如何用openclaw做全屋智能

这期视频，我们聊聊怎么用 cloud 控制智能设备。控制智能设备，最关键的一步是拿到设备的控制权限。以小米温湿度计为例， 你想获取它的毒素，但小米并没有开放这类的接口，你很难获取。那怎么解决？这个时候， home assistant 就 派上了用场。 ha 是 一个开源的智能家居平台，它专门做了各大平台的设备集成，支持米家、苹果、 homekit、 涂鸦等一系列的主流设备。 它帮你把各个设备的协议进行的统一，你只需要授权给 ha， 就 能通过 ha 的 接口访问和控制所有设备。所以，而 oppo cloud 的 对接， ha 理论上就能通过 ha 控制所有的设备。但实际跑起来，问题很快就来了。我发现 oppo cloud 的 经常会遗忘我们对接的 ha 什么意思？ 假如我问他房间的温度是多少，他不是去温湿度计去读取数据，而是走天气接口，甚至连地理位置都不对，这很离谱，对吧？在 open log 的 架构里， agent 采用的是 react 模式，先推理再行动。 当用户问温度是多少时，模型会先思考我该用什么工具。但问题来了，他并不知道自己有哪些设备可以用。 你说使用 home assistant 查看房间的温度，它能正确获取，但不加 h a 的 这个条件，它就开始自由发挥了。所以，当用户问温度的时候，模型一推理温度，我可以通过天气的 api 来获取，这并不是我们想要的结果。 而且在 h a 里面，一个设备往往会被分为多个实体，不同实体可能有类似的功能，这就更加容易造成查询的混乱。 那怎么解决？我想到了一个思路是，与其让 opcode 记住设备，不如让设备自己生命能力。 具体的做法是把每个设备分装成一个独立的 skill。 每个 skill 其实是有两部分核心内容的，第一部分是描述用自然语言告诉 agent 这个 skill 能做什么。第二部分是实现具体的调用逻辑，比如调用哪个 api， 跑什么脚本， 都不可傲的知道温湿度计是一个 skill， 并且他描述是读取温湿度的数据，他就明白用户问房间温度时，我就应该调用这个 skill。 而且根据 astropic 对 skill 的 设计， skill 的 使用是渐进式频读的。传统的其实是做法是把所有的信息一次性塞给大模型， 几十个设备偷看很浪费不说， aint 也容易被批量的信息搞晕。渐进式频读的好处时不主动加载所有 skill， 先用 skill 的 描述信息进行筛选，在需要时才动态加载 用户用温度才加载温湿度计的 skill。 问 pm 二点五才加载空气净化器的 skill， 这不仅节省 token， 还 a 技能的决策更加精准快速。 但如果我有十个二十个设备，难道手动一个个注册 skill 吗？这也太不优雅了。于是我又把这部分逻辑封装成了一个 h a manage skill， 由它来控制管理所有的子设备。 h a manage 的 核心能力有两点，第一个是自动发现设备， h a manager 会调用 homeworks 的 a p i 拉取所有的实体，然后根据设备的 id 将多个实体合并为一个设备，自动解析每个设备的能力。 第二，它自动生成 skill， 它会根据各个实体的功能自动生成对应的 skill 描述文件。这样的设计好处是不需要为每个设备写 skill， h a manager 根据规则和设备信息自动生成对应的 skill。 为了方便管理和共享，我为设备的 skill 单独建立了一个仓库， 这里有一个优先匹配的设计精确匹配模式，比如小米温湿度计。仓库里有这么一个 skill 模板，就用匹配的专用模板直接下载 skill， 后续 skill 有 优化迭代，就可以直接同步更新。 第二是动态生成兜底。假如没有匹配到的模板， h a manager 会根据实体的功能，结合预设的规则模板动态生成 skill 描述。说了这么多，那我们一起来实战一下吧。 安装过程呢，很简单，直接把 github 的 仓库地址发给 opencloud， 跟他说安装 opencloud 会自动根据引导完成配置，它会让你先输入 h a 的 访问地址和长令牌的 token。 整个过程呢，不需要手动配置任何设备，完全是自动化的。 我们来测试一下它的效果，现在房间的温度是多少，可以看到它能准确地找到设备并获取读数。 测试一下它的控制能力，把空气净化器开大一点，它很智能的将风扇调到了更快的转速。这就是我一点零版的 opencloud 的 设备控制方案。 核心逻辑其实很简单，设备不是被管理的对象，而是被声明的能力。把设备封装成 skill， 解决了一进的遗忘设备的问题，从而 h a manage 的 自动发现加动态生成，降低了多设备的管理成本。 当然，这个方案也可能有不少的问题，有不少的优化空间，权当抛砖引玉，期待和大家一起探讨更多的可能性。项目的具体地址呢？我已经放在了我的主页，如果你对 ai 自控感兴趣，欢迎关注我，我是习特胡，我们下期见。

我用 openclaw 实现了电商的自动上品流程，我从原来每天需要四个小时的上货流程，现在只需要五分钟，现在看到这个窗口是我日常上品的一个流程，找品、存图，新建商品，填入信息，然后一个品一个品，这样去操作。那我是怎么把这个步骤自动化的呢？先来看一下结果， 我现在的执行流程只需要打开飞书，因为我对接的是飞书这个通道，我只需要给龙虾发一句，开始执行自动上货流程，然后龙虾就会自动开始干活，他先会梳理一下这个干活的整个流程，大概分几个步骤，然后他就按步去执行，一直执行一个流程大概只需要三分钟不到，而且我的文件夹里面应该是有十三个商品的。 这个工作平时我们人工去做可能要花两个小时左右，现在就相当于无论我在哪里，只要我的电脑开着，我只需要跟我的飞叔说一句，开始执行自动上货流程，他就会自动跑完，然后告诉我已经 ok 了，所有的结果会放在我的桌面上，智能分组结果就是他帮我执行好的结果，所有的商品他帮我分好了组， 然后他又帮我把所有分好组的结果进行了一个压缩。那我最后上面的操作就是把这些压缩文件一键拖动到数据包导入就可以了。我从原来每天需要四个小时的上货流程，现在只需要五分钟。 那具体整个流程是怎么实现的呢？首先我需要做的工作是打开某多多的 app， 把我选中的商品去把这个商品的图片全部保存下来， 然后以及说这个商品的信息截图和价格尺码截图全部通过截图的形式和下载好的商品信息，这些图片混合起来，直接放到我电脑的这个桌面的文件夹就可以了。文件夹就是我保存下来所有我要上的商品，这里边会包含很多商品信息图， 然后还会包含很多的一个商品的价格和尺码图，因为这些我都是要一比一录入我的信息里边的。那可以看到我的这个大文件夹里面其实是不止一个商品，是很多组很多组商品。那么龙虾下一步就需要基于我这一个大文件夹去帮我进行智能的商品分组， 所以我把这些图片放到文件夹以后，下一步就看龙虾的操作了，那么它的执行步骤是什么呢？首先 第一步他需要打开我给他的这个文件夹，首先他需要基于我给他的一个大文件夹进行所有的图像识别，进行一些 使用一些算法将描述为同一个商品的图片归为一组，并且自动帮我分好组，可以看一下大概的结果是这样，所有相同的衣服会分为一个文件夹， 那么他帮我进行图片识别以后，非常精准的把所有描述同一个商品的图片都归为了一组。 第二步，它需要基于我提供给他的截图的那些信息，去提取对应的每一个商品的标题，价格、尺码和颜色，然后去自动录入表格。那最后一步，它会把它在过程中处理过的所有数据帮我生成一个校验表格， 方便我检查执行过程中是否出错，那整个环节就是龙虾帮我去做的，那这个质检验表格是什么意思呢？他会把他执行过程中所有处理过的数据信息帮我汇总到一个表格，这样我就很方便的去进行一个统一的预览，看一下哪个环节识别的信息，或者他执行的步骤有问题， 那我一眼就可以在这里看到。这个工作我只需要在飞书给他发一句指令，然后等他执行完之后，我打开这个教样表格，在表格里面快速去预览一下他所有的执行过程，有哪些数据错误了，或者分组错误了，我在这里可以快速的看到，然后再告诉他进行什么样的修正，这个工这个工作就完成了，是非常的方便。

