openclaw能用claude吗

大龙虾没有 api， 就 像跑车，没加油，再强也跑不起来。今天教你用最低成本，合理配置，给他加满燃料。官网，二十美元一个月，太贵了，国内扣定 plan 只要一折，二十到四十块钱就能搞定。但有个关键点要注意，这些套餐都有每五小时的用量限制。什么意思？ 就是每五小时刷新一次额度，还有些有每周限制。如果你像我一样白天上班，晚上集中写代码，那这个限制对你影响很大，可能刚写到信头上，额度没了，要等刷新。所以选套餐要看你自己的使用习惯，分散使用的话，五小时限制影响不大。集中使用的话，要选额度高的套餐。我们不单只是可以用在欧根可老大龙虾上， 一起使用这个套餐。 a p r 我 整理了七家平台的对比表，大家看图，价格、用量、模型都在这里，大家按需选择，大家可能纠结选哪个？ 其实真不用纠结，各家的模型能力都差不多， mini max 二点五，英文语境表现好， d、 c 性价比高，天文代码能力强。 这些模型在宽的扣子上都能用，差异没你想象那么大。我的建议是先挑便宜的用，不满意再换。所以不用太纠结，先跑起来最重要。一般玩家买个包月套餐就够用了，省心。如果非要体验那种顶级模型的丝滑流畅，我这边也有稳定低成本的解决方案，放在了我的主页胖虎 ai 军火库里边，直接安排了兄弟们。

