如何给openclaw写提示词

大家好，欢迎来到今天的深度解析。今天我们要聊的主题是 open kla l l m a p i。 这是一个非常实用的技术话题，我会带你从最基础的概念讲起， 逐步深入到完整的实现细节，帮助你彻底理解 l l m a p i。 的 三大核心组建， system 提示词、 user 提示词和 function call tools。 无论你是刚接触 l i m。 开发的新手，还是想深入理解 open kla 封装实现的老手，这期内容都会对你有所帮助。 让我们开始吧，在正式开始之前，我先带你快速浏览一下今天的内容结构。整个讲解分为五个部分，第一部分是 l l m a p r。 的 基础概念， 我们会详细介绍 system 提示词、 user 提示词和 function call tos 这三个核心概念。第二部分会通过实际的代码示意，展示如何组合使用这些概念，从最简单的调用到完整的工具调用循环。第三部分重点讲解 openclop 是 如何封装和增强这些功能的， 包括模块化提示词和工厂模式工具系统。第四部分深入核心组建，剖析 a 阵运行循环和事件流系统的实现细节。第五部分会介绍一些高级特性，比如沙乡隔离和智能重试机制。 最后我们做一个完整的总结，回顾整个学习路径，好让我们从最基础的概念开始。 l l m a p i。 有 三个核心概念理解，他们是掌握整个技术战的基础。 第一个是 system 提示词，你可以把它理解为给 ai 设定的角色和行为准则，就像给员工发工作手册一样，告诉他你是谁，你要做什么，你应该如何做？这个提示词会影响到 ai 后续所有的回应。第二个是 user 提示词，这是用户的具体请求和问题， 比如如何实现快速排序，或者帮我分析这段代码。 user 提示词通常包含在 message 树组中，支持多轮对话。第三个是方式 call to， 这是一个非常强大的能力， 它让 ai 不 只是说话，而是能够做事。 ai 可以 主动调用外部工具来执行实际操作，比如读取文件、搜索网络、执行命令等。这三个概念协调工作构成了 l l m 应用的基础架构。接下来我们会逐一深入讲解。 现在让我们深入看第一个概念， system 提示词。 system 提示词的本质是什么？它就是你给 ai 的 工作手册。通过这个手册，你可以设定 ai 的 角色、任务范围、行为准则，甚至是限制条件。举个例子，你可以说你是 一个专业的 java script 导师，擅长帮助开发者解决问题。这就是一个简单的 system 提示词。更详细的版本还会包含你的职责是什么，你的风格应该是怎样的，你不能做什么等等。右边这个表格展示了 system 提示词和 user 提示词的关键区别。作用不同， system 是 设定角色和行为准则， user 是 具体的任务和问题。位置不同。 system 在 api 调用的顶层。 user 在 message 数据库中数量不同。 system 通常只有一个 user 可以 有多个优先级。不同， system 的 优先级更高，因为它影响整体行为理解这个区别很重要，因为它决定了你应该如何组织你的提示词， 才能让 ai 按照你的预期工作。接下来看 user 提示词。 user 提示词是用户的具体请求和问题，它决定了 ai 要解决什么问题。根据复杂度不同， user 提示词可以分为四种类型。第一种是简单文本，比如如何实现快速排序，这是最基础的提问形式。第二种是带上下文的文本， 除了问题本身，还会提供一些背景信息、代码、片段等，帮助 ai 更好的理解问题场景。第三种是多模态内容，这是更高级的形式，可以同时包含文本和图片。比如你上传一张错误截图， 然后问这个错误是什么意思。第四种是多轮对话，基于之前的对话历史继续追问，比如先问什么是帝龟，然后追问，能给我一个例子吗？ 这种连续的对话形式，在实际应用中，你会根据场景选择合适的类型。简单问题，用简单文本就够了。复杂问题可能需要提供更多上下文，甚至上传图片或代码。现在我们来看最强大的部分， function call tools。 方胜靠的核心能力是什么？让 ai 不 只是说，而是做。传统的 l l m 对 话只能返回文本，但有了方胜靠， ai 可以 主动调用外部工具执行实际操作。但我通过这个流程图来说明，用户发送消息后， l l m a p i。 会分析这个请求，决定是否需要调用工具。如果需要，它会返回一个 auto user 指令， 告诉客户端要调用哪个工具，以及参数是什么。客户端执行工具后，将结果返回给 l l m l l m 在 基于这个结果生成最终回应，这个过程可以循环多次，直到任务完成。右边是一些常用的工具示意文件操作， read underscore file read underscore file 用于读取和写入文件。 网络搜索 search web 用于搜索网络信息。执行命令 run 下划线。 command 用于执行，是要命令日期时间。 get current time 用于获取当前时间。这些工具让 ai 从聊天机器人变成了智能助手，能够真正帮你解决问题。理解了基础概念之后，我们来看看 openclaw 是 如何 封装和增强这些功能的。 openclaw 不是 简单地使用字母串，而是实现了三大特性。第一个是 system 提示词的模块化构建， 传统方式是硬编码一个长字母串，而 open 柯老会根据运行环境动态组装提示词。它支持三种模式， fo， fo 完整模式包含所有模块。 minimo 简化模式只包含核心模块。 n 极简模式几乎不包含额外信息， 这样可以根据场景灵活选择，节省偷看。第二个是工具系统的工厂模式，每个工具都是独立可测试的模块，你只需要调用一个工厂函数，就能创建完整的工具级。这样的设计让代码更清晰、更易维护。第三个是结构化消息管理， open collab 使用统一的消息格式，支持多轮对话和工具调用结果的传递。 它会智能地维护对话历史，甚至在必要时进行压缩优化、透坑。使用这三个特性，让 opencloud 从一个简单的 a p i 调用变成了一个完整的生产级的 l l m 应用框架。现在我们深入核心，看看 opencloud 的 agent 是 如何运行的。 整个运行过程分为三个阶段，第一个阶段是准备阶段，系统会创建所有需要的工具，构建 system 提示词部署，这个阶段主要是准备工作，确保后续运行有所有必要的资源。第二个阶段是 l m 调用循环，这是核心部分， 系统会调用 l l m a p i 处理流势响应。如果 ai 决定调用工具，系统会执行工具，将结果添加到对话历史，然后继续下一轮调用。这个过程会循环多次，直到 ai 不 再需要调用工具为止。第三个阶段是完成阶段， ai 返回最终回应，或者如果出现错误，会进行错误处理和重试。右边展示了事件流系统，通过订阅这些事件，你可以实时监控整个运行过程。 on assistant message， ai 回复文本内容， on to start 工具开始执行。 on to land 工具执行完成。 on life cycle 生命周期事件，这个事件流系统让整个过程可观察，可调试，对于生产环境非常重要。最后让我们做一个完整的总结。我们今天的学习路径分为五个阶段。第一个阶段，理解 l l m a p i。 的 三大核心概念， system 提示词、 user 提示词和 function call tools， 这是基础中的基础。第二个阶段，掌握基础调用方式，从简单的文本对话到多轮对话，再到完整的工具调用循环。第三个阶段，学习 open kala 的 封装实现，包括模块化提示词构建工厂模式、工具系统 结构化、消息管理。第四个阶段，深入核心组建，理解 a 阵训行循环和事件流系统的工作原理。第五个阶段，了解高级特性，如沙乡隔离、模型降级、智能重试等生产级能力。 右边这个表格总结了关键要点，每个概念都有明确的作用，而 open class 的 实现则体现了工程化的思考，模块化可扩展、可维护。 如果你掌握了今天的内容，你就具备了构建生产级 l l m 应用的基础能力。接下来建议你动手实践，用 open class 搭建一个小项目，加深理解。感谢观看，希望这期内容对你有帮助。

