兰 亭 墨 苑

标题 *

URL 别名 *

内容 * (支持 Markdown 格式) 鹅开始发力了， 先是QQ企微，再是深圳线下装虾，现在自己造虾了， WorkBuddy Claw 🔗 http://codebuddy.cn/work/ 先说结论， 里面内置了一堆大模型，支持接入企微，QQ，飞书和钉钉，鹅经典有钱打法上线就送5000 Credit，Claw也是自带在里面了，不需要安装。 🔗 http://codebuddy.cn/profile/usage 主打就是先省掉前期配置的所有条件，试试看龙虾能不能帮我完成某些任务。所以我这次把接入飞书的配置放在后面，先用了定时任务来获取clawhub前100的技能分类，然后用hesamsheikh/awesome-openclaw-usecases这个github 22.1k的OpenClaw使用案例的同款格式做出了五个最常用的使用案例！ 想法验证器，长视频学习，个人本地知识库 ，新技能安装自检和主动进化。 PS，需要安装到WorkBuddy里的Skills我直接打包压缩成提示语放在后面一锅炖，这次用到的提示语也打包成文档了，回复 鹅虾 就好啦 首先是每次安装新技能会触发的， 以后我每次说“安装某个 skill”，先不要安装。 如果没有地址，用find-skills在clawdhub上找， 接着用skill-vetter做审查并输出： 风险评分（0-100），触发的风险项，最小权限替代方案，是否建议安装（是/否） 只有当评分 <= 60 且我明确回复“确认安装”时才执行安装。 OpenClaw 教程我也更新了很多个，一直会有一个问题，就是有时候只有一些Skills名字找不到地址安装， 或者技能会因为版本的迭代导致它不安全， 所以我就做出了这样的一个提示语，让龙虾自己去Clawdhub和GitHub找更安全的替换版本。 也是因为我做了一个前100的Skills分析，很多Skill的功能是会重叠的，有一些Skill不需要配置API，更方便还不花钱。 每日消化Youtube的长视频更新这个case我也做成不需要API的版本了， 读取 channels.txt，每天 08:30 执行： 找到过去 24 小时新视频 提取字幕并总结每条视频 3-5 个要点 生成一份 Markdown 日报，包含标题、链接、摘要、建议是否值得完整观看 保存到 daily-youtube-digest/YYYY-MM-DD.md 现在 YouTube 对这些Skills限制得还挺严重的。 在不需要 API 的情况下，能够获取到视频的元数据，而且用Summary能够给我快速总结出一个能判断出来值不值得我观看的信息，还是一个自动定时任务，我个人是觉得蛮够用的。 然后就是个人知识库的龙虾版， 原理是使用markdown-converter把PDF，网页，文档统一转 Markdown，配合qmd构建一个本地索引，减少每次读取消耗的token，最后就是写入到obsidian做长期存储。 ob+openclaw的教程在这，换成WorkBuddy也好用。 🔗 Obsidian+OpenClaw组合技！花9分钟重构你的AI知识管理体系 帮我建立本地知识库流程： 本地目录【/Users/carl/Downloads/个人知识库初级版】 扫描 inbox_docs/ 里的新文件 转换为 Markdown 到 kb_docs/ qmd更新索引 回答问题时必须附带 Top3 来源路径和关键引用 如果信息不足必须明确说明 还有一个类型的cases我这段时间使用频率非常高的就是想法构建验证器， 这个原理也很简单，就是通过搜索，在你要构建一个项目的时候，这些信息来源查找这个项目是否已经有了。 比方说，我之前想研究一下怎么把Codex接到飞书里面。本来还想自己开发的，结果就找到了藏师傅的Claude-to-IM-skill，现在我一个飞书就接了WorkBuddy，openclaw，codex和claude code， 我给你一个产品想法后，请执行“构建前验证”： 检索同类产品，GitHub 项目，讨论帖 汇总差异点，定价，目标用户 评估拥挤度（高/中/低） 给出结论：继续做/改方向/停止 我的给Claude Code做一个GUI的新idea就被一秒否决了。。。 最后一个就是关于搭配 self-import agent 的自我升级迭代的进化版。 因为有的自我迭代它不会明确地进入到 markdown，在使用初期我会更希望能够加速给它录入调整这些路线。 PS，self-improving-agent里的部份规则 默认 Skill 更偏被动记录，你的提示语把它变成了主动复盘。这个提示语就是把self-improving-agent从被动记录变成了主动记录， 而且做了优先级的排序，这跟默认的把这些规则一条一条堆积起来相比，会更有挑战性，模型输出的每条规则都是要可以检查可以量化。 这能够在短时间内产生效果。比方说这个Skill我们可能要用两周或者三周才有成效，但是如果你搭配这个提示语使用使用后，一周的高频使用，就能把我们的龙虾养得把白白胖胖。 每天 20:30 复盘今天所有 OpenClaw 会话： 找出至少3个最关键错误模式 找出至少3个最有效动作 输出明天要执行的至少3条具体规则（可检查、可量化） 生成简短总结并写入复盘日志 WorkBuddy内置了两个Skills库，我还可以导入github地址来加载更多的Skills，上面的case里用到的skills有， 【skills安装】 find-skills skill-vetter 【youtube长视频】 openclaw-youtube-transcript youtube-watcher summarize 【个人知识库】 Obsidian Official CLI markdown-converter qmd 【想法验证器】 Multi Search Engine github 【自我迭代】 self-improving-agent session-logs 除了龙虾，WorkBuddy还把自己Agent能力划分成代码侧和日常侧， 用多了会有种错觉，我把Codex（日常任务），Claude Code（编程）和OpenClaw放在一个入口里用。 所以我就原汤化原食，让CodeBuddy教我连接上WorkBuddy和飞书， 飞书的配置已经很成熟了， 基本上跟着做都不会出错的， 硬要说跟OpenClaw有啥不同的话，就是在倒数第二步的时候，事件发送到的是开发者服务器，而不是长连接接收事件， 回调配置的时候也是选开发者服务器，然后选卡片回传交互。 现在QQ和企微的配置流程都比飞书要简单了不少，我能配的都配上主打一个哪里都能用龙虾。 最后的最后， 明猜一手越来越多厂商也都会上自己的龙虾， 跟现在一人一套大模型一样， 龙虾也会变成编程龙虾，PPT龙虾，DeepResearch龙虾等等， 理论上只要模型还放不下无限上下文， 安装不完十几万的Skills， Skills们就会组合成不同的经验工作流， 我们也会有各种各样的龙虾形态， 以前我们是安App，通过MCP打通Agent能力， 可能之后龙虾们碰碰爪子就能完成了。 @ 作者 / 卡尔

配图 (可多选)

标签