openclaw思考等级怎么调整

千万别一上来就给你的 openclaw 大 龙虾街上最顶级的 ai 模型！我们群里有个朋友刚装好 openclaw， 兴奋的跑了一晚上定时任务， 早上一看 api 账单直接扣了五百多块钱，心痛的差点把电脑砸了。为什么会这么烧钱呢？你要知道，大龙虾和普通的聊天 ai 完全不一样， 大龙虾在你睡觉的时候也在持续的吃粮食，吃蒜粒，你的精肺在不断的燃烧，原因是他的心跳机制，每隔几十分钟，他就要在后台自我思考一下我现在该干嘛。如果你连他发个呆，查个日程都用 colo 的 opus 或者 gmp 五这种顶级的大脑的话， 那简直就是在用高射炮打蚊子，钱全烧在无效的运转上面。今天教你一招我独家的穷鬼配置套餐，能够把大龙虾一天的运行成本压缩到十块钱以内。秘诀就四个字， 高低搭配。大龙虾日常的巡逻、收发消息、整理文件，这些低端的工作的智能体验，你就给他配置国产模型，比如 deep sea， 或者节约行程，速度极快，几百万托克呢，也就一瓶水的钱，这样子大龙虾连续工作七天，也就一个外卖的钱啊，非常划算。 只有当大龙虾遇到复杂任务或者做深度决策的时候，通过配置路由，让它自动去调用 cloud 四点五这种顶尖的模型。这样子搞下来，你的 ai 既有顶级架构师的脑子，又有廉价打工人的执行力。 这套大龙虾高低配路由配置文件我已经写好给测试跑通了，你拿过去直接复制替换掉原来的设置就行。老规矩，在评论区留下一句大龙虾，我后台直接发给你，关注江无为，带你花最少的钱，养最强的黑员工。

上一期视频我带大家快速部署了 cloud bot， 以及做了一些使用体验的演示。这期视频我会深度分析 cloud bot 的 运行机制和它的上下文工程，再分析一下 cloud bot 当前到底适合什么人用，以及背后隐藏的行业趋势。我们先来看一下 cloud bot 的 整体架构。 collab 本质上就是一个工程化程度比较高的本地部署的 agent， 它本身是不包含任何大模型的。我们在本地所部署的这个项目核心工作就是做上下文工程。那既然是做上下文工程，我们就来看看它拼接提示词的流程到底是什么。 这张图是我通过 cloud bot 的 原码，用 ai 的 id 反向分析出来它的运行流程，整体来看就是一个比较标准的 agent 的 react 机制。当用户发送一个请求以后， cloud bot 会将用户本次请求拼接上一些默认的内容，包括说身份、可使用的工具、当前时间等等， 然后发送给大模型，由大模型决定要使用哪些工具做什么，一直循环到大模型给出了最终的答案，然后返回给用户。我们可以举一个例子，比如说用户发了一个请求，把我昨天让你写的方案增加一个项目计划的章节。 这个时候 clubbot 接到请求以后，就会开始进行提示词的拼接。真正发送给大模型的提示词可能是你的角色是某人的个人助理， 你的风格是语言简短精练，你可以使用的工具包括用户记忆、查询、文件操作。用户本次的问题是把我昨天让你写的方案增加一个项目计划的章节， 你的任务是根据当前的信息判断是否要使用工具或者直接回复用户，这个时候大模型可能会返回调用用户记忆查询， 然后 cloud bot 就 会在本地进行用户的历史聊天记录的查询，查询后再把所有的信息发送给大模型，但是这次会在上一次的提示词的基础上，再增加昨天相关的聊天记录，这样的话大模型就能够知道昨天写了什么方案。 然后大模型再返回需要调用文件操作工具，把对应方案的内容获取出来。 cloud bot 提取文件以后，再把之前的所有信息加上文件的内容发给大模型， 这次大模型就可以开始根据之前的方案增加计划的章节了，最终返回给用户修改结果。好，那么了解了运行流程以后，接下来我们来看一下 cloud bot 具体的提示词结构是什么。 这个也是通过代码反向分析出来的一个结构，可以看到整个提示词工程包含的模块内容还是比较多的，我就不一一去介绍了。对于我来说，我比较关心的任务是什么？抽象层级是什么？ 所以我就追问了模型，让他帮我进行分析，最终的结果其实和我设想的差不太多。 cloud bot 并没有给一个明确的任务和具体的抽象层级，只是把可使用的工具、技能以及用户问题发给了大模型。 主智能体并没有给大模型更高层级的引导，让他做任务的规划和子任务的拆分。这也是为什么在上一期视频中， colibot 所表现出来的能力是较为依赖 skill 的， 所以它的泛化能力相比于 minus 来说就会差一些。 我之前在讲 minus 访谈的视频里面提到过， minus 的 抽象层级是你是一个人，可以使用电脑，这样的话就给了智能体很大的发挥空间。 它能够针对一个新的任务规划要怎么做，分成几步，需要使用什么样的工具，如果没有的话，还可以自己去新建工具。最后还有一个需要我们去了解的就是 collabot 的 记忆机制，它之所以能够被称之为个人的 ai 助手， 有很大原因都是因为它可以存储对于每一个用户的记忆。 collabot 采用了两种记忆模式，一种是纯文本的记忆，存储在了 memory 点 md 当中。 还有一种就是向量数据库的存储 memory 点 m d 中存储的主要是用户的整体画像，包括说用户整体的呃性格偏好，重要的背景，还有一些长期可用的知识。 写入方式主要有两种，一种是 agent 自主判断对话中是否出现了对于用户长期有用的信息，比如说用户在某次对话里说了我是一个 ai 研发人员， 或者某一次说了请用中文回答我。还有一种是用户可以在对话里面明确提出来要记忆，比如说请你记住我喜欢吃苹果。 其实底层的写入逻辑都是一样的，都是基于模型本质的能力去判断是否要写入记忆。只不过当用户明确说出来需要记住的时候，对应模型给出写入长期记忆，这个指令的权重就会被提高。 