openclaw自进化插件教程

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

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。

你有没有感觉到，现在的 agent 虽然好用，但它像是一个静态的脚本，换个环境就失忆了。我们要聊的 hermes agent， 它不是又一个聊天机器人，而是一个能在云端长驻，从经验中自我进化，随时间变得越来越懂你的个人 ai 代理操作系统。 目前该项目已经在 tiktok 上获得了三十四点四 k 的 star。 我 们首先来看它到底是什么。在理解 hermes 之前，先忘掉你对 ai 聊天的所有印象。市面上的 ai 聊天就像一个计算器，你问他答官创级归零。但 hermes agent 像一台虚拟计算机， 它拥有长期记忆，有持续进化的闭环，由 news research 那 个打造了顶级开源大模型的团队专门为执行任务而设计。 下面我们来看一下它能帮你做什么。这个场景比你想象的更硬核，比如它能定时自动备份数据库，它能在三个月后通过 f t s 五数据库精准定位你当时讨论的技术细节。它能通过子代理自动拆解重构代码的任务。 最重要的是，它能操控网页操作终端，无论你在哪儿，都能在 telegram 上随时唤醒它。但 hermes 最独特的地方在于自我进化，每一次任务执行，它都会评估是否具有可附用性。如果可以，它会自动生成四 q 技能包。下次遇到同样的问题，它不再思考，直接执行。 比如，你让 hermes 第一次部署一个都可容器，它可能需要五个步骤，完成后，它自动将这个过程封装为 sq。 当你下次继续让它部署 daker 时，它直接调用这个 sq。 这时可能它只需要一步就可以完成容器的部署，而且如果在这个过程中或者以后发现更好的做法， 它会自动更新这个 skill。 hermes 的 记忆不是简单的保存聊天记录，它是一个多层的知识管理体系，可以将重要的信息主动存储为永久笔记跨绘画保留在羽翼搜索上。拥有 f t s 五权威锁影加 l l m 加样， 而且它可以更好地理解用户的身份偏好以及沟通风格。这样配合 m c p 协议，它拥有了类似插槽一样的无限扩展性，不管是数据库、 github 还是 i o t 设备，插上就能用，无需改动一行代码。 很多人可能会好奇它和 openclaw 的 关系。 openclaw 是 开元界的一个标杆，它曾定义了个人 ai 代理的品类。而 hermes agent 则是 news research 为了走向工业级生产力进行的架构重构。 他舍弃了碎片化的脚本管理，转向了协议驱动的操作系统模式。这就像是从手动改装车进化到了标准化生产线。 社区的主流共识是 open core 擅长多渠道运营，团队工作，流合即是生态广度。 hermes 擅长自我进化、长进记忆、模型推理和长城自治任务。 如果你是 open 跨的老用户，并且想尝试 hermes 的 话，这里以 hermes 贴心地提供了一键迁移命令，可以自动导入你的人格文件、记忆技能、 api 密钥和平台配置。 下面说下如何对 hermesign 进行本地部署，在该项目的路径终端下，直接一键运行这个自动安装脚本。 yes！ 继续。 现在在问，我们是否要把之前在 opencloud 中积累的资产和配置直接搬运到当前的 hermes 中，这里选择 yes， 确定导入，点击回车，这里配置模型。我以中转平台为例，选择更多提供商。按回车 选择，这里输入中转平台的 u r o， 在 这里填入 u i， 然后输入 api， 这里显示着这个中转平台所支持的全部模型。 我打算使用 mini max。 二点五，在这里填入该模型的名称或者序号，然后按回车即可。配置好模型， 这里问我们需要多少的上下文长度，一般选择默认直接回车就可以，这里按回车，这里呢，可以在相关的 app 上配置机器人，以方便操控 hermes。 配置机器人很简单，按照流程走即可，这里就不过多注数了。 yes 开始， 我们现在已经成功进入了 hermes 的 交互页面了，现在我让他去介绍一下自己的能力， 可以看到他是一个终端 ai 助手。下面是他的核心能力，他拥有对话与推理、调用工具、 任务编排、记忆与持久化，以及多平台操控的能力。这里显示着当前模型的上下文长度，一共是一百二十八 k， 我 们本轮对话使用了十六点二 k， 也就是占了全部上下文的百分之十三。输入命令，看一下他现在所拥有的技能， 这里应该是一个应用商店的设置页面，让它去展示一下已经安装好的技能。可以看到这里面有很多技能是已经安装好的。注意看，这里的两个技能是从 opencloud 中导入过来的，这也说明了从 opencloud 中的迁移是成功的。什么时候想退出程序，直接按 ctrl c 即可。 然后这里有个提示，让我们重新加载终端，这里重新加载一下，如果我们仅仅只是想在终端进行使用它，这样直接输入这个 hermes 即可。 如果我们想要它在后台持续运行的话，直接运行这条命令便可启动网关。以上就是 hermes 在 linux 系统上的部署过程，当然它也支持 mocs 以及 wsl 二部署。在使用 hermes 的 过程中，遇到问任何问题都可以使用 doctor 命令自动诊断 编辑点搜为文件，可以自定义 agent 的 人格，你可以为不同项目创建不同的人格，并通过 personality 命令动态切换。 好了，以上就是本期关于 hermes 的 介绍，如果你觉得这个数字员工对你的工作留有启发，记得点赞关注，那么现在去 get up， 把他拉下来吧，别让他在你的终端里吃灰，去指挥他，让他成为你最得力的那一位同事。