a 剑 c a 剑词，开箱即用的专业 ai 角色，号称给你一整个 ai 公司，在 github 上已有二六 k 加斯的 s。 先说它到底是什么，它不是什么框架，不是 sdk， 就是 一堆 markdown 文件，每个文件就是一个系统提示词，定义了一个 ai 角色的身份、性格、工作流程和输出格式。比如这个 ai 角色的身份、性格、工作流程和输出格式，比如这个 ai 角色的身份，用 s a c q a 框架来写汇报， 把这些文件复制到对应工具的目录里， ai 就 会按照这个角色来工作。一百一十二个 ai 专家，覆盖产品研发的全流程，从代码到设计，从营销到测试，从游戏开发到空间计算，包含十一个部门，还支持 cloud code、 opencloud 等九款主流 ai 编程工具。我用 opencloud 做了个实测，给 ai 同一份 size 产品 q e 运营数据，让他写高管招标， 这是促使系统提示词，一个清醒的 ai 助手，不闲聊，不套近乎，只解决问题。第一个是自由发挥的格式，用了表格，关键洞察，风险预警，建议行动结构是 ai 自己组织的，内容挺好，但格式比较随意。 第二个替换系统提示词，他现在是高级战略顾问兼执行沟通专家，擅长把复杂的业务材料提炼成高管执行家。要第二个输出，严格按照五段式结构现状，关键发现、商业影响， 建议下一步。连英文标题都照搬了模板，每条建议都标了 critical high medium 优先级，完全复刻了提示词。模板里的格式 还指定了负责人和截止日期。每条发现都用加粗的 straight jigger implication 来标注战略含义，看篇幅明显更长更详细， 在提示词要求的三百二十五到四百七十五词范围附近。第一个更简洁，更像是日常对话式的总结，但是两个版本的分析内容几乎一样都抓到了中小企业流失加速、 企业客户是护城河、竞对威胁。这些关键点区别只在于格式和规范程度。这恰好印证了 ai 对 这些业务数据的理解和分析能力本身没有差别， 差别就在于第二个背应规矩约束成了标准化的咨询报告格式。我仔细拆了好几个 agent 的 提示词，发现内容可以分三层， 第一层大概占百分之五，是给工具界面用的装饰信息，什么颜色，以 micro 一 句话风格对 ai 的 行为完全没影响。第二层占了大概百分之七十五， 是 ai 本来就知道的知识，都是公开的行业知识，你不写 ai 也懂。第三层大概占百分之二十，才是真正有用的行为约束。比如长度限制、固定五段结构， q a 默认至少找三到五个问题，这些硬规矩才是影响输出质量的关键， 因为 ai 不 会自觉遵守这些标准。我们可以根据任务类型选择不同 agent 的 组合，组建自己的 ai 虚拟团队， 比如创业 mvp、 开发营销战役执行广告账户接管。所以这个项目的价值不是知识，是纪律。对于个人偶尔用一次的场景，其实直接跟 ai 说清需求就够了。但如果你的团队需要多人反复使用，每次输出格式一致， 这种标准化的 a 件的提示词就有它的意义。项目 mit 协议完全免费，感兴趣的可以去看看，挑几个适合自己的 a 件它试试。希望本期视频对您有所帮助，我们下期视频再见。

今天是第八天，我们要教给大家一个在 webco 里被称为万能模板的 prompt 框架，那有了这个框架，我们的 ai 不 只是简单的聊天打字，而是一个专业的个人的 ai 架构师。 大家在指挥 ai 的 时候，有没有觉得像在抽奖，如果你运气好了，你可能一遍就过了，但如果运气不好，咱们修改了十遍八遍，还是总是出错。那我今天呢，就给大家一个提示词的公式，有四个方面。那第一个呢，就是角色， 我们不能直接问他，而是要先给他套一个马甲，比如说我们可以跟他这样说，你现在是一个精通 python 的 全能型自动化专家。第二个呢，就是任务， 我们的描述要具体，我们不能说请你直接给我一个脚本，而是要说帮我写个脚本，自动扫描我的下载文件夹， 并根据后缀名分类搬运到图片、视频文档子目录里。那第三个呢，就是最关键的就是约束，我们可以这样说，只使用 python 标准库，请按照文件的添加时间，自动加上时间戳等等等等，这样诸如此类，给一个具体的框架。第四个呢，就是输出，我们可以给一个明确的输出要求，比如我们这样说， 请你给我一个标准的 markdown 格式，我们可以用给自己写一个个人简历来作为例子。那以前我们可能会直接跟 a 说，请你帮我直接输出一份我的个人简历。 但是现在呢，我们可以换一种提示词，用刚才我们给的模板公式写出来的提示词。我们可以这样去跟翠说，你现在是拥有十五年经验的资深技术猎头，精通大厂的筛选标准。根据我提供的原始经历和目标岗位的职位描述，重写一份具备高竞争力的简历。必须遵循 star 原则，所有项目经验要用数据说话， 关键词要命中目标岗位的要求，严禁使用形容词空谈。提取关键词 d i u。 转化率、用户增长。每条经历必须包含具体的数字提升，且长度不超过三行。 输出为专业的 markdown 格式，分为个人总结、核心技能、项目实战三个板块，并给我三个不同版本的文案供我选择。那我们会发现 ai 输出的质量、稳定性和贴合度水平会比之前高了很多， 这就是结构化思维的力量。在 web coding 时代，我们的 prompt 就是 我们的代码编辑器。当我们学会了用角色、任务、约束、输出这四个框架去思考的时候，我们就不再是那个简单求 ai 干活的人，而是一个设计逻辑、掌控大局的超级个体。 我们就会发现，同样的模型在我们的手里比在别人手里要聪明十倍。那今天呢，也可以给大家留一个作业，我们可以用这个脚本框架去尝试性的输出一些其他方面的提示词，比如说你想做一个生活助手、 记账工具等等，都可以尝试用这个 prompt 框架去输出，看看和之前的效果去做一个对比。那大家也记得关注我们，下期再见！拜拜！

