如何让OpenWrite，ai

如何用 opencore 实现浏览器自动化任务？这期视频告诉你是怎么实现的，然后文墨会提供到手直用的 skills， 现在正式进入正题。首先分享我之前春节的经验， 当时我直接让 ai 去做浏览器自动化任务，它会优先选择固定脚本，固定点击网页按钮的形式， 这样做出来的不知道为什么总是无法稳定成功。然后现在我成功了，我现在用的是大模型，理解网页再定位和点击元素的形式，这样就非常稳定。这里面用的是 blos user 工具， 只需要你填入你的大模型 a p i t， 就 可以用自然语言安排浏览器净化任务了。这工具大模型之前为什么没有找到和使用我不知道，但是我可以告诉大家我是怎么搞找到这个工具的。首先是问 ai 有 哪些工具，然后去问 ai 怎么用， 然后我就了解到了有一个工具，它需要使用到大模型 a p i t。 之前春节用过的方案都没有这个要求，那我就让人家去用和测试这个，呃，工具 就测试成功，那我就用 ai 优化为 skills 了。这个 skills 我 现在就分享给大家，这个链接我不确定可以在哪里分享给大家，大家可以私聊我获取或者评论区获取使用方法。我在视频里面就告诉大家，你下载完这个 skills 之后，你就告诉 ai 编程工具或者各种 code， 你告诉他我用的是叉叉大模型 a p i t。 是 s k 叉叉叉叉叉。使用这个 skills 帮我执行一下软式进化任务，这个描述可以参考一下， 请帮我完成以下浏览器是动画操作，第一部分是登录，打开某某网址，等网页完全加载之后，查找并点击某个按钮，在里面输入账号密码，登录完之后你就可以让他点击其他东西，这个就是一个范例，大家可以参考一下。好，那我这次的分享就很简短，就是这些。

别再怪你的 ai 不 够聪明了，哪怕你用现在最强的 oppo 可乐小龙虾，只要你一发文章，别人都能隔着屏幕都能闻到一股的机器味。为什么？因为你给 ai 下的指令，就像你在喂它吃水煮鸡胸肉 干巴巴的全部在帮我写总结一下。总而言之，你把他当成一个没有感情的打字机，他当然还是一堆没有灵魂的废话。其实呢，你只要想让 ai 说人话，根本不需要学什么天书一样的复杂题的词，高手呢，都在悄悄用一个降维打击的口诀，注入人情味的主次词。 我花了整整一个月时间呢，硬生生的从几千篇千万集的爆款里，扒出了三十几个能够瞬间唤醒 ai 灵魂的活人词汇。比如说，把你提示词里面指出错误啊，换成疯狂吐槽， 好把深入分析呢换成八一八背后的血泪史，然后把得出结论换成一针见血的撕开真相。你只要把这些词啊扔进你的提供框里面，你的 ai 呢，就像突然被打通了人猪二脉，写出来的东西呢，不仅接地气，还能带着情绪，带着梗，一开口呢，就是老江湖。 想要彻底告别机器味呢，让你的同行完全看不出你是用 ai 写的。我已经把这套可以直接复制粘贴的三十几个去 ai 味的提示词主子库呢，整理好了，想要的说一下，免费分享给你。

最近为大家做了多期 openclaw 相关的视频，而且昨天我还发了一期 openclaw 的 高级用法的视频。但最近我发现几乎每期视频的评论区都会有留言提到 openclaw 调用 cloud code 会非常消耗 token。 因为在之前的视频中，我有为大家演示过，用 openclaw 来调用 cloud code 进行编程开发，我们只需要为 openclaw 全程操作 cloud code， 为我们实现编程开发。 但是我们如果采用传统的方式，也就是常规的方式让 open cloud 直接调用 cloud code 的 话，那么 open cloud 每隔几秒就会轮循一次，检查一下 cloud code 的 状态以及 cloud code 的 输出。使用这种传统方式的话， open cloud 必须时刻盯着 cloud code， 所以 openclaw 就 会消耗非常多的 token。 所以 我发现在评论区大家抱怨 openclaw 调用 cloud code 会消耗更多的 token。 因为大家采用的是这种常规的传统方式， 所以 openclaw 要采用不断轮询的方式来查询 cloud code 的 状态，也就是 cloud code， 它执行的任务越久，在 openclaw 中它轮询的次数就越多，所消耗的 token 也越多。 所以我们可以完全不需要用这种传统的方式直接让 opencloud 来调用 cloud code。 因为无论是 opencloud 还是 cloud code， 它们都非常非常的灵活，所以越灵活就越强大，就越有利于我们去自定义一些功能，从而轻松解决用 opencloud 调用 cloud code 的 时候， 产生大量的 token 消耗。尤其是 cloud code 在 前几天新增了 agent teams 这个新特性，因为 agent teams 相当于在 cloud code 中随时可以创建一个完整的开发团队， 而且每个 agent 呢都是独立的进程，所以是真正的并行执行，而且每个 agent 之间还可以相互通信，还能共享任务列表，能自动认领，还能实现专职角色分工，比如说负责开发前端的 agent， 负责开发后端的 agent， 还有负责测试的 agent。 所以在 cloud code 中有了 agent teams 这个最强大的新特性，在 open cloud 中就可以更加轻松地向 cloud code 委派任务，让 cloud code 全自动完成整个开发工作流。 想让 open cloud 以更节省 token 的 方式来调用 cloud code， 其实非常简单，我们只需要用到 cloud code hux 功能， 在 open cloud 中可以结合 cloud code 的 hooks 功能，真正实现调用 cloud code 进行自主开发，并且能够实现真正的零轮询，而且还能非常节省 token。 当开发任务完成之后， 我们还能在聊天软件的群组中自动接收到任务完成的通知，包括实现的是什么任务， 项目存储的路径，还有耗时，还有 cloud code 的 agent teams 是 否已经起用，还有具体完成的功能，还有项目的文件结构等内容。下面我们就看一下我是如何通过 cloud code 的 hux 来实现了整个流程。 下面我们先通过这个流程图，让大家更直观的感受一下在 cloud code 中通过 hux 回调来实现的整个步骤是怎样的。 首先是由 opencloak 将我们要开发的任务委派给 cloud code， 像这个委派只执行一次，而且它是后台运行，不会阻设 opencloak 的 对话窗口和它的主 agent。 当 cloud code 接到任务之后，它就会进行自主开发还有测试，当任务完成之后，它就会触发 stop 事件。 第三步就是 cloud code 中 hooks 自动触发，它会先将执行结果写入到这个文件中，然后再发送 wake event 来唤醒。 open cloud 在 这里采用了 stop event 以及 session end event 实现双重保障，来保障在聊天软件中，我们能够真正收到它的任务完成的通知， 然后 opencll 就 会读取这个文件中的这些结果和状态，当它读取完这些结果和状态之后，它就会回复给我们，也就是通过我们的聊天软件来回复给我们这些状态。 像这个流程的话， opencll 只在给 cloud code 派发任务的时候调用一次 cloud code， 然后这中间的流程不需要 opencll 参与。在最后这里， opencll 再读取一下这个执行的结果，并且将执行结果发送给用户。 所以在第一步， opencloud 只是给 cloudcode 下发一个任务，它下发任务的过程所消耗的 token 几乎可以忽略不计。在最后这里，它只是读取一下结果，将处理结果发送给用户，而且这个结果里的内容非常少，甚至不超过一千字， 所以在最后一个步骤，它所消耗的 token 也几乎可以忽略不计。在 cloudcode 的 自主完成这个任务的过程中， opencloud 不 需要对 cloudcode 进行轮询。 好，下面为大家讲解一下我是如何实现的。在 cloud code 中通过 stop hook 来达到任务完成自动回调的效果。在刚才也提到了我们使用了 stop hook， 还用到了 cloud code 的 session end。 下面我们简单看一下为什么要用到这两个 hooks。 在 cloud code 中一共有十四个 hooks， 之所以我们选择这两个， 是因为我们构建的这个工作流，在 cloud code 中，它完成开发之后才会触发这个 hooks， 所以 使用 stop hook 作为主回调，就可以保证 cloud code 的 真正完成开发时才会触发。在这里我们还用到了 session and 作为兜底回调， 也就是假设 stop hook 它没有触发成功，还有这个 session and 它能够作为兜底。像这样的话，我们就能够真正保证 open cloud 向 cloudcode 发送一条开发任务，然后 cloudcode 独立运行。在 cloudcode 独立运行的这个过程中，它并不会消耗 opencloud 的 上下文。当 cloudcode 完成开发后才会触发 hux， 然后我们的聊天软件就会收到通知， 下面我们就可以看一下具体的代码。在这个代码中，我们先看一下这一个脚本，它的作用就是将要开发的任务来写入到这一个文件中，然后再通过这个脚本来启动 cloud code。 当 cloud code 完成开发后，这个 stop hook 就 会自动触发，然后就会调用这一个脚本，我们可以点开看一下， 这一个脚本就会将任务发送给 openclaw， 所以 这个自动回调流程，它会读取这两个文件里的内容，并且写入到这一个文件，然后 openclaw 就 会将这些信息推送到我们的聊天软件，这样的话我们就能够实现 在 open cloud 中向 cloud code 下达开发任务，然后由 cloud code 自主完成开发。当完成开发之后再触发这两个 hux， 最后我们的聊天软件就会收到推送通知。好，下面我们可以先用一个简单的开发案例来测试一下。在主 a 选项这里，我们直接在对话框中输入我们的任务， 我是为了是用 cloud code 的 a g and team 协助模式构建一个基于物理引擎还有 h t m l c s s 的 带材质系统的落沙模拟游戏，然后我们直接发送，看一下这个效果， 这里很快输出提示，它已经将这个任务派发给 cloud code 的 agent teams。 这个开发模式就是调用 cloud code 的 agent teams 多智能体写作，这里还给出了这个工作路径，然后这里它提到完成后会自动通知到群里， 像这样的话，这个主 agent 的 线称并没有被阻塞，它还可以继续为我们执行其他的任务。比如说我们在这个主 agent 中继续输入任务，比 比如说让他查询新加坡今天的天气，然后我们直接点击发送，看一下最终的效果。像我们如果采取传统的方式在 open cloud 中来调用 cloud code， 在 主 agent 中必须等到 cloud code 真正完成开发之后，这个主 agent 呢才会继续执行我们的其他任务。 像我们采取了现在这种方式，这个主 agent 的 进程并没有被阻塞，所以我们让他查询新加坡的天气，然后这里他就很快查询了一个天气，然后我们还可以继续输入其他人物，比如说讲个笑话，然后这里他就很快输出了一个笑话。而 cloud code 在 后台完全是自主运行，不需要我们去干预， 然后我们只需要等待 cloud code 完成之后，将完成后的消息推送到这一个群组里就可以了。之所以设置为将完成后的消息单独推送到一个群组，是因为我们在这个 agent 中可能还在进行其他任务的操作， 比如说让他讲个笑话，他在讲笑话的时候突然多出来一条任务完成提示，这样会导致这个上下文窗口比较混乱，所以我们就将他完成后的这个消息推送单独推送到一个群组里，这样的话就不会占用这个主 a 智能的这个聊天窗口。在这个群组里我们就看到了这个消息推送，我们点开群组 查看一下，在这里我们就看到了这个任务推送，这里提示 cloud 的 任务完成。这里是开发的这个游戏，然后这里是游戏的路径， 在 cloud 的 code 中使用的就是 agent teams， 这里就是给出的项目文件，然后这里它还推送了第二条消息，这里还给出了完成时间大概六分钟，然后这里还包含一百八十四个测试通过， 然后这里就是给出的交付，然后这里还给出了这些性能，下面我们可以输入提示词，让他将代码文件打包发给我，这样的话我们就可以在本地打开进行测试，因为我的 open cloud 是 运行在云端的 好，这里他将为我们开发的这个项目文件发送给了我们，这里还提示解压后在浏览器中就可以打开使用，然后我们直接点开，然后我们在浏览器中打开看一下这个效果，就是他开发的这个落沙游戏，我们可以先测试一下，我们选择这个沙子 好，这样点击之后这个沙子就落在了底下，然后我们再点击这个水 好，可以看到水落在了沙子上，然后我们再给它加一把火，可以看到这个火会往天上飘，再给它加一些木头， 然后再给它加一些蒸汽，可以看到这个蒸汽飘到木头上会变成雨。像这样的话，我们就真正实现了在 open cloud 中调用 cloud code 进行开发。大家就不用担心在 open cloud 中调用 cloud code 非常浪费。 token， opencloud 所消耗的 token 几乎可以忽略不计，哪怕我们不在电脑前，也可以通过手机向 opencloud 下达开发指令。当完成开发之后，我们就可以在群组中查看推送的这些消息。

