本文分享我近期使用 OpenClaw 的一些思想变化，分享 6 大真实案例和 10条经验。
最近 AI 圈有个东西特别火：OpenClaw（也叫龙虾，🦞）。
听说有人很早就推出 OpenClaw 上门安装这个业务，赚了上百万了，闲鱼、小红书上也有很多帖子。甚至还有人推出了全身推拿增值服务。
说实话我一开始觉得 OpenClaw 被炒作过度没啥用，有几个原因：
安装相对繁琐
耗费 tokens 大
打通软件有限
权限过大，有安全风险
Claude Code、QoderWork 这些也能干，甚至干得更好
春节期间安装后一直使用到现在，观点发生了很大的变化。
上面这些问题都是可以被解决的:
现在很多云厂商，如阿里的无影云电脑提供了 OpenClaw 镜像，安装门槛大大降低，如果能搞一个 OpenClaw 安装 Skill，本地安装门槛也会大大降低
买一个 Coding Plan，如智谱 GLM 套餐、阿里百炼 Coding Plan，成本并不是很高，完全够用
已经打通了很多主流的 IM 软件
可以用独立的电脑、可以用云电脑，可以做一些安全策略
小龙虾（OpenClaw 的昵称）的优势在于可以 7x24 小时远程全自动完成任务
我们之前也简单分享过几种常见的安装方式：想用 OpenClaw，选本地部署还是云电脑？一文说清楚
当然也有很多朋友积极拥抱 AI，大费周折把🦞 装到自己的电脑上，但是装完之后很茫然，不知道能干什么。
虽然网上有很多很有意思的案例，很多人会发现，这些案例不是偏花哨，就是"不适合自己"。
其实我感觉很多人的流程搞反了，应该是你先了解龙虾能干什么、优势是什么，然后想清楚自己有哪些场景可以让它帮你做好，然后才安装。
我看到几个相对有用的案例：
独立开发者，在度假过程中和 AI 对焦好需求，让 AI 远程全自动完成了绝大多数 Coding 工作，而且效果相当不错
还有朋友让 OpenClaw 指挥 iflow，仅用 20 分钟就开发出一个可用的产品。
我最近也在不断探索使用场景，最近就实现了"睡后"让 OpenClaw 自动完成老板交代的一个任务。
前两天老板让我研究一下 OpenClaw 的记忆机制。
我突发奇想，能不能直接让🦞帮我做呢？
于是我让它把源码克隆下来，然后表达了我的想法。
考虑到模型一次完成效果未必理想。
我做了一点"创新"，就是让它创建了两个定时任务，然后再去做一些检查和优化。
而且确实发现这招挺管用！第一次完善后就从 600 行增加到了 1207 行，第二次也做了其他优化。
最终生成的报告结构完整、内容详细，效果相当不错。
我平时比较关注一些 AI 资讯，于是，搞了一个 AI 资讯整理 Skill，给🦞装上。
让它每 30 分钟抓取相关的资讯，整理后推送给我。
我有时候会阅读一些比较感兴趣的 AI 相关的代码仓库。
然后每次过一段时间想去阅读的时候，打开之后第一件事就要拉取最新代码。
我直接让小龙虾定时每天去检查这个目录下的所有仓库的变更，如果有更新的话就自动拉取。
我们还可以在它拉取时，把我们重点关注的几个代码仓库变更，做一个汇总推送给我们。
比如说我可能需要对 B 站、推特、YouTube 的视频进行下载。
以前需要找下载网站，有的限制速度，有的要收费，有的让你看广告，还有的今天能用、明天就挂了。
我把 skills 打磨好之后让它装上，以后这些视频的下载直接发给它，它会全自动下载好。
除了这些实用场景，也看到有人让🦞去写教程、写小说，还有人把它装在服务器上做运维。
当然能做的事情远不止这些，大家可以发挥自己的想象力。
未来模型能力越来越强，AI 能够使用的工具打通的平台也越来越多，那么能够发挥出来的价值也会更大。
下面分享几点小经验：
经验1：用 AI 全自动安装 OpenClaw。你可以使用 Claude Code、Cursor，也可以使用 QoderWork、Craft Agent。
提供前面的本地安装教程，可以自己的大模型服务商的配置信息和飞书、钉钉等渠道的 bot 信息即可。