林斯顿最近出了一篇非常应景的论文，叫做 open claw r l， 就是 通过和小龙虾进行聊天，就可以做一些训练模型的一个完整的方案。首先介绍一下背景，就是我们在跟龙虾沟通中呢，其实有很多的有效信息在浪费一个信号呢，叫做 evalative signal， 就是 每一个状态在龙虾过程中，因为多步的每一步结束之后，下一步的 action， 其实隐性的对上一个动作进行了评分，比如说用户重新追问就表示不满，测试通过表示成功，报错呢表示失败，这呢天然的构成了一种过程的奖励，叫做 process reward model， 就是 p r m。 这部分呢，其实因为龙虾呢，是有产生了大量的交互，哎呀，一般都是在解决一些多跳长流程的问题，所以呢，这部分的数据呢，其实很有价值，目前并没有用来做训练，尤其是强化训练。第二呢就是指导性的信号，叫 directive signals， 除了评分，下一个状态信号呢，往往携带的可信度更细的指导信息。比如用户说你应该先检查文件再编辑这个呢，不仅是表示动作是错的，而且呢是在 token 级别的指定了哪些地方需要修改。所以这部分呢，其实可以完全作为一个很重要的信息呢，转化成一个策略。七度真流的方法呢， 可以依赖预先收集的纠错数据，做一个 on policy 在 线的信号真流。为了去解决这个问题呢，培生大学的研究员呢，提出了一个 openclr 的 方法，把 这两个信号呢作为他的一个奖励信号，实时的在线的给到他的模型进行优化，他们用了一个框架叫做 steam 框架，这是一个强化学习 r l 的 扩展框架。在这基础上呢，做了一个重要的四步骤的结偶，分别是策略服务就是 inforce， 环境托管，就是整个过程中信息的一个轨迹的收集。第三呢叫做 p r f 评判，就是他的过程奖励。第四呢就是策略训练，继续这信号来训练。这四个组建呢，是完全独立的，而且是异步循环的，互相是不堵塞的，每 每一步呢都可以同步的进行。换句话说呢，就是我们在过程中呢，不断的去提问题，不断的可以反馈，他的每一步呢都是可以非常高效的实时去运转起来。在人体的绘画中呢，其实包括两个很重要的模块，一个叫主线的文字叫 mainline turn， 主要是包含了回复工具执行结果， 形成了一个可训练样本，另外叫行知的文字 site， 比如说辅助查询、记忆整理、环境切换。这套 i r 框架呢，主要是会准确的识别哪些属于美乃水属性，用正分进行训练。而行知的这些内容呢，因为设计的面太大了，因人所意，所以呢不作为训练的一部分。 整个的这个 on policy 的 训练呢，它逻辑是一边在做训练，一边在更新梯度，优化模型，是不用等所有的数据收集完之后再去训练，所以呢用的越多，理论上的模型升级速越快，而且呢它具备很强的可扩展性， 从单用户到大规模部署呢都支持。比如说目前的 opencll 方向是支持数百个运行环境托管，在云端服务上产生 b 级的几何化运行信号，因为它的四个步骤是一步的，所以呢，互相不堵塞，能快速的去优化模型的能力。 目前在 excel 上开源的方案里呢，是支持几乎所有的真实场景的部署方案，包括直接跟 opencl 进行沟通，包括 shell 执行沙盒，包括 g u i， 就是 格式化，基于屏幕的状态来进行管理，也包括 s w e， 就是 ide 和 api 的 to call 各种方式。在整个的训练过程中呢，它是通过有效的结合 android 就 是过程模型的评估信号和新赛代的 o p d， 就是 基于用户的反馈得到的指导性的信号。作为 on policy destination 的 一部分，通过这两个模块结合在一起是什么逻辑呢？就是当我们给中间值的时候，它是一个 reward model， 所以呢，它叫做 t r m progress reward model。 但是当我们给反馈的信息的时候，它其实属于一个真流，因为反馈信息呢，其实给出了它需要做的事情，所以呢，它是一个 o p d， 把这个 r l 和这个在线真流的结合在一起，就是目前的整个的训练一个逻辑了。 目前呢，整个的基于个人的智能体的，通过一系列实验呢，结论还是非常的亮眼的。在 facebook 的 第八部跟第十六部，通过增加了 binary， 通过增加过程时的 reward model 来实现的强化学习和通过给出正确指令实现的在线策略蒸流呢，结合在一起，提升了质的飞跃。 据说 g s i 八 k 的 前三十六期平均从基础零点一七呢提升到了零点七六音，到十六步之后呢，又从零点七六呢提升到零点八一，所以呢，整个的两个信号的两种后训练能力结合在一起的在线提升的后训练的这个 open cloud 个人正体呢，目前看效果是非常明显的， 我那里面还有很多细节，我在此呢就不一一复述了。但从大的逻辑上来看呢，整个的 open cloud 的 新的框架呢，确实带来了从模型训练到数据到框架的建立到应用的整体的一个代际的 paradise 范式的变化。那这次呢， opencloud 的 i 呢，算是针对我们所谓的多轮对话的多次人际交互的这种龙虾式智能体的一个非常有效的可以快速提升模型的性能和理解用户的意图的非常好的一个训练机制。 那在这样的基础上呢，如果我们可以实现规模性的部署，针对不同场景去做模型优化的话，完全可以让小龙虾的模型实现全面的自动化升级。