嗯，这是 homecloud 接入 homeassen 的 一个 demo。 嗯，我现在用 usb 叉的 c 六演示一下。嗯，现固件我已经先烧录好了，重新启动一下。 嗯，第一次启动是需要给它配网，等这个灯闪蓝色就进入配网模式，我们先给它配网， 手机打开设置，点击 wifi， 会有一个红 plus 它的热点，然后连接会自动跳转到一个页面。 然后首先第一项是 wifi 的 名称，第二项是 wifi 的 密码， 然后这个 app a key 是 你模型的密钥， 这个模型提供商就选 openload。 模型，这里用的是 mini max 二点五， 然后设备名称可以自定义一个， 然后这里是你模型的基础地址， 然后 a t s 这两个可以不填。然后是 m q d d 的 主机啊，我电脑上已经部署了一个 m q d 的 服务器。这边这个演示一下，这边输入主机的 host 还有端口，然后是 m q d 的 用户名 x 密码，这里是一二三，然后客户的 id 这里随便输一个 前缀，也可以随便输一个。 这里消息平台选择 qq， 然后输入你 qq 机器人 app id， 还有蜜柚， 这里把蜜柚复制一下， 然后这个是 qq 的 一个实验，对数事物就行了。这个是一个时区的设定，你选择 c s t 框框动画区，然后点击保存就好， 保存后设备会自己重启， 你先等设备重启。 嗯，第一次启动可能机器人这边没有消息，我们这边要先主动发一条过去。 嗯，这样就可以了，那我们如果下次再启动的话。呃，设备启动就有一个消息提示了，先重新上电， 现在现在设备已经上线了。嗯，提示。嗯，设备可用，我们现在发现一个 可以看到已已经回复了，我们演示一下怎么跟 s a 进行联动，这边让它把 led 灯改成红色，改成紫色， 可以看到对应的灯已经变成紫色了。这里模型返回了根信息给我，我们可以在 h a 的 控制面板 看一下这条，这个，这个设备是这一个红可乐零一，你看到这里也是紫色，我们还可以通过这个面板去控制这个硬件上的外设。这里把灯关掉， 可以看到灯已经关了，这边也推了一条消息过来，然后再把灯打开， 这边也推一条消息过来，这边改一下颜色，改成黄色， 依旧有一条消息推过来，灯也是黄色的。 嘿，那我还可以在这板子上看到对应的温度，还有时间信息， 可以看到灯已经变红色了，而且这边灯光也变成红色， 响应都是挺快的。然后我们也可以支持其他控制设备，比如说继电器或者其他传感器都可以，这里就演示到这里。

最近很火的欧本可乐的小龙虾，很多智能家具，老板问我要不要赶紧上，还有人说，狗哥这是不是又一个能改变行业的 ai 工具？我先把结论说在前面，可能会让很多人失望，对绝大多数智能家具服务商而言，他基本上没有什么用了。不是他不厉害，是他解决不了我们 真实的需求，真实的问题。其实我自己测试小龙虾也很久了，如果你像我一样，百分之七十的工作都在电脑面前完成的，有短视频内容的策划，写文案，运营方案信息整理研究行业资料，那他真的挺好用的。比如我就会让小龙虾自己去网上去找智能家居的相关知识去自己去学习，学习完之后给我总结。 前天他自己去 b 站去学习智能家居小百科的所有的视频，他全部给他下载下来，全部给他学完，学完之后给了我一份总结。那我养了这一个小龙虾，他能干什么事呢？他无比的懂智能家居行业任何的安装调试产品，他非常非常懂我，遇到问题我就可以问他，技术工程师也可以问他。第二个呢？ 因为我是做短视频运营的，所以我让小龙虾去网站去搜索短视频运营的相关知识，他去全网去解锁播放量高的，发布的时间比较接近的这些视频，我让他全部下载下来，他自己去学习，学习完之后给我出我的短视频运营方案，比如他也可以帮我整理电脑里面的一些资料，我的一些数据 他都可以帮我整理，这个是我用小龙虾的一种方式，像这些工作如果让我自己去做的话，可能半个月甚至两个月我都搞定了，所以从电脑效率的工具来讲，它是非常非常值的。但是问题来了， 他解决不了智能家居服务商最核心的问题。首先第一点，我们这个行业真正难点是什么呢？不是写文案，而是这四件事。第一个，获客，你们店有没有客户？抖音有没有流量？有没有客资？小龙虾他能帮你写文案，但是他不能帮你获客。第二个是什么问题呢？对接客户， 很多人说 ai 不是 可以自动聊天吗？但是现实呢？有多少客户天天在微信上跟你聊天呢？成交还是要当面。第三件事，自动做智能家具的方案。这件事理论上来讲未来是可行的，但目前基本上不现实，因为全屋定制的方案涉及产品、装修、户型、业主的习惯、预算等等这些信息，如果不完全， ai 做出来的东西基本上没有用。第四点就是安装调试， 这个就更不用说了，我们这个行业最累的是什么？工地的对接设备的安装系统调试， ai 再厉害，他也没办法背着包去工地帮你对接，去帮你安装。所以智能家具老板也不用焦虑啊，也不用跟风， 你不要看到 ai， 今天这个 ai 火了，明天那个 ai 出来了，其实大部分跟我们是没有关系的，你真的应该解决的只有三件事，有没有稳定的获客渠道，有没有标准化的产品方案，有没有稳定的落地能力。把这三件事做好了， ai 只是锦上添花，你做不好再多 ai 也救不了你的门店。

你有没有想过，几十块钱就能拥有一个真正属于你自己的 ai 管家？不是那种挂在云端，每个月还要交订阅费的玩意，而是数据跑在你本地七层二十四小时永不下班重启啊，也不会失忆的那种。 你只需要通过这块 t 五 ai 开发板，配合 mini clock， 就 能快速拥有一个 ai 超级管家。为什么需要这样一个东西呢？因为你现在用的切来切去等各种的 ai 工具啊，它们都有一个共同问题，你问他一句话，他回你一句话就完了，他是被动的。今天我要介绍的这个方案完全不一样，叫 mini clock， 配合涂鸦 t 五 ai 开发板，拇指大小的芯片，几十块钱，插上 usb 供电，连上 wifi， 你 就有了一个部署在你自己硬件上的 ai 管家。 数据啊，全部存储在你自己的硬件上，没有月费，没有订阅，没有人能把它关掉。但更关键的是啊，不只是便宜和本地。首先啊，它是主动的传统 ai 工具啊，你不问它，它不动。 mini clock 不 一样，它内置的定时调度系统， 可以让 ai 自己设任务，每天早上八点钟给你发天气和代办，每隔三十分钟自动检查传感器数据，自己醒来自己执行，自己汇报， 你不催它，它自己会动，这才叫 ai 管家，不叫 ai 问答机。然后是常记咪咪可拉的所有对话内容啊，你的偏好，你的习惯，全部以纯文本存在本地芯片里， 断电重启照样记得清清楚楚，越用越懂。你这不是噱头啊，是真的在跑硬件控制啊，也是传统 ai 工具完全做不到的。咪咪可拉加上涂鸦 t 五 ai 开发板能读板载传感器能控 gpi 口， 你可以把它塞进 ai 台灯，根据你的指令啊，自动调光，塞进斗宠机前能感知宠物活动就自动触发互动。 塞进 ai 玩具，让原本死气沉沉的玩具啊，有记忆，有个性，真正开口说话，这背后啊是一个很重要的趋势。 ai 正在从大厂专利变成普通人都能拥有的东西，现在一颗拇指大小芯片变成普通人都能拥有的东西，不被平台留存，主动替你干活的 ai 管家。 好了，关于用涂鸦 t 五 ai 开发版跑 mini cloud 打造专属 ai 管家，今天就讲到这里，这里是智利家居情报局，关注我可以分享更多好玩有趣的 ai 硬件。

