我如何缓解AI焦虑，重新看待Openclaw

本文参加年度征文活动 #TeamCarbon25赛道

第一次使用 OpenClaw 时，我以为它只是个能控制命令行的普通 Agent，一个 Codex 和 Claude Code 的开源替代品。经过几周的调试后，我发现它的价值，一方面被一些信息源夸大；另一方面又被一些观望者低估。实际体验事实上是赞叹和受挫的结合，就像是在提前试用来自未来的“半成品”。

就是这份复杂的体验，让我渐渐地更深入地思考AI所带来的焦虑和益处。

AI焦虑是一个几乎所有关注AI的人都有、但很少被正面谈起的问题。所有人都知道这是一场必然到来的革命，但在这个几乎每周都有新工具更迭的时期，我们站在无数的信息噪音中，感到手足无措。

所以这篇文章除了聊openclaw产品本身，也想顺带聊聊我的这段心路历程。

我第一次接触的AI产品是初版的Notion AI，那个时候它仅仅能用来优化文章和小说的句子，检查错别字，给我提供大纲思路。到后来，Notion AI频繁更新，直到我发现它可以直接帮我创建数据库，自己填写字段，那个时候，我才真正意识到AI的重要性。

我知道这种“AI能直接动手干活”的能力，在未来一定会普及，只不过是时间问题。后来，大模型的热点一个接一个，我在想，对于我这种普通人来说，有什么机会？然后，焦虑接憧而至。

信息过载：每天打开各大平台，AI内容占了一大半。今天某个模型更新了大功能，明天哪个新工具终结了一个行业。不看的话，怕错过；看了，本质上这些碎片视频对自己没有根本性的帮助，而且信息源太多，根本不知道哪个才是重要的。
错失恐惧："AI是风口"这一观念似乎已成为各大平台的共识。虽然很多自媒体利用大家这种心态，制造错失风口的紧张感，来博得关注，但在真正深入思考之前，还是不免掉入焦虑陷阱。
对未来的不确定：我开始不停地学习AI，但AI的更迭太快了，这个月编辑出来的提示词，下个月就用不上了，这个月的工作流，在下个月可能就被某个自动化直接解决了。在这个版本做的很多努力，好像在下个版本，并没有什么用。所以我不禁质疑，是否真的有不被AI替代的核心竞争力。

这些的的确确困扰过我，那时学习是唯一缓解焦虑的方式。

龙虾登上Github Star榜单的时候，我花了一个下午配置，那个时候其实有点怀疑，想着这东西能和codex有什么区别，仅仅多了个接入社交软件的功能么？

配置好以后，我才发现，它能做非常多之前Agent无法做的事，我兴奋地让小龙虾查找各个社区的玩法，尝试着让它接入谷歌邮箱、日历，试了很多帖子里的功能，甚至给8个bot拉了个群，期间虽然很多卡点，但因为有热情，所以一切都还算顺利。但某一刻，当我看着Telegram里，机器人的对话框，却忽然不知道该做什么了。

这才发现，自己一直在追求新的工具，然后根据工具能实现的功能，“定制”自己的需求，不应该是这样的。意识到这一点后，我开始思考，自己真正的目标是什么。

暂时放下网络上的文章、视频和火得一塌糊涂的帖子，停下来回顾初心，我要做什么？这是一个很简单的问题，但人总是会在路上走着走着就失去自己真正的目标。就像使用obsidian的时候，因为有很多插件，很多主题，我们总是愿意去鼓捣更好、更多的功能，而忘了工具真正的目的是记录、思考和输出。

同样，龙虾也有无数的应用场景，但人的注意力是有限的。

想明白这一点，我决定从重要不紧急的事件开始。我先让龙虾做出了一个简单的网站（其中Codex也有参与）。然后，我让小龙虾做了一个SEO数据分析的Skill，让它能配合Semrush工具一起用，这和我的工作有关系。

这两件事虽然不算非常重的活，但我依旧调试了很久，报错频繁，网站版本优化了9次之多。虽然并非只有龙虾能做，但这可以更好地让我了解它和别的工具之间的区别，完成这两件事后，我初步的体验是：

当我们打算上手使用某个工具时，第一步不应该是看工具教程，而是先认清自己的目标和需求。
我们总是想按下一个Enter键，就让AI完成所有任务，这是与生俱来的惰性。但请先放低期待，比如做网站这件事，目前任何Agent几乎都不能一次性建设让人十分满意的结果。