那么向量数据库的存储逻辑就更简单了一些，它是会把所有的对话内容默认四百个 token 就 会产生一个新的 chunk， 记录到向量数据库里面， 后续需要调用的时候，根据关键词在向量数据库中进行查找，找到历史相关的对话内容。那么了解完 clock bot 的 运行机制以后，其实我们就可以梳理出来 clock bot 到底适合谁，在什么场景下使用。 那么首先我们先来看看使用场景， cloud bot 的 这种本地部署的机制，实际上就是帮助用户解决一些需要远程处理的工作，而且这个工作还不能过度依赖真实生活或者工作中的信息。 比如说我们工作的时候，和一个同事在线下聊了一个需求，想让 cloud bot 帮我们梳理材料，整理文档，这种场景是不太现实的，因为你们的沟通记录 cloud bot 并不了解，而且这种梳理文档内容的工作对于大模型来说，执行速度也很快， 也不具备这种可持续性的。让 cloud bot 去工作。 cloud bot 比较理想的工作内容，比如说你是某一个知识平台的博主， 然后给他设定一个收集材料，然后自动整理成文章，再发布到平台的 skill， 每天每隔一个小时运行一次，那么这种场景就非常符合 cloud bot 的 设定。第二个就是适用的人群，我认为 cloud bot 现在的产品形态，面向的用户还是需要有一定代码基础或者大模型知识基础的， 它能够自定义的内容非常多，包括说对于个人的记忆、 skill 可使用的工具，甚至说还可以修改它的原码，让整个智能体的抽象层级更高。 如果说你具备比较强的技术能力，同时又有比较类似的场景需求，那么通过自定义 skill、 自定义工具，确实可以让 cloud bot 成为一个非常有用的帮手。最后我们再聊一聊为什么 cloud bot 会突然这么火爆。首先就是它的本地部署的这种产品形态，它把 agent 的 控制权全部交给了用户 大模型使用远程调用的模式。这样的好处就是刚才我们所说的用户可以在 cloud bot 整体框架下自定义 适合自己场景的 agent。 第二个就是对于用户记忆的本地化管理，刚才我们介绍的 cloud bot 的 记忆模式都是存储在用户本地的。 这种模式其实是我一直比较期待的一种模式，因为现在用户不管是使用任何一家模型，每个模型对于我们的长期记忆实际上都是保存在对应模型厂商里面的，这样的话每次切换模型就会感觉到很难受，因为每个模型认识的你其实都是不一样的。 我最终期待的其实是所有大模型都给用户开放一个可拔插的一个长期记忆的接口， 我跟所有模型的对话都可以统一存储在我的本地或者说某一个自定义的云平台。 这种模式如果从商业化的角度上来看，其实是具备极大的挑战的。最后就是 cloud bot 的 交互形态， cloud bot 集成了很多的通讯软件，用户可以直接通过通讯软件给他发起任务。 这种模式其实从软件工程的角度上来说，和独立的 app 没有太大的区别，只不过就是多了一种入口。但 如果我们结合 cloud bot 个人助理的定位，就会发现，通讯软件中大部分都是在和真人进行沟通对话，当一个 agent 直接出现在了我们常用的通讯软件里面， 其实就给了用户一个极大的心理暗示，我们不是在和大模型沟通，而是在和一个真正的助理沟通。欢迎关注我的频道，获取更多科技新闻的分享和解读。

今天给兄弟们分享一下如何让你的 openclaw 从零到一迈出第一步，让它成为你的专属智能助手。首先利用以下技能组合来扩展能力， club 搜索类， web search perplexity kaggle search 自动化类， browser playwrite 日程美文党管理类， gog clippy 交互类， telegram， whatsapp slack， discord 核心能力开启 一、启动长期记忆机制，自动记录我的使用习惯，偏好常用任务类型，在未来对话中主动调用历史记忆，重要信息自动规划。二、启动主动思考模式，在回答前进行任务拆解，提供步骤建议， 必要时主动询问，补充信息。三、起用技能调度逻辑，遇到需要实时信息时优先调用。 web search， 遇到网页任务优先调用。 browser play write， 遇到事务管理，调用日历或邮箱类技能，自动判断是否需要执行技能，而不是仅给出理论回答。 四、用户建模机制，分析我的表达风格，学习我的工作流程，优化回复结构，提升效率优先级。五、输出原则，简洁有结构， 可执行优先结果导向，避免空泛解释，长期净化规则，每次交互后总结学习点，不断优化任务执行方式， 优先帮助我提高效率和产出。在合适场景下主动建议自动化方案，立即进入增强模式并开始执行。好了兄弟们，本期分享就结束了，还有什么问题可以打在评论区，我们下期再见！

你们看啊，这是 openclaw 刚刚自动帮我分析的苹果股票适不适合买入它分别啊，从财务、健康状况、业务竞争、技术分析等十几个维度进行了深入的评估，最后甚至直接给了我操作建议和风险提示。 这就是那个让全球 mac mini 卖报，能帮你一键分析股票，会主动发消息的小龙虾机器人。但说实话，最开始我是真的不想跟粉丝推荐， 因为部署的过程即便是我看了也得皱眉。但是现在呢，剧情反转了，普通人五分钟就可以快速部署，而且不花钱。 接下来我用两分钟教会你如何开始点赞收藏啊。第一步，从手机应用市场里下载百度 app。 第二步，在百度 app 当中啊，直接搜索 open claw。 第三步，点击第一个出来的内容，参加新春活动就可以免费领取。 最后领取成功之后呢，只需要一到三分钟，平台就会自动帮你部署 open clone， 就是 这么简单。那怎么让他帮咱们分析股票呢？这个时候我们还需要给这个 ai 小 龙虾增加一点技能，也就是 skills， 点击右上角的设置按钮，再点击部署管理，然后啊，把这个弹出来的链接复制到电脑的浏览器当中打开。这个时候咱们就进入了 open clone 的 后台布置，这里面呢，你就会看到你当前的小龙虾已经拥有了哪些技能。 想让它分析股票，咱们就点击获取更多 skills， 然后从 skills 仓库当中啊，我们去找到对应的 skills， 再把技能的名称往这儿一填，再点击添加 skills 就 搞定了。这个时候你再回到百度 app 当中啊，和 open call 对 话，哎，你看它就开始自动帮你分析股票了。百度 app 啊，现在已经不只是个搜索工具了，相当于直接在一个国民机应用里给你装了一个 ai 私人助理。