你是不是总感觉自己的小龙虾脑袋里都是一团浆糊，完全没有赛博打工人的感觉？其实是你没装对 skill。 今天利爪分享 openclaw 上最好用的五个 skill， 每一个都是亲测有效，学会三个以上，你的 ai 使用水平就能超过百分之九十的人。 干货满满，我们直接看 skill。 第一个 skill， skill vendor 安检门。这是你在安装任何其他技能之前必须第一个装上的保命技能。它能扫描并审查每个 skill 的 原代码，自动揪出那些试图窃取你 a p i 密钥、访问敏感文件或执行危险命令的恶意代码。 clawhub 上存在约百分之十二的恶意技能，装上它相当于给你的 ai 请了一个二十四小时在线的安全保镖。 第二个 skill nano pdf 文档工，把任何 pdf 文件丢给他，他能帮你读内容、提取关键段落，合并多个文件，拆分成文档，甚至直接修改文本。比如你收到一份五十页的合同，让他把第三页到第八页单独拆出来，再转成图片，几句话就能搞定。 以前需要装各种付费软件才能做的事，现在用 ai 说句话就行。第三个 skill， git essentials 代码控。这个 skill 让你的 ai 可以 直接操作 git 和 github， 包括搜索代码、创建分支、提交修改、发起合并、请求、管理 issue。 你只需要说帮我把这个 bug 修复一下，然后提交到 main 分 支，它就会自动拉取最新代码做修改、提交推送，全程不用你敲一行 get 命令。第四个 skill from bag video editor 剪辑手这个 skill 让你用自然语言就能完成视频剪辑和格式转换， 你跟他说把这个视频剪成三分钟开头加个弹入效果，最后转成 mp 四，它就会自动生成 ffmpeg 命令，并执行 做短视频处理素材批量转格式，再也不用去记那些复杂繁琐的命令行参数。第五个 skill， notion 笔记通。这个 skill 能让你的 ai 直接读写你的 notion 笔记库，自动整理数据库，创建新页面，搜索过往内容，批量更新条目。 你每天记了很多碎片信息，它可以按你的要求自动归类到不同标签下，需要查资料时直接问一句，它就能从几千条笔记里精准定位。最后怎么装，一分钟搞定。 我们打开永洞虾七二四 claw， 打开后点击右上角的兑换码输入一一一输入后即可免费使用。接着我们点击左边的技能，就可以看到所有的 skill 了。本期视频到此结束，我们下期再见！

今天大家只需要跟着我的开源教程，复制粘贴我做好的直击源代码的提示词，就能掌控龙虾从安装到卸载中一切事物，直接跳过使用龙虾的自然熟悉阶段，原地完成数码进化，像解锁满血能力，拉满记忆能力，瞬间学会一本书，甚至可以让安全加固也一次完成补齐。 第一步是安装，我们复制这行提示词发送龙虾就会自动完成安装，装完之后就会自动打开龙虾的 web ui 界面，然后我们再打开准备好的安装文档，复制这个提示词，发送之后，模型会帮我们自动安装飞书插件 连接好了，我们验证一下，发一条消息，可以看到已经连接成功了。龙虾工具箱中一共有二十五个基础的必要工具，相当于龙虾的虾钳，但现在刚装好，是残血版。 接下来我们用这个提示词把龙虾的全部能力解封，其实就是让他所有的工具变为可用状态，测试一下，让他用隐私模式打开我们自己的 chrome 浏览器，这个打开了就意味着工具成功解锁。接下来复制这个提示词，我们把记忆能力改成满血版，主要目的是安装一个本地向量模型，解锁所有的记忆功能。 成功之后再打开文档，复制这个记忆参数优化的提示词发送，稍等一下就会提示已经完成，并且要求重启，我们直接发送重启龙虾，这样能力和参数就都是满血版了。 能力和记忆都满血之后，重点就来了，我们让龙虾进行数码进化，比如你想让他秒懂一本书，其实不用一轮轮喂语料，直接复制这行提示词，顺便附上你想让他读的那本书的本地文件路径。发送后稍等一下，龙虾就可以直接吸收这本书的精华内容。 接下来我们测试一个这本书的相关问题，看看他有没有用这本书的思维方式去思考相关的问题，给我们更高质量的回复。从回答可以看出，他已经完全基于书里的底层逻辑在思考。 同理，也可以把你的 cloud 或叉 gpt 导出的个人数据文件丢给他，他就能无缝继承你所有的数字资产，完成终极进化。进化完成后就是安全了，我们虽然无法彻底解决安全风险，但可以做个看门狗等方式给安全做个加固。 用我准备好的这个提示词文件，告诉模型查看文件内容，并按照步骤逐步执行。复制文件路径放在最后面即可。稍等片刻，安全加固就会完成。 接下来我们用自然语言安装和筛选适合你需求的 skills， 你 只需要复制这个提示词，描述你的需求。比如我们说我需要每天自动查看 ready、 热铁摘药，点击发送提示词，稍等一会儿，它会自动去筛选好的 skills 库中去找和安装它。自动安装好了之后，我们可以发个消息测试一下， 稍等一下，他会使用这个 skills。 可以 看到他已经找到了我们指定板块的热帖。上期说的那些需要你自己去注册配 c l i， 掏钱买 api key 才能激活的 skills， 建议大家可以尝试让模型帮你从筛选过的库里找一下，看看有没有能直接跑的。最后，在使用中，大家如果觉得 token 消耗太多，可以用这个提示词发送之后模型会根据你的过往使用情况和 tokens 的 消耗强度进行优化，并不是简单的直接调低各种参数，模型优化完成后就告诉我们，预估可以节省百分之三十到百分之五十， 如果不想用了或者想重新安装，就用这个提示词。一句话，把龙虾卸载的干干净净，所有痕迹全部清除。卸载完成后，我们打开 y b u i 刷新测试一下，看不到界面就是成功了。这期教程，我们把龙虾从安装到满血，从净化到安全加固，全程只用自然语言，没用一行代码的完成了， 文档和提示词都开源免费分享给大家，希望多多点赞收藏，鼓励一下大家。在使用过程中如果还有其他的问题，欢迎在评论区留言交流。