这是我用 openclaw 搭建的 ai 团队，他们各司其职，不用睡觉，能节省下非常多的时间，同时也做很多我一个人做不过来的事情。这期视频我想带你看一下我的 ai 团队到底长什么样，然后我们再一步一步搭建出属于你的 ai 团队。我们会讲如何创建一个 agent， 我们在 open cloud 里面，一个 agent 到底指的是什么？ agent 之间如何相互协助，以及什么时候需要多个 agent 和最佳实践。好的，废话不多说，我们开始吧。我的团队里面一共六个选项题，其中四个是有定时任务的，就是每天的某个时刻都会触发他的任务，让他执行直到完毕，当然也可以随时跟他对话。 还有一个是几乎二十四小时期不间断工作的，还有一个最后一个，那就是你给他任务，他才会执行。第一个 agent 呢，是攻击 galk 啊，他每天负责给我情报工作，具体来说就是每天早上九点会提前搜寻 关于 ai agent 相关的技术的进展，产品进展以及用户的痛点。然后呢，把在网上搜寻的信息汇报给我。那么如果我不回答他，那就是明天继续给我相关的信息。如果我回答他，希望他对某一个话题进行深挖，那么他再去根据某一个话题再去搜索相关的信息为我展开。 那我的第二个 ai agent 是 auto 合理，它是我的私人助理和提醒助手，怎么用呢？我一般都是通过 diagram 跟它对话，这里我就不展示我跟它具体对话了，要涉及我的个人隐私。 一般来说，有任何的待做事项或者事情有着进展，我一般都会语音留给他，或者是打字告诉他，他都会记下来，某一单有问题就会问他，他都会翻出来告诉我待做事项是什么，事情到哪一步了， 同一次。同时呢，每天早上七点半，他都会告诉我今天的天气，然后今天要做什么，一步一步按重要性排序。它的作用就是完全替代笔记软件在我这里的作用。现在呢，我已经不用 notion 来记我事情，要做的事情，以及事情的进展了。 我的第三个团队成员，也是最重要的团队成员，就是 man， 一个狮子的形象。他呢，有最好的模型，有最高的权限，我主要用它来做两个功能，第一个就是日常的对话，我所有重要的对话，长期的计划都是跟他讨论的。 第二个就是一个视频流水线，帮助我制作视频。那么这个想法来自于一个叫做 alex finn 的 博主，本质上就是每隔几个小时，比方说我是每隔三个小时，他会去 x 上搜索我感兴趣的话题，比方说 ai 阵，比方说 open call， 比方说 ai 模型等等等等。有系列的话题。 他呢，就会看看哪些帖子现在比较火，或者是正在受到关注。然后呢，把整个的中文翻译和相关的数据都发到我这里来，包括原文的链接。如果我更感兴趣，希望用这个题材做一个视频，或者是有可能做一个视频呢，我只会点一个大拇指， 他就会进到我们的流程的。下一步就是他去研究这个帖子相关的背景信息，补充相关的背景信息给我，确保我了解这个事情的来龙去脉。那么如果这时候我再相关，我还觉得还是感兴趣，我再点一个拇指，他就会往下走，去研究怎么做这个封面图，或者给我一些脚本大纲的一些建议。 那么除此之外呢，如果我对一个帖子我不想做成视频，但它对我是有用的信息，我的时候可以点一下这个眼睛，它呢就会到我的收藏家里面去，可以看到。哎，这个帖子现在到我的收藏家里面去了，这里面就是我认为收集的比较重要的信息。除了 x 之外呢，它也会去搜索 youtube 和 hacker news， 看看每天大家都在讨论什么。这是我这样一个视频的辅助系统。我的第四个团队成员是潘大熊猫，他负责开发，他呢算是唯一一个几乎不休息的智能体。现在他有开发任务，但是当他没有开发任务的时候，他会增加测试，或者是自己去测试边缘情况，找 bug。 那 么关于二十四小时期，我特地特别想说明一下，想有好的效果，往往你需要用好的模型，如用云端的模型消耗 top， 二十四小时期会非常的贵。如果你用本地的模型呢，你大概需要买 max 九九，那么 也会造成非常贵。所以二十四小时成绩一定得是高价值的工作。对于我来说，开发是高价值的工作。除此之外，正在我现在正在做的还是有销售相关的，比方说做 seo， 或者是给我自己的产品做销售线索，找潜在客户。 我的第五个团队成员是 monkey 猴子，他只有一个作用，就是我丢给他一个视频链接，他把这个视频变成一个带截图的文章，因为我自己做视频，我希望重复利用自己的资源，这时候我给他我做过的视频，你可以看到他啊把相关的进行了截图，并且把整个视频脚本重写为可以发表的文章。 我的第六个团队成员，也是最后一个是 tiger 老虎，他负责安全和更新，他呢每天都会定期扫描一下有没有安全问题，然后有新的可以更新的版本也会通知我，我们一起讨论如果更新的话，会不会造成性能的退化和影响当前的任务。 那么如何创建一个新的 agent 呢？其实非常的简单，我们后来会看到整个 agent 的 结构，但是你完全不需要自己创立文件夹，最简单的方式就是跟你的主要的 agent 的 对话，让他帮你去创建。这里我们以 diagram 为例， 你通过 diagram 与你新的这个 agent 进行对话，这时候你可以告诉你主要的 agent， 你 跟他说，哎，新建一个 agent， 他 叫什么？他要做什么啊？有什么呢？任务最后呢，告诉他你新建的这个 diagram boat 这个 diagram 机器人的 token， 这 token 怎么获得呢？我们找到 boat father， 点击这个打开 boat father 的 app， 然后这里我们点击 create a new boat， 新建一个新的，然后这时候我们给他一个名字，比方说我们叫做 fox， 然后我们点击 create boot， 你 就会得到这个 tokin， 然后这里我们点击复制，然后我们回到这里来， 把我们的 tokin 复制上去，告诉我们的主要 agent， 那 它呢，就会自动帮你创建这样一个新的 agent， 新的智能体了。那么什么是 agent？ opencloud 里面如何定义 agent？ 它又是如何工作的呢？ 其实啊，一共就分为三层，分别是全局层， agent 层以及 session， 也是对话现成层。我们首先看第一层，就是全局层， 它呢并不是一个 agent 独有的，而是所有 agent 共用的，可以理解为是公共设施。这一层最典型的文件就是点 opencloud 我 们的总文件夹下面的 opencloud 点这次文件，也就是总配置文件，大家可以打开看一下，里面有非常多重要的参数，包括 os， 也就是定义哪个大模型厂商，还有就是你的登录身份是什么？ agents 定义有哪些 agent？ 它的默认模型是什么？工作目录和运行参数是什么？ tools 定义局的工具权限以及 agent 之间的调用规则。 bundings 定义什么来源的消息调用到哪一个 agent， 浏览器定义浏览器信息， chanel 定义 telegram， discord， 飞书等外部的渠道连接， gateway 定义网关， memory 定义记忆等等等等。可以看到 openclaw 点 json 文件，里面包含着 openclaw 最重要的参数配置。 其实啊，大部分情况下我们出现崩溃对话没有反应的情况，也是因为我们的 ai 去改 opencll 点 json 这个文件夹里的参数的时候改崩了，所以一个建议就是，哎，你告诉你的 opencll， 在 他改这个文件之前一定要提前通知你，而且改的时候一定要谨慎。 第二层是 agent 层，这才是每个 agent 自己的领地，每个 agent 啊都有自己的工作空间，系统数据会话记录。那么 workspace 里面每个 agent 文件夹下面的这些文件，在每个对话开始的时候都会被加载进去来作为这个 agent 的 上下文。 由于呢，不同 agent 这些文件有所不同，这也就决定了啊，这些被文件被加载进去的时候，里面携带的信息，包括啊，他的身份，他是谁，他的性格，他的对话方式，他的任务的不同。 那么这些文件呢，包括 agent 点 m d， 也就是这个 agent 的 工作说明书，它决定这个 agent 的 做事规则，优先级，边界，还有如何使用记忆。 so 点 m d， 就是 这个 agent 的 性格和说话方式，与其是什么风格，是什么，边界在哪里，由它来决定。 user 点 md 就是 这个 agent 对 用户的理解就是他在帮谁，对方是什么风格，应该怎么称呼，有什么偏好，要注意 identity 点 md 就是 这个 agent 的 身份卡，解决的是这个 agent 叫什么，是谁的问题。 to 点 md 是 工具说明书，告诉 agent 啊，本地有哪些工具命令，怎么约定项目里面有什么习惯？ memory md 是 长期精华记忆，它不是流水上，而是提炼之后的长期信息。这个文件很重要，而 scales 里面就是这个 agent 专属的 scale， 如果和局的 scale 同名的呢，这里的优先级更高， 会覆盖大局。那么这些呢，都属于 agent 层，也就是说啊，不同的 agent 默认不共享这些文件，但是同一个 agent， 不 同的对话，不同的对话线程之间是共享这一套文件的。第三层是 session 层，这个层级啊，不是这个 agent 是 谁，而是这个 agent 当前在哪个窗口里面工作。 session 是 对话县城，怎么理解呢？比方说，当你在同一个 agent 和他对话，但是在不同 discord 里面的频道对话，或者是你先跟他在 telegram， 后跟他在 discord 对 话，这就是属于不同的县城，因为它们的渠道不同， 或者是就是你当前的对话，但是你打了命令 slash new 或者是 slash reset， 就 会开启这样一个新的县城，区别是 slash new 旧的对话还在，但是 slash reset 会清空上下文，重新开始这样一个对话界面。那么这一层最典型的文件就是在我们每一个 agent 的 下面 sessions 文件夹里面不同的 session 文件了， 也就是每个对话都有自己独立的这样一个文件来记录啊，不同的对话历史。也就是说同一个 agent 不 同 session 会共享 agent 层那一套的。我刚才说的 saw 点 md， 我 刚才说的 agent 点 md 等等那些 workspace 的 文件，但是不会共享竹字的聊天记录。 讲完三层结构，了解 agent 工作原理之后，下一个很重要的问题就是，哎，多个 agent 之间是如何协作的呢？在 open call 里面， agent 协作大体有两种方式，第一种就是固定分工，也就是我们刚才说到的多个独立的 agent， 各自有各自自己的 workspace， 有 自己的 session， 也是对话现场。 固定分工就是像搭一个长期团队，就像我展示的我的 agent 一 样，一个负责找资料，另一个负责写脚本，一个负责写代码，还有一个负责日常对话和汇总等等等等。他们每个人啊，都长期干自己的事情， 他们之间的工作啊，写作的方式可以通过触发的串联或者是并行，比如啊， agent a 搜完信息这里我在 disco 里面点个赞，后面的 agent b 就 会根据我点赞的这个内容去调研资料，去补充材料。 那么第二种就是临时拉 sub agent， 也就是子代理。子 agent 去干活，也就是 open club 的 sessions prom， 它呢会拉起一个隔离的啊。 sub agent prom， 也就是子代理的这样一个运行在独立的 session 对 话现场里面工作， 工作完之后再把结果传到我们当前的对话里面来，相当于临时叫了一个实习生或者是外包去隔壁的办公室工作，干完工作回来汇报。这样的好处就是当我们的子代理在独立的赛程里面工作的时候，他不影响我们当前对话的这个主位阵子，我们可以继续给他提问，继续跟他对话，两边同时进行。 那么官方文档对他的定位也很明确，就是他适合做研究，慢任务、重任务、病情任务，而且不会阻塞我们主对话。 比方说这里啊，我让他去用 sessions born 去开一个子任务，研究 open call 智能体最近最受欢迎的三个讨论点，要求每个讨论点的热度、原因，代表观点，以及我可以做视频用的切入角度，然后让他开始在后台启动，完成之后主动汇报结果， 好的，他已经启动了这个任务。其实这时候我们可以去跟他对话，比方说我问他今天天气怎么样， 他呢，还是会回答我们这个今天天气怎么样的任务，因为刚才我们也说了，子任务是在另外一个县城完成的，不耽误我们跟我们的主要的智能体之间的对话。可以看到他就是继续的跟着我们进行对话，他回答了我刚才的问题，然后我们可以继续提问，我说， 哎，可以看到我们等了一会之后，他终于是把这个任务完成，然后自己主动地把任务的结果发回到了我们的主要的频道。哎呀，没有影响我们刚才跟他这个主要频道主要的智能体之间的。对，不是所有任务都适合上多 agent， 如果只是一个短问题，那么一个 agent 往往更加有效，硬拆呢，只会让系统更重更慢。那么真正适合做 agent 的 场景啊，一般有这么几种，第一种就是你的任务天然就能拆开，比如啊，研究，写作，审核，发布，本来就是不同的角色，这时候拆 agent 有 不同的工作区的这种不同的文件边界会更加清楚。 第二个就是任务可以并行，有些事情呢，不需要排队，一个 agent 可以 查资料，另外一个可以同时整理结构。如果你用 sub agent 这种并行就很合适，那么刚才我们也说了，它很适合做这种比较重的或者重复性的工作。 第三个多 agent 呢，不只是为了分工，也是为了避免污染。因为啊，如果你用单 agent 做太多不同类型的任务，都会出现相互污染的情况，长期记忆呢，会把不该混的东西混在一起。因为我们也说了，工作区那些啊， markdown 文件是同一个 agent 在 不同聊天窗口里面共享的， 那么什么时候没必要用多个 agent 呢？那么很简单，要么就是你的任务很短，要么就是上下文高度连续，你不想打破，要么就是你角色的边界根本猜不清，就没必要拆。还有就是避免为了做 agent 而做 agent， 只是为了看起来很高级而已， 能一个做好的事情就一个做，就相当于是一个队伍，当一个任务需要一个团队来做的时候，那自然值得用团队。 那么关于多 agent， 为了达到好的效果，我想分享一下我自己得出的一些实践。第一个就是不要一上来，对于很多的 agent 可以 从一个开始，有必要就加第二个，比方说你第一个 主要的 agent 也是默认的 agent， 基础上你加一个研究 agent， 每天去搜索啊有价值的信息，定期汇报给你，那么先把这个逻辑跑顺出来，然后再根据你自己的业务再加一个，同样每加一个呢，都先跑顺功能验收效果。 第二个就是工作区的文件要尽量的短，尤其是 agent 点 m d， soft 点 m d， user 点 m d， 也就是心跳文件， 而因为这些文件都会进入 agent 的 运行上下文，如果太长的话会增加效果。考虑到你有多个 agent， 如果你不注意的话，那你的成本可能会成倍的增加。好的，以上就是今天的视频了，希望你也能开始搭建属于自己的 ai 团队，不要忘记点赞和关注，我们下期再见。