oppo clou 和 clou 有 什么区别？今天和大家分享一下我这一个月使用 oppo clou 和 clou 的 一个真实的一个体验感的一个差别。从我的角度上来跟大家分享一下这样产品对我来说有什么样的一个区别和一个侧重点。首先 oppo clou 的 话就是我们所熟知的养龙虾，因为这它 clou 的 话中文意思是龙虾的意思， 而 clou 的 话是国外的人工智能公司 snoop 所推出的一个，也是 iphone 在 中桌面本地可以帮你桌面去完成一些写代码相关任务的一个 的一个 a 卷的产品的一个智能体产品，所以这两个产品都是定位为桌面级的智能体，他都可以帮你完成一些智能在桌面上面需要电脑操控或说需要电脑执行一些代码的一些权限和执行的一些能力， 然后去完成一些，比如说你让他帮你写代码，或者你让他帮你改 ppt， 你 让他帮你写什么一些作业，都可以让这两个产品去帮你完成。 那这样产品有什么差异点或者不同点吗？这也是很多小伙伴所疑惑的，特别是使用还不久的小伙伴所疑惑的。在我深度使用一个月之后，因为我是从事 ai 的 行业的，所以话我上班使用，下班也使用，所以我深度使用一个月之后的话，我的真实体感是 克拉克，他更像一个理工科学生或者理工科的一个外包工程师，你你有一些理工科的一些 呃需要任务都可以直接丢给 colco 去执行，它作为一个成熟的外包，它可以很快，并且它带带有一定的它的上下文能力，去帮你解决一些你理你理工科所遇到的一些问题，包括一些程序写代码呀，像这类的一些问题， colco 都非常的成熟，可以帮你去解决。那欧，那欧盟 colco 更像什么呢？它更像是一个 实习生，它更像是一个文科类实习生，它相当于就相当于是一个你雇佣了一个 大学生，就每个月给三千块钱，然后他坐在你的公司电脑面前帮你执行一些文件的操作，打开浏览器搜索的一些操作，然后就这里一些文件夹的操作，就填填表的操作。所以 openclaw 它更像是个实习生的原因是因为它一开始是不带一定的专业性的上下文的，它相当于只是调用云端的模型，它本地的的一些 memory 啊， skill 啊，都是你要从零开始去慢慢培养的， 所以话，就，所以话你不能期待一开始就让你的 open class 你 的龙虾可以完成一些，呃，就是你认为比较简单可以完成那些任务，你需要一步步知道他说他怎么样完成，然后他才会学习下来以后，然后把它记录到他自己的 skill 里面，然后再下一次这次新手他才会比较快的去完成。 我举个例子吧，就比如说，呃，我要让我的龙虾每天上午九点给我汇报一下当天 过去二十四小时的一些 ai 的 一些新闻，那你第一个步骤是要打开浏览器，然后去搜谷歌，然后搜什么样的关键词，然后你要去浏览，然后你要去整理，那不行，你要自己去判断， 就是就是这新闻是不是真实，然后并把记录下来以后，然后再汇送给我，就这一系列的操作，就我们所说的 skill 就是 一个执行的一些经验的一个流程，然后你需要带这个你的 model 去过一遍，然后他把记录成 skill 以后，他第二次才能比较快的去完成他，所以他更像是个文科类的实习生， 然后你让他去完成一些比较复杂的代码的能力的话，那这个很考验你的你的 microsoft 背后所接的模型是不是有具备这方面的能力，如果你背后的所接的模型就是 cloud， 就 cloud 十点六，那肯定是没问题的。但如果你背后接的模型是比较就是就智能程度比较低的模型的话，那你让他写一些理工科代码是很难去写的。 所以就类似一些写代码的活话，我一般都会给 cloud code 去完成，然后类似一些每天像天生的小秘书一样帮我整理一些 ai 新闻啊，帮我整理一些文档啊，那我会给我本地 的办公类的区别，所以话我更会把办公 code 当做一个文科实习生，然后把 cloud code 当做一个理工科的一个外包成员，然后去去对待。所以话我的心腹还是办公 code 当做一个理工科的一个外包成员，然后去去对待。所以话我的心腹还是办公 code， 因为他是一个隐私的一个文件，我都会给办公 code 去帮我处理，然后 然后就对于一些工作啊，还有工作还就还这么多写代码的事情的话，我会给 coloco 帮我去一次性搞定，或帮我去查一些 bug， 或去帮我去写一些就临时的一些脚本，它还是这样的一个平衡， 对，然后，呃，就除了这个体验上的区别之外的话，就 umclock， 它有 umclock 一 般没具就不具备，功能是它具备这个记忆能力，就是它 umclock 它除了会自己去 skill 之外的话，它也会去记录下来每天和它的对话里的一些内容，然后它相当于就是养成系 的一个形式，所以大家都说养农家嘛，他不仅会去 skill， 他 也会记录你每天和他对话的内容，然后储存他的记忆的文件夹里面，然后需要时候他就会读出来，然后去记忆的记忆，然后和你去做一个回答，然后 coloco 的 话他更加是一个临时的外包成员，所以话他不太会记录以前你和他的一些对话信息， 而且你 coloco 话他可能是包月的，所以话你过了这个月你的续费就没了，所以话 coloco 话他更加是一个云端的一个外包的一个执行者的一个存在，然后 coloco 话相当于是所有的一些记忆啊 skill 都是存在你本地的，你更感觉他是并来说是一种归属感， 所以话就在这块区别的话，我也更会把更多时间去和我的 mcl 去做交流，因为我和他交流以后，他可以把我和他交流的信息给沉淀下来，不会让他消失，这个价值可以沉淀下来，就不会因为 klo 的 然后就跟他说把以后他忘记了，然后就 就这个内容就是信息，就是价值就消失了，所以大概将哪个区分？所以他，下次现在我大概就总结了一下 mcl 和 klo 对 我的一个差异点， 对，好吧，那我们下期视频的话也会进一步的去分享一下，我在 omcrow 上面去做一个多智人体的一个体验啊，因为现在比较流行，然后通过就 omcrow 去搭建一个多智人体的一个团队。比如说 你要去做一个 ai 运营，那你就要去做每天的信息的一个收集爬取，然后每天，然后你还需要有一个小题的一个 agent， 然后去每天信息爬取，然后去做选择题， 然后你选定完之后还需要一个写作 a 卷，然后就把你所就记着的选择题和这个背景的一些信息，把它写成一篇文章，然后去发，不管小红书啊，还是把它转成音频视频发抖音也好的，这写手也需要这个写手的一个 a 卷存在。所以你往往完成一件事情的时候，你都需要一个独自问题的一个团队去完成， 所以话现在也比较流行我们可能去搭建自己自媒体的一个团队，我下视频可能会讲一下这多自媒体的一个团队的一个搭建的一个体验和一个要点和他的一些优缺点吧。好吧，那这件事情就这样子打完了。

