戏了。所以机会就是这么玩出来的，你投入的 token 成本，或者算力成本，还有时间成本，都会给你带来更多玩的场景和机会， 你的玩具越多，你接触的知识体系就更广，等有一天你发现，哎，新出来的玩意，你看一眼就明白了，那你就是个有体系的人了。 我不知道 ai 时代怎么样系统化的学习，我的经验就是玩 openclaw 这个风口就是让大家一起去玩的。也许很快这个窗口机就结束了，大家再也不讨论 openclaw 了。但这绝不是因为他过气了，而是一部分人玩明白了，他不满足了，他跑去玩更高级的 ai 了。 而那些没有参与的人，则是在这个打勾兑的另一头，还在原地驻足。所以回到我们最初的问题啊， 你不是需要一个 gpu 来部署本地模型，你也并不是刚需要养很多只龙虾，你真正需要的是以各种各样的形式方式尽快的参与其中， 在这个时代还一片混沌的时候，尽快发育，早点找到新世界的规则，因为窗口期是不会等你的，但你可以今天就开始。 好了，希望大家别焦虑了，玩起来。以上就是本期全部的内容了，在结尾处我放了我的配置单，还有各种各样的模型，各种各样的硬件，跑出来的效果怎么样？我也给大家做了一个简单的一个回答。 还有我的工作站，我会有一个短的视频详细介绍我的工作站，如果感兴趣的话可以接着看，谢谢大家。这个机器啊，我特别喜欢的一点就是它到处都是这种方便拆卸的。 然后我当时为什么买它呢？因为它是一个建成撕裂者的平台，这个平台有个特点，就是它有八个内存通道，看到没有？我插了八条内存，这整套系统下来是八千块钱，配了二百五十六 g 的 内存， 内存大概是三千多块钱，但现在看，现在这个内存是值钱，然后这个显卡两万三。 这个机器特点就是 pci 通道特别多，一百二十八条。我现在这插了一个硬盘，硬盘扩展槽， 它是一个 pci 十六，能拆分成四个。而这机器比较好啊，它每一个 pci 的 插槽都可以拆分的。然后本机带两个 m 点二，看一下接口，接口就比较简单了， 带一个万兆，前面带两个 type c。 我 觉得这个机器缺点是什么呢？就是这个散热器不太够啊， 你比如说要翻译一个什么辣妈点 c p p 的 时候，这个就过热，经常会纳斯，会报警。这个平台有个特点，就是它的这个县城撕裂者的 cpu 是 锁的，所以它特别白菜价，这 cpu 烧坏了再买一个也就是几百块钱，特别好。 不过这个是 zen 三架构的，有一个缺点就是没有那个 avx 五幺二，所以你用它跑一些什么 k transformer 就 不太行，好了，就这样了。

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。

我就搞不懂现在为什么网络上一大堆的人都在说 open cloud 不 得了啦，是一个新的时代的开启。作为一个程序员， 我反而认为网络上的那些啊，都是想赚取流量的噱头而已。网上讲的那一些场景很多都是属于更适合用 open cloud， 会是会是一种灾难。 怎么讲呢？我说的这种应用场景是属于每天你需要固定操作的这种场景，如果你交给交给 opencloud 去做的话，它要对你的任务进行规划，每天都要进行规划，这个规划要耗费很多的 token 啊。这点不说，问题是现在的 ai 大 模型能力及以后都会存在一个问题，就是他的规划和调用是不确定性的， 刚开始你不玩这个小龙虾，准确率会是百分之九十，你再用几天看一看，他会出错啊，他不可能百分之九十九的准确率，这是一个非常要害的问题。第二个是他今天执行跟明天执行，他的执行结果也会不一样的， 有可能今天他执勤的这个处理办法路径是三步，明天会变成四步。这种不确定你能接受吗？作为一个在 ai 领域里面去落地的人来说，我看到这种不确定是没办法，在严格的这个商业里面是没办法去落地的。 所以呢，作为程序员，我采取了另一条的路径，那就是用 ai coding 的 方法去写一些定制化的工具。这条路径对于很多人来说门槛相对比较高，但是现在的这个 ai coding 的 能力已经完全可以让大家去做到这一点了。 所以如果你有这种想用小龙虾的这个场景，并且你的这个应用场景是相对固定的，那么我比较建议是用 ai coding 的 方式去做这样的一个工具，你说是不是呢？