意识到了这个，我们再来谈谈龙虾真正能实现什么？

Openclaw的底层原理

我们先来回顾一遍之前AI生态的痛点：

AI大模型：（chatgpt、gemini、claude等）问答式，不能动手执行任务，要最大化效益，只能在提示词和上下文下功夫，上限用法就是在chatgpt或者gemini上建立项目，提前设计好提示词；
工作流：（n8n、Dify等）只按搭好的固定工作流干活，没有智能，也没有记忆；
普通的Agent：（Kimi computer、Manus等）能动手干活，但只能执行一次性任务，没有记忆，执行完一次就结束；
Agent系统：（codex和claude code等）善于干代码向工程师的活，给权限可以控制电脑，但不能真正设定agent人格、或者给它写类似SOP的技能，也没有定时心跳机制（自发执行任务）；

在Openclaw出现之前，谁也不知道下一个AI助手会解决哪个痛点。

我第一次听说Openclaw的时候，只注意到了它能接入社交平台，方便在移动端交互，了解过后，我发现它最大的特别不在于此，而是openclaw的每个bot都有一个工作区，工作区对应电脑里的文件，我们能自定义这些文件，调整bot的记忆、人格、不限数量的工作流（Skill），给它安装想要的工具、接入想要的模型大脑，并且它还有自主运行的心跳机制。

Bot工作区可以简单地理解为，当你打开会话的时候，bot会先读取工作区设定好的“提示词”，也就是把工作区的内容加在上下文里。

它的“提示词文件”大致有这几类：

AGENTS.md（工作规则）：这是bot最先读取的文档，这个文档定义bot如何干活，能做什么，不能做什么等，并且是这个文档让bot去读取下面这些soul、user这些文档的，也就是说，它是首要加载的；
SOUL.md（人格定义）：定义bot的人格，它是谁，价值观是什么；
USER.md（用户信息）：定义你是谁，也就是bot服务的对象，你有什么喜好，工作背景，便于bot了解你；
MEMORY.md（长期记忆）：对话中重要的信息都会自动保存到这，每次主会话会加载（bot在群聊里的会话不加载）；
memory/YYYY-MM-DD.md（今天和昨天的日志）：每天的对话记忆会作为日志自动保存到这，然后每次会话bot只会读取今天和昨天的日志；
SKILLS_INDEX.md（技能索引）：bot有的技能，这里写了什么时候应该触发对应的技能，如果触发了，bot就会去读取对应的技能文件，如果不触发，就不会读取；

大部分都比较好理解，重点说一个Skills这个文件。

Skills

在使用 OpenClaw 之前，我们通常需要在大模型（比如 ChatGPT）上编写提示词。当你解决完一个问题，下次想再次处理类似任务时，要么得在 ChatGPT 上创建一个新项目，要么就得去复制粘贴之前的提示词。

相比之下，OpenClaw 的优势在于它已经提前写好了你是谁、它是谁，还有之前的记忆，以及最关键的 Skills 系统。

Skill 本质上就是一种提示词+工具编排+脚本，也可以理解为 Playbook。它是一套你预先设定好的规则，提示词规定了 AI 遇到特定的任务，如何按固定的步骤执行，工具编排规定了Ai执行这个任务要去调用的工具，脚本可以处理更复杂的任务，通过OpenClaw 的 exec 工具直接运行。

最核心的差别在于，这些 Skills 并不占用你模型的上下文空间。

按需加载机制： 当会话加载，bot读到 SKILLS_INDEX.md 这个文档时。bot会扫描文档中定义的 Skill 触发规则。例如，你在文档中设定：当我说到“记录灵感”时，需要执行“notion灵感记录”这个skill。bot就会加载这个skill文件，按照上面的要求保存灵感。如果对话中没有出现这个关键词，Skills 就不会运行。

这种机制确保了只有在真正需要特定功能时，相关的复杂指令才会被引入，所以平时只运行轻量级的文档，从而极大地节省了上下文资源，避免了对话过程中的卡顿。

其实这个机制在 OpenClaw 出现之前， Notion就很早已经推出了，只不过这在当时是一个比较冷门的技巧，Notion 有一个 Agent页面的机制：

每次 Notion AI 回答问题前，都会先读取这个页面的内容；
它会把这个页面加在上下文里，从而回答你的问题；
你可以在这个页面里配置身份、互动风格等，重要的是，你可以在这个页面嵌入子页面，然后触发关键词时，才加载这个子页面来让AI读取；