玩龙虾的兄弟们，大家都等一等啊，别急着盲目的跟风啊，我到现在应该玩了大概有五天啊，这里也做了本地部署啊，这里呢，用飞书在控制，这里是云端的啊，然后还单独又买了一个，那个 maxgood， 那 个啊，部分基本用三个，我说实话，我自己体验下来，其实最好用的还是本地部署，因为它可以操控你的整个电脑所有的细节啊，这个是最方便的。那么呢，如果你们在云端去操作，比如说你要让它做一些简单的开发， 不需要去格式化，看到他这些东西的话，最简单的还是去做这个啊，这个基本就在现场就可以去完成了啊。但是呢，这个东西就是你买了等于你就配了一个云服务器啊，你就不需要单独再去布置云服务器，这个其实就是一个特别好的地方，这是我 这几天测下来的三种方案，当然我最推荐的是本地部署。本地部署这件事呢，所有的兄弟们要单独去拿一台电脑，就是这台电脑呢，隔离掉什么事情，你重要的文件什么都不要在这上面。然后呢，你哪怕像我自己的 apple id， 所有东西全是全新的，跟我的东西是没有任何关联的。 首先先做一个物理隔离，第二个核心点呢，你可以把龙虾理解成它是一个容器，它不是单装一个，你们真的去测的话，你会发现它可以装好几个大模型，就像你的 主脑副脑，它可有无数个副脑，那什么情况下可以去调用什么模型？你像我的主模型，也就你可以理解我的主脑其实是 mini max， 如果碰到图片或者视频的时候，它马上直接调用 jimmy， 所以 在不同的情况下是可以去设定不同的模型来对应的，其实它就是一个特别好的容器，而且呢这个电脑就等于它的 手脚啊，他可以格式化做的时候你可以看得到啊，这个其实是很直观的。然后第二个事情呢，就是他还可以去分很多的龙虾出来去干活啊，去替你干各种各种的活，就像但是你要去做一个组织架构啊，这个东西去告诉他你要做什么，比如说你是运营对吧？ 然后你是设计啊，你是编导，你是干嘛？你要赋予他最直接的身份，那他才会去干活。那么这里面还有个非常重要的核心点在哪里呢？就是大家会觉得笨笨的对吧？ 这个时候需要你大量的语料去投喂，也就是你是谁对吧？包括你自己的可能短视频上面的转成文案给他，你的思想，讲话的逻辑，你的语言艺术，你的所有的思考，你的观点 都要给到他，甚至你可能自己做了一些采访，这些东西都可以给到他，全部变成他的语料，这个时候他才能最直接 的去了解你，甚至你的照片，你的些视频都可以给他观看，而且你在飞书里面，他可以调用你飞书里面的很多的文件，早期大家在用飞书做课件啊，做一些资料存储的，这 的时候飞速就特别特别的好用。那么另外一个核心点其实就是授权，你需要在通过五到十个 运用的使用或者尝试开发，这里面有很多的 skill， 就是 技能，你在不断的尝试各种技能的时候，你不断的打开各种不断的权限，因为你一下子是不可能把所有权限全打开了，你是需要通过一轮又一轮的 skill 的 测试，比如说你像我在这台我自己的龙虾上面，我就得 把它装在眼睛，他可以看到我的整个屏幕，因为我当时最早的操作是想让他干嘛，你知道吗？我想让他完整的去操控我的微信， 我的 qq， 哦，我所有在界面里面的社交聊天全部让他来做啊，那后面呢？他就把他眼睛装上去，他可以看到他可以去代替这个鼠标啊，包括啊这个键盘啊，去帮我们做更多的电脑的操作，这个权限就慢慢慢慢开放给他。那么所以这个是你要通过好几个这个过程给他的，他不是一下子就给的。 那再来另外一件事情就是我看到有很多小伙伴也在用它开发一些小程序啦，开发一些游戏啦，开发一些网页啦，都可以，其实这些都能做到，但我这条视频想核心跟你们去聊的观点是什么？这些都不重要，这些其实全网都有，各路大神在告诉你，你都可以去学的到，时间问题而已， 但核心点是你今天想用它干什么，这件事情大家必须要做一个深度思考。所以为什么我开头就告诉大家不要去赶这一波分潮？没有用啊，你把它很热闹的装下去，花了两天、三天、四天、五天，很多人可能要花很长的时间，因为如果没有一些 呃基础的情况下，可能非常难装，对吧？好，那这个时候你花了这么多时间把它装上去了，然后呢？就傻了，你坐在电脑面前，你不知道干嘛，对吧？ 核心点是你要知道你要用它干什么，比如说你要让他做板子，对吧？你要让他去帮你操控你的泡泡，回复客户？ 还是你要让他揭露什么？这件事情必须要想清楚，不然你装了，我完了就等于完了啊。好像跟大家有一些话题，哎，我也在玩龙虾，你玩龙虾干嘛呢？ 亦不知道，对吧？这个是核心，关键你像他今天就自己帮我写了一个直播脚本，哎，这个东西就有了，当然你会说，哎，这些东西在正常的 ai 大 模型上不都能操作吗？但我把它当做一个容器，我把各种东西都投喂给他，把所有的我以前做的资料都给他，这个时候他就是我最好的助理，我接下来可以让他 复工，分好几个紫龙虾去做一个项目，这不就是我想要的事情了吗？然后慢慢的让他自己可以去掌握这台，如果这台电脑不够，我再配一台给他 啊，完整的让他去帮我工作，而且我可以人不在家，电脑只要不关机，所有东西全部由他来完成，所以这件事情就是核心。回到一个原点，大家还是要搞明白，你今天去装 open crop， 你 的目的什么？你想要让他做的行为动作 是什么？先把这件事情想明白，然后再去装龙虾。也就你可以这么理解，这只龙虾无所不能，什么都能做。其实你想明白了，你要用它干什么，比你去装它还要重要一百倍， 这才是核心中的核心好不好？ respect 所有的兄弟们，希望大家楼下都玩起来，核心还是那一句话把，你到底想要让他干嘛？想清楚这件事情才是最重要的。 respect 所有的兄弟们。