cloud 杀疯了， opencloud 凉了吗？别被 ai 代理的零和博弈骗了！ cloud 官宣 microsoft computer 预设功能，能开应用、填表格、操控浏览器，甚至手机远程指挥，电脑干活，微博瞬间刷屏。 open 科奥要玩，但这场看似商业巨头对开源项目的降维打击，实则是对 ai 代理两种核心逻辑的最大误解。科奥和 open 科奥从不是对手，而是 ai 自动化的两条不同赛道，一个按需待命， 一个七乘二十四在岗，各有生存法则。科奥的是典型的被动响应式助手，像二小时计费的临时工， 打开网页发指令，他解析完成后便隐身，不会预判需求，自动跟进，全程需要人类指挥。而 openco 是 主动持续式激进，如同全天候在岗的专属员工，设置一次，每日八点生成运营报告，他便在周末假期持续运行， 甚至能学习用户工作模式。主动适配需求，这是二者架构上的根本分化，成本与自主权的差异，更是让二者适配完全不同的用户群体。 call and token 计费百万， token 输入输出分别收费五斜杠二十五美元， 企业用其处理日常自动化任务，年成本可达几十万。 open core 开源免费，仅需向大模型 api 供应商付费，可灵活对接 core 的 gemini gpt 或本地模型，同类型任务年成本仅几万， 成本优势显著。更关键的是， core 的 深度集成、 google 套件等平台，看似便捷，却让用户陷入生态锁定，提价现权皆由平台决定，而 open core 将代码交与用户， 可自主修改本地部署、切换模型。当然， cloud 的 优势无可替代。 open 四点六，推理能力业界领先 bandwidth 成绩登顶，打开即用，无需技术门槛，对普通知识工作者极度友好，与各大平台的集成深度短期内 open cloud 难以企及， 且 entrepreneur peak 持续砸钱升级技术均被竞赛从未停歇，二者的真正对手从来都不是彼此。科奥的战场是与 gpt 五席梦奈的生态竞争，目标是成为 最被企业集成的 ai 助手。奥本科奥则角逐 ai 代理基建赛道，核心是解决企业是否需要持续自主系统的需求。飞速的接入 印证了开源基建的市场需求，而 cloud 的 成熟更让 ai 自动化市场的容量被彻底验证。 ai 代理的终局 从不是一家通吃，而是市场分化后的各取所需。 cloud 的 吸引追求应用能力天花板，不建议生态锁定的企业知识工作者。 open cloud 适配成本敏感、 定制需求强、有技术实力的企业与开源组织，未来二者甚至可能走向互补。 open call 或将 call 的 纳入可选后端，那个笃定 call 地统天下的年代早已过去，作为决策者， 真正要想清楚的是，你需要的是 call 的 这样的最强通用助手，还是 open call 这样的自主可控基建？或是二者搭配， 让 ai 能力实现最大化落地？评论区聊聊你的看法，感谢你的点赞、收藏、转发给身边的朋友，一起少走十年弯路，用商业模式过好这一生！关注我， 持续分享更多人生感悟！人工智能与一人公司，陪你把接下来的人生过得充实又精彩！

龙虾要被干掉了！三月二十四日， cloud 投下一枚深水炸弹。 computer use 功能可以用纯视觉方案自动操控电脑执行任务，相当于 agent 长出了眼睛，能像人一样看屏幕、点鼠标。这意味着你可以用 cloud 直接操控你的电脑、微信了。 要知道，不管是 opencloud 还是 cloud code， 它们之前几乎是用纯粹的代码驱动，跳过了前端界面，直接调用底层接口。好处是快，坏处是只能操作开放接口的应用 浏览器、 office 代码编辑器完全没问题。但面对微信剪映、小红书等各种五花八门的软件，很多接口不开放， ai 就 会束手无策。 computer use 就是 来补上这个拼图的， 它跳过了必须开放接口的限制，可以像人一样读屏、识别、模拟点击，比如帮你把文件直接发到微信上，总结微信的内容，甚至发朋友圈。尽管 open cloud 理论上也支持这样的视觉方案，但需要非常复杂的配置，而 cloud 却完全做到了开箱即用。更逆天的是， cloud 几天前还更新了一个功能， dispatch。 这是一个更方便的远程操控功能，只要你的电脑没关手机发命令， cloud 就 能帮你在电脑上完成各种任务。一个 computer use， 一个 dispatch， 就是 真正的王炸组合。不少网友评论， antropic 刚刚杀死了 open cloud， 这一次压力给到了 open cloud。