经验2：用更强大的模型。
大模型是 AI 产品的大脑。在大模型还没有达到非常完美之前，通常来说，相同的输入下，模型越强，表现越好。
经验3：自动搜索和安装 skill。以后可以让🦞用 find-skills 这个技能自己搜索想要的技能，自动安装。
传送门：https://skills.sh/vercel-labs/skills/find-skills
经验4：自我进化，越用越聪明。
可以安装 self-improving-agent，让🦞能够在不断的交互中沉淀经验，越用越聪明。
传送门：https://skills.sh/charon-fan/agent-playbook/self-improving-agent
经验5：根据自己的工作、生活和学习场景，打造最适合自己的私有 Skills 仓库。
让🦞自动拉取并安装，也可以让它创建和优化 Skills 推送远端，咱们来使用。
每个人的场景都不一样，根据我的实践，最有用的一定是根据你自己的场景打造出来的最适合你自己的 skills。
比如说，同样是字幕校对的 skill，你可能有自己的专属词库，你可能有自己不一样的校对步骤。
比如说你的字幕通常特别长，AI 可能只会校验一部分然后就不校验了，那你的经验可能是让 AI 把它拆成 N 个小文件，然后每个按自己的词库校对好之后，再让它去合并，合并完成之后把一些拆分后的那些没用的小文件删除。
比如说，同样是翻译 Skill。有的人可能添加了很多翻译规则，效果也还行。有的人会让它先去做翻译，翻译完了之后再去解决 AI 的味道，最后再把原文和译文做校对，最后人工再去做润色，这个质量可能就会更高。
比如说，同样是写代码。你的代码仓库可能就需要一些特殊的领域知识。那么你可以根据你的业务打造出适合的 skills，让 AI 在写代码之前能够更好地理解这一块业务。
经验6：如果它总是干不好，你可以跟它强调"一定要记住 xxx"。或者直接手动修改它的长期记忆。
经验7：使用的模型能力可能不够强大，而且 AI 有时候倾向于"尽早结束任务"导致一次完成的效果并不够理想。借鉴 Ralph Loop 的思想，交代任务时可以让🦞同时创建多个定时任务，让它反复检查和优化，效果通常更好。
Ralph Loop（也叫 Ralph Wiggum Loop）是给 Claude Code 用的一个「自动迭代插件」：让 AI 围绕同一个任务反复执行、检查结果、改错，再继续迭代，直到满足预先设定的完成条件或达到最大迭代次数为止。
经验8：🦞很脆弱，修改配置时（如让它自动更换模型、新增 MCP 配置等），很容易"挂掉"，慎重修改配置！
推荐做法：
只有在人在电脑上的时候才做一些自身配置的变更。
让龙虾变更前自动备份。
另外安装一个龙虾或者是另外一个智能体，当龙虾挂了的时候，让另外一个 Agent 去拯救它。如有道龙虾和阿里龙虾。
创建一个私有的龙虾配置仓库，让龙虾每天定时备份。这样不管是未来我们把它迁移到其他的电脑上还是出了问题进行恢复都比较容易。
经验9：用源码高效解决问题。
使用🦞的时候如果遇到一些报错自己看不懂，不知道怎么解决，或者有些功能不会用。
建议直接把代码拉下来。
可以把报错发给他，让他根据代码告诉我们原因和解决方案。
可以把我们的困惑发给他，让他告诉我们怎么去用。
传送门：https://github.com/openclaw/openclaw
经验10：OpenClaw 不是银弹！OpenClaw 安装有门槛，带来的收益 cover 不了 tokens 消耗，找不到场景产生不了实际价值，还有安全风险，在企业级复杂场景下应用还存在诸多局限。
未来模型能力越来越强，AI 能够使用的工具打通的平台也越来越多，OpenClaw 的功能越来越完善，那么能够发挥出来的价值也会更大。
OpenClaw 是否有用取决于你是否有适合的场景，是否能够识别痛点，是否会封装 Skills，是否掌握最佳实践。
你有装了 OpenClaw 没？你有哪些有用的 Case? 欢迎在评论区交流。