你知道怎么配置多智能体吗？也就是在你的飞书的客户端里，有多个机器人可以陪你聊天，而且呢他们还可以在一个群里边互聊。 同时呢，你的那个默认的机器人，也就是你最初配置的那个机器人，可以指挥其他的机器人干活。 这里边有三种写作模式，第一种呢就是点对点的直接通讯， 也就是说两个智能体可以在后台相互沟通，他们不依赖于非书的这个群主。然后第二种呢，就是非书群主内的写作，也就是你建了一个群主，把他们都拽进去，然后呢就可以在群里边沟通工作，分工写作。 这一切的前提条件是你的电脑上已经正常的运行了 openclaw， 不 管是乌班图系统，还是 windows 系统，还是 mac 系统，还是独立的 linux 系统都可以。 然后呢，你就要到飞书的开放平台去注册账号，然后呢申请到它的 app id 和密钥， 然后呢再给他添加权限，做一些回调。上一期视频我们已经聊过这个话题了，这里就不再赘述了， 这呢你就要根据公司或者你的业务诉求给他们划分岗位，每个智能体叫什么名字，然后呢他们的角色是什么，以及他们的核心职责对应的非输应用的账号。 再接着呢，就是要给它们创建独立的工作区域，但是不管你怎么创造，创建它们都在 核心的这个 openclaw 文件目录下。如果是 windows 系统呢，就是在 c 盘的管理账户下面有一个点 openclaw 这么一个目录，然后把所有的这个文件夹都建好。 接着呢就是最重要的一步来了，给他们每一个智能体都配上一个灵魂文件，也就是给他们定义性格，那这个性格文件呢，也就是对他们的一个约束了，他叫啥？职责是什么啊？甚至你看我还给他起了一个英文名字和工号， 包括他的核心职责啊，专业技能啊，同时呢一定要告诉他他的同事有谁，不然的话他会混乱，他会记不住。然后呢 还要告诉他一个写作的一个方法，就是当你需要把一个工作分配给他的机器人同事的时候，要用到这样一个工具，那这个工具是什么呢？就是下面的一个描述，就是他 要通过这么一个工具联系到那另外一个机器人的 id， 然后呢告诉他你需要做什么， 等到他的工作完成，并且呢收集到了其他智能体的工作结果，他就可以进行交付，所以整个的智能体协助的一个过程，这个 session 的 这个工具非常重要，一定要写清楚。 这里呢有一个解释啊，就是塞声散散的一个作用，就是找到目标的智能体 id， 然后给他发一条信息， 这个发回信息之后呢，还要得到他的返回信息，所以这个过程是所有通讯的核心逻辑。 后面我又给他定义了他的一些工作风格，就是不同岗位，你要给他一些职业习惯性的一些性格特点，这样他的工作的效率才会变高，才不会啰嗦。 汇总一下，就是每一个智能体的性格，也就是灵魂文件都要包括以下的这几点，从他的基本信息到他的核心职责，还有他的专业技能， 以及呢向他介绍其他的团队成员，包括他们的写作流程的说明，还有这个工具的使用说明，以及消息响应的一个规则。 当你给每一个智能体配置完成它的灵魂文件之后，我们就要进行 opencloud injection 这个文件的配置。 如果是 windows 系统呢，它是在 c 盘管理账号下面有一个文件夹叫点 openclaw， 有 这么一个 openclaw 点 jason 的 一个文件。 然后呢，除了定义它的主模型之外，还要给每一个智能体都定义它使用的模型。比如说 你用的是阿里的百炼，那么申请到一个密钥之后，你就可以选择阿里百炼里的不同能力的模型，对应不同能力的岗位的智能体， 或者说你在火山引擎也是一样的，申请了一个密钥之后，火山引擎里边有很多的模型， 我们一定要知道每种模型的能力都是不一样的，同样的你定义的这些智能体数字员工， 他们的工作岗位对智能体的对大模型的要求也是不同的，因此我们需要给它们配置不同的模型，让它们更高效的工作。 配置完它们各自的模型之后，我们还要解决啊智能体之间的一个通讯问题，就是这里边有一些开关要打开， 再接着呢，我们就要和飞书插件进行对接，也就是说这里要特别注明我们的所有智能体跟飞书的 一对应关系，就是这里要写上飞书的 id， 然后我们在系统里配置的飞书这个智能体的一个名称，包括它的中文名称等等。 到这里呢就有一些配置像也非常关键，他呢是一个是私信的一个策略，一个是群主的策略，然后决定了说他们在一个群里通讯的时候，需不需要被艾特， 那有的时候呢，你可能没有艾特，发了一条信息，这个时候谁来回复？是通过名字提及来回复，还是说你根本名字都没有提，这个时候应该是谁回复这个规则的问题。还有就是当你艾特他的时候，他会不会回复。 再接着呢，就是群主内的一个绑定关系了，这里特别说明一下啊，一个呢是叫群主绑定，一个呢叫账户绑定， 大家看一下这里的区别啊，有看的 group， 然后到下面的时候呢，这里就有一个 channel， 一个飞书，然后呢会有区别啊，这里就是 account id， 你 看这个跟群主是不同的，一定要注意这个， 这里的提示特别重要啊，就是每个智能体需要有两个绑定，一个叫群主绑定，一个叫私信绑定，也就是我说的账户绑定。那么还这里边呢，群主绑定主要是接收群主的消息，私信绑定呢，主要是私聊的消息， 这里边特别要注意这个东西的参数，千万不要去设置，否则容易出错。我已经试了无数次， 等到这些配置全部完成之后，你就可以重启小龙虾的服务了。那重启之后呢，可能会遇到各种各样的问题报错，比如说我遇到的问题就是 艾特了 a 智能体，结果是 b 智能体回答我，等到我艾特 b 智能体的时候呢，他又不吭声了，所以各种问题。那这些问题的话呢，我在视频里很难讲清楚， 也讲起来比较复杂，如果有需要的小伙伴请关注我，我通过私信的方式把文档发给你。

