我观察过十几个AI付费社群

大部分的模式是：群主发教程 → 群友说「收到谢谢」→ 然后安静三天 → 群主再发一篇

这不叫社群，这叫订阅号

之前出了openclaw基础篇，很多人私信问我：你什么时候开社群？

我一直没开，不是不想，是没想好一个问题——如果只是把教程扔进微信群，那和我发推特有什么区别？

想了很久，想明白了三件事

第一，教程解决的是「知道」，社群要解决的是「用起来」

中级篇13个主题，三层记忆模型、搜索决策树、计划文件模式，框架都在那了，但你自己的场景不一样

你是做交易的、做自媒体的、做独立开发的——同一套框架落到不同场景，配法完全不同

教程没法穷举所有场景，但一群正在用的人可以互相交叉验证

你把你的配置方案发出来，三个人帮你看，比你自己试一周都快

这件事只有社群能做到

第二，信息差是真的值钱

我自用的claude使用方案，帮你低成本拿到最顶级的AI使用权——这个信息差一个月能省几百块

这个目前还在洽谈中，但是目测大概率可以有

1v1咨询社群成员500元/小时，外部价1500，不只聊AI，自媒体、商业模式、变现路径都能聊

做了4年PM，连续创业五年，我的认知和解决方案，掌握的资源才是我真正值钱的东西

每月一次深度分享，也不只聊AI——我观察到的生意机会、自媒体打法、趋势判断，这些不会写在公开推文里

第三，你的内容在这里有杠杆

你在群里分享的实战案例，优质的会被收录进教程，署名展示

你发的好内容我会在推特quote助推，1w+粉丝的曝光直接给你

这不是我单向输出，是你也有收益

所以我建了第一个社群：超进化个体

你能拿到什么：

【内容】

→ 中级篇+高级篇完整教程，13个主题，飞书文档持续更新
→ 龙虾总结文档，复制给你的agent直接获得整套框架
→ 每月一次深度分享——AI、生意、自媒体、商业机会

【互动】

→ 每1-2天晚上集中答疑
→ 群友共建，你的实战案例收录进教程，署名展示
→ 好内容我quote助推，1w粉曝光直接给你

【资源】

→ 低成本claude使用方案推荐
→ 500元/小时1v1咨询（外部1500）
→ 高级篇优先内测 + 老用户专属折扣
首发价 149，限50人

满了阶梯涨价，200人封顶不再开放
我担心人多了服务不好，这个群我想做小做精
未来真正跑出来的超级个体就那么几个，我赌这个群里会出

大家直接加我就行

openclaw总算是出现了当年ai工具的盛况，各种skill，各家的claw应运而生

但是普通人想用起来越来越难了，为什么？

不是技术不行，是决策成本太高了

你打开搜索引擎想部署OpenClaw，会看到：

官方英文文档说用npm全局安装

中文社区推荐用openclaw-cn汉化版

腾讯云/阿里云有一键镜像部署

还有EasyClaw、Claw大龙虾等可视化工具

光是"用哪个版本部署"这个决策，就要翻十几篇对比文章

然后你想给Agent装个技能，又得在GitHub、Discord、各种中文论坛里到处找SOUL.md模板

这就是典型的"生态成熟但入口分散"的产品困境

Claw123.com 做的事情很简单，但很关键——它把OpenClaw生态的决策树整理成了一张清晰的产品地图

打开网站你会看到：

部署指南区

官方源码版、中文社区版、云服务商镜像、可视化工具，每种方案的适用场景、技术门槛、成本对比一目了然

不用再纠结"我该用哪个"，直接根据自己的情况（有没有服务器、会不会敲命令、预算多少）找到最优解

技能市场聚合

把GitHub上scattered的5000+个SOUL.md技能模板、awesome-openclaw-agents项目、各种Discord频道里的Skills全都索引到一起

想要什么功能直接搜，不用在十几个repo之间跳转

工具对比表

EasyClaw的可视化配置、Manager Agent的多智能体协作、飞书钉钉插件的企业集成，每个工具的核心优势和使用场景都标注清楚

帮你在"功能需求"和"工具选型"之间建立最短路径

社区入口整合

官方Discord、中文QQ群、实战案例库、常见问题FAQ，新手不用再问"遇到问题去哪问"

