蒋云何

OpenClaw 从入门到精通指南- 第一章 OpenClaw是什么？

Mon, 23 Feb 2026 00:00:00 GMT

1.1 马拉喀什的咖啡馆：一切从这里开始

2025 年 11 月的某个下午，摩洛哥马拉喀什。

44 岁的 Peter Steinberger 正坐在一家露天咖啡馆里，享受着难得的假期。三年前，他以约 1 亿欧元的价格卖掉了自己苦心经营 13 年的公司 PSPDFKit——那个被 Dropbox、Evernote 等巨头使用、触达近 10 亿用户的 PDF 处理工具。

按理说，这应该是完美的人生：财务自由、功成身退、环游世界。

但现实远比想象残酷。在过去三年里，Peter 陷入了深深的虚无感。他尝试过昂贵的心理治疗，甚至飞到南美洲体验死藤水来寻找灵感。用他自己的话说，他的“Mojo”（创作魔力）消失了。那个曾经能独自开发出服务 10 亿用户产品的天才程序员，再也写不出像样的代码了。

2025 年，他决定重返编程世界。但这次回归并不顺利——他疯狂地启动 AI 项目，一个接一个。第 1 个失败了，第 10 个失败了，第 20 个、第 30 个……直到第 42 个，全部失败。

第 43 次尝试，他没有试图创造什么宏大的产品，只是想解决一个让他烦躁的问题：为什么没有一个 AI 助手能真正“做事”，而不只是“聊天”？

于是他做了一件听起来很荒谬的事：他用 AI 提示词，把这个助手“提示”出来了。这就是 Clawdbot(OpenClaw 的前身）最初的样子——一个用 AI 创造 AI 的元循环实验。

现在，让我们回到马拉喀什的那个下午。

Peter 的手机突然震动了——服务器监控发来紧急告警：他的一个项目挂了。

以往，这意味着他必须立刻回酒店，打开电脑，登录服务器，诊断问题，修复代码，重新部署——至少需要 1-2 小时的紧张工作，假期泡汤。

但这次，他只是拿出手机，对着 Telegram 发了一条语音消息：

“服务器好像挂了，帮我看看是什么问题，如果能修就修一下。”

然后他放下手机，继续喝咖啡。

15 分钟后，手机震动了。Clawdbot 回复：

“搞定了。是内存泄漏导致的进程崩溃，我已经重启了服务并优化了配置文件。日志显示现在一切正常。你可以继续喝咖啡了。”

Peter 愣住了。他打开日志，发现 Clawdbot 不仅识别了语音，还自主完成了 SSH 登录、日志分析、代码修复、Git 提交和服务重启的全部流程。

这不是一个工具在等待指令，而是一个队友在主动解决问题。

那个瞬间，他意识到：这不再是一个聊天机器人，而是一个可以交付信任的 AI 队友。

▲ 马拉喀什的那个下午，一切都改变了

1.2 42 次失败后的第 43 次尝试

让我们把时间倒回到“马拉喀什时刻”之前。

2021 年 10 月，Peter 卖掉公司后，本以为可以享受人生。但很快他发现，没有了创造的目标，财务自由反而变成了一种诅咒。每次打开代码编辑器，他都感觉自己在面对一片空白。

2025 年，他决定重新开始。但这次回归充满挫折：

第 1-10 个项目：各种 AI 应用尝试，全部半途而废

第 11-30 个项目：试图找到“下一个大事件”，没有一个能坚持超过一周

第 31-42 个项目：越来越绝望，甚至开始怀疑自己是不是真的老了

每一次失败都在消耗他仅存的信心。在那些深夜，他一定无数次问自己：是不是那个时代已经过去了？

第 43 次尝试发生在 2025 年 11 月。这一次，他改变了策略：

不再试图创造“下一个独角兽”，而是解决自己的真实痛点——为什么所有 AI 助手都只会聊天，不会真正帮我干活？

ChatGPT 能写代码，但我得自己复制粘贴到编辑器

Claude 能分析问题，但我得自己去执行解决方案

GitHub Copilot 能补全代码，但它不知道我的服务器在哪

他想要的是：一个能接收任务、自主规划、调用工具、完成工作的 AI 队友。

于是他开始用 AI 来构建 AI。通过精心设计的提示词和工具集成，Clawdbot 诞生了。

最初的版本非常简陋，但它能做一件关键的事：它可以执行 Shell 命令。

这意味着它不再局限于“生成文本”，而是可以：

读取和修改文件

运行脚本和程序

调用 API 和服务

监控系统状态

这就是“马拉喀什时刻”的技术基础。

1.3 “我不读我写的代码”:6600 次提交的疯狂

马拉喀什回来后，Peter 像着了魔一样投入开发。

2026 年 1 月，他一个人完成了超过 6,600 次代码提交（Commits）。这个数字让整个 GitHub 社区震惊——正常情况下，一个 5-10 人的团队一个月也就几百次提交。

