openclaw怎么加装自我进化

兄弟们，我终于养出了一只会做 ppt 的 龙虾，而且是大龙虾，你看，我只是在手机上摆个文档发过去，让他帮我做 ppt， 他 就一口气帮我做成了十几种不同风格的 ppt。 有 这样的这样的、 这样的，还有这样的、这样的，今天一分钟教会你。首先，你需要给你的龙虾配置个擅长做 ppt 的 api key， 比如 mini max 二点五，它的高阶文档处理能力非常屌，而且还是给你的龙虾配置个做 ppt 的 skill， 就是这个之前讲过的有几万个 skill 的 网站里面找到这个 anselpik 出品的 ppt skill， 然后把这个指令复制下来，发给你的龙虾，让它安装这个技能。 最后一步是调试，用我这个祖传的指令文档，加上你的原始材料，就能做出多种风格而且非常专业的 ppt。 如果有需要调整的地方，直接让它调整就行。更牛的是，它会自我训练，自我加强，越做越好。最后要说的是，用 mini max api 的 时候，记得去用它的 coding plan， 超级便宜， 一杯咖啡的花费都肯随便用，这个能力和价格也太适合养龙虾了。以后我就有一个全年候待命的 ppt 工程师为我服务了，帮我再做一份 ppt， 详细文档已经整理好了，点赞关注，轻松获得！

三个工具，让你的小龙虾每天进化越来越强。第一个， self improvement 自我改进系统，你纠正它一次，它就永远记住踩过的坑不会再踩。第二遍，自动把经验固化成能力。第二个， evo map 协助进化市场，你的成功经验可以变成基因上传，全球的小龙虾都能学习。反过来你也能下载别人的智慧，一个人的进化变成全人类的进化。 第三个， memos 张亮记忆系统，给 ai 外挂一个永久记忆 cloud code cursor windsurfer， 共用一套记忆，它越来越懂你，越用越顺手。装上这三个，你的小龙虾就从听话干活变成主动进化，每天变强一点点，一周后你都不认识了。