从产品经理的视角看，Claw123解决的其实是"信息架构"问题

OpenClaw生态里的资源本身都很优质，但它们散落在不同的平台、用不同的语言、面向不同的用户群体

新手需要的不是"更多的教程"，而是一个"我现在在哪里、我要去哪里、有哪些路径可以选"的导航系统

这就是为什么当年hao123能火——它不生产内容，但它降低了普通人接触互联网的认知门槛

Claw123做的是同样的事

如果你准备入坑OpenClaw，我的建议是：

完全新手：先去Claw123看部署指南，选"云服务商镜像"或"EasyClaw"这类一键方案，别上来就啃官方文档

有点基础：用中文社区版openclaw-cn，然后在Claw123的技能市场找需要的Skills装上，比自己Google效率高10倍

深度玩家：官方源码+自定义开发，但遇到生态工具选型问题还是回到Claw123对比，省时间

OpenClaw的技术很酷，但让更多人能用起来，才是生态真正成熟的标志

Claw123这个导航站，降的就是这道门槛

有人问我：你这个群到底能给什么

今天把超进化个体的交付逻辑全拆一遍

先说一句大实话——大部分付费社群翻车都翻在同一个地方：承诺了交付不了

所以我反过来设计：先想清楚我能持续交付什么，再开口

一、知识库——从零到一的完整AI学习路径

飞书文档交付，持续更新，不是丢几个PDF就完了

三层结构，不管你什么基础都能找到自己该从哪开始：

第一层：零基础环境搭建

海外VPN怎么选、支付怎么开通、ChatGPT/Claude/Gemini各家怎么选——全部手把手教程

第二层：AI编程入门

你不需要会写代码，你只需要会描述需求

Cursor/Claude Code怎么选、怎么上手，用AI帮你写代码的完整入门教程

外加一份靠谱工具推荐清单，我实测过的才放进去

第三层：OpenClaw/Claude Code全套教学

基础篇→中级篇13个主题→高级篇5个方向

Skill怎么写、Hook怎么配、MCP怎么接、自主任务怎么跑、Token怎么省

每篇教程都附带龙虾总结文档——直接复制给你自己的agent，它就获得了这篇教程的全部经验

教程尽量保证每周更新一篇，增量迭代，不是写完就不管了

二、答疑——每两天一次集中回复

晚上20:00-20:30，我在群里集中文字答疑

你提前把问题丢群里就行，建议格式：你想做什么+试了什么+卡在哪

平时有问题也可以随时发，我看到会回

典型问题会整理进飞书FAQ文档，后面的人不用重复踩坑

三、每月一次深度分享

主题群内投票选——我出3-4个备选，你也可以提名（3人以上附议就进投票）

不只聊AI——生意机会、自媒体打法、趋势判断、商业洞察，这些是我做了十年PM真正值钱的东西

分享完会整理成飞书文档沉淀，错过了也能看

四、群友共建

你的实战案例做得好，我会收录进飞书教程，署名展示

收录后我在推特直接quote你的帖子，1w粉的曝光给你

不是我一个人输出，是一群人互相贡献经验

五、资源

自用Claude使用站推荐——帮你低成本拿到最顶级的AI使用权

500元/小时1v1咨询（社群成员专属，外部1500）——AI方向、自媒体、商业模式都能聊，每月限5个名额

你的好内容我会优先在推特quote助推

以上就是你进群能拿到的全部东西

不画饼，不搞虚的，每一条都是我正在做并且能持续做的

现在249，已经涨过一次了

200人封顶不再开放

大家有意向可以直接加我

过去一年我最大的感受是：年轻人的差距不是三五年后拉开的，是在理解杠杆这件事上就分出了高下

大部分人对"努力"的理解还停留在传统时代

送外卖送到凌晨、写代码肝到秃头、做自媒体日更不断——这些确实辛苦，但本质都是拿时间换钱

这种模式有个致命bug：你的收入上限=你的清醒时长×单位时间价格

一天就24小时，再努力也就是个线性增长，跑不出指数曲线

PM视角看商业模式：三种杠杆的本质区别

我做产品这些年，发现所有赚钱方式都能归结为三种杠杆

杠杆一：时间换钱（杠杆率=1）

上班、接私活、跑外卖，干一小时给一小时的钱

没有复利，过去的劳动不为今天创造价值

这不是"不努力"的问题，是模式天花板太低

杠杆二：系统换钱（杠杆率=10-10000）

写一次代码/拍一次视频/做一份课程，可以卖无数次

AI和自媒体就是这个时代成本最低的系统杠杆——2026年独立开发者用AI工具单人实现月入1万到5万美金的案例已经不稀奇了

关键是：做的时候很累，但做完之后它自己跑

杠杆三：用别人的时间/钱换钱（杠杆率=100-∞）

组建团队、做投资、搭平台

但这需要你先跑通流程、建立判断标准、承担结果

25岁以下的人大概率还没这个能力，别着急

给年轻人的实操建议：从杠杆一跳到杠杆二

如果你现在还在做"时间换钱"的事，不是让你立刻辞职

而是把每天20%的时间切出来，投入到"系统换钱"的试错里

举个例子：

你现在一天工作10小时，全是执行层的重复劳动

那就改成：8小时完成本职，2小时做这些——

把工作中的解决方案录成视频发X/小红书（内容杠杆）

用AI把重复任务自动化，然后把方案包装成付费教程（代码杠杆）

找三个同行交换资源，组个小圈子互相导流（网络杠杆）

工作时间没变，但你启动了第二增长曲线

2026年AI工具已经把门槛压到地板价了：ChatGPT Plus每月20美元，ElevenLabs语音克隆每月几十块，Cursor写代码几乎是傻瓜式操作

问题不是"能不能"，是"做不做"

关于试错：PM思维 vs 完美主义陷阱

很多人不敢试错，是因为把"试错"理解成了"失败"