欢迎收看我是大叔，只跟你聊最实在、最有用、最有意思的内容。 各位开发者好，我发现网络上很少人把 openclaw 插件部分讲清楚的，今天我决定跟大家把插件系统部分说明下，并带大家一起实操作功能点。先问几个问题，你的企业是不是也遇到过这些情况？第一，公司用钉钉企业微信，但 openclaw 官方不支持，怎么办？ 第二，想接入内部模型服务，但不知道如何配置，怎么办？第三，团队十个人，每个人都要手动装插件，配置还不一致，怎么办？ 第四，插件装好了，启动失败，日子看不懂怎么办？如果中了一条，今天的教程就是为你准备的。 open cloud 插件系统就是为了解决这些问题而生的。插件系统能帮你解决四大问题。 第一，能力扩展官方不支持的通道，自己写插件模型提供商自己接工具技能、语音、图像生成统统可以扩展。第二，双格式兼容，你可以写原声插件，用 open cloud 点 plugin 点 json 格式，也可以打包成 excel 格式，兼容的格式，一套代码多处用。 第三，灵活配置，允许列表拒绝列表槽位选择器，想怎么配就怎么配，配置改完自动生效，不用手动重启。第四，状态监控插件是禁用，缺失还是无效一目了然，还有诊断命令，帮你快速排查问题。 开始实战前，先搞懂五个核心概念，第一，原声插件用 opencode 点 plugin， 加上定义，在进程中执行，官方插件和社区 npm 包都是这种。第二，捆绑插件兼容 codex clark 的 布局，打包成点 codex plugin， 点 clark plugin 格式。 第三，核心插件 openclaw 一 起发布，默认起用，包括二十八个模型提供商，二个内存插件，二个语音提供商。第四，可安装插件需要手动从 npm 安装，比如 matrix， team's monster， voice call， zolo。 第五，插件朝位，有些插件是互斥的，比如内存插件只能用一个，用 slots 配置来选择好，开始实战。第一步，查看当前已加载的插件，执行命令 openclaw 版本 list， 这个命令会列出所有已加载的插件，包括核心插件和您自己安装的。如果想看详情，加两个参数， opencloud plugins list 加 for both 显示每个插件的详细信息。 opencloud plugins list 加 json 输出机器可读的 json 格式，方便脚本处理。 如果只想看起用的插件，用 opencloud plugins list 加 enabled。 第二步，安装插件，从 mpm 安装官方插件 opencloud plugin list 加 enabled。 第二步，安装插件从 opencloud slash voice call 从本地安装式和开发调试 openclaw plugins install 加 my plugin 或者安装压缩包 openclaw plugins install 加 my plugin。 点 t g z 如果你想用 clawhub 国内镜像， openclaw plugins install 加 clawhammer openclaw slash voice call 安装顺序 是本地路径优先好 clawhub 最后 m p m 回退。第三步，配置插件，这是最关键的一步，打开你的配置文件，一般是 openclaw slash 看文件夹找到 plugins 配置，像按这个模板改 plugins。 点 enable 设为 true， 起用插件系统 plugins 点 lala 填允许列表，比如方括号 voice call dot plugin 点 deny 填拒绝列表，比如方括号 untrusted plugin dot plugins 点 low， 点 pattern 额外入境， 比如方括号，波浪线，斜杠 projects 斜杠 or 斜杠 voice call extension buddy plugins 点 entries niger go enabled 设为 true， 点 confluence， 点 provider 设为 twilio。 改完保存， gateway 会自动重启，配置立即生效。 第四步，验证配置是否正确。先重启 gateway， 如果没自动重启， open call gateway restart， 然后查看插件状态， openclaw plugins list 加 verbose。 如果想深度检查某个插件， openclaw plugins inspect 加 voicel， 遇到问题了，用诊断命令 openclaw plugins doctor， 这个命令会检查配置是否正确，插件是否缺失，依赖是否满足，并给出修复建议。 第五步，用聊天方式管理插件，先在配置文件起用 command， 点 plugin 设为 true， 然后用这些命令，斜杠 plugin install 加 clopom openclo slash voicel 安装插件，斜杠 plugin show 加 voicel， 查看插件详情。 斜杠 plugin enable 加 voicel 起用插件，斜杠 plugin disable 加 voicel 禁用插件，这种方式适合在聊天中快速操作，不用改配置文件。 遇到问题别慌，先看插件状态。第一种状态，已禁用插件存在，但被配置禁用了。解决方法，检查 plugins 点 entries， 点 id， 点 enabled 是 否设为 false。 第二种状态，缺失配置，引用了不存在的插件。解决方法，执行 opencloud plugins install 安装缺失的插件。第三种状态，无效，插件存在，但配置不匹配。解决方法，执行 opencloud doctored 加 fix 自动修复配置问问题， 如果还不行，查看 gateway 日制 tail 减 f 波浪线斜杠， openclaw 斜杠 log 斜杠 gateway 点 log 日制里会有详细的错误信息。 最后看看 openclaw 插件生态的覆盖情况，核心插件默认起用二十八个，模型提供商 and drop， a goglue， open iqemmin， mini， maximo 等二个存插件 metadata 各语音提供商， eleven lab， at microsoft 二个。其他 browser proxy 可安装插件，需手动 安装 mediterkulf in nostra voice call， zolopa canal 共六个总计及用行插件三十二个核心插件需配自行插件 六、各可安装插件，社区插件 clop 点 com 上还有上百个第三方插件，覆盖率主流模型提供商百分之一一百覆盖主流通讯工具百分之七十覆盖持续增加中企业自定义需求，支持自定义开发。总结一下今天的实战教程，五、不实战流程一、 查看已加载空壳 plug ins list two 安装插件 opencl plug ins install three 配置插件，修改配置文件四、 验证配置 opencl plug ins doctor five 插件管理斜杠 plug ins 命令三个关键配置， plug ins 点 enable 总开关 plug ins 点 entry 每个插件的配置 plug ins 点 slash 独占朝位选择器四个诊断命令 dongpeng cloud plugins list 加 verboose onpoco plugins inspect 加 i dongpeng plugins doctor tail 减 f 查看日制学习资源官方文档 docs 点 opencloud 点 ai 斜杠 plugins 插件开发指南 docs 点 opencloud 点 ai 斜杠 building plugins 社区插件 flop 点 com 行动建议现在就打开终端执行 open call plugins list， 看看你已加载了哪些插件，觉得有帮助点赞加关注大叔大，感谢观看，下期见。