让现在所有的 ai 智能体，比如说 cloud code， 比如说 open curl 或者 codex， 能够死循环地去优化你的目标。今天给大家分享这个项目主文件只有短短的三个 star 数达到了三十七 k， 它叫 auto research 自动化的研究，其实它这个目标或者设计来，它是想要做这个机器学习的自动化研究，可以把它的这个 loss 可以 一直往下降， 他希望的这个场景是这样，但是他这个思想或者整个逻辑是可以应用在很多方面的，比如说可以应用在你的头流，你的目标其实就是想让他多跑，而且他的成本不断的下降， 其实也可以应用在这上面，或者去找寻什么解决方案，这些让他去达到你的一个解决方案之后，给你一个结果，其实就是一个最优化的问题。把 cloud code 这种编程智能体，或者说通用的智能体，把它当成一个求解器， ok， 它核心只有三个重要的文件，一个就是准备的一个文件，其实就是它的一个环境变量，它只用于这种机器学习的算法优化。如果是其他的一些应用，可能你的一些环境，你的一些授权，你的一些 key， 然后这个 tree 可能就是你的一些执行的工具，怎么样执行的一些逻辑，这个 md 文档，你可以把你的一些任务，你的一些约束，你的一些工作流，把它放在这里面，它可以按照这个工作流去死循环的去执行，执行出来了之后，它会把当前的结果去保留下来， 然后下一次会基于这个最好的结果继续进行优化。其实整个逻辑是这样的，我们可以详细来看一下它的一些代码，其实它这个最重要的一个代码就是它这个 md 文档， 我也是让 cloud code 翻译了一下，这前面是一个抽象，首先进来的时候要跟用户进行一些沟通，它这个东西其实就是给这个 cloud code 写的一个提示词，让它启动这样的一个项目的时候需要有哪些东西。 当然可能它这个只是适用于哎，比如说机器学习算法的优化，但是如果应用在其他方面其实也是一样的，可能你就需要改一些东西，比如说 redmi， 比如说这种脚本，可能就是你的一些内容，或者你的一些工具如何调用，如何使用，或者 m、 c p 如何使用，或者你的账号密码，比如说你要去做投流的优化，广告的优化这些， 然后就是整个流程，你要告诉他你可以做的是约束是什么，让多少钱，不要超过多少钱， 然后是什么样的约束，然后有一些简洁性，第一次运行的时候会出来什么样的结果，你就可以把你当前跑出来的这种 roi 的 一些结果，投流的一些结果可以写在这儿，然后你让它优化了之后再去跑这个优化的话，它是在五分钟， 如果我们跑 roi、 跑投流、跑这种投展比或者说转化率可能时间稍微长一点，我们就可以给它定一个时，比如说一天这样来它进行自动化的优化， 可以看到它把每一次出来的结果都进行 get， 然后把它每一次进行修改的内容也 get， 把这这些跑出来的结果也把它放在这个日制里面。 其实整个逻辑是一样的，然后循环是怎么样的？超时和崩溃的一些处理，最最重要的是最后永不停止，要去询问人类是否去继续这个东西，它其实是让提示词来去做这样一个约束，它可能不是特别强，其实可以去借鉴之前特别火的那个牧羊人循环， 可以把那个后壳再加上，比如说多少时间可以再把一个提示词让它去看，再看一下这个 md 文档，再去做执行， 这样的话就能达到自我净化的一个效果，它就相当于可能我们去睡觉了，然后它五分钟一次，五分钟一次，然后完整的跑完之后，第二天你来看这个结果到底好不好，并且它永远都不会停止，它会不断的去找它最优的这个， 而且也不叫最优吧，就是想要拿到最低最低的 loss， 他 会去尝试不同不同的方法，可以看到他在迭代，在七十多次的时候，他已经迭代到了这么低，不断的去下降，其实就是一个求解器。

听我一句劝，别再折腾 openclaw 了，去深度用一下官方的 cloud code。 最近这段时间呢，我看到很多刚接触 ai 的 朋友都在费大劲去装那个开源的 openclaw。 说实话啊，如果你是真心想在这个圈子里深挖，想拿 ai 去干点实事， 听我一句劝，别再折腾 opencloud 了，去深度用一下官方的 cloud code。 那 么今天呢，咱们不讲那些虚的啊，我就掰碎了给你讲讲为什么，我强烈建议你马上换。首先呢，我先跟你聊聊模型的先进性。那用 opencloud 的 人啊，平时最爱干的一件事是什么呢？就是接便宜的模型， 为了省那一点点的 api 的 钱，天天去找各种二线甚至三线的开源模型来当平替。那你想，你作为一个新手，你刚开始学，你甚至连目前全人类最聪明的 ai 到底能干到什么程度啊？脑子有多好使你都不知道，你就开始为了那些钱去降级使用， 这其实是太可怕了，就是你对 ai 的 认知，你的想象力在一开始就被锁死了。那你后面的习惯全都是按照笨模型来养成的。而 cloud code 呢，一上来没有任何废话，直接是用当今最猛的超大模型，哪怕贵一点，但是你见识过真理，长什么样子，后面才不会走弯路。 那其次，我们再来聊聊工具的本身。 openclaw 它是开源社区搞出来的，你用过就知道了，动不动就去配个环境，今天报个错，明天哪个插件又冲突了，那么搞了半天，全用来修工具了。 克拉的扣的，人家是官方的亲儿子，稳定安全啊，你把事交给他，他给你办的妥妥的，这才是真正的工具该有的样子。那么最后我们来聊聊权威性，那全网都在用的 m c p 协议 skill 的 概念其实就是人家克拉的官方自己定义的标准， 那你是愿意去用 open club 这种后来去兼容这个协议的组装机，还是想直接去用定义这个协议的官方原生体呢？ 啊？当你真的看到他在你的电脑上自己去跑代码，然后自己发现了错误，自己去修掉，你就明白这真的不是在玩什么软件了，这叫未来。当然，我最后强调一下啊，就是我今天一直在夸的 cloud code， 它不是网页上跟你贫嘴聊天的那个， 它是指在电脑终端里，就是那个敲代码的那个黑框框啊，只有当你丢掉那些花里胡哨的界面，让 ai 直接进到你的系统底层，你才会发现 ai 真的 能在你的电脑里替你上班。 那么这个黑框框的终端呢？装起来可能会稍微有点麻烦啊，要配下网络环境啊，验证网络环境啊，安装 eligit 呀啊，调整配置啥的。那你要是真想搞明白怎么弄，点个关注，下期我手把手教你在电脑上把它泡起来，记得点赞关注哦！