由于 Notion 本身就是一个无限层级的笔记库，所以这对它来说是天然的优势。但这个功能当时也许被大家低估了，现在以OpenClaw的形态出现在了大家的视野里。

有了这个 Skills 的机制，我们就可以自己制作提示词和 SOP，从而给每个场景配置Skill。

举例一个找实时热点的场景，我们可以先做一个Skill让小龙虾学习，Skill里可以写找热点时必须访问的5个网站，排除三天之前发布的内容等等。然后你只需要在对话框发三个字，找热点，它就能直接输出你想要的结果。

有个小技巧，就是当你叫 Bot 去做一件事情时，如果你对得到的结果感到满意，你还可以让它根据之前的对话反推它自己的产出过程，直接生成一个 Skill。

在Clawhub 和 Github社区，有很多小龙虾的技能可以直接使用。

原理说完以后，我想说一下它的限制，现在的它并非适合我们每一个人。

Openclaw适合的人群

心态：使用 OpenClaw 是需要一点极客精神的，对我这种普通人来说，在电脑面前坐了一下午才把它配置成功。虽然现在不断涌现出各种龙虾，比如 Kimi claw、MaxClaw、Qclaw这种可以一键配置的平台，但相信我，在使用过程中，只要你追求上限，它一定会出现各种各样的错误问题，所以，首要的是心态要好。
时间成本：如果不花时间调试，那它能给你带来的效益真的很有限，要真正解决某个垂直领域的需求，必定是花费大量的时间去调试的。很多人和我刚开始一样，所有东西都想心血来潮试一试，却又不够深度。
经济成本： Openclaw 需要接大模型的API，但上下文长度注定了它消耗的token量不会低，如果你真的想让小龙虾实现体验比较好的自动化，就需要接国外顶级大模型API，比如opus4.6，假设真用这模型喂一整天龙虾，那一天200美金都是少的。除了大模型API，一些工具也同样需要付费API才能用，比如web_fetch功能(网页内容抓取工具），需要充5美金才能用。
明确的目标或者需求：就像前文提到的，token是需要花真金白银买的。所以当你没有明确的目标，只是想做一些比较简单的问答，或者整理一下电脑桌面，那么完全没有必要消耗时间和成本去弄，使用普通的模型和Agent已经可以满足。（当然，学习工具本身也算是一种目标）
安全风险：因为涉及网关，小龙虾会让你的很多信息直接暴露在外网，所以电脑上有重要或者隐私的数据的时候，最好不要用主力机，第一是安全，第二是小龙虾在跑任务的时候，你不知道它是往你电脑生产有价值的东西，还是生产垃圾，亦或者给你资料全删了也是有可能的。所以如果你有这种安全焦虑，又或者有服务器7*24小时开机的需求，可以去买云端服务器，或者很火的Mac mini，但这又是token之外的另一笔钱了。

我如何使用Openclaw

配置角色：最初我是在Telegram使用小龙虾，后来为了方便，转到了飞书。为了让自己的体验更好，我将8个bot设定为了武林外传的8个角色，并且让它们学习对应角色的各自说话方式、性格，这算是在使用Openclaw过程中的额外情绪价值，不至于交互时太过生冷。

API 选择：其次，API的选择是个难题，因为贵，但幸好，每个bot可以用不同的模型。所以我的策略是：日常型秘书角色接minimax，比较便宜，能实现API 自由，尽量做简单的事，不让它干活，不然有的时候会很气人。中等角色用Kimi 2.5，不算贵，干轻活可以。重要任务用Claude Opus 4.6，然后用Sonnet 4.6作为次选，适合在 Opus 成本过高但任务又不简单的时候使用。（强烈建议用正规渠道的API，很多不明渠道的API会蒸馏你的信息）。

要注意国外顶级模型的API都是吞金兽，所以每次使用尽量让它物有所值。因为我一直订阅着Chatgpt和Notion AI会员，所以附赠的Codex额度以及Notion 内置的各大模型可以帮我分担很多重要任务。

为了更好的控制成本，我设置了一个心跳机制。在每天晚上，让主管佟湘玉bot自动检查这一天最消耗 token 的五个任务是什么。通过这种方式，下次再遇到这些五个任务时，我会考虑是否有必要更换其他Agent 来执行，或者是让龙虾给我出一个既能节省 Token 消耗、又不影响结果的策略方案。