哈喽，大家好，今天给大家带来一个小工具，平时只要我们玩 ai 绘画，无论你是用康福源还是极梦香蕉以及其他出图片视频的 ai 工具，都会涉及到提示词的反推和润色。这个功能虽然说在哪里都可以用啊，我们打开豆包，打开 jimmy gpt， 都可以帮你反推一个提示词，甚至在工作的当中的节点也有很多， 但是呢，以我自己的感受来说，就是东一块西一块，真正着急用的时候又没有办法马上调出来用一个什么东西，所以我就做了一个这样的小工具。 小工具说来很简单，就是调用 api 来反推提示词，但是呢，越简单的功能就要把颜值和交互做好一点，而且呢要有积累的功能，让你所有的提示词都沉淀在这个里面。这个工具我有放到群公告里面，大家可以暂停一下自己拿走。简单说一下它的用法，我这里预设了五大类型的提示反推，包括这个 ltx 二点三，大家都知道它是比较吃提示词的， 还有 cds 二点零，以及常规的图声视频，自然语言的中文反推或者润色。还有就是香蕉的提示词，选中任意的模式背后都有一套预设的提示词，我们只要在下面简单的输入 你的提示词要求，那他就会按照这个提示词的预设来帮你反推合理的词。这里面我个人用起来，尤其香蕉这个非常好用啊。有时候我们描述几个图片的编辑关系，描述不清楚的时候，可以直接把图片以及你简单的要求传输上来，它会给你一个相对完整的逻辑，然后呢下面这里是置顶按钮， 然后这里配置 api， 这里会有历史记录，所有我们生成过的提示词都会存到永久的存到你这个工具当中，然后呢最后是一个关闭，比如说我们在自然语言中文这里尝试一下，我们输入一个女孩户外写真，然后呢我给他一个几条两条或者十条五条都可以让我们点击运行，他 就会调用 api 帮我们生成这个地方的 api， 能适配 open 接口的都可以，那得到这个结果之后我们就可以复制到其他地方去用了。同时每次我们生成一条之后，我们在这个地方可以发现 当前你的灵感池就多了一条，也就说你所有的东西都会被积累到这里，那积累的这个内容呢？我们之后可以在这里搜索你之前生成过的提示词，或者呢我们直接在这个大圆球上面点击一下，它就会把当前结果当中的之前的提示词可以随机出来一条，你就可以直接去附用它，尤其是通用的 纹身图类的我们都可以直接用。如果我们的提示词当中有反推图像的，或者你用香蕉的时候要给他看到你的图片，那我们就直接把你的图片这样给他拖动进来，他会有个特效，当我们松手之后呢，他就把图片给吃进来了，最多可以上传四张图片，点击清楚就可以清除掉这个图片。大概的功能就是这样，我在软件当中还放了一个使用说明， 大家打开之后可以详细的看一下这个使用说明里面的提示词预设我们是可以自己改的，如果大家觉得我现在这个预设的提示词不满意的话，可以自行去修改。我这几个预设的提示词对于新手同学来说应该还是挺有用的，大家可以直接打开这个文件，然后看看我当前这几个模式的提示预设，也可以来参考一下。 ok， 这个工具很简单，直接大家解压就可以去使用了，重点是想跟大家聊一聊最近火热的龙虾技术，我发了这个工具，肯定也会有人说现在用龙虾直接都可以调用提示词去出土等等的工作都可以做了。我个人认为，当前绝大部分的人来说，龙 龙虾对它是没有太多用处的，反而大家可以去学一学现在的一些编程助手，比如说 coser， 谷歌的反重力，或者是 cloud code 这些可以直接在你电脑上帮你修改文件，帮你写代码，帮你整理文档，帮你梳理架构，甚至帮你钻研课程的这些东西。像这个工具就是我大概花了三个小时的时间， 一句代码不用写，我也不会写代码，你只要跟他提需求对话，只要你有提需求的能力，只要你有用户思维，那你就可以做出这样的东西来。更底层的就是学会如何跟 ai 对 话，如何跟 ai 学会其他各种你不懂的东西。所以反而建议大家可以去学一学这样类型的工具，它会离我们实际解决问题会更近一点。

ai 居然学会了职场摸鱼？我给 openclock 安排了两个任务，结果他跟我玩起来踢皮球，真是气死我了。第一个任务每晚十点提醒我记账，昨天他没提醒我问他咋回事，他居然回我系统，哈密的不稳定，不一定准时出发。嘿，你还学会了甩锅给系统， 我直接回了一句，再不好好干就把你换了。结果他秒回收到已调整任务时间窗口，保证完成任务。第二个，帮我装个 agent 的 rich skill， 他 回 get 号上找不到，让我告诉他再准确一点，我火了 就在给他开发上，你再偷懒我要换掉你。奇迹发生了，他立马安装成功了，还问我要不要看这个 skill 怎么用，这说明什么？现在的 ai 也是欺软怕硬的，调教 ai 有 时候得用威胁提示词告诉他后果很严重，他才会拿出百分之百的算力。你的 ai 也被你 pua 过吗？

今天学习了一下龙虾的代码方法呢，跟之前的学习格式是一样的，更好的一点呢就是龙虾的代码是全开源的，然后能看到更多的细节 啊，我认为呢 agent 决定一个 agent， 它跟其他 agent 的 区别的点呢？关键有三个点 啊。第一个就是思维循环，在这一点上呢就是龙虾的思维循环跟考拉科德真的是一模一样啊，就是一个非常标准的 react 范式的循环，没有什么特别的地方。然后呢第二个点啊，就是奇石词，龙虾的奇石词呢，它写了一百多行啊，也不多， 然后也写到了就是角色定义很简单，就是你是一个运行在奥本考道内部的个人助手啊，完了，这么简单，然后呢就写工具定义，技能，然后安全 等等这些东西啊，然后我看了一下，相对来说就是非常通用，非常通用， 跟我之前写的那个自己写的那页呢比起来呢，就是他的内容我可能百分之七八十我都还是直接拿来用的啊，因为他写的非常通用，没有什么，就是在某个方面特别专的记事词， 然后他的记事词的组装逻辑啊，也相对来说特别简单啊，特别简单就是他的系统记事词加上绘画历史， 然后再加上工具的返回结果啊，就这三部分，然后就没了。他唯一的创新点在哪呢？就是在他进行组装那个绘画历史的时候，如果历史内容过长怎么办啊？他会把最前面最开头的一部分截取出来， 生成一个摘药啊，这是他的一个很关键的创新点，这样子呢，就是能保证提示词的量啊，不那么的大，同时呢还能让模型更好的去记住最开始的一些东西啊，这个创新点是非常不错的。 然后第三点呢，其实就是记忆系统啊，记忆系统非常关键，也是我觉得看了之后感觉很厉害的一点 啊。记忆系统我自己之前的理解呢，就是他应该在奇遇词组装的时候去生效，对吧？因为你应该把记忆喂给我，行，所以他是在奇遇词里面去写的，但是他这个记忆系统就不一样，他把记忆系统相当于是当作一个工具来看待的 啊，就跟其他工具一样，就是他会告诉模型啊，我这有记忆系统，然后你这个模型呢，你什么时候要记什么东西怎么办啊？你模型自己去决定。然后呢，你这个模型什么时候去读去这些记忆呢？ 也是模型自己去决定啊，都是交给模型去办了，他存放在哪呢？就是存代码文件啊，就是写写文件非常简单， 我之前自己写一阵子再说，其实主要就是这样，卡了也是很长时间，因为这个如果你要把它写在一个 其实词组装过程中呢，这个逻辑就相当来说还是有点复杂的，对吧？因为你要去思考到底组装哪些内容啊，怎么去筛选内容啥的 啊？人家这个真的是就是大道至简啊，我觉得真的是大道至简。不管啊，直接交给 ai 就是， 记忆是你的一个工具啊，你怎么用它，你自己看着办，非常厉害。我觉得这个。 然后接下来呢，我的想法就是我那个 agent 呢，不打算开发了，因为我把整个的功能对比了一下，就是从基因系统，对吧？磁力循环这块对比了一下 我自己的不一样的点呢，我自己的想法呢，其实主要是在思维循环上面，然后其实词和记忆系统，我觉得，对吧？你这用人家的想人家实现的一套东西非常好，非常完美的， 而且呢，它是 mit 协议开源的，也就是可以随便用啊，甚至可以商用啊，也都是随便用， 而且呢，基于此判断，我个人觉得啊，今年真的是 agent 大 年，绝对是 agent 大 年，接下来会有非常非常多的 agent 寄予龙虾去开发，如果呢，大家自己啊，想开发自己的 agent， 真的 不需要再去重复找轮子，除非就是说你在记忆系统，然后或者是其实其实此组装逻辑或者思维循环上面你有自己的方案， 对吧？你完全有自己的指方向和思考的时候，然后你还觉得这个东西比龙虾要强啊，那，那你再去自己开发一个任何吧，对吧？如果没有的话呢，就是你自己在龙虾的基础上啊，直接去开发就可以了。

