人这辈子最牛的本事，不是脑子多灵光、人脉多广，而是摊上事儿的时候，能沉得住气，不自己吓自己，哪怕日子过得一塌糊涂、前路一片漆黑，照样能吃得香睡得着，不崩盘。
绝大多数人一辈子就毁在”太着急”上了。这个急，不是手脚快，是心里毛躁。屁大点儿事儿，恨不得下一秒就有结果；看见个机会，恨不得马上就能数钱；谈个恋爱，恨不得三天就定终身；就是买俩股票，两天不涨就抓耳挠腮。
为啥会这样？因为咱从小就被考试给害了，做题有标准答案，还得限时交卷，搞得我们脑子里就认准了一条死理：啥事儿都得有个对错，干点啥都得马上有反馈，看不见进度条就不会干活了。一旦事情三五天没动静，立马就慌神，觉得自己走岔了路，天要塌了。
可现实根本就不是这么回事儿。这世界到处都是说不清道不明的事儿，多的是”努力了半天跟扔水里似的”那种垃圾时间，没反馈、没声响、没结果，这种没着没落的状态，才是生活的常态。
]]>公元1356年，朱元璋攻下集庆，有了一块自己的地盘。但论实力他还很弱，周围强敌环伺：陈友谅兵多将广，张士诚占据江南富庶之地，元廷也还撑着一口气，朱元璋夹在中间，随时可能被吞掉。就在这时候，谋士朱升给他出了九个字的主意：”高筑墙，广积粮，缓称王。”朱元璋听进去了，他不称王，不出头，埋头加固城墙，带着军队自己种地攒粮食。整整十二年，别人在互相厮杀，他在默默攒家底，直到实力足够才一举出兵平定天下。这九个字厉害在哪里？它抓住了一个最简单的道理：真正让人走远的，不是某个高光时刻，而是高光来临之前那段没人注意的积蓄期。而这个道理，早在《易经》的小畜卦里就已经说得很明白了。
小畜卦的卦象很简单：上卦是风，下卦是天，风行天上，云在聚集，雨还没下。《易经》给它的卦辞是：”小畜，亨。密云不雨，自我西郊。”意思是小有积蓄，终会通达。乌云已经来了，但雨还没落，因为云气还在西边郊野慢慢聚拢。这说的不就是积蓄的状态吗？事情已经有苗头了，你感觉到自己在变强，但还差那么一点火候，这时候最考验人的就是能不能沉住气。我们今天这个社会到处都在讲”快”，快速成功、快速致富、快速出圈，慢了就好像输了。但小畜卦告诉你：急什么？不下雨，只是因为云还不够厚。朱升看懂了这个道理，所以让朱元璋在别人急着称王的时候低下头来积蓄。而现实中大多数人恰恰相反：该低头积蓄的时候急着出头，该慢慢攒的时候急着花。这就引出了小畜卦里最核心的一对矛盾，也是我们每个人每天都在做的选择。
很多人以为积蓄就是省钱，能省就省，抠一点总能攒下来。但小畜卦的九三爻提醒了一个坑：”舆说辐，夫妻反目。”车轮的辐条断了，夫妻在家里吵架。什么意思？积蓄这件事，一旦搞错了方向，不仅攒不下东西，还会搞得内外一团糟。
现实里这个坑是怎么踩的？四个字：当省不省，当花乱花。菜市场为了几毛钱跟人砍半天价，转头请客吃饭为了面子花几百不心疼，这是该省的地方没省，不该花的地方瞎花。买一本好书、报一门课几十块钱犹豫半天，可刷手机看见打折促销手一滑又买一堆用不上的东西，这更是把花钱的顺序完全搞反了。什么叫当省不花？那些为了面子、为了攀比、为了一时爽快掏的钱全应该省，这不是抠门，是你不欠这些消费一个交代。什么叫当花不省？能让你长出本事的东西，能守住你健康的东西，能维系重要关系的东西，这些地方不能省，省了就是在给自己未来的路上拆轮子。九三爻说的”舆说辐”就是这个意思：该加固的轮子你不加固，该省着用的力气你拼命用，车能不走散架吗？