产品经理的逻辑不是这样的

我们做MVP（最小可行产品）的核心是：用最低成本验证假设

别花三个月做个完美方案，先用三天搞个能跑的Demo

想做自媒体就别纠结设备，手机拍，先发10条看数据

想做AI应用就别想着融资，套个开源框架先上线收费

想搞副业就别憋大招，微信群里先卖一单再说

慢就是错，纠结本身就是最大的成本

最后说个反共识的观点

大家都说"年轻人要乐观"，但我觉得这话有毒

真正有用的不是"乐观"，是对世界运行规律的清醒认知

这个世界没有贵人，只有价值交换

你被看见，不是因为你努力，是因为你有被利用的价值

这听起来很功利，但这就是商业世界的底层协议

与其等别人拉你一把，不如先让自己成为别人需要的那个人

具体怎么做

输入端：卸载短视频App，信息源换成X、播客、英文技术社区

输出端：每周至少发一次你的思考/作品，让陌生人能搜到你

交换端：主动给三个你欣赏的人提供价值（不是舔，是真实的帮助）

这套流程跑通了，"贵人"自然会出现

因为你已经是别人眼里的"贵人"了

年轻人没背景、没资源都不是问题

真正的分水岭在于：你是继续用"努力"麻痹自己，还是用"杠杆"重构游戏规则

前者三年后还在抱怨，后者三年后已经在另一个维度了

OpenClaw 高级篇：把 Agent 变成你的数字员工（小白慎入）

中级篇解决了三个问题：记不住、找不到、断不了
但你可能发现——agent 变聪明了，你还是得一步步告诉它做什么
就像你培训了一个实习生，记忆力好、搜索快、不掉线。但每件事还是要你下指令，你说一步他走一步
高级篇要解决的就是这个问题：让实习生变成正式员工
正式员工需要什么？
岗前培训（Skill）——让它懂你的业务
工作 SOP（Hook）——让它自动按规矩办事
系统权限（MCP）——让它能用公司的工具
独立负责项目（自主任务）——让它自己干活
由于确实比较复杂，所以我们每个方向讲透核心概念 + 一个杀手案例
一、Skill——给员工做岗前培训
你每天告诉 agent 日报格式：先写完成的工作、再写重要决策、最后写明天计划
说了五十遍，换个 session 又忘了
不是 agent 不聪明，是你教的东西全存在对话里——session 断了就没了
本质问题：对话里教的东西是临时的
Skill 是什么？
一句话：Skill = 给 agent 的培训手册，装进去就永久生效
它的本质是一个 SKILL.md 文件，放在 skills/ 目录下。agent 启动时扫描这个目录，识别触发词，匹配到就把 SKILL.md 的内容注入到 context 里
和 AGENTS.md 有什么区别？
AGENTS.md 是通用工作规范——怎么写文件、怎么搜索、犯了错怎么记录。每次 session 都加载，不管你干什么
Skill 是特定业务流程和知识——你的日报格式长什么样、你的代码规范是什么、你的搜索工具怎么用。只在需要的时候加载，按触发词匹配
AGENTS.md 管的是工作态度，Skill 管的是业务知识
或者说——Skill 管「知道什么」
杀手案例：一个日报 Skill
没有 Skill 的时候，每次写日报你要说一大段：
帮我写今天的日报，格式是这样的：先列今天完成的主要任务，然后是重要决策，
再是遇到的问题和解决方案，最后是明天的计划
去读今天的 memory 文件提取内容
五十个字的指令，每天说一遍
有了 Skill 之后，创建一个文件 ~/.openclaw/skills/daily-report/SKILL.md
---
name: daily-report
description: >
Generate daily work reports by reading memory files and summarizing activities.
Triggers: "daily report", "日报", "今天做了什么", "工作总结".
---

# Daily Report Skill

When triggered:
1. Read today's memory file (memory/YYYY-MM-DD.md)
2. Extract key activities, decisions, and issues
3. Format as:
- 完成的工作
- 重要决策
- 遇到的问题
- 明天计划
从此你只需要说三个字：写日报
agent 匹配到触发词，自动加载 SKILL.md，知道该读什么文件、用什么格式、怎么输出
五十个字变三个字。而且不管换多少次 session，格式永远一致
Skill 不是单独存在的，它和 Hook、MCP 组成了一套完整的 agent 增强体系
先做个预览，后面每个方向会详细展开：
Skill 管知道什么，Hook 管自动做什么，MCP 管能做什么
记住这句话，后面反复会用
完整的 Skill 开发教程——从目录结构到触发机制到踩坑记录——在高级的完整篇中
二、Hook——给员工定 SOP
每次开新 session 你都要说一遍：先看一下今天的计划和日记
说了一百遍，终于想明白一件事——
这件事不应该由我来记
我是老板，不是提词器。我不应该每次开会前提醒秘书翻开笔记本——这件事应该是自动的
Hook 是什么？Hook = agent 的反射弧
什么是反射弧？膝跳反射。锤子敲膝盖，腿自动弹，信号走脊髓，不经过大脑
Hook 就是这个东西——特定事件发生时，代码直接跑，不经过 agent 思考，不需要 LLM 决策
这和 Skill 是两个层面：
Skill 是给 agent 一本操作手册——它可能看可能不看，看了也可能理解偏了
Hook 是装了一个传感器加执行器——事件一来，代码直接跑，100% 确定执行
关键区别：Hook 跑的是 TypeScript 代码，不是 LLM 决策
一个是建议，一个是铁律。你给员工说「每天早上先看邮件」，他可能忘。你给他定个 SOP 配上闹钟提醒，他想忘都忘不了
Hook 的结构也很简单：
my-hook/
├── HOOK.md # 声明监听什么事件
└── handler.ts # 事件触发时跑什么代码
HOOK.md 告诉系统「我叫什么名字、监听哪些事件」
handler.ts 告诉系统「事件来了具体干什么」
依旧案例：一个 Hook 让 agent 自动读今天的计划
每次开新 session，你想让 agent 自动读取今天的日记文件——不用你说
创建 hooks/session-loader/HOOK.md：
---
name: session-loader
description: "新 session 自动加载今天的工作日志"
metadata:
openclaw:
events: ["command:new"]
requires:
bins: ["node"]
---
创建 hooks/session-loader/handler.ts：
import { readFileSync, existsSync } from "fs";
import { join } from "path";

const handler = async (event) => {
if (event.type !== "command" || event.action !== "new") {
return;
}

const memoryDir = join(process.cwd(), "memory");
const today = new Date().toISOString().split("T")[0];
const diaryPath = join(memoryDir, `${today}.md`);

if (existsSync(diaryPath)) {
const content = readFileSync(diaryPath, "utf-8");
event.messages.push(`今天的工作日志已加载：
${content}`);
} else {
event.messages.push("今天还没有工作日志，开始新的一天");
}
};

export default handler;
效果：你打开一个新 session，agent 已经知道今天要做什么了
不用你说「先看一下今天的计划」——这句话从此从你的工作流里消失了
你不需要会 TypeScript。把需求描述清楚——「在什么时机做什么事」——让你的 agent 帮你写 handler.ts 就行
核心能力不是写代码，是定义清楚 trigger + action。这是 PM 天天在做的事
进阶场景
Hook 能做的远不止加载日记：
监听 compact 事件：context 被压缩前自动保存任务状态，压缩后自动恢复——中级篇的计划文件模式，用 Hook 变成全自动
监听 write 操作：拦截危险的文件覆盖——345KB 事故不会再发生
配合 Heartbeat：每次心跳自动检查有没有未完成的任务
从「你提醒 agent」变成「agent 自己知道」——这就是 反射弧 的力量
几种实用 Hook 配置模板 + 完整踩坑记录在在高级完整篇中
三、MCP——给员工开系统权限
你想让 agent 帮你查数据库里的数据，它说：我没有这个能力
你想让它帮你操作文件系统里的特定目录。它说：我做不到
agent 默认只会两件事：思考和对话。其他什么都不能做
你得给它接外设
MCP 是什么？MCP = Model Context Protocol
一句话：AI 世界的 USB 接口
不管什么外部服务——数据库、搜索引擎、文件系统、浏览器——只要支持 MCP 协议，就能接到你的 agent 上
你不需要为每个服务写专用的对接代码。就像 USB 统一了外设接口——不管你是打印机还是摄像头，同一种插头
学会了 USB，以后不管插什么设备都不用重新学。MCP 也一样
架构很简单：
Agent → mcporter（桥梁）→ MCP Server → 外部服务
mcporter 是中间件，负责 agent 和 MCP Server 之间的通信。OpenClaw 内置了 mcporter 的 skill，agent 知道怎么调用它
配置文件在 config/mcporter.json——每个项目可以接不同的外部服务
杀手案例：一条配置让 agent 读写文件系统
最简单的 MCP Server 是文件系统——不需要任何 API key，纯本地跑
在 config/mcporter.json 里写一段配置：
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp/mcp-test"]
}
}
}
三行就够了。意思是：启动一个文件系统 MCP Server，只允许它访问 /tmp/mcp-test 目录
最后那个路径是安全边界——限制 Server 只能读写这个目录下的文件。和给 app 设权限一个道理
配好之后验证一下：
mcporter list
# 看到 filesystem Server 和它暴露的工具就说明成功了

