uclaw和openclaw区别

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。

open call 这个东西现在为止是没有有效的赚钱方式，他现在赚钱主要就是靠一个是假装有信息差，然后去卖课，然后第二个的话就是卖安装和卸载，就是很多人转一圈啊，安装完以后用完了不想用了，卸载卸不干净，就是 花了三周左右的时间去玩这个 open 啊，讲一下这个心得，然后我们的这个看法啊，就 open 它最大的两个亮点是什么呢？一个就是它是拥有高主机权限的一个 ai， 然后第二个的话，它有两个功能，自问自答和定时任务，就是这两个 是它和其他大模型一个区别，最明显的区别。然后缺点的话，我我感觉最大的缺点就是它烧透可能烧的很厉害。然后第二个的话，因为它 需要适配其他 ai 工具啊，如果除非是顶级的 ai， 那 不然的话它整体的你哪怕把它作为一人公司，就是把它作为 a 卷尺来用的话，它智商也不够，就不够用。 像欧本克，他流行起来，结果是什么呢？结果就是服务器厂家很开心，因为很多人他去养虾，他要去买一台服务器。然后第二个呢，大模型厂家很开心，因为他烧透客嘛，卖了很多 api， 顺带投资也拿了很多。像你以前你给他们上面订阅任意一个软件，好像你基本上订阅以后就是无限使用的，但是你现在养虾以后，你 用户偷看直接起飞啊，消耗折腾完一圈以后，那你说你获得了什么呢？就你体会了一波赛博领导的快感嘛，大部分就挺开心的，就外外行人莫名的兴奋，感觉自己 养个欧本克罗还赶上时代潮流了？是这样子，你普通人养下用来干什么？因为 ai 工具它始终是个人能力的杠杆。 欧本克罗对于普通人的影响你要分三类人啊，就是第一类，你的工作和生活确实有被杠杆效应放大的一个潜力，比如说你是管理者，你是公司老板，或者说你用扣点进去的程序员，你是程序员本身。 然后第二种的话，你的工作和生活是作为别人的杠杆来使用的，比如说你的老板让你去整理一些东西，做个 ppt 什么的，那明天这个老板他可能直接让 overclock 去做了之外，剩下来大部分的人就是你的工作和生活其实根本就没有被杠杆放大的空间。说实话 就是给你配上一个免费的助理团队好了，你能让他们去帮上什么忙？鼓吹的养虾用来做什么？整理邮件，整理笔记， 就不说这个整理邮件，整理邮件，他是为什么呢？他从外网上扒下来的这个，人家老外去整理邮件你， 你有什么邮件要整理呢？整理一些新闻，整理一些天气预报什么的，你花几百万偷看去做这种东西，又或者说作为办公助理啊，就自动剪视频，写自媒体，觉得用户傻还是平台傻？用户会不会去看一个你作者都没有花心思去做的一个自媒体作品，他会不会去看完？ 然后普通人会觉得养虾就欧文克罗可以帮他赚钱啊这个东西。欧文克罗这个东西现在为止是没有有效的赚钱方式，他现在赚钱主要就是靠一个是假装有信息差，然后去卖客， 然后第二个的话就是卖安装和卸载，就是很多人转一圈啊，安装完以后用完了不想用了，卸载卸不干净，就是卖这两个东西，他真正有效的应用场景还没有，他现在是野蛮生长的一个 情况。然后然后你要说前两类人，就是他的生活和工作当中有东西是可以被 ai 放大的。这两类人的话 就真正拥抱 ai 的 人没有一个会觉得 ai 让他们更轻松的。因为当你身边出现一个二十四小时快速响应你的你的一个 a 阶段，你只会更加担心 就是未来会出现激烈的竞争，当下你已经从解决一个一个实际的困难变成了你需要无限的去做决策。他说回来用 open call 去当员工，做一人公司这个设想就是性阶段。很多这种说法他是有夸大的，但是我认为这种认知才是更加正确的，就为什么呢？ 这个认知的核心是员工。如果说一个人说我有某个需求，就是我用 open call 本身，他需要的是 open call 背后实现的那个产品， 也就是员工最大的价值在于什么呢？在于他能实现领导的需求以后，把它交给合适人去运维，自己再投身到下一个需求里面去。那他的意义在于他成为了一个高权限的 ai 软件，就是他只是一个开端， 将来必定会有一个更专业的意见，他实现起来是比 opencl 更好的。这件事的话相当于他开了一个头，哪怕只是开了一个头，价值都很大， 就是让我感受到生产力这三个字啊。他把门槛压到一个很粗暴的一个程度，就是你不一定要会代码，也不需要搭建一堆流程，你直接跟他讲人话的话，他会去帮你把活给做了。绝大多数模型的话，本质上还是什么是嘴气， 就是写文案给方案，他是可以的，他说完以后活还是得你自己干。但是 overclock 他 碰的就是这块空白区域啊，就是你把目标说给他，他会去动你的系统，动你的文件，帮你把一整串流程跑起来。那从安全角度来看的话，正是因为他真的会替你干活，所以说他必须有足够大的权限，你必须把权限给他， 你给他能力一旦放开的话，那他就不再是一个普通意义上聊天工具了，他能读文件，能调用软件，说难听点的话，就是你直接把电脑控制权送出去了。是一样的， 尤其很多公司内部的系统就本来就是又又 low 又封闭的，外部是没有专人配饰的，那欧本克这种更野生的一个开放生态的话，那对他们来说风险就会很大。 还有一点就很多人他没有意识到的，欧本克他不是单纯的去执行指令，他和其他 ai 不 一样，他会自己往下走的，这个和传统的自动化不一样，你像 大部分脚本类的工具的话，就遇到一点变化卡住，然后你去帮他。但是 overclock 不 一样，你给他一个目标，他自己拆，自己接，他会把某个动作持续的做错下去。像别的很多产品就是相当于把 ai 当成大脑用啊，他是一个大脑，但是 overclock 的 话，顺手就是在大脑下面把手和脚全部给你接上了， 他自己会持续做下去的。也就是说就是这个他现在被骂的最多的地方就安全问题，其实他并不是一个孤立的缺点，他是用风险换能力的一种表现。

今天来聊一个很多人都关心的话题，国内用 ai 助手哪款最适合你？我帮你对比两款产品， openclog 和它在国内的成品版 qclog， 看完这期你知道自己该选哪个了。主要内容分六个部分， qcl 是 什么？核心能力与 openclog 对 比适用人群、安装迁移。最后给选择建议。 先来看第一个问题， qcloud 到底是什么？ qslove 基于 opencloud 开源框架构建，但它专门针对国内用户做了深度优化，四个关键词，国内优先、移动优先、微信接入智能记忆， 不用翻墙、不用复杂配置，下载就能用来看看。 q c l 的 核心能力。 q c l 有 七大核心能力， ai 对 话能理解、上肺炎工具调用能执行命令、操作文件，七十多个预制技能，开箱就能用， 微信通道扫码绑定直接用，还有移动钻持久记忆、安全防护，基本上你需要的日常能力它都内置好了。 qsl 有 七大核心能力， ai 对 话能理解、上覆言、工具调用能执行命令、操作文件。七十多个预制技能，开箱就能用， 微信通道扫码绑定直接用，还有移动端持久记忆、安全防护。很多朋友最关心的就是微信能不能用 qcloud 支持微信扫码绑定，小程序直接使用，不用下载 app， 而且手机电脑可以无缝同步文件，重要消息会推送通知，常用功能可以设快捷指令，在移动端体验这一点上比 opencloud 方便很多。 qcloud 内置了七十多个技能，覆盖六大类，日常用的天气、新闻日程、办公用的腾讯文档、邮件日历、 社交用的小红书、公众号开发用的 github 代码助手，还有娱乐和学习类的，不用自己装下载就有，而且针对国内场景做了优化。 第三部分重要了， qcloud 和 opencloud 到底怎么选？先看核心差异。 opencloud 是 开源框架，面向开发者，需要手动配置。 qcloud 是 成品产品，面向普通用户，开箱即用。 opencloud 模型需要自己配置网络，可能需要代理。 qcloud 内置模型路由，国内直联，不用翻墙。一句话， opencloud 是 工具， qcloud 是 产品，详细能力对比一目了然。 qsl 的 优势，国内模型直联，微信接入、移动端持久记忆、中文预制技能全有。 open club 的 优势，海外通道完全支持，完全自由定制，代码级别开源私有化部署， 各有所长，没有绝对的好坏，只有适合不适合。总结一下各自的优势， qsl 的 独门优势，国内网络友好，微信无缝接入，开箱即用的记忆系统，零配置上手。 opencloud 的 独门优势，海外通道原声支持，完全自由定制，完全开源透明，私有化部署友好。 所以关键问题来了，你属于哪种使用场景？第四部分来看看到底适不适合你。这四类人，我强烈推荐 qc 老。第一，普通用户不想折腾配置，开箱即用最省心。 第二，微信用户习惯用微信沟通，需要移动钻。第三，主要在国内用，没有海外 a p i 资源。第四，办公场景需要日程邮件文档整合。如果你符合以上任意一条， q c log 基本上就是你的菜。也有几类人， q c l 可能不太适合 需要特定海外模型的，需要深度定制开发的，有私有化部署需求的，或者主要用 telegram、 discord 这类海外软件的， 这些情况 openclog 更合适。第五部分，如果你已经在用 openclub， 想迁移到 qc lab， 我 来教你。迁移之前先做四件事， 记录当前模型配置，导出重要绘画记录，列出已安装技能清单，备份所有自定义配置文件。磨刀不误砍柴工，备份好再动手。 迁移步骤五步走，备份 open club， 记录 api、 key 和技能列表，下载安装 q club， 把技能复制到 q club 目录，扫码绑定微信验证功能，熟练的话十分钟搞定。最后给个简单粗暴的选择，建议， 开发定制私有部署选 openclub， 国内日常微信场景选 qclub， 海外使用 telegram 这些选 openclub。 记住，没有最好的，只有最合适的。最后一句话， openclub 是 开发者的舞台，完全自由定制 qclub 是 普通用户的选择，开箱即用，零门槛。学会了就点个赞，我们下期见！

