著作权归作者 Handy 所有。商业转载请联系作者获得授权，非商业转载请注明出处。
OpenClaw，🔥 的让人猝不及防
今年 2 月初就有同学让我用用 OpenClaw，那时我不屑一顾，觉得就是个搞提示词工程的项目，能有什么用？
结果一个月之后大火，连身边不搞科研的都知道了，于是让我重新审视这个东西起来，觉得有必要试一试。
花了一两天时间体验，结论是：现在，它用处也不大，简单的活儿能干但干的不好。
一个是目前需要自动化来做的事情不如 Vibe Coding 写个脚本（倒是可以写成 SKILL 教会它 ），二个是应用场景实在有限，它做不好事、记不住东西、不太聪明、强依赖大模型。
虽然说它不好用，但也要看看我试图让它更好用，都做了哪些事情吧。
安装和接入飞书
根据官方教程，我直接在 macOS 上一键安装。
紧接着便安装了飞书官方插件，接入飞书机器人，这个插件也是飞书妙搭内置的插件，功能比较全面。
然后我便有了一个 Agent，它名叫蟹道人，它称呼我为道友，它的专属 emoji 是 🦀：
配置后端大模型，这里我采用了一个开源项目 justlovemaki/AIClient-2-API，这个项目能模拟AI客户端请求并提供统一API服务，用来搭建账号池使用一些免费模型是够用的：
在配置时，我比较关心大模型的配置，特地了解了 contextWindow 和 maxTokens（最大输出 token 数），一般发布的开源模型都能查到这两个参数，对应地修改一下就好：
然后我就开始了我的养🦞过程，枯燥、混乱、让人失望、一度让人失去耐心和信心，我的蟹道人太笨了，经常忘记东西，也分不清之前说的某件事和现在说的事情是两件毫不关联的事，例如我试图升级它的记忆系统时它还在想我的任务管理系统：
由于它老是忘记东西，我开始了对它记忆系统的改进，但效果一般般，以至于让我一度失去了继续使用它的信心，最后只让它干点简单的提醒类的活儿。
记忆系统的改进
首先了解到的是 tobi/qmd ，这个东西据说主要是用来节省 tokens 的，与 memory 有一定关联，因为它可以用自然语言在本地查询数据，利用 qmd collection add ~/.openclaw 创建合集之后，再用 qmd update 和 qmd embed 就能更新索引，以后每次更新都可以用这两个命令，而 openclaw 本身也是支持配置 qmd 的，默认每 5 分钟自动更新一次，启动时自动同步1。
在调研记忆系统的过程中，涌现了一批 AI 文章，一群有着奇思妙想的人天马行空叙述着一个个不实用的方案，诸如让智能体自己分门别类整理记忆啊、让智能体每隔几分钟做总结啊、让智能体每晚深度反思呀，这些方案全仰仗着智能体本身，很大的问题是 OpenClaw 这个系统是怎么使用这些“记忆”的？它是怎么与大模型交互的？如果不搞清楚细节，很难有个有效的方案。于是我更期待的是官方的演进，毕竟 OpenClaw 要活下去，它必须解决这个问题。
然而我们也能看到，有人提出了 MemOS2 这样的东西，试图在信息存储、检索和管理方面提供一个统一方案。具体效果如何，只有交给时间去验证了。
毕竟 OpenClaw 也在快速迭代中，包括我们关心的安全问题等都亟需解决。
它现在能帮我干什么？
简单的重复性的工作交给它是没有问题的，查询数据并在某些条件下进行提醒也是它的一个应用场景（特别是它学会使用 Notion 等外部工具之后），还有一些查询类的工作如果自己能动动手指解决就不劳烦它了。
这里我举例，让它更新 docker-compose.yml 中镜像版本号然后更新服务，若是从自动化这个工作流来看，用 Cursor 等工具编写一个脚本是更合适的，因为脚本可以重复使用且不需要大模型。当然也可以把这个脚本写成一个 SKILL，教会🦞，但与其交代给它还要等它、担心它会不会弄错，不如自己三两下完事。仔细观察一下，把任务交给智能体去做，付出的精力和情绪可能比自己去做还要多，因为当前的智能体还不能算是个“好员工”。