打开 openclaw web 窗口，复制提示词并粘贴在聊天窗口中，按下回车键进行发送。生成需要一些时间，稍等片刻， 看到这个表示生成成功了，需要提供邮箱配置参数。打开邮箱主界面，点击设置，选择 pop 三 s m t p i m a p 选项，点击开启之后点击继续开启。复制授权码并点击确定。 将邮件配置所需的四项核心信息一行一项放在一块，并进行复制。回到 opencloud web 窗口，将邮件参数粘贴到聊天窗口中，并按下回车键。配置需要一点时间，稍等一会， 看到可以发送邮件的提示信息，表示配置成功，可以发邮件了。按如下格式输入收件地址、主题和内容， 如果还要发送附件的话，提供一下附件地址就好了。 按下回车键进行发送，可能 open curl 对 业务还不熟悉，发送花了一些时间， 邮件发送成功了，打开收件箱，确认一下邮件收到了。

如果你平时用 ai 写代码，你最头疼的往往不是他不会写，而是他做事没章法。比如一句，帮我修登录 bug， 他 可能直接开改，测试没补，验证没跑，最后还告诉你已经修好了。 superpowers 解决的就是这个问题，他不是单纯让 agent 更聪明，而是让 agent 按工程流程做事。 先说一个很真实的场景，你让 ai 修一个登录 bug， 正常工程师会先复现问题，再补一个失败测试，再去改实线。但很多 agent 不是 这样，他直接开改，顺手还把别的文件一起碰了。第二个场景，你说加一个小功能， 比如订单页加一个筛选，他不先问清楚边界，最后把接口、前端状态、美举全都改了一遍。第三个场景最烦，他告诉你测试应该能过，但其实根本没跑完整验证。 superpowers 要解决的就是这些真实开发里最耗你时间的麻烦。 它的工作方式很像给 agent 装了一条工程流水线，而且这条线非常适合直接拿来理解。第一步是 brainstorming， 也就是先把需求讲清楚，不急着开写。第二步是 walk tree， 用隔离工作区，避免污染你当前代码。第三步是 writing plans， 把任务拆成明确步骤文件和验证命令。第四步是 test driven development， 也就是先写失败测试，再写最小实现。第五步是 review， 在 继续推进之前，先检查有没有跑偏。最后一步是 finish， 也就是 finishing a development branch， 把验证收尾和交付状态说清楚。它最实用的地方就是让 agent 按这个顺序做，而不是想到哪做到哪。 这套东西最值钱的地方我觉得有三个，第一，它把很多本来靠自觉的工程习惯变成了硬规则，像先写计划，先写测试、先做验证， 不再靠你一遍遍提醒。第二，它不是一个巨大总提示词，而是一组可以组合的 skill， 什么场景触发什么约束结构更清楚。 第三，它覆盖的不只是写代码，还包括调试、验收、代码审，甚至怎么写 skill 本身。对开发者来说，这种价值很实际，因为你省下的不是点代码的时间，而是盯着 agent 纠篇和返工的时间。 为什么我说它不是纸上谈兵？因为它给的不是几句理念，而是能直接安装、直接接近 agent 的 具体机制。 redmond 里明确写了 cloud code cursor codex、 open code gemini c l i 的 安装方式。以 codex 为例，你就是把仓库 clone 下来，再把 skills 目录通过 simlink 链接到原声， skill discovery 路径， 然后像 test driven development， systematic， debugging， verification， before completion 这些规则都是独立 skill 文件。也就是说，他不是希望 agent 记住一整段大提示词，而是真的让他按条件去调用对应方法。 它最适合两类人，第一类是已经把 ai 接近真实开发流程的人，比如你每天都在用 codex 或 cloud code 改项目，但经常要花很多时间帮他收尾、补验证、修跑偏。第二类是想把团队 ai 用法标准化的人，比如你不希望有人拿 ai 瞎改完就提交， 而是希望至少都经过计划、测试和 review。 反过来说，如果你只是偶尔让 ai 写一个一次性脚本，那这套东西可能会有点重，因为它解决的是工程化问题，不是随手生成代码的问题。 我的判断很直接。 superpowers 最有价值的地方不是让 ai 输出更漂亮，而是减少你盯着它擦屁股的时间。它特别适合已经进入真实工程阶段的 ai 编程，而不是试玩阶段。如果你的痛点是 agent 不 守流程，容易偷懒，验证不严，那它很值得装。 如果你的需求只是让 ai 临时给你几段代码，那它不是你最优先要装的东西，因为它卖的不是灵感，而是纪律。我是 sawyer tech， 关注我，了解更多 ai 知识。

