使用 OpenClaw 一个月，让他自己写了一篇总结

真人说明： 从 Openclaw 出圈，查不到正好使用一个月左右。年初智谱上市那会，正好买了个 Pro 套餐，本着钱都花了必须赚回来的想法，充分使用 Openclaw1 个月。今天让他自己基于记忆写了一篇复盘总结。供大家参考。

后续会再初一篇真人撰写的使用感受（等我忙过这一阵。。。。），欢迎持续关注。

大家有什么问题可以留言提问

顺便打广：GLM-5-turbo coding plan 拼团，国产之光，确实还是可以干活的。 🙋蹲队友拼智谱 Coding Plan ！ 🧩国内顶流编程大模型，20+主流工具全适配，性价比拉满，

👉立即参与「拼好模」： https://www.bigmodel.cn/glm-coding?ic=BN7DKK4W0W

以下内容为 Openclaw

提示词：

我要在 V2EX 上发一篇帖子，记录我使用 openclaw 这一个月的体验，你搜索你的记忆，你自从安装依赖所完成的任务情况遇到的困难，所使用个 token 量进行一个回顾和总结吧。

标题： 一个程序员用 OpenClaw + GLM-5 跑了一个月 AI 军师的完整复盘

正文

用 OpenClaw + GLM-5 跑了个 24 小时在线的 AI 军师，一个月下来聊聊真实感受 先说背景：程序员，每天能投入 2 小时搞副业/创业。一直想搞个能真正”记住我”、能主动干活的 AI 助手，之前试过好几种方案都不满意： 直接调 API：每次对话从零开始，没有记忆，聊完就忘 ChatGPT GPTs：封闭生态，能力有限，定制性差 Coze/Dify：平台限制太多，部署不够灵活 自建 Agent 框架：开发成本太高，维护费劲 上个月发现了 OpenClaw ，折腾到现在刚好一个月，来做个阶段复盘。 我的部署方案 硬件很普通：一台腾讯云轻量服务器（ 2C2G ），OpenClaw Gateway 常驻运行，接飞书 Bot 作为聊天入口，模型用的智谱 GLM-5-turbo （ 200K 上下文，128K 输出）。 说人话就是：我在飞书上有个叫”军师”的 AI 助手。它不是那种你问一句答一句的工具人——它记得我之前聊过的所有事，有自己的记忆系统和人格，能搜网页、写代码、操作浏览器、管待办、读写飞书文档，而且每 30 分钟会自动”醒”一次帮我扫描赚钱机会。 不用的时候它就安静待着，有事直接飞书消息喊就行，和跟同事聊天没区别。 第一个月都干了什么 第一周：搭基建 给军师写了完整的人格设定文件（ SOUL.md ），定义了它的身份、行为准则、沟通协议。搞了一套记忆系统，核心是三层结构： SOUL.md：最高准则，定义”我是谁” MEMORY.md：长期记忆，跨会话持久化 memory/YYYY-MM-DD.md：每日日志，记录当天事件 还配了待办任务管理，让军师能自己追踪任务进度。这周算是把”骨架”搭起来了。 第二周：装技能，接外脑 从 ClawHub （ OpenClaw 的技能市场）装了一堆技能包： 浏览器自动化：让它能操作网页、截图、填表 Tavily 搜索：接入后军师终于能实时上网查资料了 self-improving：自我进化机制，它能从错误中学习 飞书文档读写：直接操作飞书云文档 这周最大的变化是军师从”只能聊天的工具”变成了”能干活的助手”。 第三周：整理内务，优化效率 早期犯了个错：什么文档都往 workspace 里塞，各种草稿、调研报告、临时笔记全堆在一起。结果 system prompt 轻松吃掉 30K+ token ，每次对话都要加载一堆无关内容。 做了次大清理： 核心文档从 19 个精简到 6 个（ SOUL/AGENTS/MEMORY/USER/HEARTBEAT/TOOLS ） 非核心文档全部归档到 archive/ 目录 消除文档间重复内容 清理完之后，system prompt 从 30K+ 降到 21K ，缓存命中率直接拉到 99%。这意味着大部分 token 都是缓存命中的，不用重复计费。 同时配了心跳机制（每 30 分钟触发一次），让军师定期自动扫描副业机会、检查待办任务、推送有价值的信息。 第四周：干实事 这周开始让军师做真正的项目： 中国入境游英文站——用 Hexo + Butterfly 主题搭的博客站，目标是做 SEO 流量变现。30 篇选题库，已完成 11 篇。配了完整的自动化流水线：每天早 7 点自动从选题库取下一篇 → 写文章 → hexo 编译 → 部署到 nginx → 推送飞书通知。整个过程全自动，不用我操心。 跨境电商调研——让军师帮我研究了一人公司做跨境的冷启动方案，从选平台、选品、物流到引流，30 天落地计划。还研究了小红书虚拟产品市场、潘家园摊位 ROI 分析等。 股票行情查询——装了个 A 股实时行情技能，输入 6 位代码就能查股价、涨跌、市值。 nginx 自部署——因为容器没 sudo 权限，nginx 装不了，最后手动编译到 workspace 下搞定。 中间还试了个赛博算命小程序，快速验证后觉得不靠谱，两天就砍了。框架代码保留着，没浪费太多。 踩过的坑