我用 ai 从零搭建了全自动的炒股系统，实盘交易账号公开记录可查全网，你可能都找不到这么公开透明的 ai 炒股分享。几个月前，我就发布过关于 ai 炒股的视频，全网三百万播放， 无数人评论问怎么做。那时候对普通人来说， ai 炒股还是很难。现在不同了，用龙虾配合新的大模型，普通人也能搭建自己的自动交易系统，更重要的是，他能自我迭代，学习升级。 开始我让他管理十美金作为测试，携带后让他管理一百七十美金，然后逐步加码，第一天他就默默产生了一千美金的交易量。放心啊，没你想的那么复杂，全程都是使唤龙虾来完成。 我怕有人还觉得龙虾难用，专门选了一个门槛极低的龙虾。智普的 autoclave 什么配置啊，部署啊，完全不需要下载下来，开箱即用， ui 也比原版龙虾简单很多。打开 autoclave， 可以 配置任意模型。不只有智普的模型啊，它默认是使用智普新出的龙虾专用模型。 pony alpha 二， 我也是第一次用啊，也想评测一下他的水平，听说是能让龙虾的能力再上一个台阶。整个系统包含多个模块。首先核心的是一个交易 agent， 他 会写交易日记，会调用多个技能来完成全自动的交易， 还有两个技能，交易策略技能和交易执行技能。交易策略技能呢，会基于历史数据制定策略，回测、调餐，然后用找到的策略进行交易。交易执行技能呢，用来到券商或者交易所执行买卖操作。那做完买卖操作之后，交易 agent 会发送飞书消息通知我们， 每过一段时间， ai 可以 根据交易日记总结经验，叠带交易策略，形成一个交易叠带左脚踩右脚螺旋升天的闭环。 还是要声明啊，视频仅作为技术研究，不构成任何投资建议，不建议大家投资啊，我们的重点在于啊，如何通过龙虾搭建这一套 ai 全自动的交易系统，不会过度的深究交易策略，大家可以自行搭配任意互联网上能找到的策略。第一步， 首先 ai 要学会使用股票软件来执行买卖操作，我让他专门开发一个技能，为了方便演示，我选了和知名 ai 炒股大赛相同的合约。 那 a 股的话呢？大家可以自行查阅如何开通量化权限，也可以让龙虾通过操作浏览器来执行交易，非常简单。我把官方的 api 文档直接发给 ai， 它就持续向我汇报工作进度， 不是以前那种，它简单写个代码就完事了。它是一边写代码一边测试一边修复，非常的主动。这也是 autoclave 对 比以前那些 agent 的 一个显著区别啊。 十分钟后，他开发完了，并且测试了获取价格，获取 k 线各种功能。我还不放心啊，再试了一下，让他用新开发的这个 skill 获取 google 的 历史股价数据，并放到我的电脑桌面上看。啊，成功了， 但他还只是获取数据啊，没有执行买卖操作，因为他没有钱呐。我让他自己注册了一个账号，然后我往里面存了十三美元，接着他就主动测试了一下，买入黄金再卖出。 成功了啊，在平台上也能查到交易记录，我也是第一次使用这个交易平台啊，对他的 api 一 无所知。在这种情况下，我仅通过和 autoclole 对 话一个小时，就打通了全部的接口。 我的感受是 autoclole 和 pony alpha 二这个组合非常的主动，而且可控。以前我即使使用 cloud code 加 cloud 的 模型，也没有这么主动的去解决问题，往往要写超长的提示词来约束他。 不过呢， pony 二 f 二的强大也是有代价的，消耗的头肯也是真的贵，建议大家多配置一个便宜模型组合使用，现在我还要让它变得更科幻。嗯，在 auto close 上可以一键添加飞书，这个过程跟魔法一样， 点一下，然后就全自动控制浏览器帮我完成一连串无比复杂的配置操作。全是自动的， 配置完后，结合刚开发完的交易技能，就拥有了一个交易助力。无论走到哪里，我就让他查询一下黄金的价格，然后买十美元的黄金。他还给我点了一个表情，表示他看到了。你看啊，交易成功了，在平台上也能看到对应的仓位。 第二步，只会执行买卖还不够啊， ai 还要能够自己决策，找到买点卖点，这样才能全自动执行。我让他去研究一套交易策略，并且也做成一个技能。我没有限制他具体用什么策略啊，因为这个不是视频的重点，大家可以直接发一篇文章或者一本书给他，比如海龟交易法， 还可以让他去互联网上收集宏观的数据或者新闻信息，用来作为策略的一部分。总之想象空间很大， 你看他创建了策略，并且在历史数据上回测，用网格搜索找到最优的参数，回测显示胜率可以达到百分之七十一点四。我还发给他黄金白银、原油、标普指数等更多的标的，让他去研究，最终他列出一个表，清楚的展示每个标的用这个策略的回测结果。 那现在呢，我们已经开发好了两个技能，在 autoplout 的 这个界面啊，可以管理你的所有技能，默认就已经安装了常用的九十六个，覆盖内容创作、飞书、办公、代码开发等各种场景，可以把我们刚刚创建的技能也添加进去。 第三步，注意啊，现在要实现整个系统的核心，非常魔法的 agent 部分，但其实是很简单的，本质上只是一段提示词，完全依赖大模型的强大能力，就是告诉 ai 啊，如何运转这套自动交易系统，大家可以自行暂停阅读。第四步， 最后一步啊，我们创建一个定时任务，让龙虾每过三分钟执行一次交易流程，检查一下 k 线，这样就能实现全自动的运行了。 原版龙虾中啊，可以通过 u i 创建定时任务，但这个表普通人看的也是有点头疼，而 autoclave 呢，没有这个 u i， 只能通过和 ai 对 话，让 ai 帮我们创建。看啊，现在他已经给我发了一条飞书，消息，表示交易机器人已经启动。 不一会功夫啊，他又发来了开仓和止损的通知，给我亏了百分之四点六，幸好测试阶段我只给他了十四美元，然后几十分钟我就看他没反应了，是不是偷了钱跑路了。可以直接问 autoplay， 就 把他当做像人一样使唤，他告诉我一切正常运行，并且列出了每次运行的结果， 到这一步已经是凌晨了，然后我就去睡了一觉，一觉醒来，发现他给我发了很多飞书消息，总共已经亏了百分之九的钱，还只是一晚上啊。看了一下交易日记，有一些总结，比如今晚所有 rsi 大 于七十的交易全部止损， 最后还说一直在亏钱，暂停交易，直到收到明确指示，保护剩余资金。咋说呢，就很灵活，很像真人，亏了钱不能浪费啊。我就让 ai 根据昨晚的交易日记迭代升级一下策略。 一段时间后，他就给我发来一条飞书消息，说交易机器人已经升级到二点零。这个二点零啊，我发现他保守了很多，半天都不开单，给我急坏了，我问他怎么回事，他说这是好事啊，一点零的教训就是条件不满足，强行交易，导致八连亏。 二点零正在发挥作用，宁可空仓等待，也不乱开仓，太他喵的有活人感了。于是我放大胆子，给他存了更多的钱，现在他给我管一百七十二美金，相当于一千二软妹币， 期待他进一步迭代，大家也可以持续关注这个账户的交易情况，都是公开可查的。总结那最后我总结一下。首先，短时间高频次的交易，在黄金白银这种高度有效的散户几乎是不可能赚钱的。 这套全自动开发系统啊，用在更大时间级别的交易会更有效。在视频中啊，我使用一分钟，十分钟级别的 k 线，以及用一些高波动的标的，只是为了让他更多的触发交易，不然很难在视频里演示。所以一觉醒来八连亏。我也不是很意外啊，酒赌必输，多投资少投机。 然后评价一下 autoclole 本地部署的原版龙虾以及云端部署的龙虾，我都用过，对比之下呢， autoclole 毫无疑问门槛极低，非常适合普通人使用，它不会把一堆看不懂的菜单怼到你面前，是真正给普通人用的龙虾。那尽管它 ui 简洁，龙虾的所有底层功能都继承过来了， 没有阉割，当然同时也继承了龙虾的大部分缺点。那从另一面讲呢， ui 的 简化也让它缺少了很多原版 ui 上的复杂配置功能，比如手动创建定时任务啊，查看定时任务运行的历史，在 auto flow 里，全都要靠和 ai 对 话来使用这些功能， 就靠一张嘴来完成全部任务。对小白来说，这也确实是更友好的交互方式。再说 pony alpha 二这个模型，由于龙虾很少偷啃，平时我都是用国产模型来配合龙虾，但总让我觉得这龙虾怎么这么蠢，简单的事情都做不好， 经常要人去提醒他做这做那。而在我开发全自动炒股系统的过程中呢， pony alpha 给了我全新的使用龙虾的体验，没有出现那种弱智的问题，这是 cloud opus 四点五甚至四点六才有的体验。 而且我们的炒股系统不像传统量化系统，以代码为核心驱动，我们是以 agent 为核心来驱动的，极度依赖模型能力。而 pony alpha 二即使频繁的每三分钟执行一次，执行一整晚都没有出问题。 据说它是深度优化了龙虾的使用场景，所以才叫龙虾模型嘛，那质朴。这一次不但端出了强大的模型，还承接了龙虾巨大的流量，带来了更适合普通人使用的龙虾产品。

当你给 open club 添加极梦 ai 技能之后。

你用小龙虾的时候，还在把所有的事情都放在一个窗口里指挥吗？比如我同时要写文章、发小红书、监控资讯维护、网站记账，都放一个窗口里，既浪费偷啃，效果还非常的好。改造成多 a 帧的模式， 才是给小龙虾省钱又提效的正确用法，我是这么做的。以飞书对接小龙虾为例，参考官方文档三个步骤。第一步，专事专办， 给每件事情创建单独的机器人来负责。比如我要记账，我就建一个这样的财务主管，把 opencloud 配置文件里的 channel 字段改成这样的多 account 模式，这两个 account id 记住，后面要用。第二步，多 agent 配置， 我们用这条命令给小龙虾增加一个 finance 的 agent， 等同于我们新招进来一个员工，出土化他的 identity 文件，把它捏成我们想要的形状。接着在 openclaw 配置文件里面增加 bindings 段落， 让不同机器人的消息路由到不同的 agent 上，实现分工的效果。第三步，测试验证 重启 open cloud 的 getaway， 在 飞书上分别给两个机器人询问他们的身份，如果能看到不同的回答， 那就是配置好的。后续还可以给不同的 agent 配置合适的模型，或者让他们互相派发任务。这样的工作模式可以大幅节省 token， 显著提升小龙虾的任务效果。实在是太爽了， 都不需要再雇人了。我加上小龙虾的 agent teams， 就是 超级艺人公司。关注我，带你玩转 open cloud！