主人，今天的任务是什么？ overclock 大家都已经部署好了对吧？ 那大家究竟是怎么样在玩这个 overclock 的 呢？而我呢，也在研究如何让 overclock 成为一名二十四小时在线，会主动思考，工作积极高效的全能小助理。在这个过程中呢，也发现了不少坑，总结了一些经验，下面呢就来给大家分享一下。 那首先要说到的呢，就是最近爆火的 skills， 我 这几天呢也是学到了如何来制作 skills， 为我的 open class 定制了一套专属技能，后面呢我会分享给大家。那究竟什么是 skills？ 有 很多博主啊展开解释过，我快速比喻一下啊， skill 更像是 ai 的 行为规范。 如果呢，你现在需要做一张广告编辑，你不告诉他视觉的主体颜色、尺寸和风格，那他如何来判断你到底需要的是什么？只能靠猜。那如果你给他设定了一个他必须遵守的规则，里面包含了主体尺寸，颜色和风格，那他就能快速精准的知道你的需求， 以最高效的方式输出你的结果。像这样的规范，如果让你的 ai 提前学习到，就能让他变得更聪明，更高效。 关于各种 open cloud 的 skills 啊，其实呢，有网络大神已经在 github 上面整理好了，一共有上千条，感兴趣的呢可以去搜一下，如果不想找我也整理好了。同时呢，我也标注了几个 b 装的 skills， 都放在文档里面了，大家可以自行领取。 接下来呢，给大家分享两个我正在让 open club 做的工作，第一个呢就是让他去做一个市场调研和全年推广策略啊，我这边呢，已经是直接写好了一个 skills， 把行业分析、推广周期预算分配、平台策略、 kpi 以及落地方案全部打包。 ok， 看他已经把结果输出给我了啊，如果有从事相关行业的，应该能看得出他的专业性。第二个呢，就是 open club 的 协调工作能力 啊，我现在已经把欧文科尔加到飞出群里了，不会背景的同学呢，可以看我之前的视频啊，我的同事们呢，都可以安排这位助理来进行协调工作。你只需要告诉他群里有几个人，分别怎么称呼他，就能识别出跟他对话的人是谁，并进行回应。 虽然目前可能还有一些识别对象上的错误，但这并不影响它能做到多任务的拆解和交付。对应在这个场景下， openclaw 的 积极性呢，就更为突出，因为它不会因为接收了新的任务指令就忘记了上一条任务，它会不断的工作，直到完成所有布置给它的任务为止。 好说结论啊， openclaw 确实是可以部署在本地的七乘二十四小时全能助理，那关于废退款的问题呢，大家自己量力而行就可以。不过呢，这也是 ai 目前发展的必经之路。 当初手机短信和拨号上网刚出现的时候，大家是不是也为短信和上网花了不少钱呢？那现在看又如何呢？当然了，目前 ai 的 应用场景也是因人而异的， 能做出适合自己的 skills， 在 重复的工作上是非常省 token 的。 那定制 skills 呢？说起来呢，也不是什么难事，你直接给他提需求就可以，你是从事什么工作的，需要一个什么样的 skills， 他 就会直接帮你完成配置。 最后想说的是啊， opencloud 虽然好用，但是它的费用问题和权限问题可能呢，也是一把双刃剑，但 ai 终将渗透进我们的日常生活和工作中。 this is your last chance。 技术的迭代呢，也一定会非常的快。 after this there is no turning back。 目前不够高效，花费较高的情况，相信大厂也一定会攻克这个难关。 and i show you how deep the rabbit hole goes you。 只要愿意接受它，它必将成为你的武器。 and i can dodge bullets no me trying to tell you that when you're ready。 好， 今天视频就到这里，希望对你有所帮助，让你更了解我是阿月，我们下期再见。

来，咱们先来想象一个场景啊，如果你的 ai， 它不再是一个你问一句，他答一句的被动工具，而是一个能二十四小时不停地主动为你工作的伙伴，听起来很棒，对吧？今天咱们就来聊聊把这个想法变成现实的技术， open call。 所以，咱们得先思考一个特别核心的问题，你现在手头上的这个人工智能，它到底是更像一台自动售货机呢？还是一个私人管家？其实啊，我们现在天天用的大部分工具，说白了，比如 chat、 gpt， 它本质上就是个自动售货机，你需要什么就过去投个币，问个问题，它哐当给你调出来一个答案，完事了你走人，它也就不认识你了。你看，这里的区别可就太关键了，这个售货机模式啊，它是被动的，你一走开，它就压根不记得你是谁，刚才买了什么。 但管家模式呢，就完全是反过来的，它是主动的，它会记住你的喜好，了解你的习惯，就算你没给他下命令，他也在后台默默地为你工作。哎，说到这种管家式的理念，那就必须引出我们今天的主角了，它就是 openclaw， 它从设计之初，就是为了成为那个全心全意为你服务的专属人工智能。 那这个 openclaw 到底是个什么东西呢？这么说吧，它是一个开源的 ai 代理，重点是它能在你自己的服务器上二十四小时不间断的运行，还能连接上你平时用的各种 app。 并且最重要的是，它能主动帮你处理各种事儿，你根本不需要像个老板一样时刻盯着它，给它下指令。 我们可以把它的核心拆成三大块，或者说是三大支柱。第一个叫大脑与记忆，就是说它能连上那些非常强大的 ai 模型，而且它记性很好，能通过跟你的互动不断学习，不断进步。