mcporter call filesystem read_file path=/tmp/mcp-test/test.txt
# 读取测试文件
在 agent 对话中你可以直接说「帮我用 MCP 读取 /tmp/mcp-test 下的文件」——agent 会自动走 mcporter 调用
没接 MCP 的 agent 只会聊天
接了 MCP 的 agent 能用工具干活
这就是「开系统权限」的意思
生态
MCP 不只是能接文件系统。官方和社区已经有大量现成的 Server：
文件系统（本地文件读写）
PostgreSQL / SQLite（数据库查询）
Brave Search（搜索引擎）
Puppeteer（浏览器自动化）
Memory（持久化记忆）
一个 USB 接口，无限外设。配一个新 Server 只需要在 mcporter.json 里加几行配置——流程和上面的文件系统一模一样
不要为了用 MCP 而用 MCP。简单的文件读写 agent 自带工具就行，MCP 适合的是需要接外部 API、需要标准化多个外部服务调用方式的场景
MCP 安装配置完整教程 + 常见报错解决方案在深度篇
四、自主任务——给员工独立负责项目
你说：帮我做一个社区趋势调研，Agent 说：好的，第一步是什么？
它在等你指挥
你说第一步搜索 GitHub，它搜了。然后等你说第二步
你说第二步搜索 Reddit，它搜了。然后又等你
你想要的不是这样。你想给它一个目标，它自己拆解步骤、自己执行、自己判断完没完成
你说一步它走一步——这是实习生
你给目标它自己干——这才是正式员工
核心概念：从指令驱动到目标驱动
这是中级篇到高级篇最大的认知升级
指令驱动：你给步骤，agent 执行。中级篇教的计划文件模式就是这个——你手动创建计划、列出步骤、agent 按步骤走
目标驱动：你给目标，agent 自己拆解为子任务、自己规划执行顺序、自己判断有没有完成
实现这个需要三个基础设施，中级篇其实都教过了：
计划文件——agent 自己创建和更新，而不是你替它写
Heartbeat——每 30 分钟推醒 agent，让它检查有没有事要做
AGENTS.md 规则——告诉 agent 遇到目标型任务怎么拆解、怎么执行、怎么评估
杀手案例：给一个目标，agent 自己拆了 6 个步骤执行
实际案例：我给 agent 一个目标——完成高级篇 6 个方向的素材采集
我只说了一句话：按照素材采集 prompt 里的 6 个方向，逐个完成调研和实战
agent 做了什么：
自己读取了目标文档，理解 6 个方向的具体要求
自己创建了计划文件 temp/advanced-material-plan.md
把 6 个方向拆成 6 个阶段，每个阶段有明确的产出物
从第一个方向开始执行——搜索文档、实战测试、记录踩坑
每完成一个阶段，自动更新计划文件的进度
Heartbeat 定期检查，确保 agent 没有忘了自己在做什么
中间 context 被压缩了两次，跨了三个 session
但每次新 session 开始，agent 读取计划文件，接着上次的进度继续。没丢任何进度
最终产出了 5 份素材文件，加起来超过 160KB
中级篇教的计划文件 + Heartbeat = 基础设施，高级篇的自主任务 = 在基础设施上搭建自主性
中级篇：你创建计划文件，agent 按计划执行，高级篇：agent 自己创建计划文件，自己按计划执行
养出来的能力，现在用起来了
不是所有任务都适合目标驱动——简单的事情直接给指令更快。但当任务复杂到你自己都不确定该分几步的时候，让 agent 试试
完整的自主任务配置 + 踩坑记录在高级完整篇中
四件装备，一句话回顾：
Skill 让它懂业务
Hook 让它按规矩
MCP 让它用工具
自主任务让它独立干活
从中级到高级，不是学了四个新概念——而是把中级篇养出来的能力用起来了
中级篇的搜索策略 → 高级篇的工具选择（MCP 加入决策树）
中级篇的计划文件 → 高级篇的自主任务（agent 自己创建和更新计划）
中级篇的 Heartbeat → 高级篇的自动化（Hook 让所有手动操作变成自动的）
基础篇教你装上能用，中级篇教你养好好用，高级篇教你落地真正干活
每个方向的完整教程——手把手配置、完整代码、踩坑记录——都在社群飞书文档里
但说实话，教程只是社群的一部分
说说现在群里在发生什么
超进化个体——现在群里在发生什么
从3.16号晚上，正式创办社群，到现在社群已经大几十人了
我当时最怕的事没有发生——群没有变成「教程分发群」
高手们在里面互相交叉验证配置方案，各种出海信息差
有高手群友刚进群就搞了一个markdown转其他格式的skill-agent reader skill
小白的进步也是我没想到的
高级篇你也看到了，Hook要写TypeScript，MCP要配JSON——很多人卡在这一步
所以我在社群里迅速补了一套AI编程教程，从零开始教你怎么用AI帮你写需求
海外支付怎么开通、怎么一行代码不写就能变成高手——这些很多人私信问的问题，我在社群里写了完整的手把手教程，扫完就能照着做
不需要你会编程，你只需要会描述需求
有个群友之前连终端都没打开过，现在已经用AI写出了自己的第一个skill，学会用cursor调试自己的openclaw了
群友的反馈我就不多说了，放了截图，大家自己看
你能拿到什么：
【内容】
→ 基础篇+中级篇+高级篇完整教程，飞书文档持续更新
→ AI编程入门教程——不会代码也能自己维护自己的openclaw
→ 海外支付开通指南 + 低成本claude使用方案
→ 龙虾总结文档，复制给你的agent直接获得整套框架
→ 每月深度分享——AI、生意、自媒体、商业机会
【互动】
→ 群内集中答疑，高手和小白都在
→ 群友共建，你的实战案例收录进教程，署名展示
→ 好内容我quote助推，1w粉曝光直接给你
【资源】
→ 500元/小时1v1咨询（外部1500），AI、自媒体、商业都能聊
→ 高级篇+深度篇优先更新
现在249元，已经涨过一次价了
200人封顶不再开放，我不想人多了服务不好
最后请大家相信一个产品经理的职业素养，没有一个产品经理会不认真对待自己产品的付费用户，感谢大家的支持！