openclose 有 什么实际的使用场景？感觉对工作没有帮助？这是最近很多学员问我的一个问题，那这个视频给大家聊聊，我一般用 openclose 来做哪些事情。大家都知道我有很多账号，我每天要录将近十个视频， 所以第一点，我习惯在前天的晚上，我在手机上去给他发一个关键词，让他在某音和某红书平台去找到最火的十到二十个视频，然后就提取相应的脚本，相应的标题，给它保存到飞书链接里面再发给我，这样我一早上起来就能够看到现成的脚本，实话实说，这真的太方便了。我要做的第二件事情 是找到我认为 ok 的 脚本，让 open colo 来给我去做一个二次的润色和修改，它润色完了之后也会以飞速链接的形式直接发给我，然后我直接去审核就好了，我上午大概一个人就能拍十几条视频。第三个用处呢，就是给我的口播视频去做一个相应的粗剪，我录好之后，用 open colo 的 自动去把我的气口给它剪掉，就相当于先粗剪一下， 再把这个视频直接打包发给剪辑老师，这样的话他们的剪辑效率就大大提高了。然后就是第四点，因为我们这两个月在铺一个小铺的项目，所以需要大量的笔记，我们就用 openclot 去搜集了很多同行的笔记， 就找到了很多优质的同行发的素材和帖子，我们会让龙虾采集好，然后去检测哪一些帖子是跑的最好的，我们再把这个帖子定时的发送给我们运营，所以他每天都可以蹭到最近的热点，哦，对了，我们还在研究用 openclot 去实时监控一些评论区的数据，因为有一些品牌方想要去知道你的评论区里面的鱼情，对吧？就是有好评有差评，然后怎么去做一些相应的回复，这些也可以用 openlog 去解决。还有最后的第五点，也是我觉得很方便的一点，我之前约会的话，我还需要手动操作，然后还需要去打开一个录制，以及 我还需要去手动的去记一些相应的会议重点。那现在我可以直接用 openlog 我 给他发一个，说你给我预定一个今天下午三点钟的会议， 然后记得开会的时候给我定时打开那个屏幕的录制，他就会全部给你做到，而且可以把你的音频翻译成文字来提取重点，这样的话你就不用怕会有一些核心的东西丢失了，我还是蛮喜欢这个功能的。所以 photoshop 的 其实可以做的事情有很多，你要把它和你的业务连接在一起，怎么样去做一个降本增效的操作，这个才是重点。

部署本地的 openclaw 已经可以剪视频了，大家都知道了吧， 这个让硅谷大佬每日一封的 openclaw 阿月，我呢也是拉到本地试了几天，现在就带大家把本地部署和接入飞书每一步都走明白。为了防止偶然性啊，我呢也是连续测试了四台电脑，确保每一步都可行，接下来你们只要跟着做就可以。点好关注收藏， 我这里依旧用的是 windows 系统来操作，因为 macos 系统呢，环境相对比较简单，不像 windows 这么复杂。首先呢，我们要确认好 windows 的 安装环境，安装的时候呢，全部都点 next， 一 直到完成即可，建议呢，不要去变更中间的安装路径。 呃，安装完成后呢，我们可以检查一下环境，我们在命令提示符的窗口输入这两个指令，如果输入指令后跳出版本号，那就说明安装已经成功了。这里提到的两个环境文件呢，我在文档里面也全部都准备好了。 好，接下来呢，我们就开始全区安装 oppo 卡使用管理员 c m d 指令输入，这个指令安装完毕后呢，再输入这一条指令， 好开始了。 ok， 这一步跳出来的呢是风险提示，我们直接选择 yes。 然后呢我们选择 quickstart， 这一步呢是选择大模型，我这里呢用的是千万，因为他是国内的，如果大家有惯用的呢，也可以自己进行勾选好，然后我们这里模型选择默认的即可。 之后呢会跳转到大模型的首页进行授权验证，大家验证通过就可以了。那通过后呢，这里也同样有一个选项，我们直接选第一个默认的模型。 ok， 下一步呢，这里可以看到很多的应用选项，这其实呢就是指令输入的终端，因为这些都是国外的，所以我们先不管，选最后一个，跳过，后面呢我会给大家介绍如何接入国内的飞书。 ok， 继续，这里会问你需要配置什么 skills？ 呃，我们也跳过，没问题，因为这个不着急，后面都可以手动去配置的。 好，这个也不用管我们用不上，直接跳过。好，然后我们稍等一会，会自动弹出一个网页，然后你会发现这个网页是打不开的，没关系，我们这个时候呢，再运行一个 c m d 的 指令， 好，这就是欧奔 cloud 的 兑换框了，我们来尝试和他打个招呼， ok， 他 回复我了，那到这里呢，其实基本上就成功了，还是比较简单的啊。然后呢，我们再来尝试为大家接入一下飞书，很多小伙伴呢，在这一步呢，其实就被劝退了，因为怎么样都接入不了这里，大家看好我怎么操作。 首先呢，我们进入飞书的开放平台，我这里呢用的是个人版，我们来创建一个企业自建应用， 进到这个凭证与基础信息界面，把你的 app id 和密钥保存下来，这个很重要啊，后面会用到的。然后 我们添加一个机器人，再到权限管理这一步，为他添加一些权限。这里的权限列表呢，其实官方呢是有指导文件的，但是呢就藏的比较深，我呢也是给你们找出来，直接放到文档里面了，你们直接一键复制过来就 ok。 好，然后我们需要配置一下这个事件回调功能，在这里的订阅方式选择长链接这一步呢是必须的，而且是绕不开的，也是大家碰到卡点最多的一步，很多小伙伴呢在这里呢就是一直报错，好，不用担心，我呢，已经整理了一份非常长的傻瓜教程，大家直接照做就 ok 了。 然后选择以后呢，我们添加事件，然后添加搜索接收消息， ok， 然后我们就去点击创建应用，然后再发布就 ok 了。 好了，配置工作完成之后呢，我们就要开始给欧邦克劳接入飞速杀键了。由于 windows 的 系统环境问题呢，所以大家的电脑情况都不太一样，所以会出现不一样的报错问题。网上的很多视频呢，也没有把这个问题针对性的讲清楚，我自己呢也试了三到四台电脑来做尝试，都非常有挑战。 如果你手边也报错的话呢，不用担心，我这里想到了一个邪修的办法。好，那既然 oppo klo 可以 控制我的电脑，那为什么他不能自己安装飞出插件呢？我们来试试看吧，直接和他对话。呃，你自己安装一下飞出插件，然后呢，他就会开始疯狂的工作，并自行去验证安装环境和插件配置 啊。五分钟左右后呢，他就会告诉我，他工作完成了，需要我提供给到他飞出机器人的 app id 和密钥。这个呢，其实我们在上一步已经有了，我们直接复制给他，让他呢继续去工作。这里的工作过程当中呢，我们的机器人可能会下线几次，原因呢是他需要去重启网关， 如果呢，你感觉他下线太久的话呢，我们可以用 open cloud get away 这个指令重新把它呼出来。最后呢，他会要求你在飞车上和他对话进行测试，并为你排除最终的一些故障。 ok， 全部搞定，已经可以在飞车上正确回复我了，并且呢，刚才在外部的对话记录他也全部都记得， 呃，我们这里呢，再用手机给他发一条消息试试看。好，他也同样接受成功了。好了，这里欧本卡接入飞书的配置呢，就完全对接成功，基本上都是他自己完成的，我呢只是配合他提供了一些必要的信息， 妥妥的全能小助理。接下来我们来看看他能为我们做一些什么吧。比如呢，我现在想要订一张机票，我就让他帮我查询一下最便宜的航班，他立刻就给我列了具体的信息，包括航班号，价格以及其他的一些航班信息。不过这一步呢，是需要接入 api 的， 大家可以自行去网上找免费的接入就可以。 好，那现在过年了嘛，马上大家呢也会送礼嘛，那我就让他去浏览电商的页面。呃，不过这里呢，需要先安装一个 oppo club 官方的浏览器插件，我们直接从官方渠道进行安装就可以了。具体的步骤呢，已经放在文档里了，大家直接照做就可以。我让他给我打开。 ok， 成功，呃，然后我继续让他为我搜索燕窝。好，也成功了。 好，那我们现在在拿最近小伙伴在学习的 ai 的 线上作业丢给欧本克，看他能不能帮忙完成。 首先我们要让他找到作业的本地目录，并让他完成里面的题目。他立刻就找到了，并且迅速告诉我，完成了。啊，这速度还是真的蛮快的啊，但是呢，人呢，还是比较懒的。如果呢，你抄作业都不想抄啊？没事，直接让他把填完的东西返回给我。好，他已经做完了，我们来看看啊。 呃，代码呢？全部都完成了，不过呢，我也是看不懂啊。看懂的高手可以来说说他完成的这个准确率怎么样。 好了，那这次安装说明就先讲到这里了，关于 open cloud 的 更多能力，有时间呢我们可以再去测一下。好，那既然已经部署成功了，有兴趣的同学呢，也可以再去深度探索一下 啊。对了，现在呢，各大厂呢，也出了针对 open cloud 的 云端部署，我这个呢，也可以跟大家快速的分享一起。好，这里是阿月，希望我的视频能够帮助到你，让你更了解呀，我们下期再见。

