很多人问 OpenClaw 到底可以拿来干嘛。 有些人拿来赚钱，写程式、做自动化、接案。 我自己的话主要是拿来改善经营公司的工作流程。 我在 Discord 上拆了不同频道，每个频道塞不同的 system prompt 跟 skill，对应不同的专案。写文章的归写文章，写 code 的归写 code，研究市场的归研究市场。 比较复杂的专案会在 system prompt 注入专案资料夹的路径跟专用meory库，减少 tool use 浪费 token。 然后我把公司的 Slack、Linear、GitHub repo、还有会员群组的 Telegram group 全部串进去。 AI 会定期扫会员群组的聊天记录，有人回报 bug 或提功能请求，它自动判断严重程度，直接在 Linear 上开 ticket 派给对应的人。 还有用 Whisper 把每周的会议录音转成逐字稿，丢进去产生会议摘要跟 action items。 但要让这些跑起来，有一个前提：你必须先把基础资讯灌进去。 最有意思的是，当 AI 掌握的 context 够多之后，它开始能做你没设计过的事。 它知道上周会议决定了什么、知道哪些 ticket 被 assign 给谁、知道哪些东西已经 delay 了。所以当某个任务超过预期时间，它会主动建议我让 PM 去追进度。 不是我设了一个 rule 叫它这样做。是它自己根据上下文判断该做这件事。 这就是 context 的力量。你喂给它的资讯越完整，它能帮你做的事就越多，而且很多是你事先想不到的。 除了公司经营，我最近还开了一个新的频道分类，跟工作完全无关，就是育儿。 我儿子刚出生，我想认真研究怎么带小孩。但育儿资讯太杂了，中文圈的内容品质参差不齐，很多是互相抄的。 所以我让 OpenClaw 去爬了一些国外高产出的育儿部落格，把那些比较有系统的内容源头整理出来。然后用 NotebookLM 的 Skill 把这些知识全部丢进去，请它输出结构化的摘要档案。 我拿这些摘要建了一个 Knowledge Base。 现在我有任何育儿问题，直接在 Discord 的频道上问就好，而且能确保尽可能不出现幻觉，因为都是基于我筛选过的高品质来源。 以上这些用法，没有一个是我装之前就规划好的。 装 OpenClaw 的时候，我不知道我会拿它来管 ticket。不知道我会拿它来追 PM 的进度。更不知道我会拿它来研究怎么带小孩。 每一个场景都是装了之后，碰到一个痛点，然后想到「欸，好像可以用它来解」。 这个「欸，好像可以试试看」的瞬间，只有你手上有工具的人才会有。 没装的人，连这个念头都不会产生。 大部分人对 AI 工具的态度是这样的：先想清楚要干嘛，再决定要不要装。 但这个逻辑有一个致命的问题：你不碰，你根本不知道它能干嘛。 如果不实际去玩，你脑中对这个工具的认知，停留在别人的描述、别人的截图、别人的推文。那些都是二手资讯。 二手资讯最大的问题是，它只能告诉你别人觉得有用的部分。 但真正改变你工作方式的，往往是你自己在乱玩的过程中意外发现的东西。那些东西没有人会写成教学，因为它太个人化了，只有你自己碰到才会知道。 当初我在研究龙虾怎么用在公司经营的时候，我发现根本没啥资讯，因为大家都在摸索。 龙虾是去年十一月诞生的专案，真正爆红是今年一月中，也就是说真的进入大众视野也就一个多月，所有的用户都是 pioneer，大家都在摸著石头过河，也就是说，目前涌现出来的使用案例，其实大部分的人一开始都没想到可以这样做。 现在90%的人对 AI 的看法还停留在「GPT 3.5 时代」的聊天机器人， 但科技圈早就天翻地覆了。 今天大家在讨论 Context Engineering，你没碰过 AI agent，你听不懂。明天大家在聊 multi-agent workflow，你没跑过，你更听不懂。 去年有一段时间大家还在抄各种 prompt 模板，后来是一堆人在研究 MCP，现在所有人又都在讨论 Skills。每隔几个月风向就换一轮，如果没有重度使用，你根本不知道这些东西在干嘛，更不知道为什么大家要从上一个跳到下一个。 每一个你选择「等等再说」的时刻，都在拉大这个差距。 而且这个差距有一个很可怕的特性：你感受不到它在发生。 因为你不知道你不知道什么。 你以为你只是还没装一个工具。但实际上，你错过的是一整层的认知更新。那些用过的人，他们对问题的思考方式已经不一样了。他们看到一个任务，脑子里会自动浮现「这个可以让 AI 做」的路径。 这不是知识的差距，是思维模式的差距。 知识可以补，思维模式补不了。思维模式只能靠体验去长出来。 所以为什么一定要拿来干嘛才装呢？ 第一代玩网路的人不是因为知道网路可以做电子商务、打游戏了才玩的，纯粹就是觉得很酷才玩的。 在这个技术迭代超快、没有标准答案的年代，「先行动再说」这五个字，可能是最被低估的行动准则。