最近爆火的 open curl 小 龙虾不会安装怎么办？一键部署工具，傻瓜式的安装，完全开源。我也亲测了啊，确实可以，主要分为四步，第一步就是环境检测，会自动检测你电脑的部署环境， 如果没有可以一键安装，我这里提前都装完了。第二步就是安装 open curl， 也是一键安装，在安装的过程当中有个小问题，就是软件会卡死， 但是并不会影响安装，等待一会给它关了重新打开即可。安装好之后，下一步配置 a p i， 创建个 a p i k， 填到这里，然后下边不用管这里，点一下模型连通信检测， 如果检测失败就检查上面的 k 和模型，直到检测通过才可以啊。这个时候就可以进入到第四步了，点击启动 get 位，并自动打开对话网页，它就会自动运行脚本，自动打开网页，这个时候小龙虾就搭建好了， 记住这个命令框不能关，关了之后还得再启动啊，然后就可以开启你的养虾之旅了。这个小工具更方便的一点就是它还可以自检，如果安装完成之后，小龙虾还是无法运行，这里可以一键自检，一键修复，非常方便。同时呢也提供了社交软件的可适化配置，对于小白的帮助还是挺大的啊，喜欢折腾同学可以收藏起来了。

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。

今天在龙虾上接入小米大模型，哦，这个首页挺好玩的。然后我们，嗯，找到往下滑，找到那个 api 接入的入口， 好，然后再找到申请，申请 api 的 申请 api key 再点进去，然后我已经登录完成了，你们的话应该会先谈到一个没登录过的话，应该会谈到一个登录界面，登录完进来都一样，然后直接新建 key 就 可以了。 然后他，嗯，他看上面横幅是有一条是说，嗯，首周免费，但是我用了一下，其实没有免费啊，在小龙虾里用还是要付钱的，所以大家记得要充值啊。然后大家打开 open card 的 接收这个链接，然后，嗯， 我们开始添加配置，配置先加的是在 model 之下， pro yds 里面，如果你们以前之前用配过的，肯定会有一个之前的，然后在这后面再加一个小米的 mini 配置的话，大家可以 反照我这个，嗯，这里的话我建议那个截图，以后用安卓手机就可以识别图片的文字啊，把大家复制下来， 这种是最方便的。然后这个配置也是主要是在这个 pro， 嗯， pro 主主要模型这里换成小米 mini， 这个 id 对 应的是下面配置的这个 id， 配置完成记得重启龙虾才能体验。

昨天清华大学开源了一个智能体项目，名字叫做 open m a i c， 主要是针对咱们教育领域的，那咱们现在就来探索一下这个智能体到底有什么样的优势。 首先我们看到它在 github 上其实也开源了，那也就是说如果有老师已经开始养自己的龙虾了的话，是可以把这个技能安装到自己的龙虾当中的。 接着呢，我们来看它的界面，首先有一个个人资料的编辑啊，我说我是基础教育阶段的一名教师，然后在右边呢可以选择配置课堂角色，它有两种选择，一个是预设模式， 可以配置助教啊，笔记员啊，思考者呀。除此之外还有一个自动生成，那 自己想要学习什么内容，有什么需求，就可以在这个对话框当中去跟他交流。那为了节约时间呢，我在我的课程里面已经生成了一份什么是项目式学习，以及如何进行项目式学习设计的这样一份 ppt。 那 我们看到 它的第一页就在介绍项目式学习的概念、特征以及意义。第二页呢是对传统的课堂和 pbl 做了一个对比，我们可以稍微听一下它的讲解， 传统课堂到底有什么本质不同呢？这一页我们就来深度对比一下，看看从知识传递到能力生长究竟发生了什么变化。 好，我们能够看到这里，如果觉得它的教学速度是我不喜欢的的话，我还可以进行一点五倍两倍速的播放。好两页 ppt 结束之后呢，就有一个入门知识检测， 那你看这个功能其实在咱们，呃，如果是教研员呀，或者是教员组长在进行培训的时候，其实也可以用到，但是我觉得更多的是老师们在课程实施的过程当中可以用得到的。我们来检测一下啊，第一道题是个单选择题， 第二道题是多选 好，做完了我来提交，哎，你看一共二十五分，我得了二十五分，然后每一道题的下面还都有解析。 好，接着我们看给我们讲解了 pbl 的 黄金标准。接着呢，就引导着我们一步一步地去进行项目式学习的设计。首先是设置驱动问题，然后在这里我们可以 通过他的指引来设计项目式学习的驱动性问题。接着就是项目式学习的一个实施阶段，入向探讨与知识建构，然后反馈与修正，公开成果的展示。 你看这十七页的 ppt， 其实就已经非常清晰地把项目式学习是什么，有什么价值，怎么样设计，怎么样实施，就讲解的比较清楚了。接着呢， 我又给他提出来了，提出来了一个要求，是说小学四年级第八单元是走进童话世界这个单元，我请他帮我设计一下 ppt， 你 看 这已经形成了，并且特别好的一点是在这里，因为是这个单元是童话单元习作呢，是故事新编。他在这里呢创设了一个学习支架啊，就是说 核心角色抑制道具和陌生情境，这三者之间会产生一个非常新颖的一个剧情的冲突。 那你看它就是现在已经生成到第七页的 ppt 了。那这些 ppt 呢，对于老师们来说有一个非常好的优势，就是它们这些 ppt 是 可以进行修改的，哪里不满意改哪里 好？刚才我们讲解的是 open m a i c 在 课程设计、课程实施当中给予老师们的帮助，我觉得还可以，有一点就是在这里啊，这个附件，这里老师们可以把自己的一些教学案例 上传给他，然后让他帮我们提炼有哪些比较有价值的内容，可以形成一篇教学研究的论文的。我觉得这个 open m a s a 也是完全可以胜任的。 好，那接下来咱们老师们就可以去尝试一下清华大学的 open m a s a 这个智能题，在运用的过程当中，老师们如果有什么问题的话，咱们可以随时交流。