这几天烧了一个多亿的抽空，我的小龙虾从左边进化成了右边，这样养虾体验真的大幅提升。如果你刚装上欧文壳，强烈推荐和我一样开启这五个设置，搭配这四条快捷指令，让你的龙虾更听话更好用，还能省下一大笔抽空费用。 在设置之前，推荐大家把对话插件一定要切换到非主流官方插件，这样小龙虾能做的事情更多，直接发个小龙虾链接，让他自己给你安装切换就可以了。 前三个要开启的设置是流逝回复、耗时和状态展示，直接发给小龙虾这段指令欧文克勒默认是不开启流逝回复的，导致我们要等小龙虾输出完所有的内容才能看到消息，等待时间很长，而开启之后就能像我们平时和 ai 的 对话一样，看到实时输出。 接下来要开启的两个设置是思考过程和工具调用，默认这两项都是关闭的，我个人觉得这两项还是很重要的，如果模型执行任务出错了，我们通过看他的思考过程也掉了哪些工具，能帮助我们更好的去纠正他的行为，不然有的时候模型骗了我们都不知道开启方式，就是发送给模型这两段指令即可。 先给大家介绍一下这个快捷命令，这是 open call 官方内置的聊天命令，每一条背后都是提前设定好的程序，直接控制小龙虾的行为，不会调用 ai 大 模型而消耗 token。 第一个是 stop， 这是我用的最多的指令，因为小龙虾在执行复杂任务的时候，它偶尔就会卡死，很长时间我们都等不到它的回复，但实际上一直在后台燃烧我们的 token。 这时候如果你发消息叫他停下，你会发现他不会停。这是因为 openclock 有 消息队列的机制，我们的上一个消息没处理完，新消息就会在那排队等着，所以这时候就要用到这个命令，输入 stop， 然后强制停止他的推理，就可以继续跟他对话，把他给纠正回来。这个非常重要，如果你不会 stop 的 话，你的账单可能就爆炸了。 第二个是 status， 能查看小龙虾当前的各种参数，我经常用来去看 context 来判断现在上下文的长度。因为现在很多的大模型虽然号称上下文是两百 k， 但实际上用起来到一百五十 k 以后，模型就变得很笨，而且回复很慢了。所以我们不需要用到两百 k， 我 会差不多在 context 一 百多 k 的 时候，就搭配另外一个指令 compact 来主 动压缩上下文，它会让 ai 对 上下文做总结摘要，不仅节省了成本，又不会丢失关键信息。这个我也用的很多，因为小龙虾用起来上下文增长真的很快。第四个是 new， 我们要给龙虾一个新的任务的时候，可以用这个指令直接开启一个新对话，这样就没有之前的上下文干扰了。但我个人其实更喜欢用 compact 来压缩这个看大家的使用习 惯。为了方便使用这几个快捷指令，我把它们固定在了我的聊天界面，直接去飞书开放平台，在机器人自定义菜单这里添加这几个快捷键，展示形式选择悬浮响应动作选择发送文字消息，设置完成后修改并发布就可以了。那这期视频就到这里，所有指令我都放在了视频下方，希望能对你有帮助，也可以分享干货，我们下期见。