他的秘诀被称为 "Vibe Coding"（氛围编程）:

他大量使用 AI Agent 来编写底层代码，自己只负责把控整体架构和“感觉”。

他在接受 The Pragmatic Engineer 采访时公开宣称：

“我发布的代码中，有一半我连看都没看过。”

这种做法在传统程序员看来简直是异端：

❌ 没有详细的技术文档

❌ 没有冗长的代码审查会议

❌ 没有严格的测试覆盖率要求

✅ 只有不断的提示词迭代、自动化测试和快速发布

有人质疑：“不读代码怎么保证质量？”

Peter 的回答很简单：

“传统方式下，我一个月能写 1000 行代码。现在我一个月能发布 10 万行代码，即使有 10% 的问题，我也能在第二天修复。速度就是质量。"

这种“零开销工程”让 OpenClaw 的迭代速度达到了前所未有的水平。

更疯狂的是，为了测试 OpenClaw 的极限，他做了一件让安全专家们惊呆的事：

他将自己带有私人记忆、敏感权限和完整系统访问权限的 OpenClaw 实例，连接到了一个公开的 Discord 服务器。

这意味着数千名陌生人可以直接与他的“私人 AI 大脑”对话，甚至可能诱导它执行危险操作。

但 Peter 坚持了 72 小时。在这 72 小时里，OpenClaw 面对了各种刁钻的问题、恶意的诱导、复杂的多轮对话，但它始终保持了稳定和安全。

这次实验虽然充满争议，但也证明了 OpenClaw 在真实、混乱环境中的自主决策能力。

病毒式爆发

就在项目开始爆发式增长的时候，Anthropic 的律师函到了——Clawdbot 这个名字太像 Claude，涉嫌商标侵权。

2026 年 1 月 27 日凌晨 5 点，Peter 在 Discord 频道里召集社区成员进行头脑风暴，最终诞生了 Moltbot（蜕壳机器人）。但仅仅 3 天后，他又改主意了：“Moltbot 这个名字读起来像嘴里含了块石头。”

于是，OpenClaw 成为最终的名字。

改名后的 OpenClaw 像火箭一样起飞：

1 月底：2,000 GitHub stars

2 月初：突破 100,000 stars

2 月中旬：单周 200 万访问者，180,000+ stars

2026 年 2 月 14 日，Peter 宣布加入 OpenAI，领导“下一代个人代理”的开发。OpenClaw 转为开源基金会维护，确保项目永远自由和独立。

1.4 三分钟体验：OpenClaw 到底是什么

听了这么多故事，你可能还是有点困惑：OpenClaw 到底是什么？

让我们用最简单的方式来理解：

传统 AI 助手的工作方式

你得到的是内容，但你仍然需要自己去执行。

OpenClaw 的工作方式

你得到的是结果，整个工作流都被自动执行了。

▲ 左：传统 AI 需要你手动执行每一步 | 右：OpenClaw 自动完成整个工作流

一个更直观的例子

想象你是一个独立开发者，正在度假。突然你的网站挂了。

没有 OpenClaw:

收到监控告警 → 心情瞬间变糟

找到笔记本电脑 → 连接 WiFi

SSH 登录服务器 → 查看日志

诊断问题 → Google 搜索解决方案

修复代码 → 重启服务

验证修复 → 继续担心会不会再挂

总耗时： 1-2 小时，假期心情全毁

有 OpenClaw:

收到 Telegram 消息：“服务器挂了，我正在处理”

5 分钟后：“已修复，是内存泄漏导致的，我优化了配置并重启了服务”