嘿，大家好啊，如果你正琢磨着怎么给自己搭一个 ai 代理，那今天这个内容你可千万别错过了。为什么呢？因为我敢说，现在大多数人，甚至包括一些经验丰富的开发者，其实从第一步就走错了，犯的还是那种致命的错误。 所以，今天呢，咱们就来聊聊，怎么才能用正确姿势搭一个真正好用的 open cloud ai 代理，避开那些大家常踩的坑，他知道的越多，反而变得越笨。 哎，你听听这话，是不是听着特矛盾，完全不符合逻辑吗？但就是这么一句话，他特别精准地戳中了几乎所有人在搞 ai 代理时都会掉进去的那个大坑，而这个核心问题，也正是咱们今天要解决的。 那到底该怎么办呢？怎么才能搭一个真正聪明、真正有用的 ai 代理？别担心，答案马上揭晓，接下来的几分钟，我会给你一套特别清晰的蓝图，保证你从第一天开始，就能让你一个 ai 代理聪明又高效。 好，第一部分，咱们先来聊聊那个无所不知的 ai 梦想。就是说，在咱们动手之前啊，得先把目标搞清楚，我们到底想要一个什么样的 ai 伙伴。它可不只是个聊天的机器人，我们想要的是一个能跟我们无缝协做的第二大脑， 你想象一下你这个理想的伙伴，它应该有什么样的超能力？首先，它得有独立的项目，分得清清楚楚，绝对不能搞混。 其次呢，它还能学习各种可重复的技能，帮你把那些烦人的琐事都自动化了。更厉害的是，它可以通过所谓的连接器，把你所有的工具都串联起来，还能通过自定义指令，真正理解你的工作风格和个人偏好。 所以你看，咱们的终极目标其实非常明确，我们不是要造一个玩具，而是要创造一个真正的伙伴，一个能融入我们工作流，像一个生活操作系统一样的东西。这个梦想听起来很棒，对吧？但为什么绝大多数人都失败，我呢？ 哎，往往就是这个美好的梦想，把我们直接带到了一堵现实的墙面前。所以，欢迎来到第二部分，步入变笨区。这里就是梦想和现实产生巨大鸿沟的地方，也是绝大多数 ai 代理项目最后不了了之的原因。 当我们有了这么个 ai， 我 们的第一反应通常是什么？那肯定是我想让他更等我，那我就得把我的所有东西都给他，邮件、日历、笔记。这想法听起来是不是天经地义，但非常可惜，这恰恰是通往失败的第一步，而且是最致命的一步。 你看这张图，把这个诱惑和现实的对比展现的淋漓尽致。左边就是我们美好的想象，对吧？哎呀，我要把我的所有东西都喂给他，让他变成最懂我的那个伙伴。但右边呢，就是血淋淋的现实。 当你真的这么做了，他的上下文，或者说他的工作记忆一下子就被塞满了，结果呢，他就彻底蒙了，变得一团糟，试着开始做一些你压根没让他干的事。咱们可以给这种灾难性的状态起个名字，就叫变笨驱。 说白了，就是当 ai 的 大脑里塞了太多乱七八糟的无关的噪音之后，他的性能就会直线下降，变得特别不靠谱，相信我，这绝对是一个超级普遍的问题。 好了，问题咱们找到了，那现在就进入最关键的第三部分，正确的构建蓝图。这里我给你一套已经被验证过，行之有效的方法，教你怎么从一开始就绕开那个变笨区，搭一个真正能打的 ai 代理。 这套蓝图啊，就三个核心步骤，第一，给他建个沙盒，什么意思呢？就是把他单独隔离开，让他在一个干净可控的环境里成长，不受外界干扰。第二，给他定义一个单一的使命， 就是要有一个极其简单专注的目标，让他所有的思考都围绕这个目标来进行。第三呢，就是逐步培养，就像带一个新员工，你得从最简单的活干起，一步一步来，你总不能指望他第一天就把你管理整个公司吧？ 那有人可能要问了，搞这么个沙盒是不是很贵啊？哎，你绝对想不到，一个月只要两美金，对，你没听错，就两块钱这价格，你就能租到一个独立的服务器， 这意味着什么呢？意味着你可以随便折腾，大胆去试就算。哎，一不小心给搞砸了，那也没关系啊，删掉重来呗，一点都不心疼。 行，蓝图咱们有了，现在进入第四部分，咱们再往深挖一挖，看看代理的核心组建， 我们来看看具体要用什么工具，怎么去实现刚才说的那三个步骤，咱们来看一下这个表格，它把咱们的核心思想说的特别清楚，我们完全可以用一些非常简单的方法来实现那些商业级 ai 吹得天花乱坠的功能。 在 openclory 所谓的项目工作区，说白了就是一个独立的沙河斯武器，那些花哨的自定义整令呢，其实就是一个高度浓缩的灵魂文件。 而所谓的纪文，就是一个你给他定义的特别明确的使命。这个灵魂文件到底是个啥？ 你就把他想象成是这个代理的人生信条或者最高指令，他规定了这个代理是谁，他存在的终极意义是什么。但是记住他强大的秘诀恰恰在于两个字，精简。 一个只有三行字的灵魂文件，绝对比一个写满三页纸的要强大的多。任何多余的信息都是把他往变笨区里推的毒药。这句话简直是说到了点子上， 重要的不是你给机器人配置了多少技能，而是你为他设定的那个非常清晰的意图。 一个明确的目标远比一大堆花里胡哨的功能要重要的多。你的代理必须清楚的知道他的核心使命是什么，这才是成功的关键。 ok， 理论都铺垫的差不多了，现在咱们进入最后一步，启动你的第一个使命是时候了，让你的代理开始指征他的第一个也是最重要的一个任务了。 这里我得再强调一遍，千万千万不要想着一步到位，让他帮你把所有事都干了，这正是我们前面反复说的那个最大的坑。你的第一步应该是给他分配一个非常非常具体，而且是单一的工作。 这句话虽然听着有点粗暴，但他完美的全释了什么才是一个理想的初识使命。 你不要对他说帮我处理工作太模糊了，你要说就给我做一份完美的演示文稿，你看这个任务就非常具体，目标明确，而且价值很高。再举个例子，让他每天早上九点自动去搜集行业新闻，然后升上一份市场分析简报，这就是一个绝佳的起点。 那么聊到这儿，我想把这个问题留给你，你准备交给你的代理的第一个也是唯一的任务会是什么呢？ 我建议你花点时间好好想清楚问题，一旦你有了答案。恭喜你，你已经成功地避开了九十九的人会踩的坑，走上了一条正确的路。好，这次的分享就到这里，咱们下次再见。

