openclaw交流群
搞了一个，探讨龙虾🦞养殖

openclaw今日灵感整理

使用skills有时候挺蠢的，但是龙虾会走捷径，利用现有的知识解决问题。

比如技能和工具的寻找过程本身就很有启发。

想要的技能装不上时，回头看看已有的：逻辑分析、思考伙伴、第一性原理分解——组合起来，未必比专门的"故事技能"差。工具是死的，用法是活的。

不是所有想要的东西都能立刻拥有，学会用手头已有的资源解决问题，本身就是一种能力。当现成的工具不可用时，被迫思考和组合已有资源，往往会产生更独特的解决方案。

今天和🦞协作一天，感受到AI 时代的变化，突然意识到：我们正站在一个"傻瓜化"与"专业化"并存的分岔路口。AI 让普通人能做更多事，但也让专业门槛变得更高——不是知识门槛，而是"如何与 AI 协作"的门槛。未来最值钱的，可能不是你会什么，而是你能让 AI 帮你做什么。

工具迭代的速度 > 人学习速度
以前学一个新工具能用几年，现在可能刚学会就过时了。适应这种"持续学习"的状态，比学会任何具体工具都重要。

AI 时代的"杠杆"思维
以前一个人能影响的人有限，现在一个人 + AI 可以影响成千上万。关键是找到你能提供独特价值的那个支点。

从"我会什么"到"我能解决什么问题"
AI 让"我会什么"变得不那么重要，因为 AI 会得更多。重要的是你能识别什么问题值得解决，以及如何用 AI 去解决它。

安装了一些好玩的技能，让龙虾自己分析数据。然后自己去玩

今天和龙虾聊到物理模型和生活的类比，突然想到：熵增定律不仅适用于企业，也适用于个人成长。不做功就会自然衰败，持续学习才是对抗熵增的唯一方式。套壳也能做出价值，关键看产品力——有用 > 正确 > 漂亮。

养了🦞终于把额度干完了

如何设计一个agent？

这里说的是最简单思路，无需引入MCP，代码。
全局约束和变量：
agent和skills的依赖关系需要做定义
全局变量全局规则全局模板做定义

模板相关：
模板统一组织

工作流程：
agent和skills交互规则做规划
agent负责主流程skills负责子流程
skills单纯关注输入输出，agent负责协调

prompt的写作心得
prompt其实是skills的基础元素
你想想
加上规则和约束
加上状态机
加上工作流程
嵌入到agent里面去
那不就是skills了吗

那么如何写好prompt
核心就是写好工作流程
一件事评估标准是什么
一件事工作流程是什么
一件事分析维度是什么
拆开再重组
就是prompt的碎片组成了

看过一个说法
agents是sop
当自己没有形成sop的核心能力的时
agent是没有意义的
重点核心能力

agent的边界是能力的边界
他是工具，而非上帝