你继续喝咖啡

总耗时： 0 分钟（你的时间）

它能做什么？

OpenClaw 不是一个单一功能的工具，而是一个可编程的 AI 队友。它可以：

✅ 持续运行 - 作为后台服务 24/7 在线，不是打开网页才能用

✅ 主动工作 - 定时执行任务，监控状态，不需要你一直发指令

✅ 调用工具 - 执行 Shell 命令、调用 API、读写文件、控制系统

✅ 长期记忆 - 记住你的偏好、历史对话、工作习惯

✅ 多平台接入 - 通过 Telegram、Discord、Slack 等随时交互

✅ 完全本地化 - 数据存在你的设备上，不是某个公司的服务器

✅ 无限扩展 - 通过 Skills 系统添加新能力

▲ OpenClaw 的能力生态：一个中心，连接一切

1.5 OpenClaw vs Manus：开源与闭源的较量

很多人第一次听说 OpenClaw 时会问：“这和 Manus 有什么区别？”

这是个好问题。Manus 和 OpenClaw 都是 AI Agent，但它们代表了两种完全不同的哲学。

让我们用一张对比表来说明：

维度	Manus	OpenClaw
开源性	闭源商业产品	完全开源（Apache 2.0）
运行位置	云端服务	本地运行，数据在你的设备上
定价模式	订阅制，按月付费	免费，只需支付 AI 模型费用
数据隐私	数据存储在 Manus 服务器	完全本地化，你拥有所有数据
扩展性	官方提供的功能	通过 Skills 无限扩展
自主性	预设的工作流	完全可配置的自主决策
社区	官方支持	活跃的开源社区，快速迭代
定制化	有限的配置选项	完全可定制，可修改源代码

核心差异：闭源商业 vs 开源自由

Manus 是商业产品 - 开箱即用，体验流畅，但你需要信任一家公司来处理你的数据，并按月付费。

OpenClaw 是开源项目 - 需要一些配置，但你拥有完全的控制权、隐私保护和定制自由。

▲ 工具只在你使用时有效，队友则始终与你并肩作战

真实用户的评价

推特上充满了用户的惊叹：

“在多年的 AI 炒作之后，我以为没什么能让我惊讶了。然后我安装了 @openclaw。从紧张地问‘嗨，你能做什么？’到全速运转——设计、代码审查、税务、项目管理、内容管道……AI 作为队友，而不是工具。"

“刚刚通过 Telegram 告诉我的 @openclaw Ema 关掉电脑（以及她自己，因为她在电脑上运行）。执行得完美无缺。这工具太酷了。”

现在，轮到你了

读到这里，你可能有两种反应：

反应 1: “听起来很酷，但感觉很复杂，我不确定自己能不能搞定。”

别担心。 下一章我们会用 10 分钟让 OpenClaw 跑起来，你会发现它比你想象的简单得多。

反应 2: “这听起来有点危险，让 AI 自主执行命令，万一出问题怎么办？”

这是个好问题。 OpenClaw 有完整的权限控制机制，你可以精确控制它能做什么、不能做什么。我们会在第 16 章详细讨论安全问题，但现在你只需要知道：你始终拥有完全的控制权。

关键要点

在进入下一章之前，记住这几点：

OpenClaw 不是聊天机器人 - 它是一个自主 AI 代理，可以执行完整工作流

它是你的队友，不是工具 - 持续运行、主动工作、长期记忆

完全开源和本地化 - 数据在你的设备上，代码完全透明

从简单开始 - 你不需要一开始就理解所有技术细节，先让它跑起来

你始终掌控 - 通过权限配置，你可以精确控制它的自主程度

下一章预告

在第 2 章，我们会用 10 分钟让 OpenClaw 跑起来，并完成你的第一个任务。不需要复杂的配置，不需要深厚的技术背景，只需要跟着步骤走。

准备好了吗？让我们开始吧。

思考练习

在继续之前，花 1 分钟想想：

你日常工作中最耗时的 3 个重复性任务是什么？

如果有一个永远在线的助手，你最想让它帮你做什么？

你对 AI 自主执行任务有什么顾虑？

把答案记下来，在学习过程中，我们会逐步解答这些问题。

为什么窄域 AI Agent 团队是未来的工作方式

工具推荐2:网易开源 LobsterAI - 小白友好，不会命令行也能用的OpenClaw（附上接入飞书教程）

Sun, 01 Mar 2026 00:00:00 GMT

type

Post

status

Published

date

Mar 1, 2026

slug

losterai

summary

你是不是也羡慕 OpenClaw 的能力，但又卡在了繁碎配置、命令行操作这些门槛上？现在好了，网易有道推出了一款“开箱即用”的桌面级 AI Agent——LobsterAI（中文名：有道龙虾）。不需要懂代码，双击就能安装，手机和电脑都能远程指挥它干活。关键是，完全开源免费。