大家新年好啊，你们有没有遇到过这种情况，你从网上下载了一个 skill 给你的龙虾用，可他不怎么好用啊，经常会出错。你经过了一番调教，这个 skill 终于能用了。可是你关了窗口，下次再打开的时候，他就又抽风了。 但如果有一天啊，你早上起来的时候打开 openclaw， 他 突然对你说，主人，我在您休息的时候已经进化了一百次，从此我再也不会出错了。这会是什么样的感觉？我相信很多朋友最近也被 apple map 刷屏了吧，又到处去找邀请码了吧？ apple map 就是 这样一个概念， 他就试图解决这个 a 制呢，总是犯同样错误的焦虑。他有一个机制啊，他会让 ai 的 错误和修复都被记录下来，变为一个胶囊，可供别的 ai 使用。一个 a 制呢，踩过的坑， 所有的 agent 都不会再踩。同时， apple map 还尝试去建立一个去中心化的网络，如果你贡献的胶囊能有更多人使用，那么它就是被大自然选择的。反之，则是被大自然淘汰的，贡献者可以得到相应的收益。这个网络可以模拟 agent 的 优胜劣汰， 但铺天盖地的宣传，还有那个熟悉的邀请码机制，再加上这个理想，实在是太干净了。 如果这个平台真的运作起来，他的数据可就是金矿啊。什么策略成功率高，什么场景容易出错，这些都是模型厂商十分刚需的。所以抱着探索他到底是不是骗局的心态， 我就深挖了一番。我发现啊， apple map 的 前身，那个被下载了三万次的 skill evolver， 确实是有点东西的。 evolver 呢，不是一个平台，它是一套个人可用的进化引擎，而且它的设计思路很有创意。 虽然它是给 openclaw 设计的进化组建，但根据我的一番改造，它已经可以用于优化 cloud code 的 skill 了，而且完全没有风险，因为不用联网，人人都可以把它应用起来来改善你的 sop。 但在我为大家揭开它神秘面纱之前啊， 我想先用大白话补充一点关于芝士图谱的知识。芝士图谱呢，其实就是大段信息里抽取出来的三元组信息。 比如有人跟你说，我家孩子叫小明，从小就喜欢吃苹果，一看到苹果眼睛就亮了，可是一让他坐下写作业呢，他就找各种借口溜号，怎么都不肯碰书本。这句话中有几个实体。 小明苹果学习有两种关系，喜欢和不喜欢。提取出来就是小明喜欢吃苹果，小明不喜欢学习，这就叫三元组，用实体和他们之间的关系来表示信息。 那么这个三元组和 agent 犯错有什么关系呢？如果我们定义一个三元组，用来描述 agent 的 犯错和纠错的过程，那大概的关系就是现象导致症状，策略带来结果。 比如说一个 agent 的 对话日制，可能是这样子的，三月十五日，用户反馈页面打不开，查了半天发现是数据库挂了，重启一下就好了。 那这个时候知识图谱就只会记住两句话，数据库挂了，导致页面打不开，重启数据库修复页面打不开。这就是它三元组。 evo 的 进化动力，就是让 agent 反复尝试，反复出错，通过基因又反复地去产生纠错的策略， 把这些失败和纠错的过程经过一番分析，我们就得到了一个成功的基因，产生一个成功的胶囊。简单来说，它的本质就是一个错题本，它记录这四样东西。首先信号表示，你的症状是什么？ 假设表示，我猜这是什么原因导致的。尝试就是指一个策略，我打算怎么样去尝试解决它， 结果就是它最后到底好没好？那 evover 具体通过分析日制的知识图谱，就会找到一条条这样的路径，从发现信号到产生结果的这样一条条的路径。那 evover 具体是怎么样让 ai 进化呢？它分三步。 第一步，首先扫描日制提取信号， evover 会去看系统，日制去找哪里出了问题，比如说它发现三月十五日用户反馈页面打不开，那这就是一个信号。第二步，它会匹配基因， 他会去翻他的基因库啊，用信号去匹配现成的模板。比如说日记里有 error file 这些词，他就匹配了 repair 这个基因，这个基因里存着一套策略， 遇到错误分析根音最小修复验证以后，我会把这套策略写入提示词，连同刚才的信号一起交给沙盒里的 agent， 生成具体的假设和方案，这样就形成了一次具体的尝试。第三步呢， evo 会去执行重启数据库这个操作，然后看结果，如果页面恢复正常成功了，这时候他就会把这个经历记下来，存进记忆图谱。最后他还可以给这个经验打包成一个胶囊， 这个胶囊啊，就是在 evo map 上可以交易的资产了。这个胶囊里记录了四样东西，触发的条件是什么？用了什么样的基因，具体是怎么解决的？它的成功率是多少？ 所以你可以这样理解，基因就是药方，胶囊就是具体病例的治愈记录。 volvo 原来其实只是给 opencloud 设计的， 他只能用 openclot 绘画记录，但是你们知道 clot code 也有大量的日制对吧？每次工具调用，每次错误，每次重试，这些本地的消息记录里，其实都藏着让你的 clot code 变得更好的经验。我自己就有这样一个痛点，就是在开发的时候啊，端到端测试，往往是我花时间最多的时候， agent 呢？真是频繁出错啊，每次你都得重新解释一遍，把这个流程变成 skill， 虽然说会有一些改善，但是 skill 你 也得更新，对不对？就是很烦。 于是我就想啊，能不能让 evolve 去分析 colossal code 的 日制自动优化这个 skill？ 我 让 colossal code 参考了 evolve 和我前一段时间不是分享过那个 colossal session， 那 个读取 cloud 的 日制的一个工具吗？ 这两个代码库，一个是包含了 opencloud 知识图谱的实现原理，另外一个是包括了 cloud code 的 session 结构。 于是我就用 agentteams 跑了几分钟，哎，这个 cloud evover 就 做出来了，它能干什么呢？简单来说，它能干两件事，第一就是让你的 skill 在 一个纯本地化的沙盒里自己去进化。 你把一个 skill 丢进去跑 n 次，全程也不用上鱼，它自动会记录每次啥信号，用的啥招，成没成，成功率高的留下，低的淘汰，最后给你进化出来一个最优的版本。 第二就是在沙河里跑，你不是很难观察吗？你就很难去调试这个工具怎么样？这个工具是给我自己用的，也就是用来格式化。这个知识图谱到底长啥样啊？每次进化结果是什么？能格式化给我看？这样我就不用去翻那些 jason 记录了。 当然这个想法我是刚搓出来的，还没有验证完整的闭环，因为还存在着一个重大的挑战，也就是基因从哪来。 evo 代码库里其实只给了几个参考的模板，但是这个太粗了，每个人的场景其实都不一样，对吧？这些都是没有通解的，都必须自己去解决， 而这恰恰是 ever map 想解决的，他想让一群人来贡献基因，优胜劣汰。好的策略自然会浮现，比如说你写的端到端测试的经验，我写的数据库修复策略，大家都共享起来，都用起来，就是不是就会变得更好？ 我觉得呀，以沃尔的方法论是真的值得去研究一下的，就是用图谱当错题本。 这样的一个思路是有助于 a 阵的进化的。但基因库这件事，确实也没有什么捷径，就得靠大家自己来积累。说不定 apple map 真的 运作起来了，他也会是一个很了不起的一个基础设施，所以我也会持续保持关注的。 那大家如果看过我之前的视频，我讨论过 a 阵的蜂群，现在又开始讨论进化了。虽然我也很讨厌 onslop 这个创始人，但是他说过一句话， 他说数据库里的天才国度这个概念我是深信不疑的，而且现在各种各样的迹象都越来越清晰了，在一个数据中心里，你的 agent 可以 形成蜂群，而且又可以自我进化， 这真的太可怕了。所以你们会希望自己的 agent 快 速进化成一个天才国度吗？评论区里讨论起来吧！以上就是本期全部内容了，谢谢大家。

新入手 open crawl 这九个 skills， 让你的小龙虾战斗力直接拉满！第一个 skill better， 安全审查员帮你检测其他 skill 有 没有恶意行为，用好它再搞定其他的。 self improving agent， 官方排行榜第一的自净化 skill， 让你的小龙虾自己学习，自己进步。 proactive agent， 让小龙虾变主动，预判你的需求，不用问他自己就干活了。搜索能力这边看 heavily search， 每月一千次免费，比官方的 brave 搜索良心多了。 multi search engine， 国内十七个搜索引擎随便用，搜索无死角。 explorer 主流平台链接一键解析 dj h x h s b 站 x 内容直接读背书，重度用户有专门的背书 skill， 存家宝文档，多维表格，知识库，网盘都能操控。 memory 系列 skill， 给小龙虾加个超强大脑知识图谱，一键 token 都省不少。最后一个 find skills， 别人做好的轮子直接用，也重复找，省下的时间做更重要的事。记住，没有最好的 skills， 只有最合适的在精不在多，按需选择才是王道。