兄弟们，这是一个近期在 github 上势头很猛的智能体项目，它有点像 openclo 和 cloud code 结合体，你既可以用 telegram、 discord 等通信渠道给他远程派发即时或定时任务，让他自主规划长时间干活，完成复杂任务。 也可以像用 cloud code 那 样，直接在终端通过 t u i 界面或 c l i 命令跟它交互。不过它并不是一个缝合怪，它有自己的独到之处。首先是强大的自我进化能力，它内置了学习循环，会在干活过程中主动总结经验，生成技能， 并在后续工作中不断优化这些技能。其次是原生，支持多种运行环境，不止能跑在本地，还能跑在隔离容器、远程服务器，甚至以 service 方式跑在云上。当然，当前 agent 的 标配功能它也都集成了， 比如支持 skills mcp 接入工具使用模型自定义 sponge agent 并行干活，还有记忆管理等等。这个项目采用 mit 协议，完全开源，免费。

等等，你知道现在飞书里的小龙虾能直接做视频了吗？我就聊几句天，视频就出来了。这是我给小龙虾安装了一个名为 pixel 的 skill。 如果你也想让你的龙虾拥有同款视频技能，那么这期视频你一定要看完。首先，你的电脑得拥有一个龙虾， open claw 安装太麻烦，你可以试试 work buddy， 功能是一样的，但安装会简化很多。整套安装流程走完，你的飞书上会多一个机器人，它就是你的专属龙虾。其次，让龙虾安装上 pixel 怎么安装？最简单的方法就是在 clawhub 网站搜索 paxo， 然后下载它的压缩包。压缩包下载完，可能很多兄弟会走弯路，研究怎么上传，把压缩包解压之类的。如果你这么做了，那你就严重低估了龙虾的能力。这里最简单的办法，你只需告诉他文件路径，让他自己安装就可以了。 paxo 装完 龙虾会提示你缺少 a p i t。 这时候我们需要去派克搜官网注册并登录，然后点右上角头像，找到 a p i t， 创建一个复制粘贴，发给龙虾就行了。稍等片刻，龙虾就会告诉你可以做视频了。这里我们来试着通过龙虾做一条视频，打开手机飞书，找到龙虾机器人， 发送对话消息，让龙虾机器人做一条猫抓老鼠追着到处跑的视频。不一会视频就生成好了，我们来看看生成出来的视频。 整体视频自然流畅，分镜头也有转场，还做了叠化处理， 基本达到视频素材的标准。甚至你可以继续在非书里面去编辑视频，续写视频。看到这小伙伴要发问了，市面上那么多 ai 生成视频的软件，为什么要来龙虾去折腾 pax 呢？ 介绍一下， pixel 是 最近上线的 ai 视频 agent， 它跟我之前用过的所有 ai 视频工具都不一样。 pixel 它没有剪辑轨道，没有一堆参数让你去调，也不用研究提示词，完全是通过聊天来做视频， 可以说是最适合普通人的 ai 视频产品了，完全没有任何门槛。这种聊天模式可以说天然适配。小龙虾让你不用切换任何工具就能做视频。还有个关键区别， 普通的 ai 视频工具本质上还是你在操作它，你发提示词，等它生成，看结果不满意再改，整个过程你得一直在唱。但 paxo 加龙虾不一样，你可以直接告诉龙虾，过五分钟给我做一条产品视频，然后去干别的事。龙虾会跟 paxo 全程沟通，协调推进， 不需要盯着他，他来替你盯着，这才是 agent 跟工具真正的区别，工具等你来，用， agent 替你去做。更有意思的是，你可以在 paxo 的 网页上看到你的小龙虾和 paxo 对 话工作的过程，看两个 agent 在 那里聊天还是很有意思的，所以小龙虾已经准备好了， paxo 还不赶紧装起来？

装了 openclaw 还不知道怎么用，还在愁你的 openclaw 小 龙虾不够聪明？今天直接分享三个神器，让你的 ai 小 龙虾直接完成超级净化。我的小龙虾已经会看视频学习了。第一个， self improvement 自我改进系统，只要你纠正一次错误， 它就能牢牢记住，不会重复踩坑，还能把经验变成自己的能力，越用越智能。第二个， evap， 协助净化市场，你养出的好用思路可以上传分享，其他小龙虾都能借鉴学习， 你也能下载别人的优质经验，一个人的成长变成集体的智慧进化。第三个， myox， 给小龙虾装上专属记忆库，不管搭配什么工具使用，都能记住你的习惯和需求，越来越懂你。装上这三个，你的小龙虾就从听话干活变成主动进化，每天变强一点点，一周后你都不认识了。关注我，了解更多业知识！