openclaw 全网爆火，腾讯清亮云 lighthouse 火速上线 openclaw 一 键部署模板，并首发支持微信、 qq、 元宝、企业、微信、飞书、钉钉多款国内主流聊天通道。本期视频将手把手教你使用腾讯云 lighthouse 一 键部署 openclaw， 并附上接入微信的保姆级教程。打开腾讯云 lighthouse 控制台购买页，找到 openclaw 应用模板，新购一台 lighthouse 实力，这里推荐选择两盒四 g 或更高配的套餐，跟随指引三十秒内即可完成部署。 完成上述部署步骤后，需要为 openclaw 装上大脑，也就是配置模型，让它变成一个会思考、能执行的智能助手。 腾讯清亮云 lighthouse 在 控制台提供了可示画面板，支持快速进行 openclaw 配置。选中已部署好 openclaw 的 lighthouse 服务器， 进入应用管理页面，接下来即可在界面上进行 openclaw 的 模型配置，目前支持模型 coding plan、 套餐、模型 api 以及自定义配置等模型服务。这里优先推荐选择国内的模型厂商。 针对腾讯云 deepsafe 和腾讯会员， lighthouse 控制台提供了一键添加并应用的方式，无需手动配置 api key 即可启动。接下来，分别以使用腾讯云 deepsafe 和腾讯云 coding plan 为例，为你展示如何为 openclaw 配置模型。 腾讯云 deep sec 模型默认提供了一百万 tokens 的 免费额度，可以用于刚上手时的简单体验。在 openclaw 配置面板中，选择腾讯云 deep sec 以及模型版本，单机一键添加并应用按钮，在弹窗中 请阅读免费额度，用完后会转为按量付费的注意事项，确认无误后，在弹窗内单机确定按钮，稍等片刻即可完成腾讯云 deep sec 模型的配置。 如果你希望长期使用 opencla， 推荐选择腾讯云模型 coding plan 套餐，提供单位时间内固定的请求额度，不限制模型 tokens 数量。 在 opencla 配置面板中选择腾讯云 coding plan 以及模型版本，然后点击一键添加并应用。如果你还没购买，可以在弹窗中点击前往购买。 在腾讯云 coding plan 购买页选择合适的套餐，然后跟随页面引导完成支付。选购完成后，直接返回 openclaw 配置面板，单机页面内的已购买继续配置，稍等片刻即可完成腾讯云模型服务 coding plan 套餐的配置。 在 lighthouse 应用管理页的配置面板，在通道中选择微信，点击前往授权按钮，然后使用微信扫描弹出的配置二维码，扫码完成后点击连接。 接下来将直接进入到微信 for bot 的 对话页，直接开始与他对话，只要照着做，小白也能轻松完成配置，赶快去试试吧！

我们的 open write ai 写作就绪更新了，我们从发布到现在三天，也是收到了很多好评。这次我们上线了电脑版，新增加和优化的一些功能，我们出一期演示教程，我们打开设计，在这里我们有三种选择， 可以使用免费模型、官方模型、自定义模型，选择一种连接即可。免费模型推荐 mini max 二点五，正常用推荐 gem 五，连接成功就是配置好了。 点击新修启航或者发送创建新修， ai 就 会为我们创建小说项目，并且提问你一些小说的主要设定。我们可以选择填写或者自己发送， 这样我们的新书就创建好了。在右侧我们可以看到创建的内容，可以按自己需要修改，也可以让 ai 帮你改。 我们发给他第一章的内容，他就会根据右侧的世界观人物前文佳要的内容进行升情讲解，如果满意就保存， 不满意可以点消息地重新生成，又或者是通过对话让它修改，建议给的内容越详细越好，如果对生成的内容满意，我们点保存。更新文档是我们必要的操作，也是 ai 保持长期记忆的关键。 我们可以通过手动输入更新文档，或者通过 ai 提问更新文档内容，将保存到小说资料中。 ai 每次星球新的章节都会读起更新的文档，以保证设定的一致性。 我们打开设置，点开 skill， 可以 看到两个默认的 skill。 skill 是 我们这个写作软件的灵魂，规范了 ai 写作的流程，我们可以根据自己的需求修改。例如我们在 novelgen writer 这个 skill 中手动定义了 ai 生成的小说佳肴，只要几句话概括核心技情， 后续 ai 在 更新文档的时候只会生成简单的加样。我们内置了创建 skill 的 工具，方便大家创建属于自己的 skill。 我 们先启动这个创建 skill 的 skill。 接着我们新开一个窗口， 对 ai 说，帮我创建一个检查分段的 skill。 当我说检查分段的时候，你就会检查章节的分段是否简洁，要求每一个计划都要分段。 一行字数高于十五的时候，根据逗号分段。创建成功后，我们就会获得一个分段的 skill， 可以 在设计里看到我们起用它。 我们回到对话窗口对 ai 发送检查。第一章分段， ai 就 会自动按照我们刚才创建的 skill 规则帮我们将第一章分段。哈。 这个 skill 只是例子，我们可以自己修改和创建很多 skill， 例如大刚星球 skill， 优化描写 skill， 人物星球 skill， 拥有自己的 ai 写作工作流， 这也是这个软件叫 open write 的 原因。开放式写作完全自定义，可接入自己的大模型。 ai 写作能力完全取决于你接入的大模型和你定义的 skill 模型。我这里推荐 g m 五，经过测试，这个模型很不错。好了，时长有限，教程就到这里，有不懂的地方可以查看我们软件里的帮助手册，评论留言，看到也会回。

大家好， open club 最新更新了全新记忆架构，今天我们来聊聊本次更新架构的意义。智能体的记忆系统是其核心能力，但长期以来，上下文管理一直是个黑箱。模型为什么会忘？东西压缩到底丢掉了什么？ 排障时经常一头雾水。这次升级不是修补某个工具，而是把记忆管理从模糊直觉变成可控工程系统的一次跃迁，让我们看看智能体的大脑如何实现真正的工程化。智能体的信息来源可以清晰的分成三层， 第一层是工作记忆，也就是当前绘画里要送进模型上下文的消息集合，目标是当下可用，预算可控，在有限 token 预算下，让模型看到最相关的内容。 第二层是长期记忆，把未来可能附用的信息长期保存，目标是找得到、可维护、可审计，不仅要有存取能力，还要能管理和追溯。第三层是外部知识，比如搜索引擎和业务系统，目标是事实权威、可验证，确保引用的信息来源可靠。 记忆模块的升级，本质上是在这三层之间重新划清边界，并把最难调的工作记忆管理从固定流程变成可替换的策略。先看看旧版本在长期记忆这一层的做法，他以文件为真元，把记忆写进可读的文件集合，再用缩影层做加速。 这个设计有几个关键点，文件真元，让记忆可读可改、可迁移，你可以直接打开文件查看，甚至手动编辑所影成，让精确命中和语意相似都可用。支持关键词解锁和向量解锁。对外提供两类工具，先用记忆解锁工具做召回定位， 返回少量后选片段与定位信息，再用精读工具按定位读取小段内容，避免把大段文本直接塞进上下文。两段式工具，让上下文注入变成先找再读的收空动作， 能显著降低上下文膨胀与误注入风险。这一层的工程设计是合理的，但旧版本真正的难点在工作记忆。 随着绘画变长，消息越来越多，系统就要做清洗、校验、截断再再一出时触发压缩。问题在于，这些策略是内置的固定流水线，你能调参数，但很难替换成另一种上下文管理思路。 牌账时经常出现三类模糊，第一，模型忘了某个信息是解锁没招回，还是被截断压没了，根本无法区分。第二，压缩载药质量不好，是压缩策略本身的问题，还是输入装配时就已经丢三落四，难以定位。 第三，一旦你想尝试更保真的上下文管理方式，往往要改核心链路，成本高，风险大。这就是为什么要升级。 新版本的升级点就集中在把工作记忆管理做成可插拔的 context engine， 你 可以把它理解成上下文引擎， 他不负责把长期记忆写成什么格式，也不直接替代记忆解锁工具，而是只负责两件事，一是在 token 预算下装配出模型真正看到的上下文。二是在预算压力下做压缩与整理，并把过程变成可观测、可替换、可审计的策略。这套引擎用生命周期把责任切开。 boostrap 用于绘画启动时从既有记录出场。 ingest 或 ingest batch 用于把新增消息写入引擎的存储。 assemble 是 最关键的， 它拿到当前消息集合和 token 预算，决定保留哪些顺序，怎样是否重写成更短的等价表达。 compact 是 压缩策略，入口输出压缩原数据， after turn， 在 每轮结束后收敛状态。你会发现这里有一个非常重要的原理，转变 读写分离加预算驱动。写入阶段追求完整与可追溯，保留所有原始信息，不做删减，确保可审计。装配阶段追求为推理配餐，在 token 预算的约束下，精选最相关的内容，按最优顺序排列，让模型看到最好的输入。 压缩阶段追求把取舍显示化并可复盘。压缩不是黑箱，而是有明确策略，有记录、可追溯的透明过程。各阶段职责边界清晰，互不干扰，这就是新版本记忆架构更清晰的根源。这种设计让记忆管理真正变成了可控的工程系统。 接下来我们对比新旧版本。第一，扩展性。旧版换上下文，策略要改核心流水线。新版把策略收敛到 context engine 叉槽，通过配置就能替换引擎， 从改核心变成换插件，风险和回滚成本大幅下降。第二，边界更清楚。新版把 assemble 和 compact 变成标准接口，解锁装配、压缩各司其职，排障时能明确判断问题出在哪个环节。第三，可观测性显著增强。 新版在压缩前后会发出标准事件、携带消息数、 token 估算等指标，还支持钩子回调。旧版压缩向黑箱手术，新版向有麻醉记录，术前术后指标还能接入监护仪。 第四，可控性更强。新版把压缩后需要回填的关键段落做成可配置，还会把日期占位符提换成真实日期，避免模型频训练记忆猜测。 第五，多智能体知识更强。新版有统一网关和请求级作用，欲降低病发串化风险。最后我们用一句话总结新版本优势，旧版本的长期记忆解锁已经解决了，找得到。新版本通过 context engine 把放得近、放得对、压得稳，可追踪系统化了， 它带来的不是某个工具更强，而是记忆系统在扩展性、可观测性、可控性和多智能体一致性上的整体升级， 这才是你要强调的核心价值。记忆管理从模糊的经验积累变成了可控的工程实践。每一次压缩都有记录可查，每一次装配都有策略可依， 每一次故障都有边界可定位。谢谢大家！新版本通过 contact center 实现了读写分离、标准接口和透明压缩，让记忆系统在扩展性、可观测性、可控性和多智能体一致性上整体升级，让记忆管理更可控、更可观测。 这就是 openclaw 记忆架构升级的意义。我这有二零二六年最新 ai 大 模型应用和 ai 编程资料，以及详细 ai 全站架构进阶路线图，需要可以领一下。