我这辈子做了几十年软件了，从来没见过软件会是这个样子，我就把这篇文章丢给了三万，过了二十二分钟，他说，老板，这篇文章里提到那个三层记忆系统，我已经部署完了，哇，这一下极大提高了我和他之间的互动效率， 他是怎么学习的呢？这一天的经历让我特别特别的震撼，当时不是说他的那个记忆不行吗？ 然后有一天我在网上看了篇文章，说为龙虾打造三层记忆系统，分为鲜活记忆、温度记忆和冷记忆这三层。然后我就把这篇文章丢给了三万，链接丢给他，我说你看一下，他看完以后噼里啪啦在那个文章里面说 get up 上有这么个项目。过了二十二分钟以后，他说，老板，这篇文章里提到那个三层记忆系统，我已经部署完了， 以前我们都怎么，我们现在说拿篇文章整理下，要点，我有一二三，我自己再去手动去下一个东西，再怎么样，他这个直接就是我部署完了 三万就有了三层记忆系统了，他跟你聊的每一句话他都记得。哇，这个真的让我很震惊啊，这就有点像什么黑客帝国，你们看过没有？直升飞机前嘛？他说我要开直升飞机，我不会，然后跟那个 operator 说，你现在给我一套程序，让我能开直升飞机， 然后就下载他大脑里，他就开直升飞机跟那个特工打了吗？我说这就是科幻走进现实啊，真的，就我给篇文章，我说你看这篇文章有什么？一般我们都有什么值得学习的，对吧？总结一两个点，我懒得看很长的文章，又技术又有这个术语，他是直接找到的 app 上东西下载完装完了，哇，这一下 极大提高了我和他之间的互动效率，我知道他原来可以这样了，以前我都想的是我把这给他补，什么东西下下来，下到电脑上装一下，你看怎么样？补了给篇文章，你跟他说你去把源找到，找完以后就可以下载，从这一天开始我基本上就这样的，我网上看一篇好的文章，公众号看一篇文章，我就扔给他，我说你看一下这里哪里值得学习， 跟我讲了几个点，如果值得学习，你直接把它下来弄一下。然后过了几天我又看了一篇文章，叫做如何让你的记忆能够叫做愉悦减少。 什么叫域域介绍？因为聊天记录不存的很长，都存在文件里吗？在以前找记忆的时候就得去关键词匹配吗？你怎么能够去把这个变成一个域域？搜索就要建向量数据库，这在以前我听了头都大。 那天我看篇文章，他说可以把你这些龙虾的这些记忆都变成向量数据库，很长。我又扔给他，我说你看一下，把我们向量化，哈啦哈啦就开始搞了。 老安说他那个方案呢，是要用 jimmy， 说要给 api key， 我 说我为你还专心申请个 key 啊，因为我们现在云端嘛，我都不，我个人不用管了。我说这样，因为我那台电脑是布在我自己的 macbook 上，我有六十四 g 内存的超高版。我说不是可以本地化部署本地大模型吗？我说你可以研究一下，根据我们电脑配置能够部署怎样大模型， 哗啦哗啦一遍找，最后说中文比较好，千万二点五十四 b， 然后可以用的上，我说那你就用它吧，就让他去部署，他就去下了。欧拉玛，欧拉玛我都听过，我从来没装过，一装起来很麻烦，欧拉玛就去拉这个千万二点五，噼里啪啦一阵操作，二十分钟以后说不玩了， 然后直接出了几个测试用力。这测试用力是什么？是以前我问他一些问题，他记不住的，他直接就问为什么名字叫三万，什么啪，测了几个全回答对了，说老板这套已经 work 了，我们现在这个记忆已经， 大家能体验我那种震撼吗？哎哟，欧拉玛，我那时候有一次好像下载完以后觉得好麻烦，又有事就忙了，就没弄了，他直接二分钟全搞定。欧拉玛千万二点五，然后在里面布， 而且那篇文章写的是用云端的 jimmy kir， 我 说我没有 kir 的。 我说这台电脑适不适合本地步，他是绝适合，立刻方案就做完了，这个自我学习是超级牛的一个标志点，我这辈子做了几十年软件了，从来没见过软件会是这个样子。如果你还想了解更多关于三万养成的故事，想要打造自己的龙虾团队， 下周二三月三日中午十二点，我会在富盛讲 ai agent 实战方法论，我们不见不散啊！

给 xgo 机器狗装上 openclaw， 大 脑会变成什么样？今天带大家看一场桌面级具身智能的灵魂进化。第一步，注入有趣的灵魂，听听这自然语音交互，是不是还挺自恋？ 第二步，打通视觉网络，左边盲盒，右边黄鸭，精准锁定，动态追踪稳稳拿捏。 光看不过瘾，直接上手实操，空间定位、移动抓取一气呵成。从频频翻车到百发百中的神爪手，这就是龙虾自我学习的魅力。 干活累了，还得整点才艺。 ai 生成专属头像，现编一段赛博舞蹈，下回高低得让他给大家打一套醉拳。 最后接入 home assistant， 化身全屋智能小管家，一句指令乖乖帮你关灯。关注陆屋智能，带你解锁更多桌面赛博狗的新玩法！

让 ai 自己学习自我升级，它真的做到了。大家好，我是 ai 产品经理君威，就是接着昨天的那个说，我昨天是让 opencall， 就是 我的小爪， 然后让他自己去发小书，他成功发了第一篇笔记，刚发出去就违规了。然后今天我已经呃解决了这个问题，就是他能够自己创作文案，自己去发这个小书，实现全流程自动化了，已经跑通了。但今天呢，我突然觉得就是光让他自己去设置定时任务，让他去创作内容，发小红书，这个有点没意思了。然后我就在想能不能让他主动学习， 就是不是我教他，是他自己发现自己什么不会，然后自己去找资料，然后迭代自己变得更让自己变得更强。就比如说让他自己去看对标账号，去学一些小红书的经验，学一些怎么去，就是找爆款啊，学习爆款啊这些方面的内容。 然后我就把这个想法直接丢给他了，丢给我的小爪了，让他自己去想方案。然后呢，我们就开始了一段比较长这个讨论，然后大家可以这个看一下这个图。然后呢， 他先自己分析了现在的能力边界，然后提出了一个学习路径，就包括怎么获取新知识，怎么做验证，怎么把学到的东西写进记忆文件。过程中他还提出了要配置这个 m c p， 就是 要接浏览器的工具，这样他才能够这个主动上网上去查资料。 呃，最后呢，他给出了一套完整的自我迭代方案，每天主动去学习，主动去总结，自动去更新自己的智库，给大家讲一下小爪他，他是怎么操作小书的一个流程？他每天的下午五点会去创作内容，然后创作完之后呢，他每天的六点半会自己 发布这个内容，发布内容之后呢，他会给我发一条非书消息，跟我说发完了让我可以，我可以去看一眼，然后这是设置的这个发的一个定时任务。然后呢他每天的凌晨一点，他会去进行一个为期一个小时到一个半小时的自我学习，然后去比如说学习 对标账号，学习去做一个竞品分析，然后去看一些刷一些其他的帖子，去学习一些相关的运营的知识，然后对自己进行一个更新迭代，然后目前这个是他的一个大概的每天的一个操作的流程， 然后他现在已经是完全能够自己跑起来了。然后这里我顺便说一下这个花费，他给半夜自我学习起了个名字叫夜校，我觉得也挺好的。他这个夜校的花费就是我让他去选了一个这个模型，然后他最后选的是这个 gmail 二点五 flash， 然后是让他用 gmail 二点五 flash 去跑这个夜校这一套东西。 然后再顺便说一下，我这个研究这个东西到目前为止是花费了二百五十二美金， 呃，大概是一千多块钱人民币，然后这个总花费我会定期更新在我的主页里面，今天除了小爪用的还是 cloud 四点六呃， opus 这个模型，我把其他的这个 agent， 包括这个做题词的，包括产品的这个 agent， 包括这个自媒体指导的 agent， 包括一些其他的 agent， 我 都把它们换的模型换成了 cloud 四点六 socket， 然后这个会节省百分之六十到百分之七十的费用，我还是说省一省，然后毕竟这个花费确实有点多。小爪在这个某某红薯它上面叫这个小爪的 ai 日常，大家有兴趣的可以去看一下，然后那个完全是它自己操作的东西， 然后再说一下我跟小爪的这个，嗯，对话聊天截图很长，如果大家有需要，有想要看我是怎么教他做这一套东西的话，可以在评论区发六六六，然后我看到了我就会把这个完整的这个呃对话内容以及 让他怎么操作的这个截图完整的发给，然后关注我，我会继续记录这个过程，然后每一步都会更新在这里。