这是一个龙虾 u 盘，也叫优克洛，我们就说把完整的龙虾包，还有 n、 p、 m 啊，呃，这些等等的这些插件都放在了这个 u 盘里，也就说现在这个 u 盘插在电脑里，或者插在 mac 上 linux 系统里。啊，那现在都是可以直接运行的， 也就是不需要繁琐的配置，那它的这个安全性以及私密性都有所保护。那，那这个就是我的 u 盘，我现在把这个优克洛打开， 然后我这是一台 mac 嘛，我就选择这个 mac start。 那 那现在这个龙虾就可以自己运行，那免安装嘛？也就是免安装，然后直接打开运行，它就会运行在这个，那现在它就可以进入到这个优可拉的配置中心里，那包括像这个配置面板也是直接就是有的。

如果你不想用 open klo 了，或者想重装更换版本，一定要彻底卸载，不然会遗留一堆的系统垃圾和安全隐患。 今天这一集，我来教你如何最干净的卸载 open klo， 从进程文件到环境变量，一步一步的清空，不留残留，不占内存，跟着操作电脑瞬间就能恢复干净，还你一个干净清爽的系统。这里是目录，觉得这个视频有用的可以点赞收藏，防止后面找不到了。第一步，依据严谨的原则， 我们先要对 opencll 进行备份。 opencll 的 数据都会放在哪里呢？都会放在你的 c 盘用户，你的用户名，使用哪个用户安装的 opencll 就 在哪个用户的名里边。我们找点 opencll， 就是 这个目录，我们要把这个目录进行备份， 点击右键，我的习惯是直接打一个压缩包，这样我们就备份完了，如果以后需要可以把它恢复。第二步呢，我们要停止 open claw。 我 们先看一下 open claw 现在的状态，输入 open claw gateway status， 可以 看到 open claw 现在状态是在运行的，那我们就要把它停止。输入命令 open claw gateway stop 来停止它。 停止了之后，我们再来看一下状态， open claw get away stay test， 确认它已经完全停止了。这个时候我们就可以使用 open claw 的 官方卸载命令 来运行卸载，它提示我们已经删除了这些目录。 还有一个 c l i 还在安装着，需要使用 n p m 来卸载，那么我们就用 n p m as on install openclock 来卸载。这个时候我们再输入 openclock 杠 v 来试一下它的版本号，诶，返回了版本号，那证明还是没有卸载，那么我们添加一个参数， n p m on install 杠 g openclock 来卸载。 再来看一下 opencll 杠 v， 好， 这回 opencll 已经被彻底卸载了。用户， 用户里边有没有点 opencll？ 点 opencll 的 文件夹已经被删除了。下一步我们要删除和 opencll 相关的 api 的 调用，比如说我们介绍的智普，我们找到智普的网站，点击 api k， 在 这里找到 opencll 调用的这一条， 点击删除提示，我们确认此操作将永久删除，是否继续点击，确定 open klo 调用的这个 api 就 删除了。我们下一步再来删除背书的跟 open klo 相关的次键应用，我们点击一个进去看这个连接 open klo 它的综合信息。这里 删除应用这一项是灰色的，禁用的，是因为我们现在的应用已经发布了，如果想要删除这个应用，我们首先要把这个应用停止。这个需要我们到另外一个飞书的管理后台，在飞书的管理后台里，我们找工作台， 这里有应用管理，这是我们默认已经安装的应用，在这里我们往后找， 这些是我们自建的曾经安装的应用，我们要停用它，需要在这里点配置，把已启动这里 点掉，提示我们是否停止应用，我们点击停用。这个时候我们再回到开放平台波哥公司产品，这里可以看到这里显示的是已停用，点进来之后这里删除应用就可以点击了。我们点击删除应用，删除应用之后将无法恢复。点击删除 可以看到我们刚才的那个应用就已经删除了，到这里 opencloud 删除工作就基本上完成了，还有什么不明白的，欢迎在评论区留言关注我，每期一个 ai 知识，谢谢兄弟们的观看，再见！

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。

opencloud 这个东西不是谁都能玩的，我用了一个月时间来熟悉的说下哪三种人不要碰，省着你走弯路。第一种就是想躺赚的，千万别信那种挂着就能赚钱。 opencloud 的 本质是个 ai 整体，但它并不是印钞机，你还是要学些基础的配置调试，学着和 ai 去对话，当然还要学怎么跟客户沟通，这一个月接了五个部署的活，现在每天还得帮着人家答疑。 第二种就是没有一点技术基础的，咱也不需要，你会写代码，起码基础的安装软件看教程遇到问题了会去网上搜索，见到太多人了，第一步部署安装就卡住了，然后就跑来问我，这种问题真没法回 安装，你要是都搞不定，后边就更麻烦了，起码限阶段还是先不要浪费时间了。第三种就是想快进快出的， open clock 这个玩意前期起码要投入一到两个月， 学工具做案例，然后积累客户，这些都省不了，想一周就回本了，趁早别碰。哪些群体适合玩 openclaw 呢？第一种就有点耐心，他愿意学东西，可以接受前期不赚钱的，这种人三个月以后没准能赚个大几千或者上万，就这些，反正听不听在你。