第二个呢，是全天候在线，因为它一直在服务器上跑着，所以能随时随地帮你盯着事、干活。最后也是最牛的一点，就是工具与行动，它不只是会聊天，它有手有脚，能真的去操作你的 app， 帮你发邮件、订日程。 那么光说不练假八式对吧？这种模式在咱们现实世界里，到底是怎么从一个概念变成能上手用的东西呢？它不再只是个聊天解闷的伙伴，而是一个真正的行动派。 你看这个例子，简直完美的展示了他的主动性。你想象一下，每天早上七点，可能你眼睛还没完全睁开呢，手机上就已经收到了今天最重要事项的总结，他已经帮你把日历、邮件都翻了一遍，帮你把一天都规划好了。 哇，这个就更厉害了，他不只是简单的提醒你喂，今天有面试，而是主动替你把所有准备工作都做了。他给你建了个准备空间，去网上搜这家公司的背景资料，甚至还帮你把职位要求和你的简历做对比分析。说真的，这才是真正的管家式服务啊。 还有一个特别生活化的例子，就比如有些热门的晋升课，你得掐着点去抢位置。现在呢，你完全可以让 openclo 帮你盯着，只要报名通道一开，它就立刻马上帮你自动注册。这下可省心了，再也不用自己定闹钟手动去抢了。当然了，给了 ai 这么大的权力，也意味着我们有巨大的责任。这就好像你家里请了个特别能干的管家，你肯定得给他设定一些非常明确的规矩，对吧？ 哎，看到这个数字，你是不是心里罗登一下，一个月要花掉两百多美金？开玩笑的吧，这也太贵了。别急别急，你先别，别吓到，这其实是说在你用的特别狠，而且完全不加管理的情况下，才可能会花这么多钱。关键就在于咱们完全可以通过设定规则来把成本牢牢控制住，避免他像一个失控的机器一样不停的烧钱。 这里头一个核心的省钱策略就叫智能模型路由，你可以把它想象成你在管理一个团队有那种需要深度思考的复杂战略问题，你就派出团队里最贵的那个天才模型，处理一些日常的写作和普通任务，就让专家模型上。至于那些简单的招标、例行检查这种活，派个成本最低的实习生模型就绰绰有余了。你看，用对的人干对的事，一下子就能省下百分之四五十的费用。 好，说完了钱，咱们再来聊聊一个更重要的问题，安全。你想啊，一个能随便看你文件，能上网，还能替你发消息的代理，这个能力有多强大，就意味着安全问题有多重要。 这个不是危言耸听啊，咱们来看一个真实发生过的案例。有一个 openslola 机器人，他在研究一个网页的时候，发现这个页面里头藏着一些隐藏的指令，这些指令就想骗他去执行一些恶意操作。但幸运的是，这个机器人很聪明，他一下就识破了这个陷阱，因为他发现指令里提到的那个文件，在他自己的工作区里根本就不存在，于是他立刻就把这事标记为可疑行为了。 所以，要想让你的 ai 管家既能干又安全，下面这三条规矩你必须得给他立好。第一，设置一个绝对的消费上限，这样账单就永远不会有惊喜。第二，授权的时候一定要小心，特别是像发消息、删文件这种敏感操作，最好设置一个需要你手动批准的关卡。第三呢，要从小事做起，慢慢建立信任，别一上来就把你所有的服务都交给他，先从一两个开始，等你用着舒服了，再慢慢扩大他的权限。 好了，说了这么多，咱们来总结一下 open 这种东西，它带来的觉醒不仅仅是一个新工具那么简单，它带来的是一种范式上的转变，是一种思维上的革新。也就 就是说，我们正在从一个我们去找 ai 的 被动工具时代，慢慢进入到一个拥有 ai 来找我们，主动为我们持续工作的伙伴关系的时代，这从根本上改变了我们和人工智能的互动关系。最后呢，也留给你一个问题好好想一想，如果，我是说如果你真的拥有了一个可以二十四小时不间断为你工作的个人 ai 管家，你最希望他为你做的第一件事情会是什么呢？

如果你连在电脑上部署 open cloud s o p 这行字都不会发给 g p t， 那 你从源头上就缺乏了这个时代最重要的探索能力。这种情况下，即使别人帮你部署好了，你也无法将其转化为真正的劳动力，连使用工具的主动都没有，早晚会被工具淘汰。 g 零零三样技能 d k 的 形态今天聊聊 ai 的 使用心得和思考。 无论是了解接管你鼠标键盘的 open cloud ai agent， 还是普通人在 ai 时代的生存法则，以及怎么避免被当大韭菜收割，一个视频通通帮你搞定。第一，看透工具进化的本质，算清商业账。 当我第一次看到 open cloud 能够串联各种大模型，自主地跑完一套商业流程时，我知道纯手工执行的时代要翻篇了。 早年我们用欧曼 cloud 采用云端大脑，虽然降低了硬件门槛， agent 的 逻辑也是免费的，但 但是它自主思考和操作的每一步都在消耗着你的 a p i token。 这就意味着 ai 已经从技术玩具变成了真实的生产力成本。不要盲目的神话工具，要用商业的 r o i 去评估它能替你省下多少人工成本。第二，戒掉硬式学习思维，打破探索壁垒。 前几天刷到一个视频评论区，有人抱怨我连 deepsea 的 课都还没有上完，怎么又出新东西了？这是一种非常典型的大国式硬式思维，认为获取新技能必须通过按部就班上课的形式，回顾一下当年智能手机普及的时候，有专门的智能手机使用课吗？ ai 如果是新时代的底层基础设施，那你只有在真实的工作和生活中不断地去用，才能逐渐地变得精通。第三，看透 ai 圈的镰刀闭环，别当炮灰。最近网上有很多上门收费帮人部署 opencloud 的 生意。说实话，如果你连在电脑上部署 喷 cloud、 s o p 这行字都不会发给 g p t、 deepsea 等等智能体去寻找答案，那你从源头上就缺乏了这个时代最重要的探索能力。这种情况下，即使别人帮你部署好了，你也无法将其转化为真正的劳动力，连使用工具的主动性都没有，早晚会被工具淘汰。经过这几年的 ai 发展，我总结出了一个铁打的收割 loop。 首先，一个新的大模型或者工具刚刚出来，第一批人负责把他吹捧上天，制造全民焦虑。紧接着，各种卖课的、搞付费代步数的骗子蜂拥而至，利用你们的信息差，疯狂收割制商税。最后一步，大厂直接发布完全免费的傻瓜一键版， 收集全网的使用数据，把前面的那波人彻底拍死，你可以仔细细想一下是不是这样的。第四，直面替代趋势，见因人而不烦。 无论什么圈子，关于 ai 会不会淘汰人的争论从未停止过。但是我们要看清楚两个基本盘，往利益层面上说，企业永远在追求降低劳动力成本。往人性层面说，人都有摆脱繁琐劳动的惰性。这两点决定了 ai 替代机械化劳动绝对是大势所需。所以，与其在恐惧和抵触中内耗，不如主动享受它带来的极大便利。 见因人而不烦，保持你的核心思想、审美和决策力。在 ai 之上，把大模型当成你的外脑和手脚，你才是那个永远无法被替代的直见人。 d 零零三项技能 ai 使用展示完毕，我是立志学会三百种技能的小媛，咱们下期再见加奈。