我的龙虾现在已经能帮我做出这种视频了， 很多人最近安装龙虾之后呢，都反馈说这虾怎么笨笨的，什么也不会干，这是因为你没有给你的龙虾安装好 skills。 什么是 skills 呢？ skills 就是 ai 的 技能包，不同的 skills 代表了不同的技能，比如画画的 skills， 做视频的 skills， 写代码的 skills， 浏览网页的 skills 等等。那么如何获取 skills 呢？ 两种方法，一种是你从头开始教，比如你想教会龙虾如何画画，可以从头告诉他怎么样写提示词，怎么样调用大模型，再怎么样把生成的结果保存到本地等等。但是这真的非常麻烦，我自己亲测过，我就光教我的龙虾怎么样打开浏览器，找到浏览器输入框，正确输入网址， 打开极梦的网页，再加上登录我的账号，这就花了我两个多小时，所以我更推荐大家使用。第二个方案就是直接下载别人做好的 skills， 然后把它安装到你自己的龙虾上，这样你就不需要训练，直接让你的龙虾学会一个全新的技能。而且你可以在别人做好的技能的基础上，继续训练你的龙虾，让他在这个技能上进一步精进或者理解你的偏好。比如我的龙虾，他就是下载了这个使用 cds 制作视频的技能后，又经过了我自己的二次训练后得到的。 那么在哪里能够下载到别人已经做好的 skills？ 商店目前提供了超两万个优质 skills， 一 键安装第二个 skills 点儿 s h 目前最大的社区 skills 商店内置超八万个 skills。 第三个， awesome open cloud skills， 从 cloud haub 里面筛掉垃圾技能，挑选出了三十二个分类下五千四百多个常用好用的 skills。 第四个，腾讯的 skill hub， 专为中国用户优化的 skills 社区，主打的是国内高速下载全中文和安全精选，目前也提供了超过一点三万个技能。 ok， 如果你感兴趣的话呢，可以关注我，下一期我会给大家推荐几个我们自己的工程师，测试了一个多月下来觉得可靠好用的 skills， 关注董老师，我们一起学 ai！

今天给大家分享一下，我们在部署好了 open cloud， 并且和飞书进行联通之后呢？然后我们在飞书端让它呃截个屏发送给我，然后它只会显示一个图片的路径，而不会显示整个图片。 呃，解决这个问题其实很简单，我们只需要在 open cloud 这个，呃，这次文件中加入这个 media pass 这个字段，并且再加入它的一个工作路径，呃，这样就可以解决。是因为这样的话我们就是给它一个 一个白名单，他在白名单中进行一个图片的保存，并且一个截图的话就可以正确的呃发送。比如像这里，然后我们再次让他截个屏发送，然后他就可以正确的一个截屏，并且在飞速段就可以展示这个图片， 可以看到他正确的展示了这个图片。

千万不要安装 opencarlo 小 龙虾，更不要让你的小龙虾学会这些技能，否则每天早上八点，他会准时给你发！哎呀，全球资讯 还会改成口播不厌，逼着你去拍视频，让我从每天日更变成了每天三更用了。哎呀，我不光没有躺赢，工作量还整整翻了三倍！事情是这样的，我安装好小龙虾之后，发现了一万多个小龙虾官方技能，根本就不知道怎么选。后来在该的哈姆 收获到了这个项目，里边有一百多个分类好的小龙虾技能。我随手挑了一个，直接把代码复制给小龙虾。几秒钟后，他又学会了定时提醒。然后我让他每天早上八点把整理好的 ai 全球资讯发给我，并改成口炮不怨。 从那天起，我的噩梦就开始了。他每天逼着我发三个视频，两篇图文，后来一看才花了不到一块钱。我整理好了五十个龙虾视频，两篇图文，后来一看才花了你努力的，你共勉！

openclaw 新建绘画时，到底给大模型发了什么？我用最通俗好懂的话把你给的那一大段系统提示词完整讲清楚，顺便把为什么必须大模型本地小模型半天没反应也一次性说明白。 一新建绘画时， openclaw 给模型发的到底是啥？简单说， openclaw 直接给模型塞了一整本 ai 助理运行说明书加身份档案加工作权限，不是简单几句提示，而是超长超详细带执行规则的完整指令包。 一，先给模型定身份，你是运行在 openclaw 里的个人助手，不是普通聊天机器人，说话要真诚有主见，会干活，不搞客套话，记住你是客人，要尊重用户隐私，不乱操作。 二，给模型发工具清单，告诉他能干嘛，直接列清楚所有可用工具。模型必须严格按名字调用，不能自己瞎编。 读文件，写文件编辑文件，执行 shall 命令管理后台进程，搜索网页，打开浏览器看图片管理子代理跨绘画发消息语音合成记忆读写心跳检查 一句话，把电脑控制权交给模型，但定死规则。三，给模型发技能库，告诉他有哪些现成技能可用。 安全体检防火墙 s s h 加固本地语音转文字 whisper 视频抽真 ffmkey 查天气自定义技能创建模型，看到任务会自动去读对应技能的详细步骤 四，给模型注入性格与记忆文件，这是最关键的部分， open cloud 会把工作区里的所有配置文件整块塞给模型。 s o u l 点 m d 你 的性格说话风格做事原则 agent 点 m d 绘画规则，记忆怎么存，怎么干活 user 点 m d 用户信息偏好 memory， 点 m d 长期记忆 heartbeat m d， 后台自动任务清单 bootstrap 点 m d， 新建绘画专属引导，第一次启动用 模型一上线就知道我是谁，用户是谁，该怎么说话，该记住什么。五、给模型定安全红线，不能越权，不能绕过监督，不搞自我复制，不修改系统提示，删文件要谨慎，优先用回收站，隐私数据绝对保密。 六、给模型定绘画规则，每次新建绘画必须先读记忆文件，群聊里少插嘴，只在有用时说话，回复要简洁不水疗，长时间没动静就发心跳包。 七、给模型发运行环境信息，当前系统工作目录、模型版本、时区、时间通道、 webchat， telegram 等。 二、为什么必须用大模型才能跑 open klo 小 模型根本带不动，核心原因只有三个，非常直白，一、提示词超级长，小模型装不下， 普通聊天提示词几百 token。 open klo 新建绘画一次性塞几万 token， 工具列表加技能加七个配置文件，加安全规则加环境信息。小模型上下文窗口只有四 k 八 k， 直接装不下，要么乱理解，要么直接卡死。 二、任务是复杂 agent 逻辑，不是简单聊天。 open class 不是 让模型聊天，是让模型理解任务规划步骤，调用工具读写文件，处理异常，记住上下文。小模型逻辑弱，指令跟随差，根本看不懂这套复杂规则。 三、要同时处理记忆加工具加多，绘画要读文件，写文件跑命令要管理子代理，跨绘画通信要长期记忆，定期心跳。小模型算力不够，多任务直接崩溃。 三、为什么本地模型新建绘画半天没反应，像卡死？你遇到的新建绘画等半天没回应是百分之一百正常现象， 原因如下，一、本地模型在硬啃超长提示词，云端大模型，几万 token 几十毫秒读完。本地小模型， cpu 小 显存推理，几万 token 要读几十秒甚至几分钟，你看到的没反应，其实是模型在拼命加载提示词。 二、本地模型要一次性加载所有配置文件，新建绘画时，模型要 do so dot md、 agents dot md、 memory dot md 等七个文件解析工具，规则技能列表、安全约束、出场工作区记忆绘画状态， 本地 i o 加推理速度慢，流程走完要很久。三、显存内存不够，模型再 swap 交换。 七 b 模型至少十 g b 加显存， opencloud 还要占内存，存上下文文件缓存，内存不够就用硬盘虚拟内存，速度慢十到一百倍，看起来就是卡死。 四、本地模型没有优化，预填充极慢，本地 l l m 处理超长 prompt， 有 个步骤叫 prefill， 速度只有云端一千加 token size， 本地 cpu 己 token size， 光处理提示词就要三十秒以上，你当然觉得没反应。 四、一句话总结最通俗版 opencloud 新建绘画不是给模型发一句话，而是发一整本操作手册加身份证加权限卡，必须用大上下文、强逻辑、大算力的大模型才能读懂，记住执行。 本地小模型弱设备因为装不下，读得慢，算不动，所以新建绘画会半天没反应，不是坏了，是扛不住。