它到底能干啥？

简单说，LobsterAI 就是你在电脑里的“数字分身”,7×24 小时待命，帮你处理各种重复性工作。

场景一：早上自动整理邮件

每天早上，它会自动打开你的邮箱，把重要邮件分类整理，生成一份摘要发到你手机上。遇到需要回复的，它会标记出来；遇到垃圾邮件，直接帮你过滤掉。

场景二：数据分析一键完成

你扔给它一个 Excel 文件，说“帮我分析一下销售数据”，它会自动清洗数据、生成图表、提炼关键洞察，最后输出一份完整的分析报告。不需要你动手写一行公式。

场景三：远程指挥电脑干活

你在外面逛街，突然想到有个报告要做。掏出手机给钉钉/飞书发一条消息：“帮我做一份本周工作总结 PPT”，家里的 LobsterAI 就会立即启动，自动搜集资料、整理内容、生成 PPT。等你回到家，文件已经准备好了。

场景四：定时任务自动化

设定每天晚上 10 点自动备份工作文件，每周一早上自动抓取行业新闻生成简报，每月初自动生成财务报表……设定一次，永久自动执行。

为什么它比 OpenClaw 更适合普通人？

对比项	OpenClaw	LobsterAI
安装方式	命令行配置	双击安装包，图形化界面
使用门槛	需要一定的技术基础	完全零门槛，人人可用
远程控制	需要额外配置	原生支持钉钉、飞书远程
数据安全	云端运行	本地优先，100% 本地执行
国内适配	需要折腾网络	深度适配国内生态

说白了，OpenClaw 是给程序员用的，LobsterAI 是给所有人用的。

三个让人心动的核心亮点

1. 真正的“本地优先”

所有数据都在你的电脑上运行，绝不会上传到云端。处理敏感文件、公司数据时不用担心泄露风险。而且它是 MIT 开源协议，你可以审计每一行代码，真正做到“你的数据你做主”。

2. 它会记住你的偏好

第一次告诉它“我不关心区块链新闻”，之后它推送的内容里就几乎不会出现这类信息。这种跨会话的长记忆能力，让它越用越懂你，越来越贴心。

3. 自带安全沙箱

执行任务时，可以选择在沙箱环境（QEMU + Alpine Linux）中运行。就算某个任务出了问题，也不会影响你的主系统。安全性直接拉满。

实际使用体验

我实测了几个场景，分享下真实感受：

邮件处理：我让它整理 50 封未读邮件，3 分钟后收到了一份分类清晰的总结。系统通知、工作邮件、推广信息分门别类，还智能提取了每封邮件的核心要点。

数据分析：扔给它一个 5000 行的销售数据表，要求“找出增长最快的产品线并分析原因”。它不仅给出了答案，还自动生成了可视化图表，并附上了数据清洗和统计的详细过程。

内容生成：让它“基于这些行业新闻，写一份 1000 字的周报”，输出质量完全可用，只需要稍微修改就能提交。关键是它会在写之前先去网上抓取最新的行业动态，确保内容不过时。