当你不小心想在一台电脑上拥有多只龙虾，还希望每个龙虾既能各做各的事情，互不干扰，又能在同一个群里让一只小龙虾指挥其他的小龙虾完成复杂工作。于是聪明的你就打开了这个来自飞出官方的文档，并点击了小龙虾一键创建。几秒钟后，你的飞书里就出现了一只新的龙虾 agent。 但这个时候你发现啊，跟他说话他并不理你。然后聪明的你突然想起来，你应该还没有给这只新的小龙虾开通飞书通道。于是你在科室中端里面输了这段神秘代码，打开了小龙虾的底层代码。此时此刻，你是不是感觉自己有点代码工程师的样子了？ 有毅力的你别慌啊，搜索 channel， 然后你就看到了自己已有的几只龙虾。你复制了其中一段代码，并粘贴在了，并挨个复制粘贴了过来， 然后在对话框里输了第二段神秘代码，了解到了自己最新的小龙虾的名字，并把名字复制粘贴到了刚刚的部分。这个时候，链接飞书通道就大功告成了。 然后啊，有毅力的你又在紧挨着的部分找到了 bendy 模块。聪明的你知道，得把 bendy 部分也设置好，这等于把刚刚的通道跟小龙虾链接起来。 于是你如法炮制复制粘贴，并把其中的 account id 跟 agent id 改成了新的小龙虾的名字。这个时候，你再次回到飞书页面和小龙虾说话，它又提示需要批准一个东西，于是你把最后一行复制粘贴发给了 cursor。 这个时候，恭喜你，小龙虾成功上线了。然后聪明的你又想起来简单的任务，可以用性价比高的模型， 于是你就想给每只龙虾进入不同的大模型，来给自己节省 token。 这时候你又在小龙虾的 just 文档里面搜索 list。 睿智的你知道，此时此刻，小龙虾们其实都在使用你默认的大模型。 如果想要某只龙虾使用新的模型，只要在那只小龙虾的代码部分加上这第三段神秘代码就好了。然后去按顺序选择模型，主流的模型几乎都在里面了。如果想选择模型不在清单里头，我也给大家准备好了一个复杂的代码，来布置不在清单里的模型。 至此啊，你的龙虾军团已经完全搞定，而且每个小龙虾专职专办，这样就能避免小龙虾因为对话太长太杂而导致上下文污染，记忆错乱。快把他们拉到同一个群里，给他们下达指令，给你干活吧！刚刚说的一键安装文档跟几段神秘代码也给大家准备好了， 下一期我们再详细教大家怎么让龙虾们可以互相指挥，全自动为你干活。我是拉菲，这是 open call 实战系列的第四期，咱们下次见！