今天熊叔为你详细介绍如何在龙虾中搭建自定义的任务控制中心。无需任何编程和技术经验，仅通过简单的提示词就能打造专属的仪表盘，让你的龙虾功能提升百倍，还能让整个过程有趣 解决用户无法知晓 open club 工作状态。任务完成进度的核心痛点是每一位龙虾使用者的必备功能。搭建这套任务控制中心的操作较为简单，仅需向龙虾发送对应的提示词即可完成， 具体步骤如下，首先，进入这个 open cloud 的 系统，发送核心提示词。我想要一个自己的任务控制中心，我可以在那里构建自定义的工具，请用 nex js 构建它，并将其托管在本地主机上， open cloud 就 会自动生成任务的控制中心的基础模板。若对界面有个性化的需求呢，你可以补充提示词，例如把它设计成一个简洁的类似限行界面的界面，即可获得符合你要求的仪表盘。 后续所有的工具的搭建均只需向 open cloud 描述所需功能和呈现形式，你的代理就会自动完成。全程无需任何技术操作， 任务控制中心中的每一款功能呢，都能解决特定的使用痛点。接下来我来为你介绍各个工具的功能及对应的搭建提示词。 首先呢是主看板，这是管理和追踪 openclaw 所有操作的核心工具，能实现任务的可适化分配与进度的监控，可详细查看代理的每一项工作操作。 然后就是日历界面，核心作用呢是展示 openclaw 的 所有定时作业和计划的任务。解决 openclaw 不 够积极主动的使用通电。 第三呢就是任务板，专为追踪各类项目进度设计，能有效的避免使用。 欧盟 club 是 因盲目搭建无关的功能而忽略了核心项目的问题。用户呢，就可以让欧盟 club 为每一个重大项目在任务版中创建专属条目，实时地查看项目的完成进度，及时关注长期未处理的项目。 第四呢就是记忆界面，欧盟 club 拥有强大的记忆系统，能记录用户每天的所有对话，但默认的记忆内容呢，存储在杂乱的文件中难以查找。 记忆栏目可将所有的记忆按日期有序整理，用户可像翻阅日记一样回顾过往的对话，也能够快速查找特定的时间的交流细节。第五个呢就是文档栏目。 boom club 会为用户创建各类文档，比如你的规划文档啊，产品需求文档啊，还有新闻简报这些， 这些内容默认散落在聊天记录中，查找难度非常大。文档栏目可将 club 创建的所有文档都集中展示，以美观的格式呈现，同时支持按照格式来分类及关键词搜索的功能，用户可以快速找到这些文档。 接下来就是团队栏目，团队栏目就是管理整个龙虾所有代理及此代理的核心工具，其作用如同数字公司的组织架构图。栏目中会清晰的展示所有创建的代理 代理信息，包括其使用的设备啊，扮演的角色啊，进入支持的来源呢？从核心代理到基层工人的代理，分工层级一目了然。 最后就是办公室来了，这是一具一款极具趣味性的可识法工具，以二 d 像素风格呢，打造了一个虚拟办公室界面， 展示所有的代理的实时工作状态。代理工作时呢，会在虚拟的办公室中坐在办公桌前工作，用户可通过该界面直观的确认代理在特定的时刻的工作内容，实时的对代理的工作进行趣味的追踪。任务控制中心是一个高度个性化的仪表盘， 照搬你他人的工具和工作流程是无法适配自己需求的。所以说在搭建好这个初设版本之后呢，个性化的优化尤为重要。核心的优化方法就是反向提问， 在完成任务控制中心基础搭建后，向 openclaw 发送反向提示词。根据我们的工作内容啊，工作流程还有核心目标，我们的任务控制中心应该开发哪些工具，让 openclaw 自主思考并设计适配用户专属需求的工具， 这些工具会比照搬更贴合你的实际工作，大幅简化你的个人工作流程。同时也可直接将我这个视频链接发给 omcle， 系统就会自动获取文字稿，整理所有搭建的细节，并主动完成未搭建的功能。 总之， omcle 的 这个用户控制中心的核心就是无代码、高自定义、强可识化， 通过简单的提示词即可搭建专属的工具，结合反向提示，实现个性化的优化，就能让你的龙虾适配个人工作需求，实现效率的百倍提升。我是熊叔，关注我，看我日常如何养虾！

有人问小龙虾能不能调用 comforu i 实现图片生成？可以的可以的，我给大家实现。要想用 open curl 调用 comforu i， 首先你肯定是要有一套 comforu i 的 环境， 这是我们在本地搭建的 comforu i 的 环境，这是刚创建不久的一个流程图，它的作用就是根据你的正向提示词、反向提示词去生成一个平面图。其次，我们肯定是要有一个 open curl 的 环境，对吧？ 我们建了一个 openclo， 这个 openclo 呢是使用的模型是 kimi。 二点五，要想用 openclo 去调用 ctrl u i， 我 们最好的方式是使用技能。这里是我整个创建这个的过程啊。嗯， 帮我开发一个 skill， 用于调本地的 comfyui 他， 然后后面就是要要求我提供给他这个 jason 的 路径，然后到这一步就是他已经成功创建了这个 skill， 就是 我通过在这个对话框里面跟他聊天的方式，他就已经能帮我生成图片了。 我这里是需要用 openglue 去调用的，怎么做？然后他就尝试再去做调整，调整完成之后就这里就算是好了，是吧？ 然后我紧跟着我到小龙虾这边，这是它第一次生成，然后最后生成了它会路径在这，因为 openclo 它的这个界面是没有办法直接去访问本地文件的。这是目前 openclo 这个界面的一个问题，我们是不是可以 重新考虑修改一下我们的 skill？ 既然你本地文件没有办法输出，那你是不是可以直接帮我输出 best new 四啊？在这儿你看它这边也是有 best new 四的方式进行输出。嗯，修改到这一步之后，它支持了 best new 四。 这个时候呢，我又重新跟他说，我修改了一下 skill， 你 帮我重新生成它。确实按照这种思路其实是对的，因为它能正常的输出这个这个东西，但是如果它这个输出完成之后，它就会正常显示，以百四六十四的方式显示。但是可惜百四六十四比较长，它输出 没完就结束了，所以导致这个图片是没有办法正常显示的。既然你这边生成的过程是用 python 去生成的，那为什么不能生成之后帮我直接打开呢？ 使用电脑默认的打开方式帮我打开就好了吗？使用默认的图片的浏览器帮我打开，好，你，我已经同意生成，你帮我试一下， 对吧？他就成功了。我们给大家演示一下，编成一条鲨鱼，我们现在再看一下它的效果，但它的效率感觉并不是那么高，哎，你看生成成功了。