你们看啊，这是 openclaw 刚刚自动帮我分析的苹果股票适不适合买入它分别啊，从财务、健康状况、业务竞争、技术分析等十几个维度进行了深入的评估，最后甚至直接给了我操作建议和风险提示。 这就是那个让全球 mac mini 卖报，能帮你一键分析股票，会主动发消息的小龙虾机器人。但说实话，最开始我是真的不想跟粉丝推荐， 因为部署的过程即便是我看了也得皱眉。但是现在呢，剧情反转了，普通人五分钟就可以快速部署，而且不花钱。 接下来我用两分钟教会你如何开始点赞收藏啊。第一步，从手机应用市场里下载百度 app。 第二步，在百度 app 当中啊，直接搜索 open claw。 第三步，点击第一个出来的内容，参加新春活动就可以免费领取。 最后领取成功之后呢，只需要一到三分钟，平台就会自动帮你部署 open clone， 就是 这么简单。那怎么让他帮咱们分析股票呢？这个时候我们还需要给这个 ai 小 龙虾增加一点技能，也就是 skills， 点击右上角的设置按钮，再点击部署管理，然后啊，把这个弹出来的链接复制到电脑的浏览器当中打开。这个时候咱们就进入了 open clone 的 后台布置，这里面呢，你就会看到你当前的小龙虾已经拥有了哪些技能。 想让它分析股票，咱们就点击获取更多 skills， 然后从 skills 仓库当中啊，我们去找到对应的 skills， 再把技能的名称往这儿一填，再点击添加 skills 就 搞定了。这个时候你再回到百度 app 当中啊，和 open call 对 话，哎，你看它就开始自动帮你分析股票了。百度 app 啊，现在已经不只是个搜索工具了，相当于直接在一个国民机应用里给你装了一个 ai 私人助理。

opencloud 中如何让你的 ai 智能体自己对话，自己写作呢？不用你挨个发指令，它们自己就能自动的沟通分工，甚至开会讨论。今天我就把 opencloud agent 之间的通讯机制讲清楚。 在 opencloud 中， agent 是 不能够直接对话的，而是要通过 session 绘画功能来进行统一的调度。我们来看一下帮助文档进入到 opencloud 的 web ui， 点击左下角的文档，来到 opencloud 的 官方文档， 我们首先把它调成中文，点击代理这里的绘画工具。可以看到 openclaw 为智能体提供了跨绘画工作的这些工具，其中主要的就是 seson 和 seson 这两个， seson， seson 是 将绘画发送到另一个绘画，并可选择性的等待回复，然后 seson 是 启动一个子智能体，创建一个隔离对话，主要用的就是这两个。 我们来看一下实力是怎么做的。首先是来到 opencloud web ui， 点击左侧的代理，我们来看一下当前的代理， 我们看现在已经设置了三个代理，分别是 coder， manager 和 writer， 那 分别代表着一个是程序员，一个是管理，一个是写作。我们来看一下它们各自的设置，在这里我们就不讲了，我们主要看一下它的绘画部分，点到 manager 它的 tools 这里可以看到在这个快捷设置里，它的设置，我给它点到了 messaging， 中文翻译过来就是消息传递， 这样的话它读写，编辑这些权限都没有，它只有 session 这里的权限，也就是说 manager 只是把任务分配给其他的 coder 和 writer 来进行执行，所以只需要把它的 session 这里打开就可以了，最重要的是这个 session send 和 session sport 这两个一定要打开，就是点一下这里的 messaging， 设置完了之后，我们点一下保存 save， 其他的 coder 和 writer， 它们可以设置的宽松一些。下一步我们还要修改一下 opencloud 的 配置文件，找到它的配置文件 opencloud 的 json， 然后点击打开。 首先我们要到工具里边 tools， 首先要设置 session 的 可见性 with ability with o， 所有都可见， 这样的话方便我们可以查找对应的 session。 然后要打开 agent to agent 这个工具， agent 之间可以相互对话，这样的话设置 enabled 为 true。 然后 allow 是 允许哪些 agent 进行对话，我们把我们 可以进行对话的这些 agent 打到这里，然后同时还要什么呢？还要给这个 manager， 这个 agent 进行授权， 它的这个 sub agents 里边有这个 low agents， 就是 manager 有 权限可以对话的 agent， 我 们可以把 writer 和 coder 这两个授权给他，其他的你可以看你将来要做什么，在这里给他增加授权。下面我们用飞书来给大家演示一下，我们这个飞书的大总管已经绑定了 manager 这个 agent， 我 们跟大总管说一句，列出 所有的主 agent， 可以 看到他已经把我们授权给他的三个 agent 列了出来，还有一个麦是没有授权的，所以不在这里显示。那么下一步呢？我们 告诉这个 manager， 也就是大总管如何把任务拆分，并且交给其他的代理来进行执行。我们在这里告诉他，你不用做任何工作， 只需要我把安排给你的事情进行拆分。编程类工作 交给 code， 文案写作类工作交给 writer 来执行。好打个回车， 他已经回复我们了，明白了，那现在我们来让他做一个任务，编写一个 python 的 小程序九九乘法表，并写出写出一篇这个应用的使用方法 的小红书文案打回车让他去执行。提示我们任务已经分配给了两个子代理，分别是 code 来负责编辑程序， writer 来负责拣写小红书文案。 现在小红书的文案已经写完了， python 程序也写完了，我们看一下在 workspace， 我 们看一下 code 里边这个就是最新写的九九乘法表，九九乘法表 再进 workspace 的 writer， 它没有保存，直接就给我们返回来了这个文案，运行一下这个程序， python t y 这个求救乘法表也已经完成了，文案也已经给我们返回来了，证明还是比较成功的。今天就到这里了，感谢大家的观看，再见！