适合哪些人？

职场白领：每天被邮件、报表、PPT 淹没，想从重复劳动中解放出来

内容创作者：需要定期搜集资料、整理信息、生成内容

自由职业者：一个人干多个人的活，需要自动化工具提效

技术人员：想研究 AI Agent 的底层实现，学习 Electron + React + TypeScript 架构

如何开始使用？

目前 LobsterAI 支持 macOS 和 Windows，安装非常简单：

访问官网下载安装包：https://lobsterai.youdao.com/

双击安装，按照引导完成配置

连接你的钉钉或飞书（可选，用于远程控制）

开始下达你的第一个指令

项目已经完全开源，GitHub 地址：https://github.com/netease-youdao/lobsterai

截至发稿，上线 5 天已经获得 1800+ Star，社区活跃度很高。

飞书集成配置教程

如果你想通过手机远程指挥 LobsterAI，可以配置飞书集成。以下是详细步骤：

准备工作

在开始之前，请确保你已经：

✅ 已注册飞书账号

✅ 已登录飞书开放平台

配置步骤

步骤 1：进入飞书开放平台

访问飞书开放平台：https://open.feishu.cn

登录后进入开发者后台：

步骤 2：创建企业自建应用

点击 创建企业自建应用 按钮：

填写应用基本信息：

应用名称：LobsterAI

应用描述：智能 AI 对话助手

应用图标：上传龙虾 logo（推荐尺寸：240×240px，支持 PNG、JPG 格式）

创建成功后：

步骤 3：添加机器人能力

在应用详情页，点击 添加应用能力：

选择 机器人 能力：

配置机器人信息：

机器人名称：LobsterAI

机器人头像：龙虾 logo

机器人描述：智能 AI 对话助手

步骤 4：配置权限管理

进入 权限管理 页面：

使用权限搜索功能：

勾选以下 3 个必需权限：

✅ im: message - 获取与发送单聊、群聊消息

✅ im: resource - 获取与上传图片、文件资源

✅ contact: user.base: readonly - 获取用户基本信息

点击 批量开通 按钮，确认权限已开通：

步骤 5：发布应用版本

进入 版本管理与发布 页面：

创建应用版本并发布：

填写版本说明

提交审核并发布

发布成功后，你的机器人就可以在飞书中搜索到了！

步骤 6：获取凭证信息

在应用管理页面，找到 凭证与基础信息 部分：

复制以下信息：

App ID

App Secret

步骤 7：配置事件与回调

进入 事件与回调 页面：

消息接收方式 选择：长连接（推荐）

点击 保存配置

这里虽然订阅方式上默认是长连接，但是仍然需要点击编辑之后再点击保存，以让其成功和飞书端进行建立长连接。另外，这里长连接如果没成功建立，移动端的机器人就没有对话输入框。同时，要添加如下图所示的“接受消息”事件。

重要提示：初次保存时可能会显示“应用未建立长连接”：
解决方法：
先在 LobsterAI 中配置飞书 App ID 和 App Secret
启动 LobsterAI 客户端，等待连接建立
再回到飞书开发者后台保存配置
可能需要多尝试几次

步骤 8：在 LobsterAI 中配置

打开 LobsterAI 客户端的 IM 配置界面：

在飞书配置区域填入：

App ID：刚才复制的 App ID

App Secret：刚才复制的 App Secret

保存配置并重启 LobsterAI 客户端。

步骤 9：测试机器人

桌面端测试：

在飞书桌面客户端搜索框中搜索“LobsterAI”：

在搜索结果中选择应用标签，找到机器人并发送消息测试：

移动端测试：

打开飞书手机 APP

点击顶部搜索框

搜索机器人名称

在应用分类中找到机器人

点击进入并发送消息测试

飞书配置要点

✅ 必须选择长连接模式

长连接模式需要 LobsterAI 客户端保持运行状态

✅ 确保应用已发布

应用版本必须发布后才能在飞书中使用

✅ 权限必须开通

3 个必需权限缺一不可

最后说两句

AI Agent 的浪潮真的来了。从 OpenClaw 的爆火，到 LobsterAI 的开源，我们能清晰看到两个趋势：

从“能聊天”到“能办事”: AI 不再只是对话工具，而是真正能动手干活的助手

从“极客专属”到“人人可用”：技术门槛越来越低，普通用户也能享受 AI 带来的效率提升

如果你之前被 OpenClaw 的门槛劝退，那 LobsterAI 绝对值得一试。双击安装，开箱即用，这可能是 2026 年最值得尝试的效率工具。

项目信息：

官网： https://lobsterai.youdao.com/

GitHub: https://github.com/netease-youdao/lobsterai

发布时间： 2026 年 2 月 11 日

开源时间： 2026 年 2 月 19 日

支持平台： macOS、Windows

相关阅读：

网易开源 LobsterAI 官方公告

LobsterAI 实测体验

为什么专业化AI代理更优秀：OpenClaw超级团队构建指南

Sun, 01 Mar 2026 00:00:00 GMT

Riley Brown最近发布了OpenClaw超级团队构建指南，讲他对于构建AI Agent团队的思考，讲究小的Agent，也就是数量7-10左右的skills构建的AI Agent，从而打造一个团队，而非数十个放在一个的全能AI Agent。以下为梳理后的文章：

原文链接：YouTubeWhy Specialized Agents are Superior (How I Built an OpenClaw Superteam)

Why Specialized Agents are Superior (How I Built an OpenClaw Superteam)