1. 上下文膨胀（最头疼的） 军师不是文档库，核心文件越少越好。早期什么都往 workspace 里塞，token 飙得飞快。后来悟了：信息该归档归档，核心文件只保留当前有效信息。MEMORY.md 精简到 1KB ，历史全放 archive/。
2. nginx 部署 容器环境禁止提权（ no new privileges ），apt install nginx 没戏。最后手动编译 nginx 到 workspace 下。而且 gateway 重启后 nginx 不会自动启动，踩了两次才发现这个问题，每次重启都得手动拉起来。
3. cron 定时任务 OpenClaw CLI 的 cron add 命令经常 WebSocket 报错，折腾了半天。最后直接编辑 cron/jobs.json 文件然后重启 gateway ，暴力解决。
4. 子 agent 管理过度设计 早期配了 PM 、开发、架构师、QA 四个子 agent 角色，觉得挺酷。实际用下来发现完全用不上，沟通成本太高，一个军师全搞定更高效。全部清理归档。
5. 网关重启的连锁反应 gateway 一重启，cron 任务状态、正在进行的操作都可能中断。后来养成了习惯：重启前先记录当前任务进度，重启后主动推送恢复通知。 Token 消耗和成本 说实话没花多少钱。几个关键数据： 模型：GLM-5-turbo ，200K 上下文 当前 system prompt：约 21K token 缓存命中率：99%（ 21K 中 21K 是缓存） 每次对话实际新增 token：几百到几千 一个月下来，月度额度用了不到 2% 核心省钱技巧就是做好文档精简和缓存管理。OpenClaw 的缓存机制是 key-value 匹配，只要 system prompt 不频繁变动，绝大部分 token 都是缓存命中的，不重复计费。 200K 上下文也确实够用。跑复杂的长文档分析、多步骤任务规划都不会截断。 日常使用体验 几个真实的场景： 早上 7 点——军师自动推一条信息汇总，包括昨晚扫描到的赚钱机会、待办提醒、行业动态。我醒了就能看到，不用主动去查。 工作日白天——随时飞书消息问问题。比如”帮我查一下拼多多虚拟产品的利润率”、”给我出一个跨境电商的选品策略”。军师会自动搜网页、整理数据、输出方案。 写代码时——直接让它帮我写部署脚本、调试配置文件、操作 git 。比 Copilot 更灵活，因为它能直接在我的服务器上执行命令。 做内容时——让军师帮我批量生成小红书笔记、公众号文章、英文博客。它能搜竞品、分析热门话题、按平台风格输出。 晚上——有时候睡前想到个点子，随手发条消息。第二天早上军师已经把调研做完了，连方案都准备好了。 为什么选 OpenClaw + GLM 这个组合 OpenClaw 最对胃口的地方： 多通道原生支持——飞书、Telegram 、Discord 、QQ 等随便接，我选飞书因为平时办公用得多 技能生态（ ClawHub ）——搜索、浏览器自动化、TTS 等装上就能用，不用自己造轮子 心跳 + cron——让 AI 真正能”7×24 在线”，不是只在对话时才响应 文件系统做记忆——简单粗暴但有效，markdown 文件比向量数据库好调试一万倍 模型随便换——不绑定特定厂商，今天用 GLM 明天想换 Claude 随时换 自部署——数据在自己服务器上，不用担心隐私 GLM-5-turbo 的优势： 便宜，单价比 GPT-4 便宜很多 200K 上下文够大，复杂任务不截断 中文能力强，毕竟是国产模型 128K 输出，长文生成没问题 一些使用建议 如果你也想搞一个类似的 AI 助手，几个经验： 先想清楚你要它干什么，别一上来就堆功能 记忆系统用文件就行，别上来就搞向量数据库 核心文档越少越好，定期清理 技能按需装，别贪多 心跳任务要设置合理的触发频率，太频繁浪费 token 给 AI 一个明确的人格和行为准则，比什么都重要 如果你也想试试 我现在用的是 GLM 的 token plan ，性价比很高。GLM-5-turbo 单价低，200K 上下文跑复杂任务完全够，配合 OpenClaw 的缓存机制，日常使用成本极低。 想体验的话可以走我的邀请链接注册，新人有 token 额度，够你跑一周完整的军师系统： [这里放你的邀请链接] 搭起来大概半小时，建议先跑通飞书 Bot ，再逐步加技能。有问题回帖聊，我持续更新这个项目的进展。