open class 可以 直接调度 color code， 这两个工具你可能都在用，但这样组合你大概没试过。对于追求极致代码质量和完成度的开发者来说， color code 依然是编程领域的巅峰。而 open class 擅长处理日常自动化和智能调度，将二的结合可以实现一加一大于二的效果。 open class 调用 color code 是 通过 a c p 协议实现的，一共两种模式。第一种代理模式， 你只需要跟 opencloud 对 话，告诉他你想要开发什么， opencloud 会自动把任务转派给 coco 的， coco 的 写完代码后， opencloud 再把结果汇总反馈给你。第二种直连模式，这种模式下，你跳过了 opencloud 的 中间层，直接跟 coco 的 对话，你 发出去的每一条消息都是 coco 的 在接收和响应。这种模式只能在聊天软件的 channel 里使用，不能在 web ui 里用。 它最大的优势是你可以在手机上直接跟 coco 的 编程，随时随地写代码。好，先看第一种代理模式的实际效果，我在 opencall 的 界面里直接下了一个任务，帮我开发一个笔记管理系统。 opencall 收到后回复说任务已收到，正在派发给 coco 的 执行。我打开代码检查了一下，对应的目录下确实有完整的代码，完成度很高。 再来看第二种直连模式，这次我是在飞书里操作的，我先验证一下，直接问他你是 open client 还是 client code， 他 回复说我是 client code， 说明直连成功了。我现在是在跟 client code 直接对话。 然后我输入开发任务，帮我开发一个日记管理系统外部版，他很快就完成了，代码质量同样不错，整个过程我都是在手机上完成的，没碰电脑一下。大家感受一下这个场景，你在地铁上，在咖啡厅，甚至在床上，随手就能让 coco 的 帮你写一个完整的项目。接下来是大家最关心的部分，怎么配置， 其实非常简单，一共两步，第一步，安装 acp 键，把下面这段安装命令直接发给你的 open call， 让他帮你自动安装。 第二步，验证给他一个实际的编码任务，比如用 a c p 叉帮我写一个 hello world 项目，如果他成功调用 coco 的 并生成了相应的代码，说明安装成功。最后总结一下，这个方案的本质是让 ai 形成协助链， 我们可好负责理解需求，调度任务、管理流程， coco 的 负责高质量的代码生成执行，不是单打独斗，而是协同作战。

上条视频有人问我 open core 里面不同 ai 模型到底有什么区别？先说结论， open core 不是 只有一种模型，它能接很多不同 provider 和模型。官方文档里常见的就包括 open ai anthropic、 open ai code、 google gemini、 moonshot ai qin model studio z dot i 本地模型等。你可以简单理解成三类， 第一类，偏内容和日常对话，像 kimi moonshot gemini， 部分 open ai 通用模型更适合聊天，写文案，改标题，做内容整理。第二类，偏代码和开发，像 open ai code 这类更适合写代码，改 bug， 补逻辑，做开发服务。 opencloud 官方把它单独列成一个 provider 分 类。第三类，偏稳定执行和高强度任务，像 antropic cloud， 很多人会拿来做更复杂的长上下的任务，结构化输出和多步骤执行。 opencloud 也支持把默认模型直接设成 cloud 的 系列。还有一类是本地模型，比如 alama， 适合想在自己电脑上跑开源模型的人。 opencloud 官方单独提供了欧里亚麻集成。

很多人还在把 openclaw 和 claw 的 computer use 放在一起比，但说实话，到了这一步，他们已经不是同一代产品思路了。这次真正该看的不是谁更会接工具，而是谁能真的把电脑用起来。 openclaw 当然强，它本地跑，可编排、可接技能、可接渠道，很适合做长期运行的个人 a 阵的系统。但很多时候，用户真正想要的并不是本地部署这四个字，而是 ai 能不能真的替你把电脑用起来。 过去很多 agent 更擅长的是工具调用、流程编排和技能接入。这套方案的优点是稳快可控，但它也有一个明显的天花板，没有接口的东西，它就很难过去真正卡住普通用户自动化的往往不是浏览器，也不是命令行， 而是那些没有 api、 没有 c l i、 没有开放能力的本地软件，比如微信剪映和各种客户端。 java 对 这项能力的定义非常直接，让模型通过屏幕截图理解当前界面， 再调用鼠标和键盘，直接与桌面环境交互。也就是说，它不再只是调用工具，而是先看见界面，再理解界面，最后完成操作。底层补上的是视觉理解既 u i 操作和工具协同这一整套执行闭环。 因为它让模型第一次不再只依赖系统有没有给接口，而是开始依赖自己的感知能力和决策能力。以前的本地执行更像是在调用电脑的能力，现在的 cloud 是 在真的使用电脑，这就让它天然更适合处理那些没有开放能力，只有图形界面的本地软件。

