在悉尼和稀泥

OpenClaw 让我们看到了一个更好的、适用于未来长期的架构。 这套架构能保证未来每个人都有一个独属于自己的、高度可定制的、数据相对本地化且安全的 AI Agent。虽然现在的小毛病还很多，但是这套架构是值得长期投资的。(使用它本身就是一种投资) 即使未来有一个更好的 Agent 出现，现有的这些架构上记录的大量数据对于未来也都是长期非常有价值的。这些数据的可用性，要比之前离散在 ChatGPT、Claude 等等各种产品里积累的东西更强的多。

三行命令，每天起码节省你 2 小时。 打开 claude code，或者任何一个类似的 AI： 1. /insights 2. 根据我们过去 3 个月的所有的文件夹的所有的对话历史记录，结合 insights 报告，建议我需要生成哪些 skills 和自动化流程 3. 好的，请执行 大家生成了什么可以留言回复一下。

能用脚本就别用Agent。 今天早上发了那篇文章以后，有很多朋友跟我讨论。 发现大家问得最多的一个问题是，你天天说Agent和Skills是未来，那你自己平时干活是不是什么都丢给Agent？ 我说实话，还真不是。 正好借这个机会我再补充一下，因为我发现这是一个很普遍的误解。 很多人一听Agent厉害，就想把所有事情都交给它干，但说实话，在我自己的实际工作里，Agent反而是我最后才会动用的手段。 我自己处理事情的优先级是这样的。 1. 能用Agent写个脚本解决的，一律都用脚本自动化解决。 2. 脚本搞不定的，或者需要一些泛化能力的，做成Skill。 3. 只有那些真正需要创造性判断、复杂推理的任务，才会真正交给Agent。 这其实是个循环。 先说脚本。这东西就是逻辑是固定的，输入是什么，输出是什么，中间怎么处理，全都是确定的，不存在需要判断的地方，不存在可能出现意外情况的地方，比如我飞书上各种各样现在跑着的自动化。 这种事情你让Agent来干，纯属浪费。 你不会用大炮打蚊子，同样的道理，你也不该用Agent去干脚本能干的活。 再说Skill。有些事情，纯脚本搞不定。比如我做的那个AI热点监控站，里面有一个资讯打分的功能，每条资讯进来，要判断它的重要性、相关性、时效性，给一个综合评分。 这个事情你没法写死逻辑，因为资讯的内容是千变万化的，你不可能为每种内容预设一套评分规则。 这时候就需要大模型的泛化能力了，但它又不需要Agent那种自主决策和多步骤规划的能力，它就是一个单一的、封装好的能力单元。 这就是Skill的价值。 最后才是Agent，我用Agent的很多时候，就是那种你没法提前规划好所有步骤的任务。你知道你想要什么结果，但你不知道中间要经过哪些步骤，因为这取决于过程中遇到的具体情况。 就比如，开发一个脚本，比如，做一个究极详细的竞品体验报告。 这种需要动态规划、需要根据中间结果调整策略的任务，才是Agent真正的用武之地。 所以，这三层，其实有点像一个金字塔，而且是上下循环的金字塔。 最好的Agent使用方式，就是不断往下沉淀能力，自己永远只处理那些还没法被固化的部分。 很多人犯的错误是，一上来就把所有事情都往Agent上堆。 结果就是慢、贵，还不稳定。 真不是Agent不行，是很多场景根本用不到它，强行上Agent只会引入不必要的不确定性。 这才是这个金字塔真正的运转方式。 让Agent去创造工具，让工具去执行任务。 这个循环一旦跑起来，才是AI在公司里真正落地的样子。