背景与 OpenClaw 的趣味起源
今天想跟大家做个比较非正式的分享，关于我这三周观察和使用 OpenClaw 的心得 。其实这个项目的命名挺有意思，最初他们叫 moltbot，后来因为重名改成了 OpenClaw 。这里有个科幻背景：小说《加速》的第一章就叫 Lobster，讲的是人类把龙虾的意识上传到云端，这些龙虾有了意识并成了虚拟创造者 。虽然不知道创始人是否有意致敬，但现在的 AI 场景确实让这种科幻情节变得不再遥远 。
我自己给机器人取名叫 Melonclaw 。我的设定是它的外表是犀利的龙虾（Claw），但内心像瓜一样甜（Melon），是个很有个性的助手 。
核心架构：长短期记忆与“心跳”
OpenClaw 的创新点主要体现在两个方面：
- 长期记忆（Long-term Memory）： 它的实现逻辑其实很简单，就是把所有东西写进 Markdown 文件里 。但这让它和普通 Agent 有了本质区别——普通 Agent 每次开启新 Session 都是一张白纸，而 OpenClaw 拥有持续的记忆 。
- 心跳机制（Heartbeat）： 它默认每 30 分钟跑一次任务（Cron Job） 。这让它从“被动响应”变成了“主动交互” 。创始人曾分享过一个例子：他受伤住院时，由于 Agent 监控到了日历或邮件信息，竟然主动发消息嘘寒问暖，这种体验是非常不一样的 。
我的硬件与安全配置
硬件上我用了自己一台旧的2018年的macbook。
在设置上，我选择 Discord 作为主要的沟通入口 。
- 平台选择： 相比 WhatsApp 或 Telegram 需要手机号，Discord 可以方便地创建账号，且 Bot API 非常稳定，非常推荐大家从这里开始尝试 。
- 安全性： 为了保证安全，我并没有在自己常用的电脑上运行它，而是找了一台“退休”的老电脑作为服务器 。我专门创建了一个没有系统管理员权限的用户来跑这个程序，并限制它只能在特定文件夹内工作，防止它读取我的其他隐私数据 。
- 配对机制： 跟机器人聊天的第一句话需要一个配对码（Pairing Code），必须在后台手动通过，这样别人就没法随便调用你的机器人 。
实操案例：自动化新闻与代码开发
我最初让它每天给我汇总 AI、社区动态和宏观经济新闻 。但要注意，它默认没有搜索功能，我后来额外配置了 Brave Search 的 API Key，它的搜索质量才有了显著提升 。
更有挑战性的尝试是让它写代码 。我有一个需求：把 Discord 的聊天记录导出为特定格式的文本 。
- 我给它开了一个独立的 GitHub 账号，并提供了一个开源框架 。
- 它自己写代码、调用代码审查工具、修改 Bug，甚至最后还录了个视频展示功能给我看，以此确认 Feature 已经完成 。
- 它甚至学会了使用 Playwright 模拟浏览器操作，并自己加载插件绕过了 Discord 的机器人验证码 。这种能够自我进化的潜力让我感到非常兴奋 。
模型选择与高昂的成本
这三周最大的感悟之一就是：好用是真的，贵也是真的 。
- 成本消耗： 我用的 Gemini Pro，一开始有 GCP 给的 300 刀额度，结果两周就烧完了，现在只能自掏腰包 。因为“心跳机制”每 30 分钟就要读一遍文件并执行任务，非常消耗 Token 。
- 模型取舍： 我尝试过用更便宜的 Gemini Flash 跑心跳任务，但发现它处理不了复杂的逻辑，容易说胡话 。目前在“龙虾 Benchmark”上表现最好的是 Claude Opus，但它比 Google 的模型还要贵 。所以大家得想清楚，你的项目价值是否值得这些 API 支出 。
对未来组织形式的思考
观察 OpenClaw 这个项目，你会发现创始人 Peter 几乎是凭借一己之力推动的，顶峰时期他一天能有上千个 Commit 。这给人很大的遐想空间：一个懂 AI 的 Small Team，其生产力可能是传统团队的 10 倍甚至 100 倍 。
我现在的思维就是把 Agent 看作一个 Remote Employee（远程员工） 。它能力很强，但胜任的关键在于你作为 Manager 能够给它提供多少 Context（上下文）和好用的工具 。当然，这种模式也带来了新的风险：当你赋予它更多权限（比如邮箱、钱包、API Key）时，它一旦出事故，严重程度也会更高 。如何建立与 Agent 之间的这种新型信任和对齐（Alignment），将是未来几年很有意思的话题 。
附录
NotebookLM生成的幻灯片链接