解决报错问题

小龙虾报错是家常便饭，可能因为模型，可能因为网关，可能因为配置文件，所以，对于非专业的我们来说，需要了解一些好用的解决方案。

让它自己修复：当小龙虾出现某些报错时，如果它还能继续运行并与你对话，那么你直接把报错丢给它自己解决，比任何方式都有效。事实上只要是可以用命令行去做的事情，小龙虾都非常擅长。比如让它去清理 C 盘的垃圾文件，优化储存空间。同样，当你遇到什么卡点的时候，你还可以让它找有帮助的网站、工具、技能，让它学习以后再帮你解决。如果它说做不了，不要信它，你只需要告诉它，无论怎么样，我一定要看到结果！那么它会有办法的。

需要注意的是，它能自己“疗伤”，也能自己把自己搞崩，所以有必要的时候，可以了解一点基础的报错原因。

使用 Codex 解决：如果很不巧，龙虾把自己搞瘫痪了，推荐使用 Codex 来解决“龙虾”的问题。Codex 本质上也是一个 Agent，只要你给它权限，它同样能调用桌面或者修改OpenClaw 的文件文档。我的一般使用方法是，先让 Codex 学习Openclaw的官方文档，让它了解其运行机制。然后把错误丢给它。我尝试过很多次这种方式，最后都成功了。

还有一个小技巧，可以直接让Codex帮忙安装 openclaw（可惜我之前不知道），它十分钟就能搞定。chatgpt5.4出来以后，不知道是不是错觉，它比以前好用了很多。当“龙虾”的 token 太贵时，如果要做重任务，直接用 Codex 去做，比如做一个网站，做好以后让“龙虾”去负责心跳监控网站或者去优化、修复bug。

定期备份：如果你不想自己配置了很久的文件或者bot需要重做的话，一定要定期备份。

使用场景

我尝试过很多日常使用的小场景，比如利用心跳机制，每经过50轮对话，提醒我站起来活动和喝水，比如用4To1 Planning Hub这个技能链接我的notion，以始为终，引导我从几年后的目标出发，给今天规划任务，但后来大部分我都取消了，因为我发现有很多其它方式都能实现这个事，用小龙虾有点杀鸡用牛刀。

最常用的就是，我会把小龙虾当成第一个电脑第一个入口，比如我想看某个视频、找最新的电影、某个网站最新的文章，我会直接让它打开浏览器，找到并打开这个链接。如果感兴趣，我会直接让它整理知识点，放到已经链接notion集成的数据库里。在做每件事情前，我都会想一想，这件事openclaw能不能做，如果事情足够长期且重要，我就会为这件事调试skills。

工作：其实某种程度上，现阶段我的工作几乎都是和龙虾一起完成的，填写表单，调研市场，做SEO优化，做完以后让它出策略，然后给它权限，让它自己根据策略打开浏览器自己优化网站。因为公司并还没有大规模实行AI提效，所以我几乎比别的同事多了五六个小时的时间，这也让我有更多时间学习AI，然后回过头来优化流程，最终形成了一个良性循环。

做小工具和网站：对于某个需求，比如批量改图片尺寸、批量提取pdf数据，可以直接让小龙虾做一个在本地运行的脚本，比让它每次解决更快。再者，即便你是小白，也可以用Vibe coding做一个网站。因为小龙虾可以手机控制，所以，你只要躺在床上一直发语音，让它修改发截图过来就行了，但记得让它每次做都新建一个版本，不然它可能越做越差。

动态发布：除此之外，我设定了几个机器人专注做社媒自动化，并设置了对应的Skills，因为对龙虾来说，抓取热点、输出知识、生成图片、表单自动填写、甚至自动发布，它都很擅长

Twitter 和 YouTube非常适配龙虾，Twitter可以让bot自动发帖、自动回复评论，这个我还没有试过，因为Twwiter的API是付费的，但我换个方式实现，让小龙虾自己打开浏览器，实现表单自动填写，我只需要点发布就行了。但请注意，如果你想做国内平台，虽然技术上可以通过OpenClaw 实现自动帮用户发帖，也有对应的Skill直接实现了这一点，但平台并不鼓励这种行为，甚至对账号有风险。