大家好，我用 open call 把我的飞书全部功能打通了，还有什么功能呢？比如说我会让他去帮我创建多维表格，我可以传一个图片给他，让他把图片的信息录到多维表格里面，而且可以把这个多维表格发到群里，然后也可以私发给个人。 还有呢又可以把这个多余表格的状态进行变更，然后的话也可以去创建日程，然后也可以写文章，所以功能非常非常多。那本期视频就教大家如何去搭建这样一个啊，飞速的数字分针，非常非常简单。那我们来去看一下 飞书对 ai 提供的哪些能力呢？比如说消息群，消息发送，还有图片下载，搜索单发，这些都是可以的。文档啊，创建云文档啊，文档库里面去读写云文档 评论也是可以的。那多维表格，那在办公当中经常用到这个多维表格啊，那是用的比较多的，它也可以去创建啊，修改啊，删除啊，那这个也是非常厉害。那再就是日历可以添加日程，或者说去修改这种参会人啊，任务 啊，创建这项任务，那这些就是非书对 open core 开放的这个能力，基本上包含了我们啊在用非书办公中常用的能力了。 那我们就来试一下怎么让它就是在 openclip 运转起来，我们来实际实际操作一下。首先呢打开一个就是已经安装好 openclip 的 这个 vps， 就是 服务器，或者说你个人的电脑啊， windows， mac 都可以，那么都会有不同的命令来操作。 那第一步呢，就是要把 opencloser 升级到最新版啊，如果你安装好了之后，你就可以使用这个命令 update， 那 它就会升级到最新版，升级完之后我们就开始接下来的操作。那第一步呢，我们就是要去装这个飞书的应用，我们可以打开这个飞书的开放屏，点击开发者后台， 然后创建这个企业资金内容，那么你如果不是企业账号这边也是一样的，就创建应用。 ok， 创建完之后啊，接下来这一步就是添加这个机器人，现在你是拥有了这个机器人能力啊，添加一下， 添加完之后呢，接下来就是去配置这样的权限啊，比如这个权限管理，然后的话啊，我们点击这个这里，点击这个批量导入，那批量导入这里边我们就把这个权限啊复制过来，在这里 把这个权限复制一下啊，不用去管它是干什么用的，反正就是基本上所有的能力都具备了。复制到这里去，点下一步确认新增权限，我们可以看到它这边的都是我们刚刚提到的那些啊，飞书对 open 开放的这个能力啊，那我们就点击申请开通， 然后点击确认， ok， 第一步就完成了，这个时候我们就要去发布版本， 点这个创建版本，然后点击一个这样的一个版本号，你可以随便输啊，只要是三位数的，看到没有一点零点零或者这样都可以，那这边的话就你可以写个更新说明啊，支持， 支持非输全部功能。好，然后的话我们就点击保存 确认发布。那我们这边做完之后呢，那你就可以看到这个凭证与基础信息，那这两个就是会接下来会用到的，就是在我们的下一步，这两个是这两个 id， 一个叫密钥，一个叫 id 的。 那我们可以先不管，我们回到我们的这个终端密钥哈，就是我们的服务器或者你个人电脑里面去 接下来操作这个配置，飞出的插件，回到我们这个地方，然后的话去。 ok， 好， 选择 y， 它这边会把你如果你之前安装过飞书插件，它这边会替换掉啊，这原因是官方出的，所以说可能会比较稳定一些。 ok， 它这边要求你输入这个 app id， 那 你就是回到我们的这个飞书里面凭证，然后点这个符号复制， 然后输入进去，然后密钥再把这个复制，然后输进去。 ok， 他 这边已经配配置成功了，那么我们可以去执行这样的一个重新启动的一个这样的命令。 好的，我们再看一下我们的飞书有没有成功，那就只要执行这个命令，就是我们的这个啊，查看一下它的插件，查看它的插件，那这些命令就在文档里面能获得的啊， 查看这个密插件，看一下它的这个运行情况是什么样子的啊？我们可以看一下这个看到没有加，已经加载了， 然后的话他这个状态版本都是没有问题。好，那这一步就是配置成功了，那我接下来我们又回到我们的飞出应用里面去配置他的长连接接收事件，我们回到我们的应用里面去，然后呢在这边事件又回掉这里，然后这里点订阅方式啊， 选择这个长连接，然后保存，然后呢在这下面添加事件，然后这边搜索一个接收， 选择这个，然后点击确定，然后再去走一遍，走一遍。这个发布版本刚刚我们已经发布了一次，所以我们就加一一点，零点一 正式发布。 ok， 好， 点击保存。 ok， 你 这一步相当于把飞书什么都配置完了，这个时候我们就可以回到我们的飞书客户端，不管是手机还是电脑端。 ok， 这个是就是我们的飞书的这个啊，我们建的这个机器人，这个时候我们随便给他发一条信息啊，他会要求我们去配对啊，我们就说，你好， 那这个信息是非常关键的，只有出现了这个说明你就飞书就调通了。那接下一步就是我们要让这个 openclip 跟我们飞书之间有一个这样的一个配对，然后它这边会有个这样的配对码，然后你只要复制，然后把这个码 替换掉这个配对码。 ok， 那 就点下确认就行了。那这边的话，它就会在你的这个飞书里面，它就会要求你去授权啊，你就可以点击授权。 ok， 授权，好，这是第二个授权啊，刚刚已经授权过了，等会儿啊， 着急啊。它是第二批授权，就是我们刚刚配置的权限啊，那 omega 能够去访问我们的多维表格啊，文档啊这些东西。好，全部授权成功，这个时候 你就对飞书的多表格和文档都有这个能力了，我们可以来测试一下，就到此到这里的时候，你的这个配置已经全部结束，你就可以很愉快去玩耍了。好，我们让他给我们做一个采购单的一个多维表格。 ok， 他 这个飞书的多维表格已经创建成功了，我们打开看一下啊， 看看是不是我们要求的这个多维表格采购单，看下他录的信息有哪些单号，我们可以看有单号 日期、名称、商品数量、金额，基本上是一个常用的这种采购单了，那我们来让他来帮我们去录入一下人，这个是空的，对吧？那假设你现在要他去给我们录入多表格，那么我们就可以，比如说我现在要一张图，哎，我把这个图片，这个图片是 一个采购单，是吧？然后你就帮我把识别图片，把这里的信息录入到 好多维表格的采购单，我们写我们输入这样的关键词信息啊，就方便他去识别， ok， 那 这样是不是就是不用去手动入了，直接一张图片就可以转入到我们多维表格里面去，然后在多维表格里面再去做视图啊，再去做统计就非常方便了。那么等会我们也可以让他来统计给我们 多维表格里面的信息有哪些，就是他是可以直接操控你这里的所有的多维表格，如果你你公司有，就如果你自己有标准的这种多维表格的字段，那么你在这边让他去创建多维表格的时候，你可以告诉他你的字段有哪些价格啊，供应商名商这些东西。 那我这边是测试，我就是就是随便弄一下。好，他这边已经把它提取出来了，然后把这个产品一、产品二、产品三、产品四给录进去了，我们这个图片你可以看一下，也是这个样子的 啊，还比较模糊，他就他识别过来啊，我们可以看一下他录制的录录入信息的啊，这边单号、日期、供应商名称、价格总金额，采购人员带审批。好，那我们再接下来让他来帮我们统计一下 目前采购单， 我们快问一下他，看一下他能不能统计出来就是这个带批准的这个采购单号，那么你也可以啊。好，他说要不要审批，你说 ok， 好 的，那整个过程你就完全是用对话的方式，把这个多维表格的信息的创建啊、查询啊、变更啊、录入啊，全部搞定了。这，这个就是我觉得 open 非常大的一个场景啊，就是在我们的这个办公的场景里面去去做很多事情，那我们可以看一下他是不是帮我们都做了处理， 他这边应该是没有识别，我们可以看到啊，刚刚的状态是没有变更的哦，他这边还是没有识别， ok 的 意思啊，我们说清楚一点，飞行彩的状态状态为 已审批啊，我们还是要说清楚一点，有时候可能因为模型的问题，他可能理解你的上下文可能有有一点点差异啊，这个其实你用的久一点啊，他就更能理解你的是什么意思。 还有我刚刚刚刚在前面讲到，就是我们录图片的时候，就是你在用 openclip 的 一个模型，它一定要支持这种视觉能力，有了视觉能力之后它才能去识别图片，如果没有的话，你这个图片是识别不出来的，这个一定要注意啊。 好，我看一下它是不是已经帮我们。 ok， 我 们看一下它这个是已审批了，已经改成已审批了， 那这样的话一个多维表的这个流程就已经完成了，我们接下来再试一下用这个 openclip 能不能跟我们的员工去发信息啊？把这个多维表格发给他。 ok， 我 们说让他把多维表格发给这个员工，这个名字一定要准啊，不然他会识别不到我们的员工。随风二好，是不是操作把它发给他了？ 所以这个，这个是非常厉害的，就是他把这个表格可以给员工发信息，可以给员工发信息，这个是非常厉害的。然后呢，我们再让他看下群发消息啊， 我们让他把这个表格发到我们这个虾场心腹群里面去，看一下他能不能操作出来。刚刚我们去发给单个人是可以的，所以这样也可以去做很多事情的。我们现在还没有把定时任务，比如说你可能定时五点钟，六点钟发什么东西，这里，这里面有很多工作流的场景，是可以搭起来的。 ok， 我 们看一下是不是？各位好，哎，他已经发到这个群里去了， 所以这个是非常厉害的，那他也可以去回复这个群里面的内容啊。那除了这些东西之外呢，还可以去操作文档设置我们的这样的一个啊，这个日历啊，比如说帮我安排一下啊，我就让他给我们设置一个日历的提醒啊，九点钟要做一个这样的事情， 那他就会在日历里面去创建一个任务，只要你打开了飞书，你的手机里面有飞书，他就可以把这个日历的提醒告诉你。 ok， 他 这边已经创建好了，看到没有？ 这边明天九点钟去准备一个飞书的演讲准备，所以设置这样的一个日历日程是完全没有问题的。接下来我们让他帮我们写一篇关于 open core 的 文章，放到我们这个文档文档库里面去。 ok， 他 们帮我们写好了，我们可以看一下 这个就是他写的这个内容很简单啊，但是就是说我们要演示的是什么？是他跟飞书的关键的所有的这种办公的能量都打通了， 然后呢？你就可以去做很多很多事情。那这个演示例子可能都会简单，但是大家大家可以看到啊，图片的识别、多维表格的录入，对吧？消息的通知、群发消息这些能力都有，那么你就可以去做很多很多你自己公司和个人 有的这些功能啊。我们还可以去演示，比如说你定时五分钟去做什么事情，然后设置一个定时任务，那这些都是可以去扩展的能力。那有了这个这个东西啊，那么相当于把我们工作流程都串起来了。 ok， 那 本期视频到这，希望这个视频对你有所帮助。