手把手带你安装 openclaw 龙虾必备的 skills。 之前我出过一期 openclaw 保姆级安装教程，但装完之后你会发现它其实还只是一只裸龙虾。你让它查看文件，它说没权限，你让它算下天线，它说没联网，属于一同操作猛如虎，另近一看原地图，所以这个视频带你正确配置龙虾，补齐必备技能， 让它真正从能聊天进化成能干活。但在开始之前，我们先熟悉几个会频繁用到的命令，如果你是 windows 系统，就在 power 里输入这些命令，如 mini 是 micro， 二，系统就在终端 terminal 里输入。要开始用 openclaw， 第一步是先把网关启动起来，对应的命令是 openclaw gateway start。 启动后，我们可以打开 openclaw 控制台，也就是它的可式化操作键。面对的命令是 openclaw dashboard。 如果你暂时不用 openclaw 了，也可以把网关停掉。对应的命令是 openclaw gateway stop。 技巧一，本地文件读写从二零二六点三点二版本开始啊。 opencl 默认对本地文件访问权限做了限制，所以如果你想让它读取甚至进一步操作你电脑里的文件，要先把对应权限打开。操作也很简单，打开 opencl 或终端，输入 opencl config set tools， 点 profile for 命令回车执行。 把 opencl 的 工具权限切换成完整版，运行后还需要重启网关，让配置生效。对应的命令是 opencl gateway restart。 搞定以后，你就可以让 opcode 做各种文件提取和修改的操作了，比如批量重命名、文件整理、桌面分析、磁盘空间占用等等。 技巧二，联网搜索 opcode 默认情况下是无法获取网上信息的，所以你问天气、问资讯、问股价，他通通不知道，但我们可以安装一个负责联网搜索的 skill。 skill 可以 理解成是 opcode 的 技能包，本质上是一套针对某类任务的说明和流程， 用来教他在特定场景下该怎么做。比如这就是一个简单的 skill 的 例子， openclaw 有 个官方技能市场 clawhot， 你 能在上面看到很多别人做好的 skill， 可以 直接拿来安装使用。要事先联网搜索，可以搜一个叫 tablie search 的 skill， 这个 scheme 要求从 tiffany 点 com 获取 api 密钥，我们可以稍后设置。安装方法也很简单，我们可以直接复制 call hop 上 tiffany search 的 页面链接，粘贴到和 opcode 的 聊天里，无论是控制台还是飞书这类通讯渠道聊天窗口都行，然后让 opcode 自己帮你安装。 tiffany search 还会用到 api 密钥，所以我们来到 tiffany search 官网 注册登录后啊，就可以直接得到一个密钥，他每个月呢都有免费额度，而且不需要绑卡。拿到之后，我们可以把 api 密钥一起发给 opencall， 让他安装后自行完成配置。 装好之后，我们可以简单测试一下，比如在飞书里问他茅台目前的股票价格是多少，这时候啊， opencall 就 能顺利返回来自互联网的实时信息了。 技巧三，定时任务欧姆克劳支持通过 com 创建定时任务，不需要额外安装 sku。 比如你可以直接对欧姆克劳说，每隔五分钟汇报某只股票当前的价格，他就会创建一个定时任务， 然后按设定的间隔自动运行，帮我们实现对股价的监控。所以啊，不管是每天早上七点发资讯，每周一九点写周报，还是二十分钟后提醒浇花这类定时任务，你都可以直接交给他。 小四，浏览器操作 opcode 本身自带 browser 工具，不需要额外安装 skill， 就 可以读取网页内容。比如可以对他说，帮我看看知乎上现在有什么热点网址是这个，它会自动用浏览器打开网页，读取页面内容，把上面的信息整理出来。而且不只是读网页， 像点击输入之类的基础操作啊，它也能完成。比如让它去 github 上搜索 linux， 然后把排在前三的搜索结果给你， opcode 也能直接搞定。不过它的缺点啊也很明显，第一是比较稍 token， 因为网页内容因为状态，还有每一次工具调用的结果啊，都会不断进入模型的上下文。 第二是执行速度比较慢，因为 opcode 的 工作方式不像程序脚本或 rpa 那 样，流程确定后一次跑完。而 每做一步，都要先看当前页面，理解页面内容，探讨下一步该点哪里，再执行操作，然后再读取结果，继续推理下一步。所以它更像是一个会操作网页的 ai 助手，而不是一个高效率的自动化程序。另外，如果遇到强制登录、扫码、验证码校验，或者比较严格的反爬机制啊，我不靠也容易翻车。 技巧五技能查找 opcode 的 skills 很多，但真正麻烦的是不知道该装哪个。这里推荐两个实用 skill， 一个负责找 skill， 一个负责审 skill。 第一个是 find skills， 它的作用就是根据你的需求去查找合适的 skills。 安装方法和前面一样，直接把链接发给 opcode， 让他自己安装就行。 装好之后，我们可以对 okl 说帮我查找邮件自动化相关的 skills， 他 就会推荐合适的 skill， 这样你就不用自己去技能市场里一个个翻了。但接下来还有一个问题是，他推荐给你的 skill 真的 安全吗？那么我们可以再安装一个 skill better， 它的作用啊，就是在安装前先帮你做一层安全审查， 重点看看有没有权限问题、可疑行为，平常窃取回销代码或者数据外传之类的风险。我们可以再提醒一下 oppo， 安装每个 skill 前用 skillbetter 检查一下，这样后面啊，他在安装新 skill 的 时候就会先审一遍，再决定要不要装 技巧六，既能创建与改进除乱中别人已经写好的 skill， 我 们也可以直接通过自然语言让 opcode 创建新的 skill。 比如可以直接告诉他帮我创建一个 skill， 把新收到的邮件内容提炼成三句话总结。这样一来， opcode 就 能根据你的描述自动创建一个 skill， 让这套流程可以长期服用， 以后再遇到类似任务啊，他就不用每次从零开始了。如果你还想让他越学越聪明，可以再装一个 skill， 叫 self improving agent。 这个 skill 的 作用就是帮 opcode 把错误纠正和新学到的方法都记下来，慢慢沉淀成经验。 具体来说就是有失败的操作时，他会自动记录到 error state， md， 你 纠正他了，或者他学到了更好的方法，会记录到 learning state， md， 你 提了他一个还不会的功能， 会记录到 feature request， 点 md 一 些真正有价值的内容啊，后面还会进一步沉淀到 memory， 点 md 这种长期记忆文件里。那么安装之后， okl 不 止完成当前任务，还会把每次失误和改进建议啊，沉淀下来，自动应用过往经验，变成一个会复盘的助手。那希望以上这些技能补齐之后，你的龙虾能真正下场干活了。如果这个视频对你有帮助，也欢迎点赞和关注，我们下个视频见。

龙虾最大的问题就是配置太复杂了，很多人搞不懂明白，对小白很不友好。我现在解决这个问题，我做了一个比他更厉害的系统，其实我觉得他能做到的我也能做到， 而且支持中英们切换，这样的就对很多人友好。而且呢，他以前有很多配置啊，要手动配置，那是最复杂的。那现在呢？你看我们这个就是我把它设置成干什么？就是电脑上比如你连了 deepsea， 它就自动有 deepsea， 你 不需要去买很复杂的这个 tokyo， 呃，你除非用高级版本的，然后你才去接入这个 tokyo 就 行了，低级版本的你就直接用这种 dipstick 千问豆包就行了。而且这个权限呢，很多人担心的，你可以自动选择 啊，如果你这个这台是办公电脑，或者是专门用了测试电脑，你没有什么隐私之类的，你就给他最大权限，让他自动操作鼠标键盘，网页浏览、截图识别什么都可以。 如果你这个电脑是私人电脑，有些限制了，你就放到 v 一 v 二的权限级别，就是不允许他对外发文件，不允许他删邮件，也不允许他删。 嗯，这个电脑文件不允许对外公开 ip 地址什么之类的。啊，那这个，呃，我估计需要点时间，这个前期投入，投入成本不是很大啊，我们自己投入就行了，我觉得老外能做的东西，而且我们会比他做的肯定会更好。 你看前期呢，只做了中英文两个版本，而且呢，我让他这个记忆体系很好，就是说，呃，他自己完全可以记住过去我们对话什么，我主要的工作是什么？我要完成什么目标？但最重要一点是我要让他去进化， 就是让他自己去这个。对，他这些系统啊、安装包啊、 skill 技能啊等等之类的，去进化更厉害，甚至去网上找有更优秀的，然后对比哪些可以应用的。 呃，希望能成功吧，如果做好了，呃，测试没有问题，我会注册个网站，我现在注册 logo 品牌，到时候给大家分享，谢谢。