有个小技巧，因为生成图片需要图片模型的API，如果没有，那就只能让它生成提示词，然后自己手动转换阵地，但如果图片是内容向的，我惯用的方式是，直接让它做个HTML格式的精美网页，比图片精美，而且文字更精准。

辅助创作：少数派有一个对AI内容的观点我很认同，大概意思如下：

我们并不会因为内容是AI生产的，而用其它衡量标准，内容唯一的标尺就是它是否真的具有价值，对用户真的有帮助。

这个观点我在谷歌的SEO官方介绍也看到过。

所以我很好奇，对于真正的创作，AI的边界在哪？注意，我仅仅是对这个维度进行测试，而没有用AI生产的内容去投稿任何一个平台，除了平台明文允许的情况，比如这篇投稿到#TeamSilicon25赛道的征文文章，AI创作全过程也在另一篇文章披露。

我还尝试过用 Opus 4.6 创作小说，方法是让它先学习热门的中文小说，然后再进行创作。

事情经过是这样的，有一次我大半夜失眠，随口一提让bot写个悬疑的开头，我看完竟然代入进去了，甚至有点害怕，于是就让它继续写。直到整篇文章写完，虽然结尾比较强行升华，但它真的完成了一个完整的、有钩子的、有人想看下去的小说。

再后来，我让它写其它题材的小说，它却写的不尽人意，最终我得出的结论是：Opus 4.6 这个模型投入的语料大部分是国外的，它能胜任悬疑这种类型，可能完全是因为国外在这个题材上，营造的悬疑氛围和我们是相通的。而其它题材，文化语境不相通，AI无法真实模拟主角的有趣心理，也没有梗这一说，所有的剧情AI都趋向于最理性的描写。

显然，目前让AI独立完成创作是不现实的，它只能无聊的时候，给你带来一些惊喜。再者，它的确熟悉大部分小说的剧情套路，所以写大纲还是不错的。

后面我放弃让它写大而全的小说，而是让它去学习《盗梦空间》的电影镜头，然后描写一段爆炸的巴黎街道场景，它写的很好。

技巧

KPI制度

当小龙虾做错事情的时候，我们一般会让bot重做，但这个错误对它来说，就相当于什么也没有发生过。

所以我给它的agent文档写入了KPI制度，它会根据上下文判断自己是否违规。

承诺兑现：说到必须做到，否则扣20分，当我说类似"我没有在桌面看到你输出的文件。"，它就会扣分，并承认自己承诺未兑现。
主动验证：操作前确认路径、操作后验证结果，每次加5分，当AI在agnets文档读到这个的时候，它自然就会去验证。
被动纠错：用户指出错误后才改正，扣10分，当我对它的答案说类似"你不能直接去这个网站查吗？"这种话的时候，它就会扣分。
最优路径：选择最直接方案、响应快速、步骤完整，每次加15分。
效率违规：次优方案、偷工减料、响应拖延、过度询问，每次扣10分。
快速纠错：当我发"？"、“人呢”或者"说脏话"的时候，扣20分，然后反思做错的地方，特别注意是否运行的时候有什么让响应时间变慢或者出现问题，如果有，修复它再解决我的问题，修复成功不扣分；

每个bot的基础分值是每天100分，23点重置，当KPI低于60分的时候，触发心跳机制，它会自主地回顾之前的错误，写优化策略，然后提交给我审核，审核通过，则写入规则。

本来我还加了一个响应超过一分钟扣分的规则，但我发现它很难持续一直监控自己的输出时间，并且很多时候它是直接报错，这个时间点很难界定，所以这个规则并不强制它执行。

这个设定原理之前，我们需要知道以下两点：

第一：bot的聪明程度是模型决定的，KPI并不能让龙虾因为害怕扣分而变得聪明。但因为它输出之前要核对KPI，所以它会知道是否犯了某个错而在输出前纠正，导致犯错的几率变低。再者，当kpi低于50的时候，它会启动心跳机制自己分析错误并写优化策略的机制，是一种强制优化的过程。

第二：如果KPI每轮对话都要检查，很耗token，在目前的阶段，尽量不要用在顶级模型上，不然几分钟的Token就够买一只真龙虾了。但以后token的焦虑肯定会慢慢被解决的，渐渐地，想象力不会再被限制。

周报复盘

KPI 是让Bot 在执行过程中反思，然后在自己跌到某一个 KPI 下限的时候会自发写优化策略，而让所有做一个开会和周报复盘的目的是：

让他们有一个整理和总结之前经验的契机，不然记忆就永远是记忆，不会出现策略和优化方案；
并且很多bot犯过的错，其他bot一样是容易踩的，那直接让主人格（主bot）把它们一起写入文档。