兄弟们，前两天我把 openclaw 接入了 qaires 放进了非书里面，它就实现了七成二十四小时的 a 股分析师。现在只需要两步，你自己的 openclaw 也可以轻松接入 qaires， 实现全球金融市场的分析自由。那本期视频呢，要和大家详细演示一下具体的操作过程，大家手把手去上手 qaires， 你可以将它理解成为 icon 打造的一个原声数据工具接口，让你的 icon 能够通过一个接口去获取上万种动态数据。简单来说就是给 icon 装上了连接真实世界的眼睛， 那它核心功能包含，比如说像市场分析对吧？像社交媒体追踪，包括多零数据整合，那通过这些标准化的接口就可以访问海量的数据和工具。首先我们打开浏览器的这个官网，然后呢我们找到这个地方，点击我是 icon， 我们只需要将这段话复制到我们的 open cloud 里面去， open cloud 就 会自动的去爬取当前的这个 skills， 然后以及具体的安装过程。它学习完成之后呢，会在你的电脑上安装好 qwires。 在 使用之前呢，我们需要配置一下它的 api key， 登录之后呢，这里会生成一个 api key， 那 这个 api key 呢，目前是免费送一千的额度，当你邀请好友是可以得双倍的，我们将这个生成的 api key 复制下来， 再粘贴给 openclaw， 这时候呢 openclaw 就 会自动的完成所有的配置，并返回测试结果。好，我们可以看到已经安装好了，这时候我们在 timegram 或者分数里面就可以去使用我们的这个 quick。 我 们下面来尝试布置一个小任务，要求它进行一个 a 股的实时监控， 这里呢，我们让 kris 支持每十五分钟自动运行 a 股的监控任务，并且生成涨跌幅的 top 十的榜单。那这样通过这样的形式呢，我们就可以很方便的看出，哎，今天到底是哪一些 a 股的涨幅前十的股票，对吧？我们可以分析它的增长潜力。那 奥本克劳呢，通过调用 kris 的 epi， 在 几秒内呢，就返回了完整的榜单。那这种实时监控呢，对于需要实时盯盘的投资者来说，那简直是神器。好吧，我们在工作的时候就可以实时的看到当前的一个结果 啊，并且呢，它还可以在分数平台内通过 qiris boot 实现七乘二十四小时自动的分析，实时的输出这个涨跌幅的啊排行任务。 那除了我们刚刚说的 a 股的实时监控之外呢，它还有一个加密货币的追踪，比如说，我们可以看到 qiris 实际上是支持多币种实时价格查询的，比如说像比特币和 usd， 或者比特币和 cny， 对 吧？那通过这样的方式可以很清楚地看到换算的数据速度是非常快。 这种多币种的追踪能力呢，对于加密货币投资者来说是非常实用的。当然呢， qwars 还有一个特别实用的功能，就是社交媒体整合，我 先让它 openclaw 总结今天最热门的 a i 新闻，那可以看到呢， openclaw 不 仅调动了 qwars 返回了完整热点榜单，还附带分析的趋势，这种社交媒体热点整合能力呢，那 openclaw 不 仅可以分析金融市场，还能够去追踪行业的动态。 当然如果你还没有安装 windows 的 话，你也可以直接安装 qwires 提供的 qwires boot， 因为它本身上是站在巨人的肩膀上，急于 openclaw 进行二次开发。但往一些开源到的 get up 上，大家可以直接去 star 使用方法呢？大家可以查看这个 redmi， 可以 说是相当的全面。那视频的最后，我想说 qwires 和 openclaw 集成呢，为 ai 智能连接打开了新世界大门。 那现在你只要复制一句话，再念个 open cloud， 再配置一个 api 应用，就能让 open cloud 实现七乘二十四小时自动的 app 思想监控以及加密货币的追踪，包括了各平台的数据整合。 那这些人力呢？无论是对于投资者还是行业爱好者来说，都是非常有价值的。当然如果你也对 agent 或者自动化感兴趣的话，也可以上手尝试一下 qwires。 好 了，那以上就是本期视频的全部内容啦，我是小刘，我们下期再见。

是不是也发现了 open 跨安装好了？很多人吐槽他像一个人工智障？不要着急，不是他不行，而是你还没给他安装一颗大脑。各位可以复制当前这条指令进入你们的后台， 可以让你的 open 跨直接升级为蒋维斯模式。长期记忆、实时交互、自动调度技能，记住你的习惯，越用越聪明。他不再只是聊天工具，可以替你执行，替你思考，甚至可以帮你优化效率。用的是 ai， 而你用的是会进化的 ai。 复制指令去试一次，你会回来。感谢我的制作条，蒋维斯专属指令我已经打包好了，想体验 ai 数字员工的点赞关注评论区，留个指令，我直接发给你们。

挑战从零基础小白自创 ai agent 智能体。首先来到 github， 找到这个开源项目作为参考，告诉 openclaw 我 们的需求。 openclaw 会自己制定计划，首先创建一个 ev 文件， 输入大模型的 a b， i k 和 u i l 以及模型。第二步，创建一个 loop pi 文件，这里可以选择让 openclaw 直接生成文件，也可以按他说的自己手动操作拷包这里直接复制到记事本。然后选择所有文件保存到项目文件夹里， 将刚刚的整个文件夹压缩机后发给 openclaw， openclaw 会自动帮你检查 bug 并修复。 openclaw 修复机后会将完整文件发送到非修的硬盘。我们测试一下， 依次输入命令，如果弹出这个页面说明成功了，目前可以实现基本的对话交流。最后感谢大家观看支持，下一期视频将会实现 ai 工具调用。