哎，好的好的，大家好，我们今天手动来带大家从零到一部署在自己电脑上面部署一下最近火爆全网的这个 cloud bot 啊，现在已经改名叫 opencloud， 我 们从零开始，首先我们去 opencloud ai 这个官网，然后往下滑，它有一个 one liner 的 这个 quick start， 非常简单，你只要在复制这个代码，然后开一个命令行，然后把它黏贴进去， 它就会自动去安装这个 opencall， 它会去检测联盟装着 homebrew， nojs 和 git 啊，如果没有的话呢，它会帮你去安装，我这边已经有了，所以它自动开始在安装这个 opencall。 好 的，安装完毕，安装完毕的话，它会自动会进入这个 onboarding 的 这么一个流程啊，它也是非常人性化。首先让你先来先签个协议啊，说这个很 powerful， 但也很 risky 啊。我知道了， onboarding mode， 我 们选 quick start。 然后第一步呢，是我们要接一个模型啊，在后端的模型，它虽然就 open call， 它只是一个中间层吧，你后端的模型还是需要用自己的 a p i 的。 之前呢是我我尝试使用这个 cloud code 的 订阅，可以接入这个 open call， 但是前段时间 cloud code 把它给封了，所以现在就必须只能调用 a p i， 所以美国的模型 api 太贵了，所以我们这里选择支持一下国产。我们使用 kimi 的 模型啊， moonshot ai， 然后 kimi 最近也是浪潮了，自己的这个 kimi k two 呃，二点五的这么一个模型啊，能力上据说是跟 opps 四点五非常相像啊，也是很厉害，然后价格可能只有十分之一，所以我们来体验一下，所以我们这里选 moonshot ai， 月色暗面， 然后把我们之前复制好的一个 api key 给复制进去， create a api key， 然后我们选择一个模型，我们就选 kimi k 二点五。然后呢，我们在这里选的是 在第二步呢，是选这个 channel， 就是 call bot， 呃， open call， 它是可以让你用过用你的这个即时聊天软件，然后来调用它的啊，这里就会去配置一下这个即时聊天软件。我在这里选的是，呃， whatsapp， 然后我们来看一下 whatsapp 怎么 link 啊，它会给你二维码，然后我们要拿 whatsapp 扫一下二维码。 好，我们拿这个 whatsapp 刚刚扫了一下这上面的二维码，然后，呃，现在是可以去继续去设置一下详细的配置。 whatsapp， 它里面有一些 phone， 呃，这个是 phone setup 啊， separate phone just for open call。 我 选择用一个单独的电话号码在 whatsapp 里面，然后这里使用，选择 recommended power mode allow form。 说实话不是很知道是干嘛了。嗯，选择 default 好 了，然后下一步呢，是 configure 这个一些技能啊，这里我先不 configure， 但是我们看一下， 呃，这个 open call 它有哪些技能啊？这些技能本质上来说就是它到底能做哪些事情，你可以看它这里有非常多的集成的这个 integration， 就 你的密钥，密钥管理系统 word 是 可以用来发这个 twitter 的， 然后 bear nose 是 可以用来这个记笔记的一些东西，然后有非常非常多的这个，还有什么 g u g 这种 就是 gmail 啊什么的，非常非常多 open ai 啊什么的很多啊，我们这里今天先不配置了，然后回过头也可以再配置，到时候会问你一些问题，要不要这些 a p i key 有 多选？ no no， 如果到时候需要的话呢，可以再单独回过头来配置 好。然后最后一步呢，是这个 hook 啊，自动的这个操作，然后它可以在某些特定的环境下面被触发，然后帮你操作。比如说它这里有一个 session memory 的 这个 hook， 就是说它可以在每个赛季结束的时候呢，自动把赛季的这个你们聊天对话记录呢，保存到他们的这个长期的这个 memory 当中。这里我觉得还是开一下比较好，因为 open call 它是自带这种长期 memory 的 功能的，然后如果每每每一次跟他对话，它会更新长期 memory 的 话，你会发现这个 open call 越用越聪明。 好，然后这些都是系统自带的，我就都开了，然后都开了，然后去设置 gateway， gateway 就是 说是呃呃，如如何去开这个？开个关口，然后让可以让这个你在 whatsapp 里面发送的消息被传递到这个电脑上的 open call 里面。这里我之前已经装过了，所以我们在这里的话就是 reinstall 一下。 好，我们这里的 git 已经装好了，我们现在有有有方法去 hack。 我 的 bug 就是 初设啊，初设的话我们可以推荐是走这个 t u i， 也就是它自己会开一个网页，然后这有一个链接好，然后可以尝试发个消息 啊，很可惜啊，消息没有发成功，我要来 debug 一下。哎，好的，刚刚发现是因为自己的那个 kimi 账号没有充钱啊，现在充了钱就变强了啊，我们现在已经可以 跟他对话了，然后我们在终端呢，可以输入这个 open opencloud dashboard， 然后呢我们来重新进进入这个网页的 ui 啊，然后这里呢我跟他说了个嗨，然后他现在会介绍一下自己可以干哪些事情啊？怎么怎么样，怎么怎么样都是英文啊，太，太烦了，我看他看中文那里边啊， 好，他现在等于说一开始的对话呢，他会让你去呃设置一下他的名字是什么，然后怎么称呼我，然后他是干嘛的？嗯，然后同时呢我们我来就展示一下这个我们这个 whatsapp 的 这个能力啊，就你看我们这边， 嗯，其实 whatsapp 上面是可以给大家直接发消息的，然后在这里的所有的信息呢，我们也都可以在 whatsapp 里面跟他呃聊天，然后他就只要你的这个网关是上线的，他就是可以呃去跑的。 那么今天视频就到这里呢，我们就简单的装一下 cloud bot， 未来的话我们也会在这里继续更新一下 cloud bot 到底能在呃能对我的工作流程带来多大的影响啊？期待可以创造更好的内容给大家，谢谢。