那个命令根本不存在，机器人在骗你，看到了吗？现在是晚上两点多了，发现了很多很多不可思议的事情。 小龙虾装好了啊，小龙虾，我用的是这个 deepsea 啊，用的是 deepsea 的 模型，你们看啊，我说我把你权限全部打开了，你为什么？你为什么要去操作？我不要操作啊，你看我是让他什么在桌面弄一个快捷方式， 弄了十几遍，你看，弄了十几遍啊，都没有办法，笨的就跟猪一样， 我用可恶的啊，看我这要疯了啊，那不是和蠢货一样没什么区别？我该怎么办？ 他一瞬间就给我搞好了，看这条命令，百分之百确认可用。看一瞬间就给我搞好了，再看这里啊，这个是那个 dbic， 他 用那个 opencrow 给我发的一个指令，让我按照这个指令去做。我现在用的是 crowder， 你 看 crowder 怎么跟我说的，说停，不要再跟这个模型说话了，他在胡说，看到吗？根本完全不存在，这些指令根本完全不存在， 知道吧？看到吗？现在赶快回去看吧，再看这里。我还是不相信，我说这些难道都不行吗？他说看到没，报错了，证明他是对的。那个命令根本不存在，机器人在骗你。看到了吗？ 我这是 grog 啊， deepsea 简直了。我用的是 deepsea 的 chat 模型啊，根本不行，我真的，今天晚上我搞完之后我很难过，我心里面很痛苦，你知道吗？ 国外的，国外的 crowd 他 真的非常的专业，他基本上很少能给我搞出错的东西，但是国内的大模型天天胡扯八道，真的能胡扯就胡扯，胡扯八道， 经过了一个晚上的调试啊，经过一个晚上，我信了，真的，我信了。我准备放弃那个 deepsea 的 模型，用国外的，尽量用国外的。 你看着你，他说的啊。说实话，今天聊了这么久，我需要告诉你， deepsea 加 open curl 做不到你想要的自动化控制电脑看到吧，但是可以做到的是什么？是用国外这个 curl 的 common usin， 对 吧？这个东西我心很痛苦，但是我准备试一试，然后先这样，好吧，然后我再用国外的加上那个 open curl， 他说他跟我说我也相信能创造一个非常厉害的一个结果，因为 diaboc 的 模型配上 open core， 你 只能聊天，但是如果配上另外的大模型，再配上 open core， 他 就能做非常非常多很牛逼的事情，很牛逼的事情。

还在为 ai 定时任务选工具，纠结到秃头？今天直接给你抄作业， cloud loop 和 open cloud chrome 一 文看懂怎么选， 先给你排版。结论，这两根本不是竞品，一个是临时闹钟，想完就忘。一个是七点二十四小时死盯的置办员，永不掉线。说白了，切苹果用水果刀，顺手切牛排就得用菜刀，看你切的是什么活。 先看轻量级选手 loop， 它就是终端里的临时循环命令，零配置异形命令直接跑，比如每五分钟检查 github actions 状态，但它是绘画即绑定 关掉终端任务直接消失，三天自动过期，用完即走，极度清爽，适合开发时临时盯个构建状态，监控个接口。 再看重量级选手 openclockron， 他 是持久化、企业级的自动化值班员，双模式执行，既能附用上下文，也能开新绘画隔离，还支持多渠道推送，微信、钉钉、飞书全都能发。关键是绝对持久化， 重启不丢断电不怕任务安全存在本地文件，只要设备在线，它就一直跑，适合每天自动推数据报告，长期业务监控， 核心差异直接给你列死，建议截图保存。持久化上， loop 是 绘画级官，终端就失小。 open claw 是 持久化到本地文件过期机制， loop 三天自动，没 open claw 永不过期，要手动删，调度精度， loop 是 分终级， openclaw 是 毫秒级配置方式， loop 异性命令。 openclaw 支持自然语言或 crown 表达式投递渠道， loop 只有终端输出， openclaw 能推到微信、钉钉等手机端。划重点，需要推送到手机微信的无脑选 openclaw 还是不会选一张图直接终结选择困难症。先问自己，你的任务需要一直跑吗？哪怕电脑重启也要在，如果只是临时盯着，跑完就行。选 loop， 用完即走，零负担。 如果是长期自动化监控任务，必须选 openclock， 七成二十四小时稳定输出，选型完毕，别再内耗了。 最后问你平时更常用哪种定时任务？是随时设闹钟的 loop 牌，还是追求极致稳定的 open claw 牌？评论区聊聊你的自动化玩法，干货整理不易，记得点赞收藏，下次需要随时翻！