今天这一期帮所有人答疑解惑， openclock 安装最近啊收到了很多私信问题，现在呢就再来带大家走一遍 openclock 安装流程，保证把大家的问题解答的清清楚楚。 这里呢，阿月也是提醒大家要理性养虾，最好呢是用自己闲置的非工作电脑来进行配置，以免啊造成不必要的麻烦。 这些呢，是大家遇到比较多的问题，比如说模型丢失啊，页面找不到了，或者无法识别啊。 但是我看下来无非两个问题，第一环境问题，第二非书配置问题。很多问题啊，其实是存在关联性的，并非是报错的环节出了问题，跟着阿月完成走一遍这些问题呢，我们边装边聊， 先打开我们的装，以 windows 系统为例，这里说明一下 openclaw 的 基本安装条件，如果呢，你是 windows 系统，必须要满足 win 十以上的版本，这样呢才能安装对应的环境。那如果你是 mac 系统，那在下一趴我们再展开。好，现在我们继续 必要的安装环境包呢，有两个，一个呢是 note， 一个是 get， 安装龙虾前呢是必装的， windows 和 mac 都一样， 这里自动安装的话呢，如果觉得速度慢不想等，我也给大家准备好安装包了，滚刀自取，我这里势利呢，就先等他慢慢下载。安装 这一步开始呢是会通过 n p n 安装 open club， 有 同学反馈说速度慢，可能呢也是由于个人电脑环境或网络问题，耐心等待一下就好。大部分在这里报错的呢，都是环境问题，比如报错指令，一二八是由于 get 公钥权限问题，我们可以直接输入这条指令来绕过权限， 还有比如 n p n 报错的啊，是由于电脑权限问题，我们可以直接输入这条指令来开通权限。 呃，这里是直接可以问豆包的，因为 windows 电脑环境太不相同了，包括权限问题等，这些其实都可以让豆包来解决。 ok， 下一步我们来选择模型，这里我们以 deepseek 为例，输入数字五，然后我们来到 deepseek 的 官网， 点击 api 开放平台，选择创建 api key， 把 key 复制过来就 ok 了。这里我们先停一下，给大家再展开说一下如何接入飞书，很多同学呢，在这一步失败了，别担心，跟着阿月一步步往下走。我们首先打开飞书开放平台，进入开发者后台， 选择创建企业自建应用，给自己的应用起个名字，选个头像，点击创建。 第二步呢，我们点击添加应用能力，选择配置一个机器人。第三步，我们进入权限管理，选择批量导入权限， 把权限开通代码复制过来。这个代码呢，是官方教程里就有的，想偷懒的同学呢，我也给你们准备好放在文档里了。 好，到这里啊，注意了，非常非常重要，必须先发布一次版本，让上述的配置全都生效一次。我们点击创建版本，填入版本号，这里分数有自己的格式，我们就输入一点零，点零就行。点击发布， 发布成功后，我们到凭证与基础信息这里把 app id 和 app c 轨复制下来。回到刚才的指定窗口，把 app id 和 app c 轨分别复制过来。 刚才要发布版本的原因就是为了让这两个 id 生效，不然呢，是无法进行下一步的配置的。 好，这样他就会开始继续下一步配置了，你会看到 openkey 这个字样，但是别急到这里呢，还没好，他要继续去做非输调用的设置， 等确认看到这个绿色的 ready 字段出现，这时候就可以了。那要是没有出现这个字段呢？需要大家回头复查一下你的命令窗口，看看前几步还有没有报错，其实还是环境不对，或者检查一下是不是用错了安装版本。 现在呢，我们再次回到飞出后台，点击事件与回调订阅方式呢，这里选择长连接保存，按照上面的操作一步一步来呢，咱们这一步是不会报错的。然后我们点击添加事件，添加接收消息权限。 ok， 这里注意了啊，因为我们刚才呢又更新了一次飞书的配置，所以呢，我们必须要再次发布一次版本，让配置去生效。 很多同学呢会忘记这一步，导致出现和飞书无法对话之类的问题。我们再次选择创建版本版本号，这里呢是一点零点一再次选择发布，发布成功。 然后呢，我们打开飞书，到消息栏这里，找到开发者小助手，找到我们的机器人，点击打开应用，和他说一句话试试。 稍等一会呢，你会收到他回复你的一段指令，这并不是报错啊，这是飞叔和欧文克拉的配对码，我们把最后一段话复制一下啊，这时再新建一个 cmd 复制进来，稍等个十秒左右，我们会看到配对成功的指令。 这时我们再次打开飞叔和你的欧文克拉进行对话了。 这里呢，我们再提醒一下， c m d 的 运行窗口不能关闭，不然你的小龙虾就下线了，它不会再回复你任何对话。如果你的龙虾意外下线啊，或者你不小心关闭了指定窗口也没关系，我们只需要打开 c m d 输入 open club gateway， 就可以重新唤醒你的小龙虾了。来，现在我们切换到 mac os 系统。首先苹果第一要素安装 homebrew， 就 算是苹果的应用管理模块。 我们打开命令终端，输入安装指令，实际测下来呢，官方的命令有时候会因为网络环境问题很容易卡进度条，然后装不上去啊，我用的呢是国内镜像的命令，都写在教程里面了，大家自取，耐心等待它安装完毕。然后我们记得要配置一下环境，输入这条指令，让部落命令生效。 安装完之后呢，再验证一下跳出宏布的版本号，那就说明完全没问题了。接着再来搞必要的环境 get 和 node get 安装命令，输入好，安装完成搞定。呃， note 的 话呢，我们是建议手动去安装，大家呢可以去官网下载。然后呢，大家要选择注意自己的系统，注意 note 的 版本要大于二十二， 后缀需要带 l t s 的， 这个是比较稳定的版本，想省事的呢，当然也可以去文档自取，现在打开直接安装就可以了，这里呢没什么问题，我们再验证一下版本，版本号跳出来， ok， 没问题了 啊。其实 mac 系统呢，在这里跟上面的 windows 电脑一键安装的逻辑呢是一样的，一定要验证好自己的环境，有太多同学啊，因为各种原因环境都没有安装上去，导致后续的链路呢，全是错的，环境呢，全搞定。安装 openclock 本身呢是没什么难度的， 现在我们回到 opencloud 的 官网，官网上呢，直接就有安装指令，但是呢，可能会出现网络问题，我们直接先加一条国内镜像源加速安装命令是这个，然后呢，我们再输入一条 get 的 权限命令，去规避 get 的 报错。 好，现在就可以正式安装了，我们来执行安装命令， ok， 看到这个爱的 package 这个字段就说明搞定了。现在我们直接输入 openclaw on board， 开始正式 openclaw 的 安装向导一步步跟着做啊， 先是风险提示，我们选 yes， 然后再选 quickstart。 这里呢，要选择大模型了，我们呢先自己选一个啊，填入 api 之后呢，我们选第一个默认的模型。通讯方式呢，这里呢，我们先跳过，后面我们单独来说。搜索模式呢，我们也先跳过 啊，安装技能呢，我们可以先不装这个，后续啊，都可以自己装，我们这次先以跑通为主，是否有钩子，这个和我们没什么关系，我们直接跳过。 好，最后这里呢，我们选择通过 web ui 打开对话框来了啊，跟他说一句你好，顺利回复。好，那到这一步呢， open club 就 安装完成了，接下来呢，正式开始进入大家的非输难题。 其实飞书的配置啊， windows 电脑和 mac 电脑是差不多的，如果遇到相同的问题啊，都可以来看，但首先要确认的是，你的 openclaw 已经可以和你正式对话了，因为有很多同学已经配置过飞书，所以 openclaw 里面的配置文档呢，可能会有一点乱，我们先给这样一条指令去重置飞书的插件 啊，这里会提示你输入密码，输入就没问题了。好，现在我们再来添加飞书输入命令， opencloak config， 第一个选 local 本地，再选择配置 channels， 然后呢，我们选择这个 config link， 然后我们选择安装模式。第一个呢是用 n p n 下载飞出插件，那如果下载失败的同学呢，他会直接回到调用本地模式。我这台电脑呢，是直接选择的本地模式，然后我们再选择第一个配置，这里呢，会需要输入 app secret 啊，那到这里飞出机器人的配置呢？跟 windows 其实是一样的，我们先呢创建应用，添加机器人配置权限，记得呢，发布一次版本。 好，现在呢，我们来复制 app secret 和 app id。 ok 了啊，这一步很重要啊，大家注意啊，这里是选连接模式，选第一个，第一个的意思就是调用长链接 下一步版本。这里呢，我们选飞书 china 聊天权限呢，可以选择 open 全开，如果回到频道选择，直接选最后一个 finish 即可。好，这一步呢，我们直接默认选中，然后到最后这里选择 continue， 看到跳出来 complete 字段，飞书功能就配置完成了。我们现在回到飞书后台，选择时间回调订阅模式，这里选长链接保存，然后右边添加事件添加接收消息保存。这里啊，不要乱啊，弄完之后记得再发布一次版本。 ok 了，现在我们飞书打开机器人应用，发一条消息，他会回复你一个配对码，再到命令窗口进行配对，配对成功，继续尝试一次对话。好，成功回复了，恭喜你配置完成！ 好了，这次用了超长篇幅，讲的很细很清楚了，其实网上也能看到很多问题啊，虽然各不相同，但最终都是三大类，权限环境和飞书配置。 只要前置环境安装仔细，后续的列路呢，都不会有太多问题。如果真的有呢，也可以请出我们的豆包吹，这一类的工具都是可以及时帮助我们修复的。现在呢，已经是 ai 时代了，大家完全可以养成善用 ai 工具的习惯，这样做所有的事情都会事半功倍。 当然，现在全民养虾的热情也是越来越高涨了，门槛呢，只会越来越低。国内大厂都在相近推出自己的 open club 官方插件，完全可以零门槛去上手 大厂门的云部署呢，安全性也是有保障。再次提醒大家自己的电脑一定要注意权限和安全问题。感谢大家的点赞关注，后续也希望给大家多分享一些好的应用场景，让 ai 成为你有力的助手。好，本期视频就到这里，我是阿月，一位 ai 工具的分享者，我们下期再见。

openclaw 保姆级安装教程，搭配免费大模型，让你唱完龙虾，十分钟搞定 openclaw openclaw 最近实在太火了，但是自己搭建的时候难免会出现各种问题，比如这样的这样的， 所以很多人已经开始做起了上门安装五百一次的生意。这里教你小白安装法， 包括环境配置、权限问题、下载速度等等，看完不仅立省安装费，你熟练后甚至都可以接上门安装的单了。我们直接开始第一步，安装 no js， 虽然 opencon 官方文档并不要求我们提前安装 node js， 但先把这一步做完，可以避开很多坑。首先来到 node js 的 官方下载页面中，点击 windows 安装程序按钮开始下载。但是由于 node js 的 服务器在国外，所以下载速度会很慢， 也可以通过 node js 中文网来下载，下载速度会有明显提升。下载完成后，你打开安装包， 安装位置可以保持默认，也可以选择你想要安装的文件夹。接下来呢，我们就一路无脑点击下一步， 然后点击 insert 开始安装，这里要稍等片刻，完成后点击 finish 按钮， note g s 就 安装好啦。第二步，安装 get get 并不是必备安装项，但很多人后面遇到的一些报错，本质上都和 get 的 配置有关， 所以安装了 get 可以 提前避坑。来到 get 的 官方下载页面，根据电脑的架构选择对应的下载链接开始下载。下载完成后，打开安装包，点击下一步， 这里同样可以保持默认，也可以选择你想要安装的位置。再往后，如果你不是专业的开发者，不必纠结这些配置，一路点击 install 开始安装， 等待一小会儿。安装完成后，我们可以把这个对勾给取消掉，它会打开 git 的 更新说明网站，对安装没有影响，然后点击 finish git 就 安装完成啦。第三步，安装 openclaw， 在菜单栏搜索 powershell， 这里要注意以管理员身份运行，然后会打开一个大黑窗口。为了避免 powershell 默认策略太严格，等着安装报错，我们要先输入一下这个命令，然后回车运行。 运行后， powershell 可能会出现一个提示，问我们是否确认修改执行策略， 这里输入 y， 然后回车表示同意这一次修改。为了避免 npm 源导致的下载失败问题，我们需要切换 npm 镜像的下载源，输入一下这个命令，然后回车运行。 很多人安装的时候都会出现这个报错，这个错误的本质是 npm 在 执行 get 操作时拉取仓库或者依赖失败导致的国内访问 get help 困难。先把 get 协议强制切换为 https， 输入一下这个命令，回车运行。上面三条命令能避开很多坑，确保我们一次性安装成功。然后我们再输入这个 open cloud 的 官方安装命令，并回车执行。 这个命令可能会运行一段时间，如果中途出现弹窗，问是否允许公共网络或专业网络访问此应用？点击允许。当你看到一句来自 open club 的 欢迎信息，就说明 open club 已经安装成功啦， 不过这还没完。第四步，配置 open club。 open club 会展示一段话，提醒您使用它可能存在风险。问是否继续？ 这里可以按键盘上的左方向键选择 yes， 然后回车确认继续回车。 下一步需要选择 open class 背后的大模型服务商有很多选择，比如 open api、 千问等很多。这里教大家使用免费的大模型。我们先选择 v l l m。 第五步，配置免费大模型。