我设定的心跳机制是，每周让它查看自己本周的日志文档，反思自己有哪些值得改的地方，然后调整策略给我审核。然后审核过的策略，让主bot写入所有bot的规则里。

如何正确看待 Openclaw

openclaw固然算是一个里程碑，但它并没有那么“无所不能”。AGI 时代还有很长的路要走，本质上openclaw只是搭起了一个框架，供"大脑"和"手脚"使用，真正的底层驱动，还是在于模型。也就是说，这个框架聪不聪明，完全取决于模型的发展程度。搭框架不难，但本质上只有模型的进步，才是AI时代真正的迈步。

当我们想要从Openclaw上得到情绪价值的时候，的确，我们可以将openclaw设定为任何角色，比如面试官、数字宠物等等，可以亲手撰写它的人格，让它学习我们认为它应该有的技能，但我们应该清楚的是，无论我们如何修改文档调试它，它并不是真正意义上的驯化了bot的大脑，大模型本身没有变，我们只不过给它加了上下文而已。

本质上，openclaw让我们在计算机上工作的流程变了。

以前，我们在计算机上做一件事情的顺序是，确定目标，然后设定任务，开始动手，一步步执行得到结果。最耗时的就是动手干活这个步骤，但现在，AI改变了这种做事情的模式：

确定目标。
将目标描述成提示词提供给 AI，让它设计过程并执行过程，复杂任务需要调试工作流或者skill。
由 AI 负责交付结果，而我们只需要负责验证和审核这个结果。

也就是说，我们现在的工作重心已经简化到了“确定目标”、”设计AI工作流”和“验证审核”这几点上。

对我来说，openclaw让这种"AI体制化"更加明显了，因为拿起手机就能交互，随时在线，并且过程能全部被bot的工作区记录在电脑上，可复用性更强。

它也让我和AI的交互方式变了。

之前用大模型，因为是一对一，所以我还是保持着键盘输入，但用openclaw的时候，是一对八，就像老板对员工，所以，我几乎都是用Typeless语音转文字的方式（这款软件可以自动整理你的话，并且去掉语气词和纠正你说错的地方，第一个月是免费的）用习惯了之后，除了在公司怕尴尬或者在写文章这种需要逐字斟酌的时候，我几乎很少再打字。

Openclaw的确能帮我们自动化很多事情，我们只需要对着飞书说几句自然语言就行，但我们要清楚的是，它和模型一样，只是一个工具，只有一个真正知道业务需求的人，使用工具的时候能真正实现它的价值。

比如AI漫剧，从文字生图，图再切首尾帧生成视频，技术链路现在AI几乎都能跑通。但漫剧真正能火的核心，是那些满足观众情感需求的钩子和期待感——这才是"业务"。AI只解决了生产环节的问题，懂业务的人才能把它做成爆款，只懂技术，做出来的只是一个精致的空壳。

互联网上有数不胜数安装龙虾的教程和视频，但获得技术，不代表获得价值。目前技术是平权的，谁都可以学习和安装，剪辑、代码，这些有门槛的东西，AI会慢慢让大家站在同一起跑线上，但做的好的视频账号并非因为剪辑技术，而是想象力和内容。真正懂业务、能用它解决实际问题的人，依旧是少数。如果一个人集齐业务和AI技术两种要素，那么一人公司事实上并非噱头。

结语

当你有足够的目的和探索欲，你可以试一下这个最火的科技圈新宠。

因为当你尝试以后，你会发现，当很多人还停留在用大模型只做问答时，你说不定已经可以解放的双手去思考如何创造价值了。

但对于非相关从业者或者兴趣平平的朋友，我更倾向的是不用急着尝试，因为Openclaw只是Agent时期的一个"内测服”或者说“半成品”，现在很多用法上的麻烦，在不久以后，都会以"正式服"的姿态上线，那个时候会真正的大众化，一键配置这种简单化操作几乎是必然，但它也可能会以别的形态出现在大家的视野。

没人知道下个"Openclaw"是什么，因为这是一种从未存在过的东西。

但不必焦虑，工具始终会被迭代和更替，而我们对信息的判断能力，以及我们稀缺的注意力，才是在这个时代最珍贵的东西。