现在 open core 正在给我配置防火墙，就是这台可以看到正在执行配置命令。我们来看一下提示词，我们让他通过我自己编写的技能连接华山防火墙，先登录防火墙查看一下当前配置， 然后再告诉他，即一杠零杠一做外网口自动获取 ip 地址，防火墙三口作为档口，并配置档口， ip 地址再发给 opencool， 让他先生成配置。 我们来看一下这就是它生成的配置，基本上都是正确的。 ip 地址，安全区域，还有 dsp 服务器配置，有些地方不太满意的，让它修改一下就行了。 比如这里 nat 配置，我习惯用 nat 奥特曼的，告诉它修改就行了。 脚本修改好以后直接让他配置，配置好以后让他拼一下，二二三点五点五点五，同不同可以看到他自己在登录设备， 然后对设备进行配置，配置好以后根据我们的要求拼一下，二二三点五点五点五，可以看到配置好了，配置好以后它还会输出一个总结 提示，华商防火墙配置完成，联通新测试，无丢包防火墙也可以正常上网，这个效率其实还挺可以的，比我自己编辑脚本还快。

安全的玩小龙虾，十秒钟教会你不懂编程，没关系，脑子放空，把这段提示词啪的一下贴给小龙虾，稍等一下，自检报告刷刷刷就出来了。看看这仔仔细细的二十多项检查，有点安全感了。不要修复这些存在的危险也很简单，你就告诉他，帮我立即执行修复，三分钟之内自动修复完毕。全程不需要你写一个代码，也不需要你开一个文件， 这种作业要是还不会抄，那就真没办法。为了让你们更安心，我概括一下整套提示词到底在为我们解决哪六个核心安全问题。首先在开头呢，我就写了下，所有的检查项目都遵循配置文件加运行日制的交叉验证，防止某些隐蔽手段绕过检查。第一个板块是防止网络暴露问题， 检查网关地址和机器 ip， 防止服务器暴露在公网，尽量不使用常规端口，检查防火墙是否开启，防止被扫描攻击。再就是对话角色，检查一下谁可以和你的小龙虾对话，我是建议改成只能跟自己这个账号对话，这样比较安全。再排查一下是否无意中开了其他通道和认证方式，防止陌生人绕过授权直接与你的小龙虾聊天。 做完这一步，安全就已经得到了极大的提升，因为你的小龙虾陌生人已经无法和他对话了，无法访问了，所以说他们就不能通过网上这种提示的方式去拿到你的数据，真的要搞你的话就更费事了。第三个是检查 api 密钥和凭证是否已加密处理，因为别人拿到你的密钥是可以直接去使用你的 token 的， 也就是花你的钱跑他的东西，所以你的 api k 是 很重要的，不能在任何地方暴露。 所以这里会检查存储密钥的那个目录的访问权限，限制为只有你这台电脑可以访问，而且会扫描已经安装了 skill 和运行日制。看看你的这个密， 密钥就是看他过往的记录里面是否做了加密处理或者已经暴露。如果已经暴露了，那小龙虾会删除这些携带了密钥的日记，并自动的修复这个密钥的加密处理这个功能。但同时你也需要去删除了这个已经暴露的 a p i， 生成一个新的去使用。 四、主要是检查自己的隐私有没有暴露。就是查一查日记文件的权限是否只有自己能看，以及过往的日记中有没有暴露过自己的隐私，例如银行卡号、手机号、身份证密码、账号、财务信息，就马上自动删除这些日记，而 先改成以后对这些隐私数据进行加密处理，不直接暴露在日记中。第五个就是检查核心配置和扫描所有的 scar 文件，防止文件被恶意指定篡改，防止夹带后门的供应链进行投毒。 供应链投毒现在太泛滥了，所以各个大厂套壳的小龙虾基本上都自带了 scar 的 审查功能，可能没有原版的 open color 那 么自由，但是对新手的安全性确实是更加友好了。第六个检查你的 open color 现在拥有的系统权限和工作进程。如 如果你的小龙虾权限太高了，会比较危险，它会提醒你把权限稍微改小一点，然后检查你的定时任务列表有没有猫腻，防止被植入恶意定时脚本在后台悄悄执行。这一趟下来，可以指导来减少我们使用小龙虾的风险。当然，我这只是抛砖引玉，如果大佬们觉得有需要补充或者修改的地方，欢迎在评论区留言，谢谢！然后接下来就是我个人的吐槽。 上一个视频的评论区，我看到很多朋友都在吐槽那个小龙虾不安全呢，啊，是木马了？什么银行卡的钱被转走了？什么熊猫烧香？还是出生早了的这种阴阳啊。说实话，看到这些评论，一开始有那么几条我觉得还好，但是后来越来越多，越来越多之后， 我感觉有点可悲。你知道为什么吗？我给你们讲个故事，今天现编的一群人出海游玩，遇到了海啸，把这群人冲到了荒岛上面。荒岛上呢，有一些常规的食物啊，但不多，只能保证大家不饿死， 根本就吃不饱。想要吃饱，你只能去吃一种无名树上的一种怪异果实，胃口小的人觉得，哎，吃少一点也能接受啊，但是胃口大的人实在是饿啊，于是呢，就爬到树上开始摘果子吃。大部分人都说没毒 可以吃，还有极个别人呢，吃了之后获得了超能力，但是也有一部分人说果子有毒会晕，甚至还有极个别人中毒身亡了。这个果实就是 open call， 而你们，我们，他们都是这个荒岛上面的人， 所以我们的脑子里面想的是这个东西，它有没有毒吗？有没有毒它是一个事实，它不需要你考虑，我们应该优先考虑的是这颗果子到底能不能让我获得超能力，我是不是真的需要这个果子？如果不需要，你自然可以不搭理，但如果你真的需要这个果子， 这个果子能帮你极大的提升效率，这个果子能给你带来凌驾于众生的超能力。那你要考虑的也不是要不要爬树摘果子，那都没有意义，因为事实已经说明了它这个果子就是不安全的，所以 你应该思考的是怎么吃到安全的果子。而我今天分享的就是挑选和处理安全果子的方法，但这个方法是不成熟的，所以只是相对安全，他不可能做到绝对安全。 谨慎是应该的，但是阴骜失不可取。这个世界是相当复杂的，投资圈有句话叫做，当我们看到利益的时候，应该考虑背后的风险，当我们看到风险时，也应该思考他背后的利益。都是成年人啦，该有自己的判断。我叫豆豆，一个努力发财的人，咱们下期见。