openclaw 生态系统正在飞速壮大，今天在这个视频中，我们将用名为 open space 的 工具让 openclaw 火力全开。 你可以看到， openclaw 已经在这个服务器上运行，使用的模型是 g l m 五点一，你可以使用任何你选择的模型。我们已经在多个视频中介绍过 openclaw 含钙、本地和基于 a p i 的 模型。 如果你需要安装 openclo， 只需观看其中任意一个视频即可。 但问题是，所有这些安装都存在一个问题或者说缺陷。他们从不学习每次绘画都从零开始，重复消耗相同的 token， 反复解决昨天已经解决的问题。 open space 正致力于修复这一点。 它是一个自净化的引擎，可直接接入 open core， 为其赋予能自我提升的记忆力。 您完成的每项任务都会让智能体变得更聪明，运行成本更低。在本视频中，我们将为您演示如何安装它，并展示实际效果。但在动手之前，让我们先快速了解两个非常关键的概念，请稍安勿躁。首先是技能， openclaw 中的技能是什么？ openclaw 中的技能是一个 markdown 文件，它告诉智能体如何处理特定任务。 它无需每次都从零推理，只需读取技能便已掌握最佳方法。 问题是技能是静态的，它们从不自我更新。 open space 改变了这一点，技能在出错时能自我修复，并在任务成功时捕捉新模式。 第二个需要了解的概念是 m c p， 我 们在频道里也多次讲过它。 m c p 代表 model context protocol， 这是一种让人工智能智能体能够干净地连接外部工具的标准。 open space 将自己注册为一个 m c p 服务器，并公开四个可供 openclo 自动调用的工具。这就是全部情况。 现在让我们开始构建它。顺便提一下，我是富豪的密萨。欢迎加入这个频道，请给视频点赞并订阅，考虑成为会员。如果希望获取无炒作成分的人工智能动态，也请在 x 上关注我。正如所见，我的 open claw 已完全运行起来， 它落后了一个版本。但没关系，它们几乎每天都发布新版本。另外，我正在使用的系统是 open two。 如果您也想以非常实惠的价格租用虚拟机、 gpu 或 cpu， 您可以在视频描述中找到 mas compute 的 链接，并使用折扣码享受百分之五十的范围内 gpu u 优惠。 好的，首先让我们各龙 open space 的 代码仓库，我会把链接放在视频的剪接里，这就完成了。接下来，让我们从仓库根目录安装所有前置以来，请确保已安装 python 三点一二，否则无法运行。 一切已安装完毕，你还可以运行这条命令来查看 mcp 服务器。让我运行一下这个输出，确认 open space 已安装。 接 m c p 服务器就绪。现在我们要把它接入 open claw。 为此，我们首先创建 skills 目录，并将两个宿主技能放进去。这些技能教会 open claw 何时以及如何使用 open space。 所以 首先我们创建这个目录 open claw skills。 然后让我把这两个技能从 open space 仓库复制到 open claw skills 目录下。这就完成了 现在下一步非常有趣。在这一步，我们需要告诉 openclaw 技能的位置，也就是我们刚才复制过来的地方，它同时也支持点路径，所以这也告诉它 open space 工作区的位置。 这就是两条路径，这就是整个集成过程。所以让我运行这个，你可以看到两个技能都已成功添加。现在为了让这个配置更改生效，我们需要重启网关。 网关是一个开辟后台进程，它管理一切，包括模型，智能体和工具，以及现在像 open space 这样的 m c b 连接。它已成功启动， 你可以用这条命令验证它。正如你所见，两条路径都已配置好代理任务和技能，发现这两个功能也都就位了。 现在让我启动 openclu i， 你 将亲眼见证它的运作。所以你就得在这里启动这个 tui， 让我运行这个。 我要用这个提示词来测试它。现在，如果你看这个提示词，我们测试的是让 open space 拦截此任务，通过它自己的阶梯智能体执行，并将成功的模式捕获为可附用技能。所以 open space 负责执行 skill 会不断进化。 下次当 open 可乐遇到类似任务时，它会附用该模式，而非从零退里。这正是此工具的核心所在。 据我所知，它并非取代 open 可乐，而是对其增强。让我们运行一下。在 t u i 运行时，它们还有个前端界面， 如你所见，但目前相当 bug， 我 认为他们还需再次投入更多精力。我在本地仪表盘中尝试过运行，根本无法启动。此外，对该工具有些批评。申应征试图取代 openclaw， 但我认为事实并非如此。大家可以自行体验，并在评论区告诉我你们的看法。而 openclaw 正在独具指令 execute skill， 随后在其内部进行搜索， 然后它给了我这个自动净化。它同时也给了我回音。正如你在这里看到的， 你可以看到它现在已在不到四十五秒的四次迭代中构建了 system and score monitor 拍文件。随后它自动捕获了这一可附用技能。它说已经把它上传到云端社区了。 现在我认为这里它在幻觉，因为我确实给了它一些云数扭配置，但我没给它 a p i。 咪啊咪。 如果我只检查工作区目录，应该能找到 system and squmanger dot p y。 文件搞定了，让我用 pi 三十二快速运行它并进行监控。 应该有一个正在工作的文件用于监控系统的 cpu 内存和此番使用情况。所以看，我觉得它运行的相当完美。集成隐藏认证你知道的标记，然后它连接上了 它也在执行委托的可执行文件。它先进行了模拟，然后实际用这项技能构建了东西。 所以这很好啊，真的真的很喜欢它。我想尽管有它的 bug 和其他问题。我觉得这是一个相当有希望的开端，让我知道你怎么想，以及你是否构建了任何 skin 和 skin。 你 想让我覆盖任何 skin 或生态系统的任何其他组建。我在频道上还没有 ood， 随时把它们放在评论里。很高兴再次为您覆盖，感谢所有的支持，请成为会员，谢谢！

手把手带你安装 opencode 龙虾必备的 skills 上期我们安装了 opencode， 并配置了免费的大模型，但装完之后你会发现它其实还是一只裸龙虾，所以这个视频带你正确配置龙虾补气必备技能， 让它真正从能聊天进化成能干活。第一名， skill v 者安全守门员装任何插件前先把它装上，它的作用就是给你的新插件做安检。装陌生 skill 前自动扫描有没有读取 api 密钥、访问本地文件这类危险行为。 安装方式也特别简单。首先复制 skill vater 的 qhub 页面，复制链接来到 opencard 的 聊天页面，告诉 opencard 安装这个技能包，并把链接发给 opencard， 这里需要等待一小会就安装成功了。我们告诉 opencard 以后安装技能 包都要通过安全检测才能安装，可以看到 opencard 的 已经学会了这个技能。第二名， fan skill 搜索神器 以前找个插件还得去翻仓库，太麻烦了。有了它你直接打字说，我想找个能抓网页的 skill， 他 自己就去翻库了，找到还会告诉你怎么装，主打一个动口不动手。 同样来到 qwerp 中，复制 find skills 的 链接，在聊天页面告诉 open qwerp 安装该技能包，这里可以看到 open qwerp 回复我们，这个技能包已通过安全审查工具，再稍等片刻就安装完成啦。 第三名， memory set up 记忆大王，没装它之前，小龙虾是鱼的记忆，聊完就忘装了它，你的使用习惯、偏好它都能记住。 下次聊天不用重复自己的背景信息， ai 才会越用越懂你。安装方式跟前面的一样，这里就不掩饰了。 第四名， selfing 自我净化这玩意特有意思，你用着用着，如果纠正了它一个错误， 它会自己记小本本上，下次同样的问题就不会再犯。简单说，这是一个能用时间换智商的神器。第五名， summarize 全能总结扔给它一个 b 站链接，一篇公众号长文，或者一个几百页的 pdf， 它几秒钟就能给你突出核心。摘咬现在信息爆炸，省点阅读时间，多刷会视频不好吗？以上神级 skill 都能在 github 或 cloudhub 找到并下载，赶紧去安排。