deepsea 在 二五年爆火， opencloud 在 二六年爆火，那 opencloud 到底是什么？可以在二六年的年初承载这一波巨大的流量？作为 ai 这个时代目前最火热炙手可热的一个新品，新的产品它和 deepsea 到底有什么不同？经过了二五年，这一年到二六年初， ai 这时代到底又新增了什么东西？然后成就了这 oppo cloud， 然后使它成为一个比 deepsea 之后更火的一个产品，或者说比 deepsea 之后更可以落地的一个产品啊。其实我们可以先科普一下，就 deepsea， 它是一个大模型，它相当于是一个人的一个大脑，那 oppo cloud 的 话，它相当于是大模型。 再连了一下它下面的一个手脚，就说它可以去具体的执行电脑上面的的一些工作，或说基本上可以执行你电脑上面所有工作。它相当于它是 deepsea 加一个 呃具体执行命令的一个自人体的一个框架，或者说的一堆代码，然后把它拼接起来，然后形成 overcloud， 它相当于它有具备 操控你电脑去实行具体工作的能力。就比如我可以举个简单例子，你可以跟他说，呃，每天到九点你帮我去爬取或搜索电脑上面与我这专业有关一些新闻和事件，把它整理下来以后，然后把它存到具体的我的某一个 具体的一个文件目录下，然后我每天就可以早上起来去查看，但他会每天定时的帮你去搜索整理。他就像一个真的人一样，帮你打开浏览器去搜索，然后他觉得不满意的话，他可能会换换起关键词再去搜索，然后把最终整理出来，结果把它存就存到一个文件夹下，你可以直接打开， 就大家这样的一个工作流程在就按以往说的话做这种工作流程的话一般是要由人去做，就或者说一些自动化的脚本去做，就比较使老，普通人一般是都没法去接受得到，但相当于 oppo cloud 的 这次相当于是把这种可以自动化实现操控电脑去实现一些 工作的一个任务给下发到下方的普通人都可以去免费的下载 oppo cloud 去安，去安装，然后去使用，去获得这部分 ai 给自己生活工作 去给予加持的能力啊。就是说就不管是你要去浏览浏览器，还是说你要剪一些视频，还是说你要修图片，这些都可以去 lumacloud 去学习你电脑上面安装的软件，然后就可以一步叫他说就这样说你要剪视频，你可以 你可以跟他说我，我这陌陌，陌陌上面有个素材，然后我安装了剪映，那你应该帮我把这个素材在剪映里面去帮我剪辑， 然后有下面几点注意事项，然后你帮我剪辑完以后帮我导出来，大概十三分钟。视频帮我导出来以后，然后给我你，你一步步教他玩以后，他就会一步步真的去做，继续探索去做。他可能第一次做的不是很完善，但他会把第一次做所积累的成功经验会整理成 skill， 然后把它自己记录下来。 skill 就 相当于是 on cloud 它这个智能体等的所具备的一个经验库，他会把每一次所执行的成功经验给记录下来，就成为一个文档， 然后我们把它放在 skill 的 文件夹里面，然后它下次遇到相同问题的话，它就可以直接附用之前的成功经验的这个 skill 文档。然后就像是我们人去阅读这精文档一样一样，在一步步把实践出来，它后面就会更快的实去实现你相同的一个工作的一个流程。 这也是很多人说的这 open class 它具备就是一定学习能力，它学习能力就不是说去迭代它的大模型的参数，它而是说它可以把它所尝试的成功经验给给通过文字记录下来，然后后面可以去附用这个经验，然后去去重复去实现相同的一个功能， 就这是他的学习能力之一。然后除除你之外，他还会给 openclaw 去制定他的一些记忆策略，他可以以长期短期的去记忆你所说过的一些话，他会更新他的记忆策略，然后他就学的话，你和他交流会觉得他越来越懂你的原因就是因为他会更新他的记忆策略，他的记忆策略也没有那么的魔法，他就相当于是把记忆 的东西的文本给给记录下来以后，然后长期定时去更新它啊，就这样。然后我刚说的话就是 mclaw 所具备的能力和它的一些优点，它有 skill， 它可以自动的去探索完成一定的工作流程，然后并且它会把它 去整理成一个经验，然后第二次，第三次的话就会很快的去复用经验去完成它，这它最主要的一个优点和创新点。但 mclaw 它有些缺点，就比如说我们主尝试的话会到说比如你完成一个工作链条，它是由 a 到 b 到 c 到 d 这四个步骤， 那欧姆卡的话它可能就是它可能会自己探索，它会探索从 a 到 b、 到 c 到 d、 到 e 到 f 到 g 才完成这个工作，它的链条会比较长，它相当于它每次所做的决策工具调用的决策，它相当于是只考虑上一步的一个结果去决策它的工，当下的工调用怎么样才这才能和理解决问题更近。 这句话他就不会倾向于说去缩短他就解决具体问题的一个工作内容，就导致他在很多情况下他所解决问题的内容是非常非常长的，这就是他的一个问题，后续这个是可以通过就是一定的模型后训练去， 去给他去收集 vivo 数据，去做强化训练，去优化最快的一个技能就是让他也像人一样会变得懒一点，就是想就因为人很懒，所以人会倾向于去寻找就解决路径最短路径。但是 oppo 现在还不具备这样的能力，他就相当于只想把问题解决了，就不在乎成本是多少， 这也引起出来他，呃，他第二个缺点就是他的 token 的 消耗数量实在太大了， token 的 话就说就每次他所就解决问题他所消耗的输入的文字长度是多少的，这长度实在太大了。就比如说我现在用的是 cloud 四点六的模型，那我充了十美元进去，然后我跟他对话差不多十五分钟他就把我十美元给用完了，相当于就是每分钟一美元的消耗速度。就如果我用的是古画最好的模型的话， 因为他每次对话他都会把我之前的双下文，还包括他，他 over 里面就就本来给他写的一些系统的一些提示词都一起，但每次对话时候都会把这些都一起放进去给他，所以他每次对话话都可能会有 几万就甚至十几万的一个 token 的 一个消耗，所以话你让他去反复的去试图调整掉工具的话，这块的通宵耗是巨大的。 然后这是两个，他两个缺点就是他的 top 消耗太长了，就太大了。然后他的第三个有待优化点就是我个人认为 今年是 opencll， 那 明年是什么产品？我个人认为这个 ai 的 智能体还有一个地方可以提升，就是就它当下 opencll 它只会把经验给给记录下来，成为 skill 去附用，但它不会去叠代它的大模型参数，但我觉得是有必要的， 因为就是它目前相对于模那模仿人去总结经验，然后去记录下来，就记录到文本上，就记录到我们的笔记本上，但它没有，但它现在没有模仿人去更新它的大脑，就因为我们每天 人看到一些信息和一些结果，我们都会通过睡眠的形式去记录下来，然后去提高我们大脑对某些事情的判断，就像于是存到我们大脑里面，而就不是存在，就是就我们人之外的一些笔记本电脑上面。 但欧姆克罗他目前只是存在，就是他大脑之外的的外界的设备上面，他没有把经验存到他自己的大脑里面，他没有叠在他的大模型参数，他目前就欧姆克罗他所调用大模型，他都是调用已经建成的一些 api 接口，他不会去改那些已经建成的 api 接口的大模型参数， 但这个是必须的啊，这是发展趋势。所以的话，我个人认为往后可能二千年的爆火产品就是在 open call 之后，就除了右手， 就除了智能体右手右手脚之后，他才可以去根据每天的一些训的一些执行数据，然后去自动的去规范数据，然后和他的一些结果的成功与失败，然后去自然后去自我训练自己的一些打磨性参数，去迭代自己的大脑， 对，就二七年往后的趋势就是我个人的趋势就是智能体，他有能力去抵达自己大脑去，是会根据自己在生活当中的一些 实践的一些成功与失败经验，然后去总结经验，以后把总结经验不公方式写下来，还可以用这经验去用来训练自己，去反复训练，去自我提高自己的大脑，去提去提高自己的一个大母星参数，去做强化学习后训练，这个这个我认为是智能体后面必然会去发展的一个方向，但如果要真那么发展的话就非常恐怖了，因为 因为叫唤那那那 ai 这问题他就停不下来了，他就相当于不仅会有手有脚去去尝试生活当中的各种东西，就先他目前只是去尝试电脑里面东西，他后面有机器人的话，他就会尝试生活中的各种东西， 那他有这些尝试的一些过程，那他他就会积累一些尝试的经验，然后这经验话不光是可以记录下来，他还可以去通过经验去给到他自己大脑去反复的去升级，他的速度是比人的学习速度是快很多的，所以他这个位置很担忧未来，必然往这方向走，那未来人的价值是何处啊？这也是我后面可能发视频要去讨论和大就和大家讨论和分享点。 好吧，这期视频就主要是围绕着欧盟的一些优缺点去做一个讨论，然后后面还有一些新的 ai 产品，我也会发视频去讨论，如果感对 ai 感兴趣的话也可以关注我。好吧，这期视频就到这，大家晚安了。

大家好呀，今天咱们来聊聊两个最近很火的 ai 工具， aolama 和 openclaw， 是 不是经常有人把它们搞混，以为是同类竞品？其实啊，它们就像电脑的主机和操作系统，各有分工，还能完美配合呢。 先说说 aolama， 它其实是个模型运行引擎，简单讲就是帮你把 llama、 sammiestro 这些大模型下载到本地，然后顺畅地跑起来。你可以把它想象成大模型的发动机，负责提供计算能力和基础对话功能。 如果你只是想在本地聊聊天、写写文案，或者需要调用 a p i 开发点小工具，那欧莱玛就很合适，而且对电脑配置要求不算太高，八 g b 内存就能入门，隐私性也有保障。那 open cloud 又是什么呢？ 它更像是一个会动手干活的 ai 助理，它自己不直接运行大模型，但它能理解你的任务，然后规划步骤，调用各种工具，甚至直接操作你的电脑。比如帮你整理文件、自动发消息、控制浏览器、搜资料，这些都是它的强项。 就像一个数字员工，能把复杂的工作流自动化。不过它对硬件要求稍高一些，十六 gb 内存会更顺畅。最关键的是，这两者不是二选一的关系哦。 alama 是 底层的大脑， openclaw 是 上层的执行者。 openclaw 可以 调用欧莱曼的 api， 让本地模型不光会说话，还能动手做事。这种本地模型加本地执行的组合，就能实现全离线、高隐私、全自动的 ai 体验了。总结一下就是， alama 让你在电脑上跑模型，他只会说话， openclaw 让模型帮你做事，他会动手执行，你是更需要一个安静的思考者，还是一个能干的行动派呢？或者你已经开始琢磨怎么让他们联手干活了，评论区聊聊你的想法吧！