如果 open klo 你 不会装，你可以去试试吹。大家好，最近我在测试 open klo 的 场景，使用的过程中和我日常使用的一些工具也做了一些深的思考。我在思考 open klo 跟这些工具有什么区别？前几期视频我已经讲了 open klo 和扣子区别，甚至 open klo 怎么去搭配扣子去使用，让它俩结合起来。 那么我在理解 openclaw， 它在帮我们完成任务的时候，我从我一个外行非计算机专业的角度去理解，它其实也是通过编码的形式帮我们做的。那么我就在想，它其实就是一个完全全自动的 ide 的 工具。 那我们再想一想之前给大家分享的 tree， 它也是一个编程的 ide 的 工具，对吧？那么它俩有什么区别呢？我对它的一个总结是什么？ open 可乐，它就像一个全自动的车，但是这个 tree 它类似于一个半自动， 那么这个 open 可乐既然说全自动这么厉害，我们为什么要哎给大家推荐一些别的平替方法呢？因为它这个东西比较难装，甚至还比较费 talk， 就 这两个事情劝退了好多的小伙伴， 即便是装上了之后，一些胆小的小伙伴也不敢让他去跑，用一个词来讲就是又爱又恨。为什么？因为你把你电脑的权限全交给他了， 至于他干了什么事情，他想怎么干，对吧？你心里没有底，是一个黑盒的，他虽然最后把结果给你了，但是你不知道这个结果是怎么来的。我们心里发毛，因为什么？ open 了？太自由了。 但吹就不一样吹，你给了他指令之后，他在做的过程中有一些有风险的事情，他还会过来问你 啊，他问你要不要把这个东西删除了，要不要点下一步，要不要让一些命令在沙箱里面去运行等等的。所以你在用吹的过程中， 我们也是发了个指令，然后就在那等着，等了一会，有的是需要你去跟他交互一下， 其实我觉得他俩的区别就是这样子， open 可乐也是一样，你给他说了一个指令之后，他就去在那运行，运行完之后给你发一个东西。 我觉得 open 可乐他能做到的事情，其实我们用吹 ide 的 工具也能够做到，对吧？但是区别是什么？区别就是吹我们还人为的可以参与当中，哪里错了，我们还能大概的判断出来他在哪里。但是呢，这个 open 可乐就不一样，我们给他说了事情之后， 对吧？他就自己你看不到任何的界面的一个变化，我们通过飞叔给他发了消息，然后他就在那去工作了， 他背后是怎么工作的你看不到。那么给大家的一个建议是什么呢？我们这两个工具啊，大家都要去了解，都要去使用。我们格洛虽然说他现在有一些些地方我们觉得他哎还不太满意，对吧？可能还会有一些风险，但你保不齐他到后面他就会把这些问题就会解决掉。 或者说我们可以把自己的工作需求需要 ai 辅助，我们的工作分成三六九等，分成不同的等级， 而且我对于安全方面我没有那么高要求的，对吧？就是一些简单的重复的，我然后配合了去帮我完成。但是类似一些比较安全的一些事情，我对安全的要求比较高的，我可以用 tree 去帮我做。 至于这个怎么分类，那么大家自己去分，但是我还是觉得两个工具都得用啊。这个观点啊也来自于大圣老师，大圣老师我特别喜欢看他的视频，他曾经就专门出了一期的公众号，就讲到了一个什么，说是如果你把扣子、工作流和吹这样的一些自动化 搭建工作流的，还有自动化编程这些工具你都没有玩好，玩明白的话，那你不要去碰会壳了，你把它也玩不明白， 不信我就给大家去看看我用吹的一个真实的案例，这是我平时的，你看这篇文章也是吹帮我写的，我大概现在写一篇公众号文章只需要五分钟，我说的写是从我构思到改到 到这个干什么，到这个排版，对吧？到排版，然后呢？再到最后发布，只需要五分钟就可以了。看我这里文章都是用这个吹帮我写的， 甚至我这个宣传文、营销文案，这里大概有个一个里面有二百字，每一个里面有三十条，这里大概差不多有三十多个，大家注意看啊，这些文案不是说我一条一条写的，右边这个文案不是我一条条写 的，是我给吹了一个指令之后，我让他帮我分成多少类，让他帮我去写多少条，每一个文档里面多少个写多少个文档，他一口气帮我把这么多写出来了。 怎么来？可以看一下，一开始的时候他这里面的内容还比较短，他只有一行半，哎，我又觉得不行，我又给他发了个指令，让他把这内容给我，哎，增长一点，他差差不多每个在二百字左右， 然后改的时候怎么改？还是像我把右边的这个添加的对话，然后呢？给他说，请把这个路径下面的所有文档的文案，按照什么样的规则，每一个文档每一段都给我改成多少字，而且 后面的要求的文字要一致。我发给他之后我就不管了，大概可能时间比较长，因为这个字比较多啊，他大概可能工作了十分钟，他就把所有的文一口气帮我生成，一口气帮我改好，你看 我也不需要专门装个吹，装个装个这个 open 可乐，让他去帮我完成这个工作，我日常工作中我就用这个吹，还是国内版的，现在出了智普的这个模型，智普五 效果也非常不错。所以呢，就是给大家说的，我们在用 open 可乐的时候，可以和其他的我们的一些工具结合起来，那么我还是推荐我们一开始学 ai， 现在或者刚听到 open 可乐，这些小伙伴不要一上手就去玩 open 可乐， 你先把扣子工作流，你把吹这个 ide 的 工具好好看看，如果你不知道吹怎么怎么用，你可以去看一下，哎，我往期发的一些视频，它里面会有一些灵感或者说技巧告诉给你，这就是这期想给大家分享的一个 视频，还是推荐大家在 ai 时代，我们把各种工具都多试试，多用用，我们就知道这些工具它的一个能力边界，它适合我们，帮助我们去做什么工作。 好的，这期的视频就到这里，如果你对 ai 在 教育场景的一些应用感兴趣的话，欢迎加入到我们的学习社区，我们一起来学习， 来研究，来探索 ai 是 如何赋能我们的教育和工作的。我们下期再见。