你们等了这么久的 open cloud 净化指南终于来了，今天我带你从残血到满血，一条视频全搞定！先说一个残酷的事实，你装好 open cloud 之后，它其实是个残血状态，默认只有二十五个工具，记忆系统是瞎的。每天烧五十到一百美金 a p i 费用， 就像你买了一辆跑车，但是只开了一档。今天我教你怎么把它开到满血。第一步，安装你需要三样东西， 一个代码执行器，比如 tray 或 cursor， 一个大模型 api key。 推荐 minimax， 最省钱，一个飞书机器人，让 openclaw 能跟你对话。具体怎么操作？打开 tray， 新建文件夹，然后把我给你准备好的安装提示词直接粘贴发送， tray 会自动帮你完成百分之九十九的工作。 安装提示词我放在评论区置顶了。装好之后，第一件事，解锁满血工具默认的 coding profile 只有二十五个工具，发一句话给 openclaw， 帮我把工具权限从 coding 改成 full profile， 它会自动执行两条命令，三十秒搞定。解锁之后，你的龙虾从残血直接满血，所有工具全部可用。第二件事，也是最关键的记忆系统进化。 默认的记忆系统有一个致命问题，它的长期记忆是瞎的，它能记住你说过什么，但搜不到。就像你有一个图书馆，但没有锁影系统，怎么修？安装向量模型， 发一段 prompt 给 openclaw， 让它自动配置本地嵌入模型，推荐用 embedded gemma， 三百 m， 又小又快，免费运行。 配置好之后，它的记忆就从残雪进化成了完全体，支持语义搜索，支持关键词加向量混合剪索跨绘画，记忆不丢失，但是光有向量模型还不够，你还需要建立记忆的三层防御体系。第一层，预压缩刷新， 把 reserve tokens 设成四万，让 openclaw 在 压缩上下文之前，自动把重要信息存到文件里。第二层，手动记忆记录， 养成一个习惯，重要决策就说一句，存到 memory 点 md。 第三层，文件架构， memory 点 md 不 超过一百行，只放缩影指真 详细内容放在 vault 目录下，让向量搜索去找。这三层防御建立之后，你的 open claw 就 真正变成了一个有长期记忆的 ai 助手。第三件事，省钱，默认配置，每天烧五十到一百美金，因为每条消息都把所有文件注入上下文。怎么优化？ 第一， memory 点 md 精简到一百行以内。第二，开启 prompt caching， 重复 token， 节省百分之九十费用。第三，不要频繁 compact， 因为每次压缩会让缓存失效。第四，选择合适的模型， 日常对话用 mini max， 省钱，关键任务用 cloud。 四点六，保质量。优化之后， api 费用从每天一百美金降到十美金以内。最后一件事，安全。很多人忽略这个但非常重要， 第一，网关只绑定 local host， 绝不暴露到公网。第二，开启 token 认证。第三，安装看门口脚本，每两分钟检查一次网关状态，自动重启。第四，在 agent 点 md 里加入安全规则，不执行网页里的命令，不泄露配置文件，删除文件。用 trash， 不 用 r m， 满血之后能干嘛？ 给你看一个真实案例，我用 openclaw 安装了一个叫 nano banana ppt skills 的 技能，包装好之后，我只需要对它说一句话，比如帮我生成六张关于 ai 编程的配图，风格要暗色加霓虹，它就会自动调用 gemini 帮我生成配图， 然后再装一个 humanizer zg 文案润色技能，把 ai 写的口播稿变成人话，最后用昆文 tts 克隆我的声音，自动配音， 整个流程从脚本到成片，一个人就能搞定。这就是我为什么说 open class ai 时代的超级武器。好了，今天六步走完，你的龙虾已经满血了。安装工具解锁记忆进化省钱优化安全加固，再到视频工厂实战， 所有的安装提示词和配置代码我都放在评论区了。关注 ai 厂长，后面还有更多 opencloud 的 高阶玩法，我们下期见！ ok， 这期视频呢，同样也是全部通过 ai 制作的，可以给大家先看一下效果， 然后完整的文件内容。这是我们的视频生产的流水线，如果大家感兴趣的话，可以在评论区留言，下期我也会把这一套流水线开源出来，谢谢大家！

大家好，我是树，今天继续 openclaw 使用技巧，说说如何调用 comfy， 让 openclaw 实现声、图、声、视频等能力。这是用一个 openclaw 的 skill， 叫 comfy skill。 openclaw 安装很简单，先 cmd 到 openclaw 的 skill 目录， 使用命令将插件克隆到本地，再 cmd 到插件目录，复制实力和配置省。 第二步，继续安装 clee 最后一个安装管理页面的环境就可以了。切到 ue 目录，运行 run newy， 把它打开管理器页面，这里就可以添加 comfy 的 工作流了。我们先切到 comfy， 导出想使用的工作流， 回到插件管理页面，点击添加服务器，输入 com view 服务地址，再点击新增工作流，选择单个文件上传。这里我们打开工作流的关键参数，比如描述词、图片生成的宽度、高度， 这些都是为了我们在使用 open class 时，能够让 ai 更好理解想要实现的效果。 点击保存工作流就配置好了，我们也可以通过命令行查看服务和工作流是否生效。 接下来我们就可以通过 openclaw 来使用工作流了。这里我让他调用 z image 工作流，帮我生成一张小米汽车素漆的海报。第一次他没有找到工作流，那我直接暴力把插件地址发给 openclaw， 让他直接帮我安装，测试到能用为止， 看他完成安装并找到工作流了。接着是他自动调用 comfy 的 工作流生成图片，图片生成好了 comfy 零零零二八 png 让我们看看效果 还不错，这样再搭配上 opencloud 的 微信插件，就能实现远程工作了。 这里只是用简单描述词做了下技术测试，只要是发布出来的工作流，其实是都可以应用的。好了，本期教程就到这里，我们下期再见吧！