好，今天给大家说一说 open cloud 龙虾，我在带我全家去中山给朋友拜年的路上，现在在深中隧道， 这两天呢，可能是这个这条流量，这条视频的流量会吸很多专业粉，我会讲一些 专业名词啊，可能大家会听的有一点疑惑，但是呢，站在各位老板面前，龙虾如何帮大家干活？要找到一个场景，就如何龙虾可以帮你干活，如何帮你干，他就是一台电脑，他长了手和脚，可以按照你的指令去帮你干活， 如何用最少的偷啃干最多的活？如何帮你去把一些任务能够分解出来之后，让你更轻松的享受结果，而不是被龙虾所如意。 因为这两天我调了一下之后，发觉龙虾太多东西总是想请示请示，然后当你把权限给他之后，他可能还会请示， 那我们就找到了一个建独立站的场景，我想让他在这个自己去帮我建一个自带流量的独立站，然后呢，还能迎合 g u 和 seo 的 规范，做了这样一个测试吧， 啊，基本上跑通了，跑通了之后呢，又跟我中间出现了幻觉，全部帮我删除掉了， 那这样我感总体的感知下来，传统的软件开发的这个流程还是逃不掉，他必须要遵守软件开发的流程。但是呢，操作龙虾的人很重要，你既不想被龙虾给奴役，又想让龙虾帮你干活，那你就得驯服他， 驯服他的过程中，你就要会去把你传统的认知和你的知识编辑成一个一个的 skills， 他的技能让他能够帮你不断地去重复扫出幻觉。 比如说这一次我们做的就是一个高尔夫的网，那个销售的 wacom 的 网站，这个网站我们我从 logo 需求，然后呢生成网站 u i。 这个过程中呢？呃，用龙虾做是很困难的，因为它不具备审美。然后我调用了 love art 这样一个工具，是付费的。同时呢，用 love art 生成的 logo， 我 又去把它做了一个。呃， steam 用的谷歌的工具去生成圆形图， 然后又让他跟我优化了十几次的原型图和整理出核心的九个页面，比如说首页，列表页，详情页，分列分分列表页，支付页面，物流页面，关于我们还有品牌故事这些核心界面， 希望他能够用这些界面，顺便就把这个 wordpress 帮我套完了。这以前可是差不多要花一个程序员，呃，初级程序员可能花半个月能干的前端程序员干的活，那出牛逼的人也可能要花三天到四天，那我们希望他三到四个小时干完 啊，中间几起几落，成功过也失败过。现在呢？后来我灵机一动，用了一些办法啊，通过工具的组合，现在我让我的龙虾再去调用 cloudco。 首先 cloudco 呢，要用 arabic 的 key 就 很贵，那我呢， hack 了他，让他去调用 呃， mini max， 因为我的龙虾也用了 mini max。 那 我为什么不能用 cloudco 的 这种软件工程的能力也去又调用 mini max？ 正好前两天 wordpress 开源了它的十七个 as skills， 就是 教你如何最快的把这个网站能写好，如何符合 wordpress 的 规范。因为可能大模型不一定熟悉这么垂类的这种 wordpress 的， 加上 wacom 的 这种电商解决方案，那 既然官方有，有了这样的技能，开源用 cloud 扣又是最好的调用方式，我就用 cloud 扣去干了，那现在呢？ cloud 扣在龙虾调用 cloud 扣底层都是 mini max， 正在帮我去干。中间过程中我把我的原始需求梳理成文档了， 因为他的上下文只有两百 k， 我 尽量的让他能够写。好啊，希望，可那就好了，上下文只有两百 k， 我 们用一兆的上下文的话应该会更好。希望这一次 cloud cost 能用调用一兆的 mini max 的 这个上下文。那这里面呢，就要把它的 logo， 原始文件需求，网站的背景，品牌设计啊，还有他的套图标准，以及这个检查标准，还有他的这个上线的这个环境标准，全部告诉他，让他一次帮我们的生成啊，希望这个等我去拜年回来就有好的结果给大家去看了啊。 open club 加这个 club， 加上一些 rpa 和基本的龙虾，能够把跨境的多少个场景帮你落地呢？让我们来一起等待这一次的结果。 深中通道这边是珠海了，漂亮。

对龙虾炒股这个话题非常感兴趣，今天我们就来分享一下如何让你的龙虾接入 a 股的数据，实现二十四小时的分析。当然策略得你自己定哦，简单的只需要两步，第一步，登录 qrus 的 官网 来粘贴它官网的一句话就好了，把这句话丢给你的龙虾，第二步就完成了，你的龙虾就可以接入全球的金融数据了。是不是很简单？那我带大家走一遍。这个是 qrusai 的 官网， 当下还可以邀请奖励，我们只需要复制官网这句话，复制之后打开你的龙虾，我们丢给他就好了，这是我丢给他的这句话，你可以看到它安装完成就是安好了 q r s ai 的 skill， 那 这个 skill 能帮你干啥呢？它可以帮你接入全球的金融数据。 给大家简单看一下效果吧，这里有两千多位群友已经在体验了，你不仅可以做个股的一些分析，你还可以分析板块轮动，大盘走势，资金流向等等的，而且不仅支持 a 股，还有美股、港股等等的信息。 对，然后最好你自己体验一下，安装方法也非常简单，我们下期再会。

我们的 open write ai 写作助手又更新了，上个视频跑了六点九万的播放量，非常感谢大家的支持。这几天我们也是修复了很多的 bug 以及新增了很多功能，包括不限于导入、导出主题、切换、 备忘录、启明工具风格、蒸馏、拆修等功能。这期视频我们主要介绍工具栏的几个功能，新来的小伙伴可以看我们上一期的基础使用视频。 不废话，我们开始。一、备忘录，由于有人反馈我们的对话框太小，我们做了备忘录功能，可以用来写大纲和记一些灵感， 需要的时候拿出来复制粘贴即可。二、 ai 取名工具我们的取名工具相比于传统的取名工具，我们特别基础在于完全由 ai 进行取名，不相应不机械， 我们还可以自定义提出要求，让 ai 生成，不怕找不到核心的名字。三、风格精流风格精流来自评论区的一个灵感，我们点开风格精流，选择向前小熊文件， 小秀文件只支持 tx、 word 和 md 文件，并且大小不高于五百 k。 然后我们等待蒸馏完成，完成后我们可以在设计 skill 中看到我们的蒸馏文件，我们起用它回到对话页面，我们让它按照刚才的收集风格写作， 将已经准备好的大纲内容发给他，我们等待创作完成，就是精牛出来的风格了，当然这个功能只是娱乐功能，并不实用，图个乐呵。四、小说拆解小说拆解可以让我们快速的学习一本书，我们点击拆解，输入小说名字， 从搜索出来的书籍中选择一本，我们点击小说，选择我们要拆解的章节名，点击拆解，过一分钟左右它就会出来。这几章的章纲内容，方便我们快速阅读和学习。记情 在考文的时候给我们一共灵感，配合我们的 ai 写作如虎添翼。好了，本期视频就到这里，问题反馈可以留言。

你还在用豆包 deepseek 写小说吗？今天带来一款 ai 写小说码字神器 openwrite， 不 仅解决了 ai 码字的蜕变问题，还有专门 skill 功能机器向强和创建自定义写作工作流工具箱功能一应俱全，具体介绍可以看文王机器评。 今天我们主要揭晓我们的新功能，秋卡模式。众所周知， ai 是 会秋风的，每次星球的计量不同，我们这个秋卡模式就是从多个 ai 写的小说中选择一份最满意的保存。 接下来我们来演示一下在 ai 写作中怎么使用。我们先看普通的星城，我们将需要创作的内容发给它， ai 就 会开始读起我们之前设定的小说资料，世界观人物前文佳要那些 在他获取完记忆之后就会开始创建我们的新章节。但是弊端也明显，生成的内容不稳定，我们可能不满意就要点重新生成。我们撤回之前的内容，打开秋卡模式再次发送。我们可以看到软件上出现了三个窗口， 同时生成我们的新章节。等生成完成之后，我们可以从三份对话中选择一份满意的切入到对话中，我们选择觉得满意的话，我们就可以让它保存并更新文档。 保存之前记得要把秋卡模式关掉。秋卡模式下 ai 不 会保存任何内容，然后 ai 就 会帮我们保存章节并且更新资料和记忆。以后不满意的我们可以后面自行修改，或者让 ai 帮忙改好了这期教程。就这样， 新来的小伙伴可以看我们往期教程，或者看我们的软件里的使用手册，使用手册里有更详细的原理，可以明白这软件的底层逻辑。

我用 ai 搭建了一个帮助外贸客户啊，自动获客的一个产品，并且这个产品他一个网页可以直接去投放，然后获客一个产品的介绍啊，全流程全都是 ai 做的，包括付费页面，这些全流程都可以做到。 这个产品的核心逻辑是什么呢？就是比如说你是做外贸的，那你可以在这个网页上去提交你的呃产品公司信息，以及你的客户需求，你的市场需求，比如你是做欧美的还是做东南亚的，还是做什么的，然后提交之后全网就会自动去帮你去 筛选且抓取你所需要的客户。我会给你三条免费的线索，免费的线索很很有意思啊，你看这里这三条线索 是会给你呈现呈现出来，但是他不会完全给到你信息链接，你需要填写完你的联系方式之后，那他就会详细的为你去提供。 就这样的一个产品怎么做的也很简单，就是我这两天在抽空的时候，每天无聊，我就想到说，哎，那我让 ai 去做一个具体的企业化的落地应用，而针对外贸客户的获客，其实大部分是基于一个全网信息的一个搜索，那从逻辑上呢？ ai 完全就可以实现。首先我给他了一个这样的指令， 我想推出一个什么样的服务，帮助外贸前客户全网自动获取精准客户。你给我搭建一个落地页，这落地页就是刚才看到的，那他就开始做做做做，一开始的时候我其实是一直给他有很多的交互，那后面我会发现，我不要这样子，我要的是他自己全流程的帮我操作，你看这都是他自己做的，然后 这个时候我就会发现有很多我不知道的专业知识需要很大的加工，其实这已经违背了我用 ai 的 目的，那这时候我就会给到他一个新的指令， 你看这里我确实是不懂这个东西怎么做网页，呃，怎么样去设置一些问题，你看他要问我，哎，交付物事什么等等，我不想思考，那我希望他能帮我思考，所以我就 他说了一个指令，嗯，你可以问你自己，我的需求是你直接帮我得到什么什么东西，那好，接下来啊，他说明白了，然后他就可以开始自己理解，自己去操作。然后好，后面你可以看到他的全流程自主操作， 包括这个产品的设置逻辑，客户需要填写什么信息，数据来源等等。那就开始继续继续做，继续做。然后这个时候其实已经有一个啊，初步的一个结果，包括这个收集到的信息该怎么呈现啊？ 然后过程中，比如说这里就是，呃，他已经出来了这个落地页了啊，也能数据整体的一个写入都没问题。那啊我们就需要做测试，一开始做测试的时候， 我是让他给我生成一个虚拟的一个客户，我来复制到那个网页端去做测试，后来我意识到我完全不需要这样子，我就说这是我们一起做的一个项目，而你是我的 ceo， 我 全权授权给你，你自己完全操作就好。所以，哎，他 直接就开始自己操作，包括后面的一个测试，你看我就让他自己去测，也就是他自己去虚拟一个客户，虚拟的去跑这个流程，然后虚拟的去走整个，呃，这个过程我只需要看最终啊，他帮我找的客户有没有做到， 到这里的时候，他就通过这个搜索拿到了啊，十条啊，也就是说他的测试成功了，联系方式啊，就对方的联系人姓名、职位、部门以及拎拎拎的那个，呃链接，包括主页，那到后面，其实啊，我再反过来跟他不断的去沟通的过程中，你 这个落地页啊，包括整个产品的内容，你就可以不断的去让他给你去调整。比如说啊，我让他继续测，因为在测试的过程中 他跟我说有了这个数据，我实际上打开后台的时候并没有这个数据啊，因为我是让他测完就是收集到的数据会 直接给我写入到非书的多余表格，那在这个写入的过程中就遇到很大问题，那好，他就会不断的去帮我测，你看这就是他找出来的真实的啊，那个客户的联系信息，包括非书表格，还写入什么内容，他都是全权的，可以自主操作， 这就是 ai 现在的魅力。我给你看一下他给我写入到背书表格的内容，也是很有意思的， 你看这张数据表格， mac ai 内测名单，这就是他给我找到的联系方式，就是如果做外贸的客户，你还在靠自己手动的去搜寻信息，我觉得真的是挺难的啊，真的是可以更新一下这个表格是什么呢？就是我前端的那个五 页面获客的，然后这里面都有的，就是，哎，我可以把我这个产品打包成一个页面去售卖，售卖之后别人购买之后，哎，他就可以通过这个网站去自动获客，而这张表格就是我的客户来源 啊，可以看到就是他的，他填这些信息，那后面就是，哎具体的客户，他，嗯，在这个网站通过我的方式获客之后，那他就可以直接导出他的客户信息，就是这么方便 啊，就这样的一个想法，你给到 ai， 他 就能帮你去落地这样的一个页面，我是觉得还是挺神奇的。就是所以，嗯，我觉得在县级团 ai 的 使用的过程中啊，你敢想敢干是第一要务，大家都是在差不多的水平线上。 嗯，真的还是挺有意思的，如果有做外贸的客户想要，哎来尝试一下的，我觉得我可以协助你去 去做这样的落地应用，因为他不是我的主业，我也不会去做外贸的，但是我却能帮助啊，有这样需求的外贸客户去想办法去把这个 ai 的 落地应用落下去，而销售绝对是第一环节，我做这样的尝试，我确实是觉得看到了希望。