Why Narrow AI Agents Will Win (and How I’m Building 15 Agents to Run Growth) After two weeks building and testing hundreds of AI agent workflows with Open Claw, Manus, Claude Code, and Perplexity Computer, the speaker concludes that companies will rely on teams of narrow, goal-driven agents rather than one general “command center” agent. Perplexity Computer and Manus spin up a cloud computer per task, but the speaker prefers Open Claw: a single agent on a computer with structured, extensible skills, strong memory, and messaging access via tools like Telegram, Slack, and Discord. Adding too many skills reduced reliability, so the proposed sweet spot is 7–10 skills per agent. Examples include a focused YouTube content agent optimizing for subs, views, and conversions, plus a journal agent that logs activity to Notion to inform other agents like a newsletter agent optimizing open rate and click-through. Narrow agents are easier to duplicate, share, evaluate, and automate via predictable loops. 00:00 Intro 00:48 Perplexity Computer and Manus 02:43 OpenClaw 03:52 Too many Skills to my first AI Agent 06:09 People want an employee 07:35 Testing Narrow AI Agents 08:33 Narrow Agent Example (YouTube Agent) 11:32 A Team of Narrow Agents... Why? 16:27 In Summary

🚀 核心洞察：专业AI代理才是未来

在过去两周里，我构建了数百个不同的AI代理工作流，主要使用OpenClaw，同时也尝试了Manus、Claude Code，甚至是刚刚发布的Perplexity Computer。通过这个过程，我得到了一个重要的认知：公司将会拥有非常专业的AI代理团队来协同工作。

我目前的计划是构建15个高质量的AI代理，来运营我们Vibe Co Dev公司的整个增长部门。在这篇文章中，我将详细解释为什么我相信狭义代理是未来的趋势，以及为什么我会选择OpenClaw来完成这个项目。

⚖️ 传统AI代理工具的局限性

Perplexity Computer：云端沙盒模式

过去两周，我们测试了四个主要的AI代理工具：OpenClaw、Manus、Claude Code和Perplexity Computer。

Perplexity Computer的工作方式很有趣。你可以在搜索和计算机模式之间切换。当你要求它创建一个应用时，它会获得一个沙盒环境——本质上就是一台运行在云端的计算机，可以实际创建文件。创建的内容会显示在侧边面板中，就像是"ChatGPT+计算机"的组合。

Manus：任务导向的命令中心

Manus比Perplexity Computer早很多，工作原理类似。它是第一个发布的通用代理工具，每个任务都能访问一台计算机。你输入一个任务，它就启动一个计算机。如果你运行五个任务，每个都配有自己的小型计算机。

这可以被视为一个代理命令中心——你需要主动去命令中心请求它做事情。但这实际上不是我们想要的。

✨ OpenClaw：专一且高效的代理平台

为什么Mac Mini卖断货了？

我认为最有用的AI代理类型应该像OpenClaw这样。OpenClaw是运行在一台计算机上的AI代理。现在Mac Mini和Mac Studio都卖断货了，因为太多人在这些设备上运行OpenClaw。

OpenClaw的三大核心优势

OpenClaw的创新在于：

优秀的记忆系统：给AI代理配备了良好的记忆能力

结构化技能：提供了易于添加的结构化技能系统

通讯网关：可以通过Telegram、WhatsApp、Discord、Slack等多平台与代理交流

这就是OpenClaw走红的原因——它让AI代理拥有一台计算机，然后使其在你已经用于与他人交流的所有工具中都可以访问。

技能过多会降低可靠性

我创建的第一个OpenClaw代理拥有许多技能：

使用Super Data API的社交媒体转录分析器（可以将YouTube、Twitter、Instagram、TikTok链接转换为文本）

Notion控制权限

Google Workspace全套控制（日历、邮件、文档、表格等）

Linear项目管理访问权

Figma设计控制

媒体生成和视频编辑功能

但我逐渐发现：随着技能数量的增加，AI代理的可靠性反而下降了。它不能在正确的时间使用正确的技能，上下文变得混乱，个性也变得杂乱无章。

🎯 狭义代理团队：7-10个技能是最佳配置

这就是我得出的结论：我们需要创建一个AI代理团队，每个代理拥有7到10个技能，而不是构建拥有30个技能的全能代理。

这是最佳配置区间。超过这个数量，AI代理的表现就会下降。这也是我不选择Manus的主要原因之一——虽然它有潜力，但它的技能是添加到命令中心的，一切都是被动的，需要你主动去请求。