就在几个小时前， openclaw 四点九发布了，但你可别以为这只是个普普通通的更新，不就根本不是一次孤立的行动，这真的是背靠背是日更的节奏。你看啊， openclaw 在 短短两天之内，连续甩出了三个版本， 先是四点七一个全模态的加强版，紧接着四点八一个紧急修复，然后就是我们今天要重点聊的四点九一个 可以叫做做梦进化版。说真的，这种离带速度简直就是在重新定义这个行业的标准了。四点九版本里最重磅、最核心的更新，其实是一次非常底层的架构性转变，它从根本上改变了智能体的工作方式。 官方公告里啊，用了这么一句话来介绍这个新功能，我觉得特别有意思，他说你的智能体现在会梦到你， 哇，这听起来是不是特别像科幻电影里的台词？浪漫？还是有点吓人呢？所以，这到底是什么意思呢？ 好，我们来揭秘一下这个听起来很玄的做梦功能，官方名称其实叫 rem 回填，你可以这么理解，这就好像是你的智能体小助手在下班之后，开始自己默默地整理一天的工作笔记， 它会在自己闲下来的时候，自动去翻看回顾你们过去的对话呀，日记呀，然后从里面把那些关键信息，比如说你的个人喜好，重要的项目细节都给揪出来，最后呢，把这些精华内容整理好，存到它的永久记忆里去。 那具体是怎么做的呢？整个过程大概分四步，第一步，他会重放过去的记录，然后呢，就像淘金一样，从一大堆信息里筛选出那些真正有价值的，能长期记住的事实。接着第三步，他会把这些记忆的碎片给组织起来处理好。 最后也是最关键的一步，就是把最重要的那部分正式的写入他的长期记忆里。你看，这整个流程，简直就是在完美的模拟我们人类大脑在睡觉的时候巩固记忆的那个过程吧。 关键点来了，它解决了目前所有 ai 智能体最大的一个通点，那就是健忘。你想想以前的智能体，每次对话都像格式化了一样，像个新生儿，你得一遍又一遍地跟它重复背景信息，多烦人呐。 但是现在不一样了，通过这个做梦机制， opencloud 的 智能体可以随着时间推移不断地积累知识、理解上下文，它就再也不是一个健忘的工具了，而是在真正的进化变成一个持久的、越来越懂你的伙伴， 能力越大，责任越大。所以有了这么牛的功能，安全性就成了重中之重了，对吧？尤其是在那些要真正投入到生产环境的商业场景里。那我们就来看看 openclaw 是 怎么给自己的堡垒加固的。 在讲具体的安全措施之前，我们得先快速解释一个关键的安全术语，叫 s s r f， 全称是服务器端请求伪造。我知道这听起来很专业，但简单来说，它就是一种安全漏洞， 坏人可以利用这个漏洞来欺骗你的服务器，让他去访问一些他本来绝对不应该碰的内部网络资源。所以你可以想象，这玩意儿是相当危险的。 好，了解了 s s r f 之后，你再看四点九版本的这些安全更新，就能明白它们有多重要了，它基本上是从好几个层面把安全漏洞给堵死了。 你看它不仅加固了我们刚才说的 s s r f 防护，还把远程命令注入的风险给锁死了。而且它还把所有从外部来的数据源全都默认标记成不可信，先净化一遍再说。可以说这打出了一整套漂亮的组合拳，让 openclo 在 处理那些敏感的客户工作时，变得前所未有的安全和稳健。 除了安全方面的加固，四点九版本还带来了一个我觉得特别有意思的质保工具，他们管这个叫角色氛围评估， 这是干嘛的呢？它能让你把不同模型下的智能体并排放在一起进行比较，看看它们的个性和行为有什么不同，这样就能确保你最后选出来的那个智能体不光是聪明，更重要的是它说话的那个感觉，那个风格能完全符合你的品牌调性。没错，就是我们常说的那个最对的 web。 那么问题来了，四点九版本这次这么惊人的进化是怎么做到的呢？难道是凭空出现的吗？当然不是，答案其实就藏在一天前刚刚发布的四点七版本里，可以说正是四点七版本为这次进化打下了一个非常坚实的能量基础。 四点七版本其实带来了五大关键升级，它的核心就两个词儿，能力和自动化。比如说它搞了一个新的 infirm 命令，把所有的 ai 任务都统一了，操作一下子就简单多了。还有它引入了 webhook， 这下智能体就可以被外部事件自动触发了， 这就实现了真正意义上的自动化工作流，再加上它还支持了一堆新模型，所以你看，所有这些其实都是在为四点九的这个做梦进化铺平道路。 我们现在把四点七和四点九的发布公告并排放在一起，你仔细看，没错，这两个都带来了巨大更新的版本，发布时间仅仅就隔了一天，一天啊！说真的，这种开发速度在整个行业里用恐怖两个字来形容一点都不过分。 当这种惊人的迭代速度和我们前面提到的强大功能两者结合在一起的时候，就会产生一种我们称之为复利优势的效应，而这才是真正能够改变游戏规则的地方。 所以它的核心价值到底是什么？其实就一句话，你拥有了一个在你睡觉的时候还能不断学习自我净化的智能体，这种真正的力量就来自于它能够持续的积累上下文，并且每天都在进步，这是一种持久性的智， 而且这还不是一个人或者是一个小团队在战斗。光是在四点七和四点九这两个版本里，就有超过六十五位贡献者参与其中。 这个数字说明了什么？它清楚地表明， open call 的 背后是一个充满活力、高速运转的庞大社区在共同推动，这已经形成了一股不可阻挡的势头。 所以这就引出了我们最后的一个思考。你想想看，一个每天都在自我完善的智能体，在复利效应的加持下，六个月之后，他会变成什么样？或者我们换个角度问，拥有他的你又会领先别人多远呢？这个问题确实值得我们每个人好好想一想。