最近 open call 这么火，到底有谁真的赚到钱了呢？我觉得这个可能是大家最关心的问题，绝大部分是靠卖铲子赚到了第一桶金，那么我可能也是这一批里面通过 open call 真正赚到钱的人。 一周之前，我和我的龙虾，我们所谓的是一人公司从零搭建了一个能够卖货的独立站，总共花费了不到四十八个小时，真正的去工作写代码的时间可能不超过两个小时。那截止到目前，我们这个独立站的收入呢？是四百澳币。 虽然听起来这个事情可能有点夸张啊，但是如果你想靠 ai 搞钱，我保证这个视频对你来说一定会有一些大的帮助。 那说起来这么早，我能够接触到 oppo pro 去使用啊，在一月底的时候，也是得益于叉七 d 刚出来的时候我就已经在玩了，而且，并且，呃，我第一波 ai 创业的时候，我就靠卖这个算力投肯赚了一桶金。 所以将这个第一次我用上 open call 的 时候，我脑子里念头，念头就是啊，这个事情是可能是 算力的需求，第一次从 b 端到了 c 端，普通人他不再是满足于一个订阅式的服务，还要像交电费一样。可能以后这个事情你不只是狡辩电费，你还有一个 token 的 一个事，还是按 token 的 数量去做结算。 那我对这个趋势和风口就非常感兴趣，但是最开始的时候呢，这个龙虾只是帮我做一些比较基础的事情，比如说，呃，我做投机投研的时候， 这个信息的收集就完全自动化，每天的研报啊，信息的总结，我只需要早起打开手机看一眼就好，那仅限于还是一个工具的状态，只不过是一个比较智能的工具人。但是在这个做研报的过程中，我发现了一个 很大的一个 jim， 一个大宝贝，就叫做内特，一个老外。那么他是什么样的？他做了一个智能体，做 felix， 他 声称说一周就赚了六千美金。那起初很多人都不是不知道，就说啊，你只是说出来而已，你始终是一个黑客的状态。直到他有一天去做了一个 podcast， 他 把这个所有的事情都透明化。那我也是看完了之后发现，哦，原来这个事情他是可以这样子去真的实操去做的，而且我觉得我也可以去尝试。 那么我第一时间首先是去了他的他这个官网 comot， 我 去购买了这个产品，我觉得必须要去做知识付费， 我去挖掘了他的产品，并且在这个过程当中呢，我把 ai 当成一个杠杆，我不仅让他去爬了这个 podcast 的 所有内容，然后也去看了这个 comot 的 这个呃，商业模型啊，他在做的卖的产品到底是什么？和我们有什么差别？我们怎么样才能做到和他一样？ 那实际上拆开来看之后发现他就是在卖自己的分身而已，但只不过，呃他的想法和执行力比较比较快而已。那我我就讲为什么 我不能去试一试呢？所以说在有了目标之后，我就开始执行市场调研，产品分析啊，商业模式，这个过程里面我只是一个下达命令的一个 ceo， 所有的这些呃，分析啊，产品啊这些想法都是我让龙虾去自由发挥的，这是第一步我就对他的放权，让他去给我做输入，我只做个下命令的人， 到后面之后呢，下一步就是要去做落地。第一个我们首先要个网站，在这个时候我就已经彻底放手了，我给了他很多很多的权限，我说我第一时间跟他说的是我能做什么，让你之后不要再问我这个问题，不要把球抛回给我。那第一个就是网站， 这个网站呢，一共是可能花了差不多半个小时的时间，我中间只提了一次对设计风格的需求，接下来都是他去做 网站。大完之后呢，下一步是我比较镇定的，就是我没有给他任何的东西，他就直接通过了我一条命令，我说你去帮我把这个文档部署上线，他就通过了调用这个浏览器的 c i， 然后直接告诉我，哦，部署完成了，我当时很惊呆，我不知道你是通过什么去登录我这个 version 啊，后来知道肯定用了 bha 的 一些这些东西去去啊，有 gucci 啊，所以他可以直接登上去，总之这个过程是比较震惊的。那这个时候我们有了网站，并且上线了这个，到了部署，到了后端，这个之后呢， 我们就需要产品，那整个产品呢，我也是打算全部放给他去做，他调研完菲力克斯产品之后呢，自己设计，自己打包，自己定了价，甚至自己调用了这个 script api， 当然 script api 是 我给他的，他把产品上架了，到这个后端支付的功能全都给我接好， 所以到到这一步的时候，他他给我去展示的时候，我是我是抱着怀疑的心态，因为我总觉得啊，你可能给我一个，又给我一个什么，就是 ppt 啊等等，结果呢？一次跑通非常震惊， 整个链路从购买支付到自动交付，发送邮件，让用户查收下载，已经没有任何的问题了，当然这个也得益于，呃，我使用的模型用的是 oppo 四点六 这个东西做完之后呢？那我当然想去要做推广营销分享，那我希望你把我们的这些过程，他的上下文记忆，他是有记忆功能，我说你把这个事情写成一个文章， 我们去做分享，这个事情只有这个一段，我口述之后，他就生成了一个文章，那这个文章呢？二十四小时内获得了 六万的浏览量，我们的一个社群呢，也从啊十二人扩张到了两百人，所以其实客观上来说，这整一个这个养虾户的这个独立站， 不光是从前端后端啊，网站设计、产品调研，连推广营销都是他的输出的 id， 我 只是负责点了个 post， 甚至这个发布的功能我也可以教给他，但是我没有去这么去做，这个事情 在当时对我来说是很镇定的。这种降本增效已经是我觉得，至少在电商啊，或者说这种独立站，我们已经可以先让 a d i。 发声了。 这个过程我是想分享给你，把我的一些对于 ai 看法，后面的一些我们该怎么去自动化的降本增效。如果你想了解，我们可以去聊聊，如果你想试试，或者有什么 ai 的 搞钱的好的玩法，我们可以分享一下。 如果你觉得这篇短视频对你有帮助，记得关注我一下，我后面会持续在这个号说出一些观点和内容，和我在做一些事情。