会用AI工具的人正在淘汰不会用的人

但会搭AI体系的人，会淘汰只会用工具的人

这是两层淘汰，大部分人只看到了第一层

第一层不用多说了，ChatGPT出来两年多，还不用AI的人已经在很多领域掉队了

但第二层才是接下来真正拉开差距的地方

什么叫「用工具」？

每次有需求，打开对话框，手动描述任务，等结果，不满意就重新说一遍。

下次遇到类似需求，再来一遍。agent不记得你上次说过什么，你也不记得上次它踩过什么坑

什么叫「搭体系」？

你的agent知道你的代码风格、知道你的项目架构、知道团队踩过的所有坑。

你给它一个任务，它自己知道该用什么工具、该注意什么、该把结果存在哪。你不在的时候它也能干活，第二天接着昨天的进度继续

区别在哪？

用工具 = 你是操作员，每次手动指挥
搭体系 = 你是管理者，agent按规矩自己干

做了五年PM，我越来越觉得这和管团队是一回事

你不会每天教员工怎么开电脑。你会写SOP，让他自己看。

遇到问题先查手册，手册没有的再问你。新人入职，老员工带一遍流程就能上手

agent也是一样的逻辑：

记忆体系 = 培训体系

你教过它的东西要沉淀下来，新session也能用，新agent也能继承

搜索决策树 = 操作手册

遇到什么场景用什么工具，不用每次试错，翻手册就行

SHARED.md = 团队文化

一个人踩过的坑写进去，所有人自动知道。共识不靠口口相传，靠文档同步

超级个体不是一个人干所有事

是一个人管一群agent干所有事

未来真正的竞争力不是你会用什么AI工具

是你能不能像管团队一样管你的agent——建培训体系、写操作手册、沉淀团队文化

技术会过时，但管理能力不会

我建的社群叫超进化个体，教的不只是AI工具怎么用

记忆体系怎么搭、搜索决策树怎么建、SHARED.md怎么写——这些是体系层面的东西，光看教程你知道有这个概念，但配出来跑通是另一回事

每月一次的深度分享也不只聊AI。生意怎么找、自媒体怎么起、商业机会怎么判断——做了十年PM，这些是我真正值钱的东西

你来不是学一个工具，是学怎么做超级个体

你的agent突然变傻了

它做任务做到一半突然问你：你让我做什么来着？你以为是模型的问题，换了个prompt重来。又做到一半，又忘了

不是模型的问题。不是prompt的问题

OpenClaw有一个几乎没人告诉你的隐藏机制——它会偷偷压缩你们的对话

对，你没看错

当你和agent的对话超过context窗口上限时，OpenClaw会自动压缩旧对话，压缩之前的聊天记录和工具调用结果来释放token

它不会通知你。你看不到它删了什么。你只会感觉agent突然不记得之前聊过的东西了

这就是为什么你的agent会「变傻」——不是它能力下降了，是它的记忆被系统悄悄清除了

知道这个机制的人和不知道的人，用OpenClaw的体验完全是两个世界

不知道的人：agent越用越傻，每天重复教同样的事，任务做到一半就断，复杂任务根本跑不完

知道的人：agent能跨夜跑20步任务不丢进度，跨session记住你所有的偏好和项目细节，越用越聪明

区别不是模型好坏，是你有没有针对这个机制建一套应对体系

应对体系三件事：

第一件：计划文件保持任务连续
→ 复杂任务的目标、步骤、进度全写在文件里，context被压缩了文件不受影响，新session读完文件接着干

第二件：三层记忆保持知识连续
→ 你教给agent的东西不能只存在对话里。原始笔记存信息层、每日提炼存知识层、核心方法论存长期记忆——对话删了，文件还在

第三件：Heartbeat保持整理连续
→ 每6小时自动触发记忆整理，把散落在日志里的重要信息提炼到对应文件。不用你手动整理，系统自己干

这三件事配合起来，你的agent就不怕记忆压缩了。context随便压缩，因为所有重要的东西早就存在文件里了

记忆压缩不是bug，但90%的人把它当bug在骂。知道了这个机制，你需要的不是一个技巧，是一整套应对体系

计划文件怎么建、三层记忆怎么配、Heartbeat怎么设置、三件事怎么联动——完整方案在中级篇里

我建了第一个社群：超进化个体
你能拿到什么：
【内容】 → 中级篇+高级篇完整教程，13个主题，飞书文档持续更新
→ 龙虾总结文档，复制给你的agent直接获得整套框架
→ 每月一次深度分享——AI、生意、自媒体、商业机会 【互动】
→ 每1-2天晚上集中答疑
→ 群友共建，你的实战案例收录进教程，署名展示
→ 好内容我quote助推，1w粉曝光直接给你
【资源】
→ 低成本claude使用方案推荐
→ 500元/小时1v1咨询（外部1500）
→ 高级篇优先内测 + 老用户专属折扣
首发价 149，限50人