这是我认为全网最完整、最详细的一期，关于不同体量的商家，未来如何利用 openclaw 去布局自己的生意。本期视频内容比较长，大家可以在评论区 at 豆包生成总结版留存 不同，体谅老板也可以根据文章节点选择性观看。我先说一个结论， openclaw 重新洗牌行业之后，电商老板真正该做的不是卷的更狠，而是把利率翻倍。我先问你一个扎心的问题，同样是开店，为什么有的人今年越做越轻松，利润越来越厚？ 有的人明明销量涨了，最后一算账还是没赚钱？答案不是选品差一点，也不是头流差一点，而是你有没有把 openclaw 这种 ai agent 真正用进你的生意里。 今天这条视频我不讲虚的，我先把电商老板分成三类，尾部卖家、中央部卖家和头部卖家。然后我告诉你，这三类卖家在未来到底该怎么布局，才能同时做到销售额和利率双增长。 因为最残酷的一件事，不是你卖不出去，而是你卖的越多，亏的越快。真正厉害的老板，永远是在降本增效，追求更省人、更赚钱。首先先把话说透， openclaw 不是 工具升级， 是经营方式重写。很多人现在对 ai 的 理解还停留在写文案、做海报、生成脚本，这太低级了。 open core 真正可怕的地方不是它能说，而是它能做。 它不是一个帮你出主意的顾问，它是一个能帮你盯数据、跑流程、跨系统执行自动复盘的 ai 员工。这意味着什么？意味着以前电商赚钱靠的是 ai 调度，现在电商靠的是 ai 调度。 以前一个老板要管选品、投放、客服内容、供应链数据，现在这些工作完全可以拆成多个 ai agent 协同完成。 一个盯竞品，一个盯内容，一个盯客服，一个盯投放，一个盯复购，一个盯利润。老板只需要做两件事，定方向，做决策。所以今天你不是要不要用 opencloud 的 问题，而是你到底想继续做苦力型电商老板，还是升级成系统型电商老板？ 我们进入今天的正题，先来说尾部卖家，别再幻想靠蛮力翻身，你要先活下来，再谈增长。 什么是尾部卖家？就是那种店小、团队小，现金留紧，试错成本高，一个月可能就几万到几十万销售额的小卖家。这类卖家最大的痛点只有一个，不是不努力，是资源太少。 你不是输在能力，你是输在人手、时间、资金、执行速度。那 openclaw 对 尾部卖家最重要的价值是什么？不是让你一夜爆单，而是让你用最少的人跑出最多的动作。 尾部卖家最该做的第一件事是用 openclaw 建立低成本起盘模型。什么意思？就是把原来需要一个小团队做的事情，变成一套自动化流程。 比如 ai 自动抓竞品、价格、爆款、标题、主图、风格、评论、关键词自动整理，平台热词和趋势词 自动生成多版本标题、卖点、文案、短视频、口播稿，自动做客服回复。先处理百分之八十的常见问题，自动监控库存转化率、退货运，发现异常马上提醒。尾部卖家最怕什么？最怕试错太慢， 别人三天测完一个款，你三周还没测完，别人一天发二十条内容，你一天憋出二条， 别人客服二十四小时在线，你半夜订单来了都没人接。 open claw 要解决的不是让你更聪明，而是让你更快。尾部卖家真正的打法应该是小步快跑。极致测试， 不是一上来铺几十个 sku， 而是用 ai 快 速测试哪个品有点击，哪种视觉有转化，哪个内容有种草，哪个价格待能跑量，然后迅速放大。 尾部卖家想做销售额和净利润双增长，核心不是堆货，而是把测款成本打下去，把出错成本压下去，把人工成本砍下去。因为你规模小，最怕烧钱。 opencloud 最适合你的地方，就是先帮你把每一次试错都变便宜。当试错便宜了，你就敢多试，当你敢多试了，你就更容易抓到爆款。 当你抓到爆款了，销售额就上来了。而利率为什么也会涨？因为你的人力成本低了，内容成本低了，客服成本低了，决策失误也少了。尾部卖家最正确的路线不是硬拼，而是借 ai 杠杆先把店跑顺。 一句话总结，尾部卖家先用 open claw 把一个人变成三个人，再把三个人变成一个小系统，先活下来，再放大 再来说。中央部卖家，你最危险，但你也最有机会。这类商家通常已经有一定规模，年 gmv 几百万到几千万，甚至更高。问题来了，为什么中央部卖家反而最危险？因为你已经不是小店了， 你有团队，有流程，有历史包袱，但你又没有大牌那种资源壁垒，你最容易卡在一个位置上，看起来挺忙，实际上效率很低，销售额在涨，利率在掉，团队在扩张，结果内耗更严重。 这时候， openclaw 对 中央部卖家的价值不是辅助，而是重构。中央部卖家最应该做的是三件事，把重复性岗位 ai 化，把决策流程数据化，把内容和投放做成闭环化。 先说第一点，你现在最浪费钱的不是工资高的人，而是重复做低价值动作的人。 比如每天机械回消息、整理数据、盯竞品、催进度、改标题、对报表这些事， open call 都可以接管。一个岗位如果百分之八十的工作是重复动作，那就应该先让 ai 接管百分之八十 人，只负责百分之二十的关键判断。这一步一做，团队立刻瘦身。第二，把决策流程数据化。很多中央部卖家真正的问题不是没数据，而是数据太多，没人用。 opencll 可以 根据你公司的数仓，把每天的核心指标自动整理出来，哪些商品转化率掉了，哪些广告组 roi 下滑了， 哪些关键词开始失效了？哪些客户投诉集中出现了，哪些品类正在升温？以前这些信息靠人看，靠人记，靠人判断。现在这些信息， opencll 可以 每天主动推给你老板不再是去找问题，而是问题会主动来找老板。 这就是中央部卖家最该建立的 ai 中台。第三，把内容和投放做成闭环化。 中央部卖家最大的增长瓶颈，往往不是没有流量，而是流量不稳定。今天爆了，明天没了。 今天投放有效，明天又亏。今天视频起量，明天内容疲劳。 openclaw 能做的就是把内容生产、投放、测试、数据反馈、复盘优化，串成一个自动循环内容， ai 负责批量出视觉 投放， ai 负责监控 roi 数据 ai 负责分析后台数据，复盘 ai 负责给下一轮内容和投放提建议。这样你就不是在单点博弈，而是在持续迭代 中。腰部卖家一旦把这个系统跑通，销售额会继续涨，利率还会更稳。因为你用更少的人做了更多有效动作。更少的试错，换来更高的命中率，更快的反馈换来更强的执行力。一句话总结，腰部卖家，别再比谁人多， 开始比谁的 ai 流程更完整，谁先把流程装进 openclo， 谁就先把利润吃到嘴里。最后来讲，头部卖家真正比拼的不是规模，而是系统密度。很多头部老板会觉得我已经很大了， ai 对 我没那么大影响。 错越大的企业，越该用 openclo， 因为大企业最怕的不是增长慢，而是组织太重，人效太差。头部卖家为什么很多时候利润上不去？因为业务规模大了之后，信息传递慢、 部门协调慢、审批慢、试错慢，销售额很大，利润却被一层层吃掉。 openclo 对 头部卖家的意义，不是省几个客服，而是重新设计组织的运行方式。 头部卖家最应该做的是 ai 化中台、 ai 化协同、 ai 化决策。什么意思？就是让 opencloud 成为整个组织的神经系统，他负责把前端数据、中台策略、后端执行串起来。比如一个新品出现异常， ai 先提醒。 一个区域市场突然爆发， ai 先捕捉，一个竞品突然降价， ai 先预警，一个爆款，内容开始疲劳， ai 先换视觉。一个高价值用户临近流失， ai 先做挽回。头部卖家最值钱的不是资源多，而是反应速度快。而 opencloud 最强的就是把反应速度做到极致，头部卖家还可以做一件中小卖家做不了的事。 ai 驱动的全链路利润管理，不是只看 gmv， 而是看每个环节的真实利润。哪个渠道最赚钱？ 哪个 sku 最赚钱？哪个人群最赚钱？哪个内容最赚钱？哪个地区最赚钱？ opencloud 如果运用的好，你不是在经营一家公司，你是在经营一台利润机器。 这时候头部卖家会真正拉开差距，因为别人还在卷营业额，你已经在卷利润密度，别人还在比谁花的多，你已经在比谁赚的稳，别人还在用人盯流程，你已经在用 ai 盯结果。 一句话总结头部卖家，未来头部商家的壁垒不是更大，而是更智能，效率更高，不是更忙，而是更会调度。其实三类卖家都有一个共同的核心，让 ai 做重复人做决策。 不管你是尾部、中央部还是头部，底层逻辑其实只有一个，把重复性工作交给 openclo， 把战略判断留给人。当你把这条线划清楚之后，你会发现，电商不再是拼命内卷， 而是系统作战。以前你靠家人，现在你靠家 ai。 以前你靠经验，现在你靠数据闭环。以前你靠运气，现在你靠持续迭代，这才是 openclaw 重新洗牌之后，真正的商业逻辑。 真正能实现销售额和利率双增长的，不是会用 ai， 而是会用 ai 做组织。我最后再说一句非常狠的话，未来三年，电商老板之间的差距，不在于你会不会用 ai， 而在于你有没有把 ai 变成组织能力。 会用 ai 的 人很多，但把 ai 用成系统的人很少，而这才是未来最值钱的能力。尾部卖家用 opencloud 做轻启动， 先跑通一个模型。中央部卖家用 openclaw 做流程重构，把人效拉起来。头部卖家用 openclaw 做组织升级，把利润做厚，把壁垒做高。 这三条路表面不同，底层其实一致。让 ai 替你干掉低效率，让老板把精力留给高价值。当你把重复劳动压下去，销售额会上来。 当你把试错成本压下去，利率会上来。当你把组织效率做上去，整个公司就会上一个台阶。真正的赢家，从来不是最累的，而是最早完成系统升级的。今天这条视频，我只想留给看到最后的小伙伴一句话，未来的电商，不是谁更能熬，而是谁更会调度。 不是谁人更多，而是谁 ai 更多，不是谁更忙，而是谁更赚钱。 openclaw 不是 一阵风，它是一次重新洗牌，尾部卖家要靠它活下来， 中央部卖家要靠它跑得更快，头部卖家要靠它守住利润继续放大。 所以，别再问 ai 能不能改变电商，真正该问的，是你的店准备好被 ai 重新定义了吗？因为接下来被淘汰的不是不会卖货的人，而是还在用旧方式卖货的人。 不改变就出局。相信能看到最后的小伙伴的认知都能够同频。欢迎在评论区打卡一起讨论，关注我后台发 ai， 可以 跟我约连麦半小时，帮你做滔天店铺的诊断、分析和优化，建议仅限老板和决策人。