先投入三万六人民币，就能打到二十四小时印钞机。最近 opencloud 真的 太火了，火到有人花钱找人上门安装了。大家好，我是尚明君。 opencloud 不是 开云软件吗？怎么安装还要收费啊？打开购物软件，搜一下密麻麻的袋装服务，看的人目不暇接。随手往下一翻，发现 opencloud 袋装已经是一套成体系的服务了， 网上远程安装的费用从几块到几百块不等。比较神奇的是，对于选择这种袋装服务的客户群体来说，好像价格高一点比价格低一点更让人觉得靠谱。 像这家开价三百的远程安装服务，有超过两百人付款，而另一家要价八十，还花钱挂了广告，成交量却只有前者的一半， 平民玩家的部署费用如此。再往后翻到了所谓的企业级部署和炒股预测模型所需要的带装费用，轻则报价几千上万，夸张的有两百万的，不知道到时候是不是老黄亲自上门给我安装。 那你要说这安装费贵吧，现在的袋装服不仅给你安装 openclaw， 有 的还上门做饭，哎，这好像就有点香了，要是还肯往上加钱，还有更多特色服务。有些东西贵却是有它贵的道理。 其实 openclaw 这波不单单是让国内的用户疯狂，国外的韭菜涨势也挺喜人的。这个名叫 set up claw 的 服务商就是专门提供 openclaw 袋装服务的，包它从三千美元到六千美元不等。 在这个像模像样的官网上，详细介绍了 openclaw 是 什么，以及你为什么应该选择它们的服务，再加上不满意百分百退款，专业真诚，要不是余额不足，高低得下单，一个 三千美元着实有点贵。于是我再看看其他便宜的。一通搜索后，我找到了这个在一个叫 awesome openclaw 的 github 项目中，有个专门对比第三方袋装服务的列表，其中详细列出了市面上不同袋装服务的价格和服务内容，要价大概从十美元到两百美元不等，换算成人民币的话， 差不多刚好和国内的物价匹配的上购买力平价在这块发力了。便宜的只要九块九，贵的也能专门克制化。 open club 的 袋装服务可以说是老少咸宜，总有一款适合你。 但是只要咱们稍微在该项目中往上翻一翻，就会发现，它一开始就列出了 open club 详细的安装和使用步骤，甚至还有 open club 的 发展历史和对于硬件的最低要求。可以说你根本不需要花钱就能独立实现部署。 就算枯燥的文字看不下去，网上随手一搜也能够找到大量从零开始未泛级的详细教程。既然如此，为什么还有那么多人找代装服务呢？答案可能很简单，就是 open class 实在是太出圈了，火到一个完全不懂计算机技术的人也听过同时也想使用的程度 了。这就催生出了一个充满讽刺的韭菜悖论，越是对计算机一窍不通的人，越没有办法独立安装。越没有办法独立安装的人，越迷信这玩意是个电子摇钱树，也就越心甘情愿花钱找人 装在袋装卖家的嘴里。操作 open call 的 流程是这样的，安装睡觉醒来暴富，但真实客户体验到的流程却往往是，不会安装花钱袋装，装完不会用，花钱买教程， 操作完不赚反馈，花钱进高端群学习，到最后真正赚到钱的，是提供袋装服务和卖客的事情。如果只是外行被割韭菜，那顶多算个常规喜剧。但再往下挖一层，你会发现它背后可能还藏着一个赛博套娃的故事。 前几天我在 reddit 上看到个帖子，其中版主提到有人同时操控四百个机钱到处发 openclaw， 简直是印钞机 a g i 已经到来，再不用你就被时代淘汰了一类的帖子。 再回忆一下我自己经常刷到的用 openclaw 搞副业赚钱的视频，两厢结合，我一下误了，为什么袋装生意能这么火？因为这家伙有神态闭环啊！白天我发怎么用 openclaw 帮你赚钱吸引流量，晚上我就挂九十九块包安装用 openclaw 赢在终点线的单子来变现。更乐的是，我们都知道 openclaw 最擅长的事就是模仿人类完成重 的操作，也就是网络水军。所以搞半天我学 openclaw， 然后操作 openclaw， 不 停发铁，让更多人加入到学习 openclaw 的 过程中来，就能用后进者的钱来补贴先进入者。以前割韭菜的镰刀需要用手挥，现在这家伙也能全自动了。