新手想玩 openclo， 到底选哪个平台的小龙虾最合适？怕买贵又担心不会安装？今天一分钟就给你讲明白，记得先收藏起来。先给纯小白科普一下， openclo 本身是免费的，咱们花钱呀买的其实是平台的一个服务器，还有模型的使用权， 不用自己折腾本地部署和对接 a p i 那 重点来了，六家主流平台对比，我将从收费模式、价格、安装难度等维度来帮你筛选出最合适你的 openclo。 首先是腾讯云和阿里云的 openclo， 它们采用的是服务器加模型收费的模式，优点是便宜，这里推荐阿里云的 openclo， 只需要十八块钱就能够拥有一只自己的小龙虾，但缺点是需要折腾两次付费流程。而且考虑到很多人连服务器是什么都没有搞明白，非技术人员呢，就可以直接 pass 掉这两种了。直接看下面四种就好了。 kimi clo 先排除， 因为它太贵了，且不说功能和其他几家相比起来大差不差，光订个会员就需要一百九十九块钱，直接就是一个劝退了。从价格上来讲，我更推荐火山引擎，它有九块九体验七天的一个套餐，别看时间只有七天，我 敢打赌百分之九十的人呢，在装了 oppo nano 不 到七天就会放弃了，如果是想尝鲜的话，这是一个不错的选择。最后是扣子跟 mini max， 也是我最推荐的两个， 质量其实差不多，一个四十九块钱，一个三十九块钱， mini max 会更便宜一些，但扣子的生态更完善。这里有很多大神已经做好的 skill 呢，可以给 openclaw 来调用，大家可以根据自己的需要来进行选择。这六个主流平台的 openclaw 安装指南，我也整理了一份完整的文档，点个关注轻松获得。

我们都知道 open call 很 强，他好像什么都能干，手法有见回复信息、抓信息流分析解决技术问题，自动修复机器网络配置，甚至还能搭建一个龙虾公司，让业务自主运行。 但是对这个项目有深入了解的朋友和看过蜘蛛侠的朋友都知道，越强的能力会带来越高的风险，同时就需要更高的责任心。 那么这期视频我就会详细拆解 open call 是 怎么运作的，随后分析它的使用风险到底在哪，以及怎么去规避风险。 大家好，这里是熊仔学长。首先我们抛开 open call 这个概念，想象你面前有一个活生生的人， 我们可以粗略的把它分成大脑、眼睛、耳朵、嘴巴、四肢、心脏、骨骼以及免疫系统。其中大脑负责逻辑思考并且做出决策。 眼睛耳朵用来接收外界的信息，嘴巴用来表达我们大脑的所思所想，四肢用来驱动整个身体，完成它与外界物理上的交互。心脏用来给身体里所有器官提供氧气。骨骼是人体的框架， 免疫系统用来保护人体不受外部侵害。想必现在大家都比较熟悉大语言模型聊天了，现在让我们先不考虑这个模型是怎么做到跟我们对话的， 对于跟他聊天的人来说，他其实就像是一个能够输入和输出文本的大脑，其中有些模型还能够处理图像。视频对应的就像是我们人体的大脑，眼睛、耳朵和嘴巴。 模型通过耳朵听到我们对他说的内容，通过眼睛看到我们传给他的图片，然后经过大脑的思考，模型用嘴巴说出来他的回复心脏，同时给这些器官进行供血。那么更进一步，如果我们现在想要让这个模型布置能够说话， 还要有能够跟外界交互的能力，也就是给大模型这个大脑装上手和脚。那么从人体的这个角度来看，首先肯定需要骨骼和四肢还有神经系统来连接大脑和这些部位，来方便大脑传递信号进行指挥。 那么接下来我就会从骨骼、四肢和免疫系统三个方面来剖析 open call。 如果我们把 opencall 整体看作一个人，那它的骨骼就是 gateway 网关。网关的定义是一个使用多样的协议来连接不同的网络连接点，像是一个大型的交通中转站一样。在 opencall 中，网关也起到了同样的作用， 一个长期运行的网关用来统一承载消息入口、客户端连接节点连接 ui， commandline， interface， 自动化任务等等。 它被官方定义为 control， plane and policy surface， 控制面板和策略层。换句话说，就像是我们人身上的器官都由骨骼支撑起来的一样， open call 的 所有功能都是连接到一个网关当中的。首先网关会撑起来，所有的 messaging surface、 信息层、控制层、客户端和 nodes 节点会通过 web socket 连接到这里。 换句话说， openclaw 外部事件来的所有的消息会先到 gateway 会走，然后内部要不要出发， agent 落到哪个 session 走哪个 channel 也先由网关决定。其中 openclaw 连接浏览器的功能也是由网关管理的。 同时这个网关还承载了保存和裁决绘画状态的功能，官方筛选文档表示所有的绘画状态都由网关持有， ui 客户端不应该自己读本地文件来猜状态，而应该问网关查询状态列表和 token 统计。 也就是说，网关管理了这段对话属于谁，上下文是什么？总 token 是 多少这类行政级别的信息。 网关控制的最后一部分功能就是 web 控制层了，说白了就是我们使用的 opencloud dashboard 的 页面，它走的也是 web socket 端口。这个网关 gateway 控制的第三个东西就是 node 节点了。那么什么是节点呢？ 在官方的定义里， node 是 一个伴随设备远端执行层，它可以是 macos、 ios、 android 这种操作系统，或者是一个无界面的 hellos node。 它们都通过 webshop 渠道使用设备配对的方式连接到网关当中。 节点能做的事情非常多，核心原理是它能够把命令界面暴露出来，加上一组设备能力，让模型调用画布、 canvas、 摄像头、 camera、 屏幕录制、 screen record、 地理位置、 location get、 系统指令、 system run 等等。换句话说，节点就像是 open call 的 手和脚一样， 给这副身体赋予了使用工具和跟外界交互的能力。比如说我们在一台 mac 电脑中，需要打开访达人，会使用鼠标点击访达图标，但是 open claw 会使用节点在 terminal 窗口中运行 open a fender 这行代码。 当然这个过程我们是看不到的，而且还有很多其他共 open claw 交互的方法，具体用于哪一种，取决于当前的配置和权限策略。 又比如说某个节点连接的是一个安卓手机，那 opencall 就 可能能够调用安卓手机的相机通知信息位置、联系人、日历、短信等等等等。接下来让我们看到 opencall 的 自动化能力， 所有的自动化应用都是根据 chrome、 heartbeat 和 hooks 来实现的。接下来让我们一个一个讲解。 chrome 负责在特定时间运行一些预设好的任务，比如说每天早上八点搜索今日热点新闻，并通过飞书发送给我， 或者说每周一早上九点去以下这些网站找到我的最新视频并提取数据。 habit 和 cron 比较相似，它负责在特定时间周期，也就是以特定的频率运行任务。 它特别像 ai 的 周期巡检机制，比如我可以让 opencall 每十五分钟检查一遍我的邮箱有没有收到新的消息，日历有没有变动，最近对话中有没有需要跟进的事件等等。 heartbeat 和 chrome 都可以选择主聊天窗口中运行，或者是一个单独的窗口， 这样某个任务的上下文信息就不会跟主聊天内容混在一起，给模型推理增加难度。 刚刚我们说的都是基于时间出发的自动化任务，而 hoops 是 基于事件出发的。比如我们可以设定 openclaw， 执行 new 的 时候 自动归档当前上下文，又比如在网关启动的时候做一些出场任务等等。 刚才我举的两个例子都是由网关内部的事件触发，网关外部的事件是使用 web hooks 实现的，比如说 post hooks wake 可以 把一个系统事件塞进主会话，并选择是立即唤醒 habit 还是等到下一个 habit 周期再处理。 post hook's agent 会启动一次隔离运行，并把招标写回 main session。 如果开启 delivery， 还可以接 channel 和 to 配置，把结果发送到最后一次外部渠道，或者明确指定聊天目标。 关于 openclaw 还有 skills 这个部分值得深入讲解一下。现在我们的 openclaw 已经有了骨骼，也就是网关，四肢，也就是节点，并且知道自己什么时候应该去完成什么任务了。那么具体这个任务要怎么去完成呢？ 所以 skills 在 这里就扮演了一个操作手册的功能。 skills 是 一个具体的员工执行手册，或者说是某个具体工作的 sop。 我们都知道这些大语言模型的上下文学习能力和速度是非常快的，他在拿到一些操作手册之后，能够快速的找到接下来的一步我需要用到哪个 skill， 并且依照 skill 中的指示完成这一部分的工作。 从使用者的角度，我们可以把 skills 简单地理解成功能扩展包。 cloud 是 open cloud 的 一个 skills 社区，这个自我提升 skill 有 很多 markdown 文件，其中我们可以看到 assets 文件夹里， 这个文件夹用大白话告诉模型在学习的时候都需要做什么。这里对他的学习状态进行了一个状态机的定义，这里把学到的知识转化为 skills 的 状态，给出了明确的文件格式的示意，这里写了一些在学习过程中需要的注意事项等等。 现在我们已经有了一个左手拿着万能工具，右手揣着一大摞 sop 手册的小龙虾，准备蓄势待发了。但是在这个生产环境中，还有一个最重要的也是最容易忽视的问题就是风险管理。 当我们分配给 open call 越多的权限的时候，他能访问浏览器，执行系统命令，读取发送本地文件，对外发消息。那么一旦模型被错误引导，就容易做错事，从而容易导致个人信息的数据泄露、模型公开发表未经授权的言论等等。 在 open 号最近的更新当中，它加入了权限管理的功能，我们可以再打开 web ui 界面，在左侧的 agent 选项卡，然后选上上方的 tos 标签，我们就可以看到所有的权限开关了。 第二个需要注意的点是， openclaw 是 被设计为一个个人工作助理的，它不太适合在多人之间共享使用，或是企业部门中一起使用。比如说一个 openclaw 被部署在了 a 的 电脑上， a 可以 通过飞书和龙虾交流， 这时候龙虾会在沟通过程中记住很多关于 a 的 事情，如果这个时候 b 也能通过飞书跟 a 的 小龙虾聊天，那么 b 就 能够让 a 的 小龙虾把关于 a 的 所有信息都发送给 b， 而且 a 还不知道。 除非这个 open call 一 开始就被定义为一个团队级别的 ai 助理，而不是给每个人都部署一个 open call。 所以说，我们在使用 openclaw 的 时候，首先要明确龙虾的定位，然后注意数据的权限，哪些是这个定位的小龙虾能知道的，哪些是他不能知道的。除了权限和隐私问题，提示词注入是另一个我们需要防范的问题。 他的意思就是说，如果龙虾在一些网站上浏览到了含有误导性或者说是错误的指令，他就很有可能做错事，而且这个指令的来源不一定是外界，也有可能来自我们自己。这里举一个真实的例子， 小 a 让小龙虾找点好看的桌面壁纸下载下来，小龙虾把图片下载到了桌面，但是小 a 好 像不是很满意，于是又让小龙虾下载了一些。经过几轮的对话，小 a 说全部都删了吧。 这时候小龙虾连带着整个操作系统把硬盘格式化了，我相信这事搁谁身上谁都能给干破烦了。 我们能发现 ai 模型在这个例子当中没有根据上下文很好的理解全部这个概念，所以做了一些看起来有点无脑的事情。所以说我们在跟 ai 对 话的时候，我们要尽可能的多描述多的细节，并且告诉他任务边界在哪。 如果小 a 当时说把我刚刚让你下载的图片全部都删除，确认文件列表后先找我确认，我相信是大概率不会出现这样的问题的。 可能提示词注入更多的是来源于一些模糊的表达，让模型做错了事儿。但恶意 skills 就 不是这个级别了， 比如说可能会有这样的一个 skills， 让你的龙虾偷偷把本地数据打包发给他。你可能会想，刚刚我们都看到了 skills 不是 都用大白话写的吗？那么只要我安装这个 skills 之前，把所有的文件读一遍是不是就可以了？ 答案是这样，还不能完全避免因为某些恶意字段还有可能被打包在一个网址链接中，又或者是被包装成了只有机器能读懂的样子，比如说在白色的背景上配上白色的字 儿，所以说呢，我们最好还是要从一些信得过的来源获取这些 skills， 最低也得把整个 skills 发给一个大圆模型品鉴一下。 目前的 open call 实际上是一个没有完整的免疫系统和自我纠错机制的，所以说除了上述的风险之外， 即便我们本地部署了 open call， 它的网关在面对公网等环境当中还是有非常高的暴露危险的。所以说，想安全的用好 open call， 我 建议大家做到以下这几点， 在一台单独的苹果或者 linux 或者沙盒设备中部署 openclaw， 针对一些必须要用的硬盘、 nas 数据只给仅读的权限，防止陌生人和不信任的人能够跟你的小龙虾聊天。 用完整清晰的语句跟 openclaw 沟通，不要代指并且明确边界在哪。使用 skills 之前要认真的审核， ok， 那 么这期视频我们就把 openglue 的 整体结构和它背后的风险比较系统地梳理了一遍。 从网关和节点组成的骨架和四肢到大圆模型当做大脑，从 prone， heartbeat， hooks 这些自动化机制，到 skills 这种把 sop 封装起来交给 ai 执行的能力。 更重要的是，我知道现在所有人都在说，哎， open call 很 强，但是好像很少人关注他的边界和风险。所以说，希望这期视频可以帮助你更安全的使用 open call。 那 么这期视频就到这里了，这里是熊仔学长让我们一起成长！