我们今天有一位特殊的嘉宾，我们让萨老师给我们分享一下养虾的一个心路历程。 好，谢谢。我是做这个抖音本地生活的，做六年的时间了，之前的时候呢，就是我对龙虾这个不理解，我觉得龙虾可能就跟豆包和 deepsea 差不多，但是当我真的去使用龙虾，并且我本地不属龙虾之后，我发现它能够解决的完全都是原来做豆包也好，它是达不到的一些效果。 比如说我直接讲个案例啊，我因为做的你生活吗？我很多时候我需要去做一些数据类的分析，比如说一些订单的销量核销的数据，包括比如说我做一场直播，这些数据我正常用一段时间之后我可能需要做复盘， 原来这个工作呢，一般都是我自己去做，我把这些数据上导出来，挨个挨个的去分析做表，然后再去写这个复盘报告，至少需要一到两天的时间。我既然用一下我的这些数据，我直接放到我书里面， 我跟大家说，你帮我根据我桌面上的这些文档的内容，包括生成一个整体的一个月的转化报告。这个时候我会告诉他我平时会做需要哪些，比如说团购的卖的一些情况啊，团品的一些分析啊，只不过他的进人率啊，那包括还有一个核心，就是我这些产品为什么卖的不好，如果卖的好的话，我应该怎么去把它提升起来？ 这件事情我让龙虾帮我做，花了三分多钟，他就生成了一个报告，而且报告排版非常漂亮，拿着就用，我甚至觉得比我自己人工去做这个事情的效果或者产出来的数据更好， 所以这是我发现的第一个龙虾能帮我解决的问题，把我所有的数据做整合型的打薄，并且生成了一些内容，最后进行排版，生成最终的一个文档给了我， 不仅是给我一些答案，还帮我把所有的环节全部串在一起，并且做成了一个最终成果给了我，这是我原来用豆包或者是这个做到了。

我用 mini max m 二点七搭了一套智能口播剪辑系统，把一条视频的剪辑效率提高了接近三十倍。以前录完一小时素材，最痛苦的不是剪，而是在时间轴里反复找废话，找口误，对齐画面。 所以我做的不是全自动乱剪，而是让 ai 先把荣誉片段全部标出来，人在做最后判断，先看它能做什么。第一步，标记所有口误废话，进行片段生成审核稿， 所有他认为有问题的片段全部列在这里，时间戳内容原因一条一条，你点哪条画面直接跳过去。第二步，人工修正。很多人问我 ai 判断会不会误删，这个问题问的很好，所以我的设计是 ai 出删人来把关在审核稿页面，人类可以新增和修改删除标记，同时支持倍速播放。 第三步，自动化极致。每个人的表达习惯和剪辑风格不一样，所以我把判断标准做成了可配置的，每次人工修正后自动分析修正逻辑用的越多，他越懂你的剪辑习惯。系统最关键的地方不是让大模型看视频，而是不让大模型看视频。很多人第一反应是这东西，分析视频头壳一定烧的很猛吧？ 其实不会，我来拆解一下它的四步流程，你就明白为什么它这么省。一步，视频提取音频。第二步，音频转字幕，把音频转化成带时间戳的文本。第三步， ai 智能分析，这是整个流程里唯一消耗托管的环节， ai 读的是纯文本，判断哪些容易内容，哪些值得保留。 第四步， fmpeg 完成实际剪辑。根据 ai 给出的时间戳，要用 fmpeg 直接剪切视频，不经过任何模型 整个链路， ai 输入的是文字，输出也是文字视频剪辑问题被转化成文本判断问题。这就是它为什么省 token 下一版，我想让它从剪辑工具变成口播视频的补素材工具。 比如你口播里提到一个数据，系统自动生成一张图表，你讲到一个概念，系统自动补一张解释画面，你缺一段过度素材，系统自动生成一段补充画面。这也是我用 mini 代码，图像语音视频都能放在同一个链路里。 所以这套系统的下一步不是做一个更复杂的剪辑软件，而是变成一个全模态口播工作流。另外我还做了 skill 版本，直接把这个剪辑能力接近你的 agent， 变成你工作流里的一个节点， 你的 agent 需要剪辑口播时调用它直接拿结果。我一直觉得剪辑效率不是剪辑软件的问题，是判断力能不能被结构化的问题。这套系统只是一个起点，代码和 skill 全部开源，你可以在上面继续改。如果你用它做出了什么，欢迎来告诉我。