那到底该怎么积？小畜卦九五爻讲了一句话：”有孚挛如，富以其邻。”意思是用诚信把人连在一起，有了富足，跟周围一起分享。你仔细想想，朱元璋”广积粮”，真的只是囤稻谷吗？他囤的是士兵吃饱了愿意跟你打仗的忠诚，是百姓有饭吃就安心的信任，是幕僚觉得跟着你有前途而出的力，这些都不是死的粮食，是活的资源。一个人的积蓄也是一样。你花钱学了一门技能，这技能以后能帮你赚更多，这钱就没花掉，是换了一种形式留在你身上。你花时间把身体练好，精力比以前更足，干活效率更高，这时间就没浪费，是变成了你的本钱。你用心维护一段关系，将来遇到难处有人愿意拉你一把，这心意就没白费，是攒成了你的人情储备。这才是”广积粮”真正的意思。粮不只是银行卡里的余额，是一切能在将来派上用场的资源。认知、技能、身体、人脉、信用，这些都是你一口一口攒下来的粮。反过来，那些花在虚荣、攀比、冲动上的钱和时间，花完就完了，什么也没留下，那不是积蓄，是消耗。所以”当花不省”和”当省不花”，本质上是在问自己一个问题：这笔钱、这段时间花出去，是变成了我的”粮”，还是就这么没了？能变成粮的就大大方方花，变不成粮的一分一厘都要省。
朱元璋最厉害的地方不在”筑墙”和”积粮”，而在”缓称王”。1364年他灭掉陈友谅，实力已经很强了，部下都劝他称帝，他拒绝了，只称吴王。一直到1368年各方面条件都成熟了，他才正式登基。从听到那九个字算起，他整整等了十二年。为什么”缓称王”这么难？因为人都有一个本能：攒了一点东西就想让人知道。好不容易存了点钱赶紧换个手机让大家都看见，好不容易学了个新本事赶紧发朋友圈展示一下，好不容易做出点成绩赶紧四处跟人讲。这不是毛病，这是人性，但人性里的这个东西偏偏是积蓄最大的敌人。小畜卦上九爻说得特别直白：”既雨既处，尚德载。月几望，君子征凶。”雨终于下来了，该踏实下来好好守住了。月亮快圆的时候你还要往外冲，凶险就来了。为什么月亮快圆的时候出征会凶？因为月圆之后就是缺。你觉得差不多了，想最后再证明一下自己，结果往往是那一下过了头，把前面攒的家底全折进去。朱元璋如果早早称帝，就会成为所有人的靶子，元廷会打他，陈友谅和张士诚也会联手搞他。他忍住了那口气，等到别人互相消耗完了才出手，一击即中。这就是”缓”的价值。缓不是让你永远不行动，是让你在没完全准备好的时候别着急露底牌，趁着没人注意你把还没补上的短板补上，把还没攒够的东西攒够。
《易经》把小畜卦的道理总结为六个字：”健而巽，刚中而志行。”内心有方向，脚步却很轻，心里揣着大志向，手上做着最普通的小事，这就是积蓄期的日常。说实话，积蓄的日子并不好过，它看起来太普通了，普通到像什么都没发生。别人在往前冲，你好像在原地踏步，别人在出风头，你默默无闻，这种感觉最容易让人怀疑自己。但小畜卦告诉你：风在天上吹，云在头上聚，雨还没下，这不是没有进展，这是爆发前最正常的准备。朱元璋的那十二年在外人看来不过是偏安一隅，可他自己知道，每一天砌的墙、攒的粮、忍耐的沉默，都在为最后那一下蓄力。
积蓄这件事，最难的地方不在于怎么做，而在于怎么熬。
“高筑墙”是笨功夫，一天一天砌，看不出高了没有。 “广积粮”是慢功夫，一粒一粒攒，看不出多了没有。 “缓称王”更是在跟人性拔河，你得按住那颗想要被看见的心，一天一天地等。
所以很多人半路就放弃了，不是因为方法不对，是因为看不到进度条。但真正拉开人与人差距的，恰恰是在这段看不到进度条的时光里，你还愿不愿意继续攒。朱元璋等了十二年，十二年里他一定也有过无数次自我怀疑：这样等下去真的有用吗？别人都称王了，我还要忍多久？我们今天也一样。攒技能，几个月看不到涨工资的希望，还要不要学？攒身体，跑了两个月步体重一点没掉，还要不要跑？攒钱，省吃俭用一年多好像也没多少，还要不要省？这些问题没有人能替你回答，但小畜卦的答案就藏在”密云不雨”这四个字里：你看到的只是还没下雨，你看不到的是云层正在一点一点变厚。每一份攒下来的本事，每一段忍住没乱花的克制，每一次把面子放下把里子练好的选择，都变成了云层里的一粒水汽。水汽攒够了，雨自然会落下来。到那一天，别人看到的是一场突然的暴雨，只有你自己知道，这片云你已经聚了很多年。而那时候你也会明白另一件事：积蓄这件事从来不是为了给别人看，它唯一的作用，是让你在属于自己的那场雨落下来的时候，接得住，撑得起，不会再因为准备不足而错过那个本该属于你的机会。这世上最可惜的从来不是”我不行”，而是”我本可以”。