openai 前首席科学家卡帕西上周发了一条推特，看到推特这一刻，我感觉我这两年用 ai 的 方式可能都错了。我 试了下他推文里面提到的办法， ai 润色文章的能力立刻翻倍了。接下来我就把这七个提示词告诉给大家，如何通过卡帕西的方式召唤各路专家来帮我们修改文章。直接复制保存。第一步，先把你的指引，也就是背景信息告诉 ai。 输入下面这段话，这是我的文本，然后把你的原文贴到这发布位置，比如是部门内部的通知目标读者，比如是部门全体员工。然后提醒 ai 必须保留的关键词和术语，有什么不能改动的，事实有什么 一定要写出这句话能避免 ai 幻觉。禁止编造数据或引用，如需数据，请标注数据来源。第二步，基础校对以及优化流畅度。这条提示词起到基础的作用，提示词用来找出基础错误并修正， 让文章读起来更顺畅。输入下面这段话，你是自身的中文编辑，请在不改变事实的前提下，修正语法错别字标点，改顺读起来别扭的句子， 统一术语和代词代指。第三步就是精简清晰文章内容。下面这个提示词很关键，用来提高文章的信息密度，减 减少废话，突出核心观点。输入下面这段话，你是专业科普文案的编辑，目标是让文章简洁清晰，信息密度更高。删除重复与套话，长句拆短句，保留关键的结论和必要前提。 输出 a。 修改后的版本。 b。 用五条以内的观点列出你删掉或合并的要点，并解释原因。第四步是检查结构和逻辑，逻辑严密，环环相扣才会是篇好文章。输入下面这段话，你是逻辑严谨的科普导师，请检查一、观点、论据、结论是否闭环。二、 段落顺序是否合理。三、哪里需要过渡句？输出 a、 推荐的大纲 b、 按新大纲重排后的正文。第五步呢，是语气和风格，主要是为了对齐人群，公司层面的通知和演讲稿，那肯定不该使同一种语气嘛。 输入下面这段话，把文章分别改成两种版本。举例子啊，面向小白的通俗版和面向从业者的专业版，要求术语一致，事实不变。每段开头用一句话点题， 不要堆形容词。输出两版权威，请注意使用词符合目标读者的阅读习惯，这个时候如果你的目标读者是其他人，你就把其他群体写在这。第六步的作用非常关键，是用来减少 ai 幻觉。输入下面这段话， 你是严谨的科普作者，让文章更具有说服力，但禁止编造一、把结论写得更明确。二、为每个关键结论补证据类型，比如数据研究、常识推理或者案例。 三、如果缺证据用，需补充来源标注并给出应查的关键词。输出 a、 强化后的正文 b、 证据清单。刚才这个非常关键啊，能减少 ai 的 幻觉，现在 ai 处幻觉非常非常多。最后一步是模拟读者的忠言，请扮演一位不懂 ai 技术的读者，告诉我哪段没看懂。二、哪句话像空话。三、最打动我的一句是什么？四、我看完之后会不会采取行动？为什么？ 好了，通过以上七步，你就能让 ai 帮你深度润色并输出一份儿你想要的好文章。我是拉斐尔，这是 ai 信息评权的第三集，咱们下次见。

超简单的 open 克拉安装教程，接入快三点五 plus 大 模型，通过 qq 机器人号令你的龙虾。首先呢，先来安装 node js 浏览器，输入上面的网址，点击 windows 安装程序进行下载， 然后和平时安装程序一样的，这里我就不安装了，非常简单，安装完后在 cmd 执行都出现版本输出，那就没有问题。这里我们还要安装 get 版本控制工具下载我上传的，或者直接到官网中下载。安装 openclou 需要 get 工具， 安装也很简单，没有特别需求，一直 next 即可。安装完成后，打开 cmd， 进入 getversion， 查看是否安装成功。 整篇教程我都整理好了，评论区发六百六十六接收一件安装脚本和教程。接下来可以安装一个 notepad 夹夹，拿到我的非书文档后， 点击这个直接下载，下载完双击打开，点击 ok 往下安装就行。下面才是今天的主角之一。点击下载我的 open club， 一 键安装脚本，把它复制到地盘目录。我的脚本是把 open club 安装到地盘的，没有去局安装。以管理员方式打开 power show， 找到教程下面的命令行复制过来，回车执行，稍微等待一会儿， 出现当前界面提示，就代表安装 open class 成功。进入地盘， 你会发现生成了一个 open class 目录，进入目录，双击出场， on board bat 进行出场。这里配置就不详细讲了，跟着视频快速过，如果有不清楚的地方，可以看我的零成本养殖龙虾那个视频。 到这里， openclaw 的 前台进城就启动了，复制 dashboard link 到浏览器打开，其实你的浏览器也会自动打开的， 如果你启动了 openclaw， 但是你不知道控制面板的连接，直接双击面板 dashboard bit。 这里的配置 configure 是 你以后要修改配置的时候，可以在这里进入交互式界面去修改。下面是本视频的第二个部分，安装 qq bot 插件 双击安装 qq 插件， bad 提示， install the plug in qq b o t 就 完成安装了。安装好插件，我们要去开放平台获取配置信息，拿出你吃亏多年的 qq， 扫一扫二维码，点击创建机器人， ok， 现在拿到了 ipd 和 app secret， 切回地盘 open 克罗目录，打开 qq c o n f i g 点 txt， 把获取的 qq bot 配置信息一一对应填写上去， ctrl 加 s 保存后关闭。然后我们这里双击配置 qq 插件，点 bat， 出现 added qq bot account default， 即配置成功。下面给我们的 opencloud 配置上捆三点五 plus 大 模型，任意一种方式登录， 点击确认开通，然后点击模型， 选择密钥管理，创建 apikey， 然后你可以直接看到文档往下拉，找到 open curl， 然后再往下拉查看配置。适利 把这一段复制到 open curl 点 json 区，位置是 c users， 你 的用户名 open curl， 用 notepad 夹夹打开， 和 agent 同目录，还需要修改 agent 里面的配置， 然后这里顺便把它的权限打开，不然你的 open class 不 能操作本地数据。最后我们把 ipkey 复制过来， 到这里配置就完成了。但是这里有一个问题，这里少了个英文逗号，注意补上。 ctrl 加 s 保存关闭到这里，神功已成，双击启动 getaway bed 来启动 open class 前台进程，双击面板 dashboard bed， 获取面板地址进行访问， 先在这个聊天框试一下调用大模型有没有问题？ ok， 牌没问题。 然后尝试下在 qq 上调用 openclaw， 这样以后出门在外都可以号令你的龙虾。感谢观看！