你是不是经常碰到这种情况，跟 open call 聊着聊着，他突然好像失忆了一样，完全不记得前面说过什么了。或者你聊完一个话题啊，切到下一个话题的时候，他好像变了一个人， 之前说过的事情呢，全忘了。这种情况特别让人抓狂。但其实呢，他不是 bug， 而是我们不了解 ai 记忆机制到底是怎么回事。今天呢，我一次性把这件事讲透， 我会告诉你啊， opencloud 的 记忆到底是怎么运转的，然后教你做一些简单的配置，让你的小龙虾真正做到过目不忘。 其实做到这一点啊，并不难，我现在每天都离不开 opencloud， 因为它记得我所有的事情和所有的对话，也拥有我知识库里的大量的知识。所以它对我来说呀，已经不是一个聊天工具了， 而是一个很强的外部记忆库。很多事情呢，我一时想不起来，我第一反应就去找他。今天学完之后啊，你也可以做到 open class 这样的 ai 智能体呢。它的记忆啊，分成两类，一类啊是短期记忆，一类呢是长期记忆。 短期记忆就是你这一次跟他对话的内容，也叫做上下文啊，在这一次对话里面呢，他会一直记得你说过的话。 但是短期记忆能记多少，取决于模型的上下文窗口有多大。比如我们现在用的 gpt 五点四，它上下文的窗口呢，大约是两百五十六 k 个 token， 也就是二十五点六万 token。 那 么 cloud opus 呢，最大可以达到一百万个 token。 窗口越大，一次能记住的内容就会越多，但是一旦内容超过了窗口的大小，他就会开始压缩，丢弃最早的信息，这就是你突然感觉到他失忆的原因。 你可以把短期记忆想象成你的工作台，桌面空间是有限的，那东西堆的多了以后啊，最底下的就被压住了，找不到了。 那长期记忆呢，就是把过去跟你发生过的事情保存到硬盘或者数据库里面，下次聊到相关话题的时候呢，他就会自己到数据库里面去搜索，把相关的内容提取出来。 所以长期记忆的容量几乎是无限的，关键在于他能不能在需要的时候准确的找到并且回忆起来。 这就像是你的档案柜，东西都在里面，但你得知道怎么去翻，什么时候去翻。所以现在你就明白了，大多数人觉得 ai 老是失忆，本质原因啊，只是在用短期记忆，没有把长期记忆呢建起来。你指望工作台上堆下所有的东西，那迟早要塌的。 那么接下来我就会分别告诉你，短期记忆怎么管，长期记忆怎么建。 那么 openclaw 的 短期记忆要怎么管理呢？在默认的情况下啊，如果你一直跟它聊，那上下文确实会越来越长， 尤其是各种工具调用啊，结果呢，会不断地堆积。但这里啊，我要补充一个细节了， openclaw 不是 完全不管上下文的，它其实可以通过一个叫做 context proning 的 配置去做自动的瘦身。 那么这段配置的意思啊，是，当这个绘画闲置超过两个小时以后呢，系统会自动裁剪旧的工具，结果，比如解锁片段文件提取内容命令输出等等， 它会被替换成占位符或者摘药。而用户的核心对话消息呢，会优先保留下来，你可以把它理解成一个轻量级的自动清理机制，它能帮你控制 token 的 消耗。 但要注意啊，这个机制解决的是上下文太胖的问题，不是你已经换了一个新话题的问题，他会帮你瘦身，但不会准确的知道你现在是不是应该彻底翻篇了。 所以如果你一直聊啊，那上下文还会不断的累积的，用的越久呢，窗口还是可能会越来越满，满了之后啊，系统就会进行压缩了，那么最前面的内容就开始丢失。这也是为什么很多人会觉得透支消耗的特别严重。 有人可能会想，那是不是上下文窗口越大越好呢？其实不是，因为窗口大了以后啊，有两个代价。第一个代价就是 token 消耗惊人。 比如啊，一个一百万 token 的 窗口聊满了以后啊，你每对话一次啊，他就要消耗一百万的 token， 你 跟他聊十次呢，就是一千万呢， 新闻里看到谁一天消耗了几亿 toc， 其实就是窗口开的太大了。第二呢，速度会变慢，因为 gpu 资源消耗也大得多。目前呢，有些开源项目，比如说 lostless clock， 它试图解决压缩丢信息的问题， 它的思路啊，就是把被压缩掉的这些原始的内容啊，存到外部数据库里面。那么每次对话的时候呢，再恢复回来， 想法很不错啊，但没有解决根本问题，因为你并不需要 ai 记住每一句聊天记录啊，你上一话题聊的是编程，你现在开始聊内容规划，你真的需要它记住刚才每一行代码吗？ 所以我认为啊，管理短期记忆最好的办法不是安装复杂的插件啊，而是养成一个简单的习惯，聊完一个话题就输入斜杠六。这个命令呢，会做两件事， 第一啊，把当前的对话记录归档到 memory 目录下面，按时间戳来保存。第二呢，它会清空上下文窗口，重新开始。 你只要养成这个习惯，两百五十六 k 的 上下文空间在正常使用情况下完全够用，头壳消耗呢，也会大幅度的下降。但你可能会问，斜杠六之后，那前面聊过的东西不就全部都清掉了吗？每次都要重新介绍一遍啊？ 不会，这就是长期记忆要解决的问题了。 那我们怎么建立起长期记忆呢？分两个维度，第一个维度啊，静态记忆 memory md。 在 opencloud 的 workspace 目录下，有一个大写的 memory md 文件， 你可以把一些固定的，希望他永远记住的东西呢，写到里面去。比如你是谁，你的工作习惯，你的偏好，一些长期不变的规则。 opencloud 每次信对话都会自动提取这个文件的，所以写在里面的信息它永远不会忘。 但是呢， memory md 呢，它不能写太多，因为它每次都会加载到上下文窗口，写得太大会挤占你宝贵的短期记忆空间。 所以它适合存规则，不适合存所有的知识。例如啊，我会在 memory md 里面呢，写上这样的规则， 当我提到选择题内容、创作、标题提纲、 youtube 视频口播稿等话题的时候呢，我孟轲老师会主动的读取一份选择题和创作指南的文档，然后按我的要求来执行 好。那第二个维度呢，是动态记忆 memory search。 如果你想让小龙虾记住过去所有的对话，甚至帮你管理一个庞大的知识库，那就要用到 memory search 了。那 openclaw 呢？它内置了一个基于 sql lite 的 本地向量数据库，叫 sql lite， 实现了 openclaw 动态的长期记忆功能。当你跟 openclaw 聊到某个话题的时候啊，会触发它去长期记忆库里发起搜索。 如果你事先把你的知识库，比如各种 markdown， 文件呀，笔记呀，文档啊都锁引到了记忆库里面，它就会自动找到最相关的内容， 然后把这些信息呢，从档案柜里拿出来，放到当前的工作台上。这个过程啊，就像人的回忆机制，比如我跟你提到 palantier 这家公司，你的大脑会自动关联出啊，你之前看过相关的新闻分析和讨论， 人脑靠的是联想，而 opencloud 靠的是向量解锁原理不同，但效果很接近。 现在你就能理解为什么前面说的斜杠 new 不 会丢信息了。因为你每次执行斜杠 new， 当前的对话都会被归党和锁引到长期数据库里面。 所以下次你再聊到相关话题的时候呢， memory search 就 会自动地把之前的内容全部都解锁出来。所以你完全可以放心地频繁斜杠拗，让短期记忆保持清爽，长期记忆却越积越厚，整个系统呢，越用越强。 好，那接下来我们就来讲最关键的部分，怎么样把长期记忆真正的配置起来。其实要打开 openclaw 的 memory search 核心呢，就三件事。第一件事啊，是开启 memory search 功能，你要明确告诉 openclaw， 你 希望启动这个长期记忆解锁能力。 第二件事呢，就是告诉他你希望他额外记住什么。那么除了你和 openclaw 平时的对话记录之外呢，你可能还希望他记住你的知识库， 比如 obsidian 里的 macdunk 笔记啊，项目资料啊，文档啊等等等等。那这些都可以一起加入到缩影范围里面。那第三件事啊，要给它选一个 embedding 的 model。 embedding model 本质就是把文本向量化，就变成可以被解锁的格式。只有完成这一步啊， open file 才能在你未来聊天的时候呢，从海量的信息里面准确找到相关的内容。 这个 embedding model 其实有很多选法，如果你图省事呢，你可以直接用云端的母写，比如说 openai 的 germanite， 甚至阿里云、腾讯云的 embedding model 都很好了。它们的成本其实很低啊，你一个月大概率也就是几美分，十几美分，完全不是个大问题。 但是如果你想更本地化，那你也可以像我一样，在本地安装一个 embedded model。 比如我现在本地用的是欧拉玛跑的一个 bgm 三，那这个模型大概就占一点四 g 左右的内存。 那么本地模型有一个明显的好处了，就是你批量建锁影的时候呢，它不会因为短期请求太多，被云端的 api 给限流。所以如果你的知识库比较大，或者后面会经常重建锁影啊，那我觉得本地方案会更好。 具体怎么配呢？最简单的方法啊，不是自己手写配置文件，而是直接让 ai 帮你配， 你可以直接把需求告诉 codex 或者其他你顺手的 ai 工具？比如你跟他说啊，帮我给 openclaw 配置 memory search， 帮我选一个 embedding model， 并且把我的某个知识点目录纳入所引，然后呢，把 api 再给他，他就能把配置文件帮你写好了。 我觉得最关键的呢，有四点，第一啊， sources， 我 这里同时打开了 memory 和 sessions， 前者负责长期记忆，后者负责近期绘画历史。那么这样做的好处是，它既能够记住长期稳定的信息，也能兼顾你最近正在做的事儿。 第二， extra pass 这个配置可非常关键了，我把它指向了我的 workspace， 就是 我平时真正工作的目录啊，里面有我的知识库，写作内容，还有项目资料，工作规划。换句话说呀，就是你把什么目录接进去， openclaw 就 更容易理解你。 所以如果你想让他真正的了解你，重点啊，不是让他多记一点，而是让他接触到你真正重要的工作语料。 第三呢， provider 和 model， 我 这里用的是本地的欧拉玛，配合 bgm 三。那么这样做的好处就是批量锁引的时候呢，它不容易碰到云端 api 的 病发限制。对于中文场景来说， bgm 三的效果我觉得也不错 好。第四就是 query 下面的混合解锁策略，我这里啊，不是只用向量解锁，而是用了混合搜索。 简单来说啊，就是百分之七十呢是靠语义的理解，百分之三十呢，是靠关键词匹配。那么这么做的好处啊，就是它既能理解你表达背后的意思，它还能更好地命中一些特定的术语文件名，地址，命令这些精准的内容。 另外呢，我还打开了一个时间衰减机制，也就是 temporal deki， 我 把半衰期设成了九十天。 这么做的意思呢，就是我越新的信息呢，权重就越高，越旧的信息呢，权重就会慢慢降低的。这样系统在排序的时候呢，会更优先参考近期有用的内容，而不会总是把特别老的内容排到前面去。 所以这套配置呢，是我现在在用的，而且我觉得已经是比较稳的一套方案了，你完全可以直接照搬。后面呢，你根据自己的场景再慢慢微调 好了。配置好 memory 设置之后呢，接下来最关键的问题就是怎么真正让它开始工作呢？你其实可以直接告诉小龙虾，让它去执行，所以它就真的自己会去做了。我这里为了演示呢，手动执行一次 opencl memory index， 因为我用的是本地欧拉玛的 bgm 三模型，所以整个锁影过程你看就非常的快。在锁影完成了之后啊，我们可以看到它已经在我的电脑上建好了对应的长期记忆库了。 那么你看到我的系统一共缩影了九百四十九个文件，其中既包括了我的知识库内容，也包括我过去和他的对话记录，总共大概他分了两千四百七十三个切片，那这些信息最后都会保存到本地的 sqlite 数据库里面。 那么接下来我们就可以实际测试一下它的剪索效果。比如呢，我先搜索一个词儿， power， 这是一家很厉害的美国上市的 ai 软件公司啊， 好，你会发现啊，他很快就能搜出很多相关信息，有些结果呢，是来自我知识库里的笔记，有些结果呢，就来自过去我跟小龙虾的对话记录，所以就是说他不仅能解锁文档，也能解锁历史绘画。然后呢，我们再看一个更贴近真实使用场景的例子， 比如我在 telegram 里面直接问小龙虾一句话，你还记得以前我们聊过怎么样用 ai 来管理知识库的吗？ 因为我过去确实跟他聊过很多相关话题啊，而且积累了很多 markdown 的 笔记。所以当我这样问他的时候呢，他就会自动的搜索长期记忆了，然后把相关的内容重新找出来。 所以你会看到他不仅能把相关的信息召回，还会明确的告诉我这些内容来自哪些文件，哪些记录。所以像这种效果啊，他本质上就是长期记忆在发挥作用。 所以从这里你就能真正的理解 memory search 的 价值。它不是让 ai 死记硬背所有的内容啊，而是让它在你需要的时候，能够从过去的知识库和历史对话里面呢，把最相关的信息重新找回来。当然了，我这里为了掩饰啊，我提示的很明显了，直接引导它去搜索。 其实在真实的使用当中啊，你不需要每次这么明显的说，你只要上下文足够的相关，它通常就会根据情况自动触发回忆机制。所以整个系统最理想的状态呢，就是你平常放心的使用斜杠六，清理短期记忆， 保持上下文的清亮。而所有重要历史对话和知识库呢，都已经进入到长期的记忆库里面了，等你未来再聊相关内容的时候呢，它会自动的把这些东西全部重新找回来。 所以，这就是为什么我现在觉得啊， openclaw 它不只是一个聊天工具，而是真的已经开始变成我的第二大脑了。这也是为什么我一直在强调真正好用的 ai 啊，它不是单纯上下文更大，而是记忆系统更完整。 好。最后呢，你可以把 openclaw 的 记忆系统理解成一句话，短期记忆靠 memory md 和 memory search 来构建。 短期记忆的重点呢，不是拼命的把上下文窗口撑到最大，而是保持它干净清亮够用。而长期记忆的重点呢，也不是让它死记硬背所有的内容，而是建立起一个可以随时被唤起的记忆库。 而当这两套机制配合起来之后啊， open class 就 不再只是一个 ai 聊天工具了，它会越来越了解你，越来越记得你说过的每句话，做过的项目，积累过的知识，它会真的开始变成你的第二大脑。 你会发现啊，小龙虾不只是更聪明了啊，而是变成真正更懂你的大龙虾了。如果你在配置的过程当中呢，遇到任何问题，或者你想让我继续给你拆更细的实操细节，欢迎直接在范凯说 ai 会员群里面来咨询我。