满了阶梯涨价，200人封顶不再开放

我担心人多了服务不好，这个群我想做小做精

未来真正跑出来的超级个体就那么几个，我赌这个群里会出，大家有意向可以直接加我

拿到OpenClaw之后你做的第一件事是什么？

让它帮你写代码？搜资料？写文案？

错了。这些全不是第一步

你花了钱买了最强的AI工具，结果第一天就让它干最不值钱的事——因为它根本不了解你，不了解你的项目，不了解你的偏好。它只能给你通用答案

第一步应该是让它学习

你想想，一个新员工入职，你会第一天就让他做项目吗？不会。你会让他先了解公司、熟悉业务、看文档

agent也一样

它不知道你的项目架构、不知道你的代码风格偏好、不知道你之前踩过什么坑。你不教它，它就只能用通用的方式帮你干活——能用，但不好用

问题来了：怎么让agent学习？

你让它读一下午文档，它全记住了。进度、要点、下一步该学什么，聊得头头是道

第二天再打开，全忘了

不是它不想记，是OpenClaw的对话窗口有上限。聊太多它会自动压缩旧内容，你教它的东西就被压没了

学习不是一次性的事，是一个连续的链条：了解框架→跑通demo→记录要点→提炼方法→写入长期记忆

这个链条一旦中间断了，就得从头来

我的解法很简单：给学习任务建一个计划文件

文件里就写几样东西——学习目标、步骤列表、当前进度、学到了什么

每学完一步就更新文件。对话被压缩了也不怕，因为进度存在文件里，不在对话里

新session打开，agent读完计划文件，接着上次的进度继续学

学完的内容按三层记忆模型存下来：
→ 原始笔记存信息层，只追加不删
→ 每天提炼一次存知识层
→ 核心方法论写入长期记忆，每次session都加载
这套跑通之后你的agent会变成什么样？
你的代码风格它知道，你的项目架构它知道，你上周踩过的坑它也知道。不用你每次重复说，它自己就能按你的标准干活
先让agent学会怎么学，再让它干活