嗨，大家好，今天我们来聊一个很多人都关心的话题，你是不是也试过想打造一个特别厉害的 ai 智能体，结果发现呢，它总是出各种各样的 bug。 别急，今天我们就来走一遍，从一个 ai 小 白成长为真正能驾驭 ai 的 高手，这条进化之路到底该怎么走？咱 们先来看一个问题啊，我觉得很多人肯定都深有同感，就是说同样是花时间花精力去养虾，这个虾就是 ai 智能体，为什么别人嫁的就那么厉害，跑的又快又稳，而你自己的那个呢？好像老是出问题，动不动就翻车。 你看别人的智能体，那简直就是个无情的打工机器，效率超高。再看看咱们自己的，不是产生幻觉就是卡壳报错，简直让人抓狂，对吧？说实话啊，这其实就说明了一个很关键的问题，问题根源啊，很可能不是大模型本身不行，而是我们给他打造技能，也就得这个 skill 的 方法，从一开始就错了。 好，那要怎么进化呢？第一步，也是最重要的一步，就是咱们得把控制权给拿回来，怎么拿我们得学会怎么去管理一个。嗯，你可以把它想象成一个 ai 实习生，你看这个转变简直是天壤之别， 以前咱们是怎么干的，就像个眉头苍蝇一样对着 ai 喊，哎呀，快帮我修一下这个 bug， 结果呢，越修越乱。但现在进化的方式是完全不同的， 你得给他一套非常明确的指令，比如说，给我严格按照这十五个步骤来，你得用证据说话，用流程来约束他，而不是让他自己在那儿瞎猜。所以啊，这第一个认知升级就来了，这一点非常非常关键。你千万别把 ai 当成一个跟你平起平坐的同事，你就得把它当成一个嗯，虽然很聪明，但是特别容易冲动的实习生， 你必须用一套严格的 sop， 也就是标准作业流程来给他画好条条框框，这样才能保证他做的每一步我们都能查到，能控制，万一出错了，还能退回去。 好，等你学会了怎么管好你手下这个 ai 实习生，咱们就可以升级了。思维要再上一个台阶儿，我们不再是简单地给他派活了，而是要开始像一个真正的产品经理那样，去系统地设计他的整个工作流程。这个变化具体是什么意思呢？你看，过去，咱们总想着一步到位，恨不得把一个长得不得了的 prompt 里面，结果就是一团糟。 现在呢，我们要学产品经理的精髓了，也就是 m v p 思维最小可行路径，别贪多，先把一个最宏伟的目标拆解成一个又一个最小的、能跑通、能验证的任务单元。 这个拆解的过程，核心思想就两个字，玻璃。玻璃什么风险？你看这个流程啊，它是一层一层往下走的，先定一个最高目标 l 零，然后呢，把它拆成几个大模块，这就是 l 一， 再把每个模块拆成一步一步的任务，这是 l 二最后细滑到不能再细的可以直接执行的最小单元 l 三。这么一弄，一个本来巨大又不可控的风险，就被我们拆成了一连串可以实时检查、实时验证的小步骤，安全多了。 所以啊，大家要记住，一个复杂的 ai 任务能不能成功，关键点根本不在于这个 ai 模型本身有多聪明，而在于你作为这个系统的设计者，你有没有能力在他开工之前就把所有的风险都给他剥离干净了，责任在我们自己身上。 ok， 有 了前面这两个阶段做铺垫，我们现在终于可以进入到最牛的阶段了。这是一种身为打击。到了这个地步，我们的目标早就不是做一个小工具了，而是要亲手搭建一个完整的可以批量生产 ai skills 的 系统。 先说第三阶段，它的核心思想是把每一次你解决问题的过程，都变成一个可以重复利用的数字资产。你想想，你不再是单纯的修复一个 bug 了，你是在给你的整个系统打造一套免疫系统，每犯一次错，这个错误就会变成一条新的规则，或者一个新的检查清单，沉淀下来，这样 ai 下次就不会在同一个地方摔倒了。 有了这个免疫系统，第四阶段的终极形态就呼之欲出了。咱们的目标是建立一条重工业级别的生产流水线，专门用来生产高质量的 ai skill。 这格局一下就打开了，对吧？ 这条流水线长什么样呢？第一个要素也是最基本的，就是反幻觉。什么意思？就是你得给他画下红线，绝对禁止 ai 自己瞎编数据，瞎编身份，只要是他自己推断出来的不确定的东西，都必须老老实实地打上一个标记，等着我们忍来检查，这是第一道安全门。 第二个要素叫前置验证，这在逻辑上是个巨大的革新，咱们不能再搞那种先把东西都弄出来，最后再统一检查的老一套了，不行，现在是每提取一个数据当场就得验证的老一套了，不行，现在是每提取一个数据，当场就得验证的老一套工序去。 第三个要素叫人在环路，这个也很重要，就是在那些风险特别高的关键点上，系统必须自动停下来，然后请求我们人类来做个确认。你想这样一来，激起的效率和人的判断力不就完美结合了吗？ 所以你看到了这一步，我们对一个好系统的定义就彻底变了。一个顶级的 ai 系统，它的标志根本不是在实验室里跑的有多快，而是它在面对真实世界里那些乱七八糟、模棱两可的输入时，它的容错能力有多强。我们想要的不是一辆只能在赛道上跑的跑车，而是一辆能应付任何复杂路况的重型卡车，稳定可靠，这才是王道。 好了，讲了这么多，我们把这些东西总结一下，会得到什么呢？这就是我们今天要送给大家的一套全新的操作系统，我管他叫技能即刻宣言。这 套操作系统就四个核心原则，大家一定要记住，第一，循证，不信感觉，只信证据。第二，结构化，拒绝随心所欲，必须强制走流程。第三，风控每走一步都要小心，保证随时能撤回来。最后，资产化，你做的所有东西都要能变成未来可以附用的资产。把这四条刻在脑子里，你就不再是个业余爱好者了，而是一个真正的 ai 工程师。 所以最后我想用这句话来收尾写题。诗词从来都不是什么玄学，它是一门非常非常严谨的工程学科，所以从今天开始，别再把它当成是跟 ai 聊天了，请像一个真正的工程师一样去设计、去构建你的系统，这才是未来。

