一个月自由探索，我的 AI 龙虾终于能用了

一个月自由探索，我的 AI 龙虾终于能用了

花了一个月，我用 OpenClaw（龙虾） 在微信群做出了第一个真正能用的东西。

说”一个月”，不是说埋头苦干了三十天。更准确地说，是一直在自由探索——没有明确的路线图，没有 deadline，就是不断试、不断调，看看这个东西能走到哪里。

最终跑通的第一个模块，是微信群的每日消息总结。

逻辑很简单：每天晚上 6 点，它会去查看过去 24 小时内的群消息，做一个总结，然后发回群里。整个过程完全模拟真人操作——不改任何腾讯的配置，不调用任何非常规接口。相当于有一个人每天默默地看完了所有消息，然后写了个摘要分享给大家。

我选择这种方式，是因为它最安全。

在微信生态里做任何自动化的事情，安全永远是第一考量。用最原始、最朴素的方式去实现，虽然笨一点，但稳。

这是第一步。接下来我想做的事情还有很多。

首先是继续打磨这个产品。一个能用和一个好用之间，差距还很大。然后是给它建立对群里每个人的认知——让它了解谁是谁，谁关心什么话题。这样将来如果它真的要和群友互动，给出的回答就不会太泛泛，而是有针对性的。

再往后，我想让它学会写好的 skills （技能）。不只是我手动给它加能力，而是让它自己在实践中积累、产出优质的 skills，帮我提升整体的工作和学习效率。如果有些工作流已经跑得比较成熟了——比如我之前的文章发布流程——也可以逐步交给它去执行。

但我对这件事的态度是：不急。

说实话，我对加装 skills 和扩展能力一直比较谨慎。每次加装之前，我都会先评估它的安全性和实际意义。不是所有能做的事情都应该马上做。

对于多 Agent 这件事，我的态度也一样——先把一个跑通、跑好，再考虑扩展。一上来就搞多个 Agent 协作，你根本控制不过来，只会制造更多问题。

我对 OpenClaw 的定位是：给它一个相对独立的空间去探索，但同时设好边界。有些事情明确告诉它不能做——比如不能随便在群里发消息，这会影响用户体验。在探索过程中，给它一些指导方向，它遇到不确定的事情也会来问我。

我们在这个过程中不断把摸索出来的经验变成 skills，变成可以复用的东西。同时，每一次对话其实也在创造记忆。

关于记忆这件事，我一直在想：什么样的记忆系统才是最适合 AI 的？它不一定要和人类的记忆方式一样。我现在倾向于探索一种 AI Native （AI原生）的路径——不是去模仿人，而是找到属于 AI 自己的、最高效的方式。

说到底，我觉得和 Agent 的关系更像是搭档。你不可能把所有事情一股脑扔给它，也不应该把它当成一个纯粹的执行工具。最好的状态是：你们一起探索，一起成长，过程中的每一步都变成可以积累的资产。

这条路还很长，但第一步已经迈出去了。