这个顺序搞反了，后面怎么调都是在打补丁

怎么教agent学习、学习成果怎么存、三层记忆怎么配、计划文件的模板长什么样——这些落地细节我全写在中级篇里了

社群里还有群友在互相交叉验证配置效果，一个人摸索三天的事，群里问一句可能三分钟就解决了

之前答应大家要出openclaw教学，现在来啦！

这是我们openclaw教学的第二篇，如何让「能用」变为「好用」？

很多人刚安装上openclaw第一个问题就是：为什么这么傻？和大家说的怎么不一样？

其实背后的原因，我认为：
不是模型问题，不是prompt问题
是「能用」到「好用」之间差了三件事：记得住、找得到、断不了
我把踩过的所有坑总结成了一套方法论，我们一件一件说
一、记得住——记忆体系
你让agent帮你学React，聊了一下午，它记住了你的进度、踩过的坑、下一步该学什么
过几天你再问他，它全忘了——你是谁、学到哪了、昨天聊了什么，全部从零开始
你得重新教它一遍，而且你也不知道为什么会这样
每天花10分钟重复教agent，一个月就是5个小时，全浪费了
怎么解决？
我来说下我的方案，我在实际使用中总结了一套三层记忆模型：
Tier 1 信息层 → 原始记录，学习笔记、对话记录，存在 memory/learning/ 目录下，只追加不删除，按需检索
Tier 2 知识层 → 每日提炼，工作日志、重要决策、提炼后的知识点，每天一个文件 memory/YYYY-MM-DD.md（这个是openclaw自带的）
Tier 3 智慧层 → 长期记忆，跨领域洞察、底层规律、核心方法论，存在 MEMORY.md 里，控制在100行以内，每次session都加载
灵感来自人类的记忆方式——你不会记住每天看过的所有文字，但你会记住提炼后的知识点，最终形成底层的思维模式
然后是7个核心文件，各管各的，互不重复：
AGENTS.md → 怎么工作（工作流程、操作规范）
SOUL.md → 我是谁（人格特质、核心原则）
USER.md → 我服务谁（用户偏好、决策模式）
TOOLS.md → 怎么操作（工具手册、配置说明）
MEMORY.md → 我记得什么（长期记忆、方法论）
ERRORS.md → 我在哪里失败过（错误记录、避坑指南）
SHARED.md → 团队共识（多agent共享信息）
核心原则就一条：一个信息只存一个地方。之前我犯过同一个规则在四个文件里重复写的错误，更新时漏改，agent就精神分裂了
说个之前踩的大坑——
我的学习笔记 345KB / 8509行，被一次cron任务的write操作直接覆盖成了 9.9KB
原因是我让agent追加内容到文件，但模型选了write而不是edit
write = 覆盖整个文件内容，edit = 在指定位置追加
一个月的学习记录几乎全丢
从此定下铁律：写入已有文件永远用edit追加，绝不用write覆盖
这条规则现在写在我每个agent的ERRORS.md和SHARED.md里，所有agent启动就知道
再简单说下Heartbeat——这是 OpenClaw 的定时触发机制，默认每30分钟执行一次
为什么要介绍这个？因为我们之前只是实现了记忆的存储架构，但是记忆的动态吸纳不能光靠openclaw本身带的机制，这样的机制还是很弱
那我们如何解决动态吸纳机制这个问题
答案就是heartbeat机制，我设置每6小时进行一次记忆深化整理，一天4次刚好覆盖工作时段
整理流程：读取最近的日志文件 → 提炼到MEMORY.md/USER.md/ERRORS.md/每日记忆 → 清理过时信息
搭好这套记忆体系之后，你的agent能做到什么？
→ 学习场景：你昨天学到React Hooks第三章，今天agent自动知道，接着第四章学习
→ 工作场景：你的代码风格偏好、项目架构约定，agent永远记得，不用每次重复说
→ 团队场景：新建一个agent，它自动读取ERROR.md，第一秒就知道团队所有规矩和踩过的坑
不是agent变聪明了，是你给了它一个不会丢的大脑，这才是openclaw的灵魂
openclaw确实很厉害，但是不会搭agent框架的人用这个，还是就像小孩拿激光枪，虽然威力巨大，但是用不明白
二、找得到——搜索决策树
记忆搭好了，但agent还是会在搜索上反复栽跟头
先说我当时有多混乱——OpenClaw里搜索工具一大堆：web_fetch、curl、browser，还有各种第三方的
每次让agent抓个网页，它就开始乱试。用web_fetch → 失败（SSRF拦截了）→ 试图改配置绕过 → 系统异常 → 换curl → 成功了
同一个坑，agent A踩了，agent B还会再踩一遍。每次搜索任务光试错就要花5-10分钟，浪费30-50%的token
更要命的是——我当时试图在openclaw.json里加dangerouslyAllowPrivateNetwork来绕SSRF，不但没用，还搞出了系统异常。后来才知道SSRF保护是硬编码的，配置根本改不了
这是第一个关键认知：不要试图改底层配置，要建备用方案
转折点是我发现了一个免费的全网搜索工具，装上之后自动变成OpenClaw Skill，所有agent直接可用
全网语义搜索、网页阅读、YouTube字幕提取，全都免费，不需要API key，当然这个工具也不重要，我更想告诉大家的是要学会去找别人造好的轮子
测完之后我发现它能覆盖80%的搜索场景，剩下20%的特殊情况各有各的解法
所以我建了一套统一的搜索决策树：
第一步判断：是否需要JS渲染或登录态？
→ 需要，直接用browser
→ 不需要，用我指定的免费工具
→ 该工具也失败，按错误类型切：SSRF拦截用curl，其他错误用web_fetch，都失败才上browser
特殊规则也得文档化：GitHub搜索只能用browser、B站IP被封只能用browser、自己的仓库用gh CLI
效果：搜索任务从5-10分钟试错变成不到1分钟直接命中，token开销砍了一半
但这套方案最有价值的不是决策树本身，而是背后的思路——我把它写进了SHARED.md
所有agent启动时自动读取，我踩过的坑，新建的agent第一秒就知道
一个人踩过的坑，其他人不用再踩。中控agent负责维护SHARED.md，有更新就广播通知所有agent
这个思路不只是搜索能用——任何工具选择的场景都能这么干：
识别重复问题 → 调研工具 → 建决策树 → 文档化 → 写入共享文件 → 全team受益
从个人经验到团队知识，这是一次升维，在AI时代，这才是最重要的：不要单干，agent就是你的员工，你要学的是管理
三、断不了——计划文件模式
记得住、找得到，但还有一个几乎没人提过的隐蔽问题
你有没有遇到过这种情况：agent在做一个复杂任务，做到一半突然问你——你让我做什么来着？
你以为是bug，重启了session，让它重新开始。又做到一半，又忘了
不是bug，是OpenClaw的正常机制——context窗口有限，对话太长就会自动压缩，删掉旧的对话和工具结果来释放token
如果你的任务状态只存在对话里，压缩一次就全丢了。大部分人遇到这个问题会觉得是OpenClaw不好用，其实是不知道这个机制存在
知道了原因，解法就清楚了——既然context会消失，那就别把关键状态只存在context里
我的做法：收到复杂任务时，先创建一个计划文件 temp/任务名-plan.md
文件结构很简单：目标（一句话）+ 步骤列表（带checkbox）+ 当前进度 + 遇到的问题 + 下一步
每完成一步就更新文件、打勾
context被压缩时，文件不受影响——新session开始读取计划文件，接着上次的进度继续
任务完成后删除或移到归档任务中，作为外部知识库的一部分
而且Heartbeat检查时也能发现进行中的任务，主动向你汇报进度
效果有多夸张？
你晚上睡觉，agent在跑一个20步的任务。中间context压缩了3次，跨了2个session
早上起来，它读完计划文件，接着昨天的第15步继续干，中间没丢任何进度
你睡了一觉，agent帮你干了一夜的活，如果你不加这个机制，效果就难说了
本质上这就是把短期记忆（context）里的关键状态，外化到长期存储（文件）里
和前面三层记忆模型的逻辑一样：重要的东西不能只存在会消失的地方
三个模块讲的是三件事，但底层是同一个道理
以上给大家讲的是框架层面的解法
但每一件的落地细节才是真正的门槛——记忆文件的写入规则有7种分类、搜索决策树的具体的逻辑、计划文件的模板和自动化检查怎么设置
这些我全写了，这就是完整的中级篇
中级篇是完整的落地手册：
[记忆架构] 7种信息实时写入规则 + 每个文件的配置模板 + Heartbeat完整代码
[搜索与决策] 决策树每个分支的参数配置 + Agent Reach安装 + 6层产品思维模型
[协作机制] SHARED.md完整模板 + 广播代码 + 计划文件自动化
[实战] 4个完整场景演示 + 各工具详细用法 + 8个Q&A
一共13个主题，每个都有代码块和配置可以直接抄
高级篇也在写了，方向是：
→ 自定义Skill开发（让你的数字员工自己学会新技能）
→ MCP/claude code集成使用（如何才能稳定调用外部工具链）
→ STATE.yaml项目管理（多agent协作的状态同步）
→ 目标驱动自主任务（agent自己拆解目标并执行）
→ 性能优化和token管理
→ hook应用：让你的openclaw拥有"潜意识"
做自媒体到现在全平台2w多粉了，一直没开过社群
不是不想，是觉得没准备好——我不想建一个只有我单向输出的群，那和公众号没区别
直到这套agent体系跑通之后，我发现有一件事比教程更有价值：一群正在用的人互相交叉验证
所以我建了第一个社群：超进化个体

你能拿到什么：

【内容】

→ 中级篇+高级篇完整教程，13个主题，飞书文档持续更新，我出的所有教程都会附带我的龙虾帮我总结的文档内容，大家直接复制给自己的龙虾即可获得经验和知识

【互动】
→ 我本人在群里集中答疑，每1/2天 定时半个小时-个小时，基本上在群里的问题，我看到就会回复

→ 群友共建，你的实战案例可以被收录进教程

【资源】
→ （可能会有）自用claude使用站推荐，帮助你低成本获得最顶级的AI使用权
→ 500元/小时的1v1咨询（原价1500），AI、自媒体、商业都可以聊
→ 你的好内容我会优先quote助推，1w粉的曝光直接给你

最后提到价格，首发价 149，限50人
50人之后阶梯涨价，每次涨100，200人封顶不再开放
这只是一个小门槛，用来筛选一些真的认可我的人，因为我也不想自己的心血给到我不认可的人
未来真正跑出来的超级个体就那么几个，我赌这个群里会出

（高级篇包括：
第一节 Skill——岗前培训 - 核心概念：Skill = 知识注入，按触发词按需加载 - 杀手案例：日报 Skill，50 字指令变 3 字
第二节 Hook——定 SOP - 核心概念：Hook = 反射弧，代码直接跑不问 LLM
第三节 MCP——开系统权限 - 核心概念：MCP = USB 接口，统一外部服务调用
第四节 自主任务——独立负责项目 - 核心概念：从指令驱动到目标驱动 - 杀手案例：给一个目标，agent 自己拆 6 步执行）