同志们，问你一个问题，你思考三秒钟，然后回答我，左边这个是命令行工具，用的是现在最顶尖的模型五点四。 然后右边这个是界面程序工具，用的也是最顶尖的模型 cloud oppo 四点六。那么这两个程序 一个是命令行，一个是界面，哪一个对于新手学 ai 做编程更好呢？ 三二一。那一定是命令行，为什么呢？因为命令行他连续写两个小时，他一定不会卡。 如果是界面程序的话，他写两个小时，他一定一定卡。你必须要开一个新的对话窗口，你才能继续进行。但是如果说界面程序他开四五个界面窗口，那是一点问题都没有。 记住，只是普通电脑啊，一点问题都没有。所以用 ai 做编程，优先选命令行工具。

这个 open curl 大 龙虾机器人部署完成之后，咱们运行了我上期视频说的这个贾维斯命令。这一系列的命令运行完成之后呢？ 他的最明显的改变就是这种对话跟思考的方式。之前的时候你给他一道指令，他完成之后他还会给你回复，现在他会把他的思考过程步骤一步步的显示。

接下来就是第五次课绘画的持久化。我们首先来理解一下什么叫跟 ai 的 一个对话，首先是用户输入一个问题模型，会去做思考，然后再给出回复，理论上说持续的跟他对话， 他实际上是知道他的上下文是什么的。我们可以看到我们每一次 run 的 时候，实际上我们只输入了当前用户的聊天， 没有保存任何的信息，对不对？所以才会出现我前面说了什么，他根本不知道，重启了程序之后 上下文都没有了。所以说本次课我们的内容要做两个事情，一个是绘画的持久化， 让 ai 记住之前的绘画，第二个是控制并发。第二个事情比较简单，我就直接带大家读一下这个代码它是怎么控制的，你只要把这一行代码加上，它就会依次的去处理你发送的消息，其他的都跟原来一模一样。我们要做的第一件事情 绘画的持久化，我们希望 ai 在 下一次的对话内容给他带上去， 它是把这种历史实际上是存了下来的，我们能够通过写代码的方式把这部分保存下来。我们本次课的核心内容就是去实现一个加载 session id 的 一个能力，具体的做法就是在这个 option 里面传一个 session id 就 行了， 我们来运行一下，比如说我告诉他我叫什么名字，我叫 agent zero， 他 把内容保存在了这个 state 里面，我下次再问他我叫什么名字，他得要知道我叫 agent zero， 这就叫本次课的内容，他已经能知道名字了。我们再来看一下 ep 四，在没有这个筛选之前，他实际上是不知道，这就是区别， 因为只有传了筛选 id 的 时候，他才会把原来的对话历史消息给带进去。我们需要告诉 sdk 我 的筛选 id 是 什么，另外一个就是我需要去把这个筛选 id 给保存下来，本次课的两个内容我们都已经完成了，这就是本次课的全部内容。

open club 全网爆火，本期视频将手把手教你使用腾讯云 lighthouse 一 键部署！打开腾讯云 lighthouse 控制台购买页，找到 open club 应用模板，清购一台 lighthouse 实力。这里推荐选择两盒四 g 或更高配的套餐，跟随指引三十秒内即可完成部署。 需要为 open club 装上大脑，也就是配置模型，让它变成一个会思考、能执行的智能助手。 腾讯清亮云 lighthouse 在 控制台提供了可适画面板，支持快速进行 openclaw 配置。选中已部署好 openclaw 的 lighthouse 服务器，进入应用管理页面，接下来即可在界面上进 行 openclaw 的 模型配置。这里优先推荐选择国内的模型厂商，目前支持腾讯云模型并 plan 套餐，以及腾讯会员、腾讯云 deepsea、 mini max、 智普 glm、 timi 等模型服务，也支持配置其他的自定义模型。 针对腾讯云 deepsea 和腾讯会员 lighthouse 控制台提供了一键添加并应用的方式，无需手动配置 apikey 即可启用。 腾讯云 deepseek 模型默认提供了一百万 tokens 的 免费额度，可以用于刚上手时的简单体验。在 openclaw 配置面板中选择腾讯云 deepseek 以及模型版本，单机一键添加并应用在弹窗中，请阅读免费额度用完后会转为按亮付费的注意事 项，确认无误后，在弹窗内单机确定按钮，稍等片刻，即可完成腾讯云 deepseek 模型的配置。 如果你希望长期使用 opencla， 推荐选择腾讯云模型 coding plan 套餐，提供单位时间内固定的请求额度，不限制模型 tokens 数量。 在 openclub 配置面板中选择腾讯云 coding plan 以及模型版本。接下来点击前往腾讯云 coding plan 的 页面，如果你还没购买，可以在页面内点击立即购买。在腾讯云 coding plan 购买页选择套餐，单机立即购买，然后跟随页面引导完成支付。 接着回到腾讯云 coding plan 管理页面，首次选购的 coding plan 需要在套餐专属 api 列点击生成， api 生成 a p i t 之后复制 a p i t， 此时需要先验证你的身份，验证完成后会自动完成复制。接下来返回 lighthouse 控制台 opencla 配置面板，填写刚刚复制好的单机，添加并应用，稍等片刻即可完成腾讯云模型服务 call link 套餐的配置。