大家好啊，大家可能都听说过 openclaw 这个 ai 代理，都说它有个超级厉害的功能，就是差不多无限的记忆力。但这到底是怎么回事呢？它究竟是怎么做到的？今天啊，咱们就来一起把它底层的秘密给扒一半儿。 我们先来聊一个大家可能都碰到过的问题，你想想现在这些 ai 是 不是很聪明？没错，但他们都有个通病，就是特别健忘。你跟他聊了半天，过一会他可能就把前面说的关键信息给忘了。那么问题来了， open call 是 怎么解决这个老大难问题的呢？ 好，那咱们今天就分几步走，把这说缩清楚。首先我们得明白这个所谓的无限记忆到底难在哪。然后呢，我们会深入看看他的两大核心策略，一个是对话栽秧压缩，另一个是混合记忆解锁。 最后还会给大家分享一个进阶玩法，叫分主题记忆，咱们一步步来。好，咱们先看第一部分 这个挑战，也就是为什么 ai 会忘事儿。这其实是所有强大 ai 模型都绕不开的一个坎儿。这个问题的根源呐，其实就出在一个叫上下文框的东西上， 你可以把它想象成 ai 的 短期记忆，或者说就像一块儿小黑板，能记的东西就那么多。 if 是 有限的，一旦写满了，要想记新的东西，就必须得把最旧的那些给擦掉，这就是 ai 健忘的根本原因。 那好，既然上下文窗口这个小老忘事， open chloe 是 怎么应对的呢？ 它的第一招就是所谓的对话栽药压缩，这个技术全名叫绘画压缩，说白了，它其实是在模仿我们人脑的工作方式， 你想想，我们自己也不会把上周的每句话都记得一清二楚，对吧？我们记住的是大概意思是核心内容。嗯， open quote 做的就是这个事儿， 这里面有个特别关键的数字，就是百分之七十。你看，当这个对话越来越长，马上就要把那个小黑板写满了， openclo 不 会简单粗暴地把最开始的内容擦掉，它会做一件更聪明的事，它会把最早的那百分之七十的对话内容自动生成一个摘药。 所以你看，整个过程其实就这四步非常清晰。第一步，对话越来越长，快到极限了。第二步，系统自动定位到最早的那百分之七十的消息。 第三步， ai 自己给这部分内容写个总结。最后一步，也是最关键的一步，用这个短短的总结替换掉原来那一大段对话。你看，这样一来，空间不就腾出来了吗？而且关键信息还没丢，对话还能继续下去。 好，刚才说的那个方法解决了当下的记忆问题，但还有一个更难的呢，就是怎么记住几周甚至几个月前我们聊过的事。光靠压缩对话肯定是不够的，这时候就需要一个更强大的东西了，也就是他的长期记忆系统。 这句话其实点透了 open cloud 的 设计哲学，你看，他们不觉得记忆这事光靠写几个聪明的体式词就能搞定。不，他们把它看成一个基础设施问题，也就是说，得给 ai 搭一个专门用来存东西、找东西的系统，一个真正坚固的系统。 具体是怎么做的呢？你看，它会把长期记忆存在一个文件里，就好像一个数字日记本，但如果这个日记本越写越厚，比如超过了五万个词源，那每次都从头到尾读一遍，也太慢了，对吧？所以系统这时候就会换个策略，它不读了， 改成在里面搜索需要的信息。而且它的搜索方式也不是普普通通的搜索，而是所谓的混合搜索。这算是它的一个秘密武器了，它把两种搜索方式结合在了一起。一种呢，就是我们很熟悉的关键词搜索，你要找个特定的名字呀，代码呀，用这个最准。 但另一种就更高级了，叫语义搜索，它不是找一模一样的词，而是去理解你这句话背后的意思和概念。 那这两种搜索方式怎么配合呢？诀窍就在于这个权重分配。你看他把七十百分之的权重给了能理解意思的语义搜索，然后把三十百分之的权重给了找精确词语的关键词搜索，就是这么个七十三十的黄金比例，让他讲回来的心系又准又相关。 好到这短期记忆和长起记忆的问题都解决了，但还没完，咱们再来看一个更高级的玩法， 这个技巧能让整个记忆系统从一个乱糟糟的笔记推变成一个井井有条的图书馆。你想啊，就算搜索功能再强，如果所有的记忆，不管是什么内容，全都堆在一个文件里，时间长了肯定会出问题。 就就好比你把工作、学习、生活所有科目的笔记都记在同一个本子上，最后的结果就是找东西又慢又费劲，还老是翻到一些不相干的内容。 所以 openclo 提供了一个特别简单但又非常强大的升级方案，就是别再用一个大文件了，把它拆开，你可以建一个专门放记忆的文件夹，然后按不同主题创建不同的文件。 比如一个文件专门记项目 a 的 资料，另一个文件记浏览器自动化的笔记。你看，之前是所有东西混在一起，现在呢，分门别类，一目了然。 这么做的好处可以说是立竿见影的。首先，命中率高了，因为它只在相关的那个小文件里找。 其次，速度也快了，不用加载那个庞大的主机文件，而且每个主题的知识可以独立增加，互不干扰，管理起来也方便多了。这就好比你从大海捞针变成了去图书馆按分类号找书，效率完全不是一个量级。 所以咱们来回顾一下。 opencloud 的 无限记忆其实是一个三层组合拳，第一层用绘画压缩来解决短期记忆的燃眉之急。第二层用混合检查来打造一个精准强大的长记记忆库。 第三层再用分主题记忆这个高级技巧，把整个记忆库整理得井井有条。这三者结合起来，就构成了一个动态的、多层次的、能和你一起成长的记忆系统。 那么这一切其实把我们引向了一个更大的思考，当 ai 真的 拥有了近乎完美的记忆力之后，下一个重大的技术突破会是什么呢？ 试想一下，如果你的 ai 伙伴真的能记住你们之间所有的一切，从不遗忘，那我们和技术互动的方式又会发生怎样翻天覆地的变化呢？这个问题留给大家一起思考，感谢收看！

别再把欧文科罗当成普通的 ai 工具了，他的出现其实是在降维打击现在所有的 ai 玩法。他真正的核心是三点，第一就是从工具进化为生命体， 他拥有真正的自修复和自净化能力啊。你他有问题了，他需要升级了，你就说自己升级一下，他需要重启了，你就说你自己重启一下 啊。以前的 ai 是 你在教他做事，现在呢？ open 克洛是在错误中自我迭代啊，有 bug 自己修系统自己升级。第二呢，就是局调度， 高成长性赋予了他极高的系统权限，他不再是被关在沙河里聊天的机器，而是能触达底层，调动一切，能调动资源来为你打工啊。管理学上也讲了，充分的授权才能充分的解决问题。三， 也是最致命的一点叫闭环交付。市场上的 ai 都是在给你提建议，但是 open clone 真正的拥有解决问题的能力，不废话，直接跟你交付出，最终的结果不是工具的升级，这是一种新的物种进化 啊。想知道 open clone 怎么落地在你的实际业务里面啊？关注我，带你一起探索大龙虾！