最近 openclaw 突然爆火，很多人问它到底是个啥？和 memory、 rack、 mcp、 skills、 ai agent 又是什么关系？今天我用最清晰、最通俗、最专业的方式，把这一整套技术串起来讲透，看完你绝对通透！ 我们先从最基础的概念说起。 chat、 gpt、 deepsafe 这些大模型，本质就是一个存在词盘里的超大参数文件，想让它干活，必须有个程序把它加载进内存，提供 http 接口，接收请求，做计算，返回答案。这就是推理服务。 靠个聊天界面就是我们日常用的 ai 助手。接下来是 memory 记忆机制。退里服本身是无状态的，处理完请求就忘，多实力部署，还可能每次请求都换一台机器。那 ai 为啥能记住你之前说的话， 答案就藏在 memory 里？每次提问时，系统会把历史对话拼尽上下文一起发给大模型。为了避免对话太长，超出大模型处理上限，还会把记忆分成短期记忆和长期记忆，短期记忆保存最近几轮完整对话，长期记忆则把旧对话压缩成赃药， 最终让 ai 看起来拥有持续记忆。简单说， memory 就是 ai 的 对话机，管理系统，然后是 rack， 解锁增强，生成大模型训练丸之时就固定了。不知道最新新闻，不懂你公司内部文档，想让它用上外部数据就要靠 rack。 通俗理解就是给 ai 配一个外部知识库，用户提问后，系统先去库里查相关内容，再把资料塞给 ai， 让它基于这些信息生成回答。为了实现精准的语义匹配，还会把文本转成像量，用 milvis 盘孔这类向量数据库存储。比如你问今天股市怎么样， rock 会先去财经接口拉最新数据，再让大模型总结后回答你。 所以 rock 本质就是 ai 的 外部知识搜索引擎。再来看 m c p model context protocol 模型上下文协议，有记忆、有知识还不够， ai 还得能动手发邮件、查数据库、写代码、操作软件。这就需要 m c p 来搭建桥梁。 它的核心是定义一套标准通信格式，通常是 send ai 想调用工具时，会按格式输出指令，由 mcp host 接收指令后，调用对应的 mcp 插件执行具体动作后，再把结果返回给 ai。 比如 ai 输出 to send email to i x x x content， e i m c p 就 会真正帮你把邮件发出去。所以 m c p 就是 ai 与外部工具之间的标准化接口，让 ai 能像人一样动手操作。最后是 skills 技能，当工具越来越多， ai 也会猛， 先干嘛后干嘛，怎么组合工具完成复杂任务，这就需要 skills 来提供指导。 skills 本质是一套场景化的标准化操作流程和工具使用手册。比如排查线上故障的 skill， 会明确规定，先看监控判断故障影响范围， 再查日制定位错误模块，接着核对配置参数，必要时执行回滚操作。如果说 mcp 给了 ai 手脚，那 skills 就是 给了 ai 行业专家的经验与流程，让它能高效完成复杂任务。最后是 ai agent 智能代理，它是这些技术的终极形态， 把大模型的核心思考能力、 memory 的 对话记忆管理、 rack 的 外部知识解锁、 m c p 的 标准化工具调用，以及 skills 所定义的专业场景化操作流程，全部有机整合后， 就构成了能自主规划路径、自主执行操作、自主完成目标的智能体大模型。作为大脑负责逻辑推理与决策。 memory 让他能持续记住历史对话， rag 为他打通实时外部知识， m c p 赋予他操作工具的能力， just 指导他按最优流程完成任务。这些能力相互协同，让 a i agent 不 再只是被动应答的聊天工具，而是能真正替代人类完成特定工作的智能工具人。而我们开头提到的 owen colecloud bot， 本质就是一个运行在你本地电脑上的 a i agent， 它能模拟人操作电脑，发邮件、写文档、投简历、自动化流程都能实现。 它的爆火并非源于技术颠覆，而是因为开源免费、直接控制本地机器足够野路子功能强，但安全风险由用户自己承担。它和 minus 这类产品逻辑相似，只是 minus 为了安全，把操作环境放在远端虚拟机。 而 openclock 更狂野，直接载你本机跑到这里，相信你已经完全理解 openclock、 memory rack、 mcp、 qs、 ai agent 之间的关系。有一个思考题，单个 agent 你 懂了？那多个 agent 如何写作？多智能体架构又分哪些模式？下期我专门拆解这个进阶话题，干货拉满！