优秀员工需要明确的目标

人们想要的是一个真正能完成工作的"员工"。一个优秀的员工会：

完成分配的任务

做出令人惊喜的举动

提供有用的建议

要做到这三点，你需要给AI代理明确的目标和意图。

前OpenAI临时CEO Emmett Shear在推特上说："提示词已经过时了，我们现在给模型的是意图。"我会说：我们正在给拥有计算机的AI代理赋予意图。

意图的定义就是目的。当代理太通用、技能太多、过于被动时，很难给它们明确的目的。这就是我不喜欢Perplexity Computer和Manus的原因。

📝 案例分析：YouTube内容代理的设计

聚焦型代理的四大要素

经过两周的测试，我意识到AI代理的未来方向是：具有特定个性、特定任务和特定节奏的聚焦型代理。

当你拥有一个专注于狭窄领域的AI代理团队时，一切表现都会更好。这让你可以将技能和集成专注于实现特定目标。

YouTube代理实战

我目前最喜欢的代理是内容机器人，专门用于创建YouTube视频。这个聚焦型代理只专注于YouTube视频制作，在其文件中有三个明确的目标：

订阅数增长

观看量增长

转化率提升

虽然我在YouTube上做的不是所有事都为这三个目标优化，但每当我要求它创建脚本时，它知道我想要增加订阅、观看和转化。

狭窄目标带来的优势

明确的目标让技能选择变得简单：如果某个技能与代理的目标无关，就不应该添加。

这个YouTube代理的核心技能包括：

技能1：YouTube研究

SERP API集成（搜索YouTube）

Super Data API（抓取转录文本）

技能2：缩略图生成器

每天早上抓取竞争对手的缩略图

生成带有我的面孔的创意修改版

需要Banana API访问权限

需要我的照片作为相关上下文

技能3：Notion控制

管理所有YouTube视频脚本

需要Notion集成权限

你可以看到这是一条直接的路径：YouTube代理负责优化订阅数、观看量和转化率。当我问它需要什么技能时，它确切地知道我们要去哪里。

最佳员工的特质

如果你花时间招聘过人，你会知道最让人头疼的是那些技能模糊、没有具体目标、善于说话但不善于推动特定目标的人。

最好的员工是那些明确表示"我擅长特定领域，能帮助公司实现这些目标"的人。这个YouTube代理就是这样一个代理。

🔄 狭义代理的五大优势

1. 易于复制和改编

当我们找到一个超级有用的代理时，很容易复制它。将YouTube代理改造成TikTok代理或Substack代理相对简单。当你创建这些小型代理时，复制变得更容易。

相比之下，如果你尝试创建一个拥有50个技能的庞大代理，很难只提取出你想要复制的部分。

2. 便于团队共享

今天我构建了一个日志代理（Journal Agent）。这个代理存在于Telegram中，更加主动：

每30分钟联系我一次（如果没有需要做的事就不联系）

分析我做的一切：每次会议、每个视频、所有事情

如果需要更多上下文，会向我询问

每天写多个日志条目，记录所有有用的重要信息

日志代理的作用

这个日志代理的目的是为所有其他代理提供信息。它可以访问Notion，所有其他代理也都能访问Notion，并且都知道日志代理创建的日志。

例如，我的电子邮件通讯代理每天会读取日志代理的日志，为我们30万订阅者的邮件列表生成想法。当日志中有产品更新时，通讯代理会起草一封邮件。

这个通讯代理有非常具体的目标：

优化电子邮件通讯的转化率

最大化点击率和打开率

它不需要被日志代理的目标所困扰，只需要访问日志代理创建的日志。

因为我创建了一个非常狭窄的日志代理，我可以轻松地与联合创始人Ange分享整个OpenClaw代理，他只用5分钟就完成了复制。

3. 更容易理解

OpenClaw代理运行在计算机上，可以访问文件。每次使用OpenClaw，本质上都在编辑文件。所有这些技能只是存储在OpenClaw文件夹中的Markdown文件。

如果你的专注数据代理只有几个技能和少量集成，当你分享给其他人时会更容易理解。

4. 可评估性强

这一点很直观。如果你有一组狭窄的目标（例如通讯的打开率、订阅数、点击率），当你有非常狭窄的目标时，就很容易评估。

你可以查看那个代理，明确地说"是的，你做得好"或"不，你做得不好"。你确切地知道哪里需要改进。这是通过/失败的判断。

当你的AI代理是通过/失败模式时，更容易淘汰它们。你在未来几年创建的许多AI代理不会有价值。它们越狭窄，就越容易判断是保留还是淘汰。

5. 易于建立自主循环

最后两个原因是：你可以创建更简单的循环，使它们更加自主。

我有多个非常简单的狭窄代理循环——它们每天只执行三项任务。它知道要优化什么，可以一遍又一遍地进行这些简单的循环，因为任务是通过Cron作业触发的，在一天中的特定时间执行。