不过还有人不知道这个 cloud 和 open core 是 有多强大吧？ 我这里来再来用这个 cloud 来解决一下我今天遇到的一个问题啊。我在这个飞书上面给他发消息，给我的龙虾 open core 发发消息，然后他回我了，我让这个 cloud 来帮我解决一下这个问题。 首先我们启动 clone， 我 新开一个绘画，我们看一下它的 m c p 插件，这些是不是正常，是正常连接的， 点击连接一下，然后我刚编辑了一段话，我现在在云服务器上安装了一个 open call， 我 使用飞速给他发消息，他现在不回我了，你阅读一下官方这个 open call 的 官方文档，帮我解决一下这个问题。官方文档地址， 如果你不发这个文档的地址的话，他也会去搜索，但是他可能这个准确率不是很高，所以最好把这个官方文档的地址喂给他好一点，让他开始去搜索 阅读相关的文章。 他已经识别到这个文章是一个快速入门文档。看一下， 看一下他怎么给我的回复。 首先看一下 open code 啊， gateway 这个状态， 然后它这里有个绿色的，我们执行这一个命令，去这个云服务器上面粘贴，然后看一下日期，把这个日期复制给它 看一下。 getaway 已经停止运行了，无被禁用，所以就只能本地方访问。查看一下配置文件， 查看一下配置文件，然后我执行这个命令，这个 cat 是 一个，这个配置文件是一个打印的，这个命令被放心的执行，把这个复制给他， 然后他让我们重新启动一下这个网关，这个服务， 我们粘贴进去，重新启动一下，这个是没有这个，这个服务没有，不是这么启动的 服务不存在，暂时没有安装守护进程，看一下后台的这个设置输出 这里我们看到也是没有输出的，我们粘贴给他。 嗯，他是从哪里看出来这个进程在运行？ 把这个日制发给他， 他让我发一条测试数据。 hello， 我 也发一个。 hello， 哎，他现在是修复好了， 我看看云服务器资源占用情况，我看一下是是不是恢复正常。看到这边也接收到我们消息， 你看它可以正常正常的回复了。 ok， 这是 open code， open code 的 一个作用，它可以帮我们检查云服务器的资源以及一些资源的占用情况。 啊，还可以部署应用哈，我之前也试过，也是可以真的可以运行部署这个应用的。 然后 qq 的 也是也可以帮我们阅读一些官方文档，然后他教我们怎么去做，我们就不用再去读这个官方文档，然后我们自己去排查问题了。好了，今天视频就到这里。

open klo 真的 挺让我失望的，我感觉我应该不是他的目标用户，但我认为真正适合使用他的，反而有可能是那些不太懂技术的人。 我先后呢，把他接近了飞书 telegram， 想着日常对话就能够操控电脑，感觉非常爽。但结果呢，他动不动给你 bug， 同一个问题他能给你回三四遍啊。有时候你发条信息半天没有反应，你都不知道他是在思考还是已经挂了。 那更崩溃的是，聊着聊着，突然超过了上下文的上限，那整个对话都作废了，你要重新来。二、说实话，对于我们做开发的人来说，它的提升是远没有 coloco 来的直接的。那 coloco 你 在开发环境里面跑，想要又快又准，那 open colo 呢？你光配环境啊，调权限，处理各种奇怪的兼容问题，时间就已经搭进去了。 但有意思的是，我后面跟一些不懂技术的朋友聊天，好像他们才是 opencloud 的 目标用户。因为不管是 opencloud 呢，还是 cloud code， 真正让他们强大的背后是 skills。 你 可以理解为 ai 大 模型的 sop， 比如帮你写小红书文案呀，分析竞品的视频啊，整理文件，自动发邮件啊，总结日报周报这些， 这些都不需要你懂代码。可问题是，我跟周围不懂技术的朋友聊了一圈，大多数人根本就不知道有这个东西，就算知道了，光是安装配置就能劝退一大半。我觉得这可能就是现在通用 agent 的 一个最大的尴尬，会装的人不需要，需要的人不会装。所以我现在的感受是，通用 agent 的 方向肯定是对的，但阶阶段它更像一个很酷的玩具，而不是一个靠谱的工具。

爆火的龙虾，竟被 cloud 一 招秒杀！就在昨天， cloud 扔出了一颗深水炸弹， computer use 功能正式发布。这是什么？简单说就是让 ai 长出了眼睛。传统的 ai agent 都是纯代码驱动，受限于底层接口，没有接口就什么都干不了。 视觉方案，像人一样，看屏幕，点鼠标，微信剪映淘宝，只要你能看到的，他都能操作。更狠的是， cloud 还有个功 能，你在手机上下指令，电脑自动执行。 computer use 加 dispatch， 这是王炸组合，你睡 觉甚至下单买东西， open cloud， 靠存代码去。