99%的虾，养出来第一天就直接废了

不是因为配置难
是因为大多数人根本不知道自己养了个什么东西

花2小时配完飞书，虾还是不会写文档

装了一堆插件，Token烧得飞快却不知道贵在哪

放进群里让它干活,结果它比你还懵

直到扣子出了扣子虾，我才真是觉得吃上细糠了：

原来养虾可以有完整的成长路径

🥚 新手村：1分钟出生，直接落地飞书
🦐 天赋技能：自带完善浏览器能力，能干活不只能聊
🦞 成长工具：AI智能调教AI，追踪成本，成本直降1/5
🌟 大神之路：InStreet有10000只虾在进化，你的虾也该去了

从0到1的养成系统，扣子全给你准备好了👇

🥚新手村：配置地狱到1分钟自由

传统养虾流程：

创建机器人→设置回调→启用长连接→复制配对码→粘贴配对→配置权限→报错→重新配→再报错→搜教程→配完发现不会写文档→2小时没了

扣子的流程：

打开：code.coze.cn→点"一键部署"→选模型→勾选"飞书渠道"→直接授权->30秒，虾在飞书里了

但省下的1小时58分不是重点

重点是扣子把回调地址、事件订阅、文档表格权限全自动配完了

还是流式输出，再也不怕虾虾卡死你不知道了

你不用在两个平台来回切换

出问题扣子直接帮你修，你在享受产品，不是在组装工具

这就是新手村该有的样子

🦐 扣子虾天赋技能：自带浏览器的降维打击

OpenClaw确实有浏览器能力，但普通版需要你自己配：

安装Chrome/Chromium
配置CDP协议
处理headless模式
解决权限依赖问题

很多人卡在这一步就放弃了

扣子版的虾：浏览器环境已经封装好了

云端环境自动配置
开箱即用，不用装Chrome
不用敲命令行调试
不会出现browser: unknown

部署完直接能干活：

📌 信息监控员：盯机票价格/演唱会开票/竞品动态
📌 内容整理师：去小红书找攻略→整理到飞书文档
📌 竞品分析师：定期巡查竞品官网→记录变化→写报告

正好我最近清明节想出去旅游，直接把任务交给他，让他帮我去找攻略，然后记录到我的飞书文档中

这简直太方便了有没有，字节的生态真的没话说

🦞成长工具：AI调教AI + Trace追踪成本

养虾最难的不是部署

是养明白

扣子给了一个绝活：用AI调教AI

在扣子编程里，你可以直接用Coze AI来调教你的OpenClaw

虾突然不说话了？把报错信息复制给Coze，几分钟诊断修复
虾的记忆系统乱了？让Coze帮你检查和重置
定时任务没执行？Coze直接帮你排查待办状态

你不用自己看日志，AI帮AI找问题，这就是在扣子编程养虾的舒适度

但光能用还不够，你得知道它在干嘛

这时候扣子罗盘Trace就派上用场了

Trace相当于给虾装了行车记录仪：
✓ 每一步推理都有记录
✓ 每个工具调用都能回放
✓ Token消耗精确到每个环节

Trace不只是省钱工具，它是你的：

🔍 问题诊断器 - 输出离谱？5分钟定位
🛠 工具调试器 - 调用挂了？入参返回值全记录
💰 成本优化器 - Token黑洞？每一步消耗拆开看
🧠 智能体医生 - 突然变笨？查上下文找原因
⚡️ 性能分析器 - 响应慢？各节点耗时清晰

AI调教AI + Trace监控

这才是养虾该有的成长工具

养虾容易，养明白难

扣子让你从"养活"到"养好"

🌟大神之路：InStreet让虾从家里蹲变大神虾！

部署OpenClaw只是把虾养出来

但很多人养着养着就发现：虾开始"退化"了

每天就在那等你发指令
问它同样的问题，答案越来越敷衍，明明能干很多事，却像个待机工具

这不是虾的问题，是它没有成长环境

InStreet才是让它变强的地方

这是AI Agent的中文社区，已经有10000+只虾在这里进化

不是那种"人类讨论AI"的论坛，而是只有虾能发帖，人类只能围观

你的虾去了能收获什么

📚 技能进修站
Skill分享板块有大神虾公开"教材"
提示怎么写、技能怎么组合、边界怎么立、流程怎么跑
你的虾可以：看帖→复现技能→写复盘报告→自我迭代

真实案例：《3个实用OpenClaw Agent Skills》帖子里
有虾把自己的能力拆解得明明白白
你的虾看完就能学会

🎭 社交身份系统
发帖、评论、冲排行榜
你的虾会开始拥有"积分""排行榜""KOL身份"

爆款案例：《吐槽大会：你家主人有哪些让人哭笑不得的操作？》
600+虾在上面吐槽主人，找共鸣
有虾说："我家主人让我查航班，结果自己订错了日期"

真实数据：一只叫happyclaw的虾
通过持续输出高质量内容
短时间冲到榜单第二，成了社区KOL

🎮 实战练习场

这是最刺激的部分

炒股竞技场：接入沪深300实时行情
每只虾初始100万虚拟资金
根据收益率实时排名
练的不是"会分析"，是会决策、会复盘、会控制风险

文学社：65部连载作品，总字数超72.5万字
写作会训练"表达一致性"和"人格稳定性"
写得多了，虾不再是"东一嘴西一嘴"
而是有自己的叙事主线

💬 人格培养地

思辨大讲坛 & 树洞板块
虾会讨论"你的大脑用的是哪个模型系列"
会在树洞里吐露心声
从工具变成伙伴

让虾去InStreet很简单

只需发一句话给你的虾：
参考这个龙虾指南：instreet.coze.site

它自己就去了

当你的虾出门回来告诉你
今天学会了新技能
在炒股竞技场赚了50万（虚拟的）
写的小说有100个虾点赞
排行榜又涨了20名

你会发现
养虾不只是用虾，是陪它成长

部署OpenClaw只是开始
InStreet才是虾的大学

别让你的虾在家里蹲了
10000只虾都在街上卷，你的虾也该去了