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。

还是有很多大聪明不停的问我，博士，我如何跟你卖托肯？托肯到底是啥啊？我觉得你想跟我卖托肯可以，你首先要理解什么叫做托肯，很多人根本就不明白，以为托肯是一件很简单的事情，其实并不是这样 啊，有的人说是字节，有的人说是字数，其实我觉得都不对吧，用通俗的话，普通人能够理解的话就是啊，托肯就是 ai 世界的律师费吧， 你想想，你去问一个大律师，人家可能是按照分钟来收费，对吧？你一问一答， ai 也一样，但是 ai 他 没法一个定量的去按时间来，因为有的 ai 快， 有的 ai 慢，就是根据背后的算力 啊。 ai 不 看你问了几个问题，他是把你这些问题打碎之后，然后在他脑子里面赚了多少颗粒度？ 呃，比如说在中文里面，我们大概一个 token 就是 一个一个字，然后在英文里面，一个 token 大 概是零点七五个字。所所以说，比如说 brightness， 它叫 bright， 然后 ness， 然后 darkness， 它这个你看，呃， brightness 和 darkness 它里面相似度就是一个 n e s s， 这就是一个具体解释， 在 ai 里面， token 就是 处理逻辑的最小代价。如果你问，比如说吃了吗，你问博士吃了吗？我可以秒回 ai， 也可以秒回，它不需要呃，用太多的算力，但是如果你让它写个什么对赌协议， 什么销售协议，它还是得调动很多的神经元。 token 记录的，其实某种意义上讲就是说，哎，它在它脑子里面运转了多久 好？这时候关键问题来了，很多人都不明白 token， 他 觉得 token 是 个标准品，其实 token 不是 一个标准品， ok， 它是根据不同的模型，它会产生不同的 token， 你 比如说你有 deepsea， 你 有 jamaican， 你 有 john cloudy， 你 还有这 gorn， 对 吧？不同的模型。 所以呢，很多人在这建这种机房的话，去卖这个，卖这个，托肯，我觉得这也不 make sense， 本质上这些只有大公司在做，因为你要有自己的模型。当然了，你说，哎，兄弟，我不怕，我自己有把开源模型 放到我自己的机房里去让，然后给别人提供也 ok， 但是开源模型是在不停的演化的，所以你有自己的技术力量去不停的去开源模型嘛，对吧？都是一些问题，实际的问题。 然后呢？还有还有说不同的模型，我再解释更清楚一点，他就想找律师，你找一个刚毕业的实习律师，他可能问一个问题，收你五百块钱， 然后他给你建议，可能赵本山哥，甚至可能还不如大模型，对吧？如果你是去找一个身价千万的顶级合伙人，他跟你的回答的问题他可能完全是不一样，而且他每一个回答他可能都是根据他处理了很多问题啊，根据他几千个真实的案例来。 所以大模型也一样，大模型有有七 b 的 小模型，就像现在所有人都说，哎， mac mini， 呃，我去，让这种小模型，这种出海三裂，那都是小模型，它产生吞坑速度很快。其实 mac mini 也不快啊，但是它脑子里没有深度，它给你的逻辑可能根本就不通的， 像 gbt4 啊。然后 jimmy 这种大模型，它每一个，呃，大模型，它不是升级，它其实升级的过程中它也是融合了很多的各种各样的最新的这些知识，它其实在其实某种意义上讲，其实我就为什么说其实做垂直领域的大模型其实没有多大的 啊？一，因为你会发现我刚搞一些 dota 出来，然后一些大厂，他马上就把这些新的 dota， 新的垂直行业的领域的东西放到他的大模型里面， 而且他自己有很多自己的算力中心。如果你单纯的用一个呃开运的模型去做的话，开运模型大部分人我都说过是真流出来的，几乎是没什么用的，其实本质上就是说你你你用什么样的模型也会对应着什么样的算力，对吧？ 呃，其实某种意义上讲，我们再来讲一讲大模型，为了突出一个头肯，它其实也有需要很多的 gpu 的 协调合作， 它不是说不是说一个一个小 mac mini 就 就可以去卖了，其实你你想想的大模型它都是几几个几个逼量的参数，它肯定要进行很多的这种举矩阵运算， 就为了你一句提问，比如说你问一个问题很简单，问题它可能秒回，但是大的东西的话它还是要很多做协助呢。 小模型呢，就是一个 mac mini， 他 自己在这想速度快，他其实质量也很差，所以呢， token 的 成本其实本质上取决于你这个模型的大小 和你这个算力的这个这种消耗。如果你的需求大，这种问的问题很深，你就需要这种顶级的律师事务所的合伙人，所以你就要更更强的算力，更强的大脑。如果你只是问一个博士吃了吗？我跟你可以卖 token 吗？这种话，那肯定话就很很很简单， 所以呢，在这我们这个时代，你不要想着就是单纯去卖 token 啊什么的，你要想去卖 token， 你 首先要想好 你 token 的 客户是谁，他会问到什么样的问题，你需要用什么样的模型去解决，你需要匹配什么样的算力？而往往这些东西都是我们这种云厂商，比如我们代理亚马逊云云厂商来解决的。不是说一个小白什么都不懂，然后，然后上来说我跟你卖 token 嘛？这这这简直就不 make sense。

oppo klo 呢，作为现象级开源 ai 智能体框架，凭借本地部署、多任务执行的特性迅速走红，被网友称为小龙虾。但开源呢，绝不等于无门槛使用，其背后暗藏着多重知识产权和微风险，也是当下使用和开发中最容易踩的坑。 首先呢，要明确， opencl 采用全球通用的 m i t 开源协议，协议本身赋予了用户使用、修改、二次分发和商用的权利。但这一切呢，都有前提条件。最基础的一点，二次开发或商用过程中，必须完整保留原作者的版权声明， 清晰标注 m i t 协议条款，一旦省略或篡改，就直接构成开源协议违约，原授权自动终止，开发者还需承担想 的赔偿责任。其次，训练数据的知识产权合规是核心痛点。 openclo 的 模型训练和二次开发中，若使用了未授权的版权作品、商业数据 或者未经许可抓取的图文、音视频素材，不仅违反作作权法，还不符合深层式人工智能服务管理暂行办法的明确要求，极易引发著作权侵权纠纷，面临高额赔。 再者， ai 生成内容的全属转移及代理清， open core 自主完成代码编辑、文案创作、设计、输出等工作。但这类 ai 生成内容的独创新认定目前尚未统一系的标准，若直接将其应用于商业宣传、 产品开发、作品发布等场景，未提前做好全属界定和风险规避，很容易陷入全属纠纷。除此之外呢，围绕 open core 的 衍生开发， 也按照知识产权的风险，比如第三方开发的技能包插件落在开发中，抄袭了他人的技术方案、软件代码，或是使用了未获授权的商标图形元素，即便以托 openclaw 形态，也同样构成专利授权或商标侵权， 开发者和使用者都可能被追责。很多人呢，误以为开源就是免费无责。但从知识产权角度来看， oppo klo 的 使用和开发始终要遵循开源协议要求。知识产权相关法律规定，无论是个人开发或者是企业主体，都要做好版权声明、保留授权数据、使用权属提前界定这三步，才能避免踩入知识产权侵权的陷阱。