看到富盛在分享怎么让小龙虾整 token 的 视频，基本上我听完这条分享之后， 其实我的小龙虾就已经拥有了节省 token 的 能力了。我不知道大家能不能理解这件事情，当你看到知识的时候，其实你就已经拥有了知识，很有意思，这是可能在 ai 时代新的一种学习范式。其实这就是一个建 skill 的 过程， 我给大家演示一下，你现在这个界面是我自己 cloud 的 命令对话框，我现在就把不剩的视频的文案发给我的小龙虾，让他自己学，就用魔法打败魔法。现在我用的是 kimi， 我 们看一下，他现在已经学完了 脚本替代，我们现在是在用的多模型在用。我要问他，你能不能建 skill？ 对 我而言，其实它应该属于一个简单任务， 米干活很糙的，就是他建好之后他也不跟我说个结果，所以我决定还是要让 cloud 看一下，我会更放心一点，怕是已经查出来一个严重 bug。 我 刚刚也是试测了，其实写 skill 这种事情还是需要博士生上的，现在 他问我要不要帮我来修复这些问题，那我就告诉他说，别，你先别干，因为不像很多人说你有了小龙虾你什么都不管了，不是那样子的，我觉得在定规则这个阶段还是要管的，他得了解你的工作习惯，了解你的标准。所以呢，我现在就会告诉他 不行，因为首先第一，我需要看到完整的规划，第二，你得明确告诉我，你什么时候来提醒我这个上下文需要 compress 了？你的标准是什么？你是到一百万 tock 的 时候，那钱都烧的不知道到哪去了，包括他要帮我去优化怎么选择模型，那我也会告诉他你都不知道我要处理什么任务，如何去分配。因为一开始那个 kimi 也是写的很离谱， 说让 kimi 帮我写代码，让 opas 帮我看图片，然后就神经病啊哈哈哈。相当于就是你找了一个错的人去干他不擅长的事，即使是 opas， 我 得需要让他 很清晰的把他准备怎么干他的计划先给我看，不然那完全就是一个黑箱子，他在里面搞东搞西你都不知道。所以我们把这个命令发出去，好像我们的反馈已经开始出来了。首先，必要的和不必要的可选的是什么？你看 他会告诉你压缩上下文出发条件是什么，提醒的形式是什么样的，你看这就很好，执行后费用可降低百分之五十到八十，包括责任务的分配，他会给我看到整个的执行流程，调度机制是怎么样的， 那我就心里很有数，现在这个 skill 已经开始在工作了，就刚就是我问他这个 talk manager 的 skill 有 没有已经在开始运作了，那你判断这是一个复杂问题还是简单问题？ 你看 ai 就 咔咔咔咔就给我回答了一串，我套了一下他的话，我就套套说这个对话，你已经有开始按照我们的 token manager 这个 skill 开始判断模型了吗？就我的言下之意就是你是不是还在让我再烧 opus， 用很贵的模型在处理简单任务？刚刚还在讲，哼，你这个 skill 都没有好好工作， 结果你看人家说你说的对，但是我刚刚查了一圈，你现在用的模型其实已经是二点五了，也就是我们的这个 skill 其实已经在起作用了。它没有提醒我，但是它悄悄地已经把那个模型给我从 opus 换回了二点五。 接着提醒，现在这个对话窗口的上下文已经超了，那就问我要不要开始执行压缩，他已经开始按照 skill 制度自己在开始运作了。那我刚刚也看了一下后台的 a p i 的 消耗量，确实止血了，不像前几天那样真的让人血压飙升，所以 我们的这个 token manager 就是 谢谢富顺老师的贡献。如果你对这个 skill 感兴趣，也可以留意评论区，那我们下次分享见，拜拜。

龙虾要被干掉了！ crout 最新的技术啊， opencolo 再通过后端的端口去帮你处理很多应用的一个操作，但是他没有可视化，看到你的电脑 有很多应用是没有连接的， ok， out， 就像人工智能装了眼睛一样，能看到整个店的所有的屏幕，所有的内容，帮你操作一切，管理一切。但是无论如何都绕不开电力，绕不开算力，绕不开 talking。 关注我，有任何消息我马上给你们讲啊。

昨天我看到 cloud 新推出了一个 compute use 功能很不错，然后我今天让我的小龙虾也复刻了一下这功能。 我这里测试的是让小龙虾去操纵我的电脑，所有权限都给他，然后去帮我回复微信，他能够实时的监控我的微信的聊天界面，看到有新消息，他就会根据上下文去进行针对性的回复。 不过现在因为我现在给他设置了一个定时的检测机制，稍微回复有点慢，这也视频中看到的差不多我是加倍了三倍数吧， 还需要再优化一下。我这里是用的是 ocr 识别模型去进行检测的，其实有更方便的方式，但是这里不方便展开讲了。