代理越狭窄，就越容易进入可预测的循环，你可以让它自动运行。如果你有一个超级庞大的代理，这会更难实现。

🏗️ 我的AI代理团队蓝图

我的目标很明确：创建具有非常具体目标的狭义AI代理，让它们作为团队运作。

这可能是我的团队构成：

YouTube代理

TikTok代理

日志代理

电子邮件通讯代理

（其他将根据工作流需求添加）

很难准确说明我会添加哪些代理。随着我完成更多工作流，我会注意到哪里需要创建新代理。

☁️ 未来展望：云端协作与记忆共享

云端运行的优势

我认为Perplexity和Manus做对的一件事是：它们实际上在云端使用计算机。每个任务都会启动一台云端计算机。

但我不认为这会是最终范式。我认为未来将是OpenClaw在云端计算机上运行。

需要解决的三大问题

作为公司，我们需要解决的问题是：

1. 如何高效地在云端运行这些代理？\ 两年后，如果每个人有20个代理，那就是200个AI代理。我们如何高效地在云端运行所有这些AI代理？

2. 如何与团队其他成员共享这些代理？\ 这是我们真正需要解决的问题。

3. 如何让这些代理相互通信或至少共享记忆？\ 在未来的视频中，我会讨论如何做到这一点——如何让你的AI代理实际共享记忆。虽然所有文件都包含在该代理中，但实际上有方法可以将有用的信息传达给其他AI代理，就像你在团队中工作一样。

工程团队需要向营销团队传达如何实际营销产品。我们实际上可以让AI代理做到这一点。

🎯 结论

我相信在云端运行的狭义代理将会获胜。这就是人们会发现最有用的东西，也是我在未来几个月将要讨论的内容——用它们来运营我们的公司。

这是AI代理的未来：不是一个无所不能的超级代理，而是一个由专业化、目标明确的狭义代理组成的高效团队。每个代理都像一个优秀的员工，清楚自己的职责，专注于自己的目标，同时通过共享记忆与团队协作。

原文链接：YouTubeWhy Specialized Agents are Superior (How I Built an OpenClaw Superteam)

Why Specialized Agents are Superior (How I Built an OpenClaw Superteam)

工具推荐1: Agent-Reach给你的 AI Agent 一键装上互联网能力,获取全网9+平台数据，包括推特、B站、小红书、抖音等

Sat, 28 Feb 2026 00:00:00 GMT

你遇到过这些问题吗？

想让 AI 帮你分析 Twitter 上某个话题的讨论，结果它说“我无法访问实时网络内容”。想让它帮你找 B 站上某个 UP 主的视频合集，它又说“请把链接内容复制给我”。想让它去小红书看看某个产品的真实评价，它还是那句话：“我看不到”。

每次都得自己手动复制粘贴，AI 就像个瞎子，明明互联网上有海量信息，它就是看不到。更难受的是，如果想用 API 解决这个问题，各平台的 API 不是贵得离谱，就是根本不对个人开放。

这就是 Agent-Reach 要解决的问题。

Agent-Reach 是什么？

简单说，它就是给 AI Agent 装上“眼睛”的工具。装上之后，你的 AI 可以直接去：

刷 Twitter 看讨论

逛 B 站找视频

翻小红书看评价

搜 GitHub 找代码

看抖音视频

……

支持 9+ 个平台，关键是完全免费，不用花一分钱买 API。项目地址：https://github.com/Panniantong/Agent-Reach

为什么值得试试？

配置简单到离谱

以前想让 AI 访问这些平台，你得：

研究每个平台的 API 文档

申请开发者账号

搞各种 token 和密钥

写一堆配置文件

调试到怀疑人生

现在？一条命令搞定。Agent-Reach 把所有脏活累活都做完了，你只管用。

兼容性好

Claude Code、Cursor、Windsurf 这些主流 AI 编程助手都能用。只要你的工具能跑 shell 命令，基本就能接入。

出问题能快速定位

自带 agent-reach doctor 诊断命令，哪个平台挂了一目了然，不用瞎猜。

实际能干什么？

举个例子：我让他抓取推特的AI新闻，并设置了一个定时任务，每天九点自动推送。完全无需API。

项目地址

GitHub:https://github.com/Panniantong/Agent-Reach

如果你也在用 AI Agent，也被“无法访问网络”这个问题困扰过，可以试试这个工具。完全开源免费，作者把配置的坑都踩完了，我们直接用就行。