]]>这套方法论形成了「宏观周期定位→中观资产配置→微观个人决策」的完整闭环，不局限于2026年节点，可复用于所有长经济周期的趋势判断与决策落地。
康波周期（50-60年/轮）的底层驱动力是颠覆性技术革命，每一轮周期对应一次全社会生产力的系统级升级；财富的本质是生产力提升的奖赏，周期循环是”技术红利释放→红利耗尽→旧模式出清→新技术重构”的客观规律。
个人财富积累的核心是周期时机，而非单纯努力；人生级财富机会均来自周期拐点，日常努力只决定基线水平。
周期顺应原则：长周期具备客观宿命性，最优策略是主动适配周期节奏，而非对抗趋势。拐点期的一次正确选择，收益远超过日常数年的努力。
系统迭代思维：将每轮周期视为一次”社会系统大版本更新”，所有资产、技能、职业都存在”新旧系统适配性”问题，旧系统的优势会随版本迭代被清零。
通过多维度信号组合定位周期位置，避免单一指标误判：
| 周期阶段 | 核心识别信号 |
|---|---|
| 繁荣期 | 核心技术向全行业渗透，实体生产效率显著提升，实体投资回报率高，大众收入普遍增长，企业产能扩张意愿强，资产价格普涨 |
| 衰退期 | 技术红利耗尽，实体投资回报率持续下行；资本脱实向虚，大量涌入地产、金融套利领域；全社会加杠杆，债务规模快速扩张 |
| 萧条期 | 泡沫资产价格崩盘，债务出清压力显现（收入增速无法覆盖利息）；上游原材料出现供给驱动型普涨（长期产能欠账+外部不确定性导致供给断层，非需求爆发）；信用货币信心下降，地缘与社会矛盾升温 |
| 复苏期 | 落后产能出清完成，新一代技术从概念走向产业化，新的生产力增长点形成，社会效率开启新一轮提升 |
遇到商品价格普涨时，先区分两类本质，避免错判趋势：
长周期下嵌套三级短周期，交叉验证周期位置，提升判断准确率：
财富不会消失，只会在周期中转移；不同周期阶段匹配对应资产结构，核心是”顺周期调结构，逆周期捡筹码”。
1. 资产二元分类盘点法
将所有资产/负债按现金流属性定期盘点，动态调整结构：
2. 分阶段资产配置策略
个人价值的本质是对应当前/下一轮周期系统的适配度；旧系统的技能无论熟练度多高，都会随周期迭代被”格式化”。
1. 技能属性自检法
定期自我校验：自身核心技能是「旧系统插件」（标准化、流程化、可被技术替代的重复性技能），还是「新系统底层代码」（适配新一代技术、具备不可替代性的能力）。
2. 能力双轨迭代路径
3. 心态迭代
摒弃”按部就班、勤奋即可致富”的线性思维，建立”随周期动态重构自身能力”的弹性成长逻辑，将周期波动视为能力重构的窗口期。
认知是承接周期机会的前提；周期混乱期，认知带宽是最核心的稀缺资源。
1. 认知带宽保护法
周期波动期，避免被短期价格波动、碎片化焦虑信息消耗注意力，不沉迷高频价格数据（如单日金价、股价），把80%的精力放在底层逻辑判断上，而非短期情绪波动。
2. 底层逻辑追溯法
面对任何经济现象，穿透表面价格波动，追溯底层动因（如涨价的核心是供给还是需求、是周期因素还是短期事件），关注秩序更迭的长期逻辑，不被短期情绪裹挟决策。
3. 拐点机会定位法
人生级财富机会集中在周期拐点，而非日常积累；拐点期的机会不在旧赛道内卷，而在旧秩序崩塌的废墟中，寻找新周期的核心稀缺资源。
]]>需要我把这套方法论压缩成一页可直接执行的行动清单吗？
日子过得匆匆，连吃饭都像是完成一项任务，忽略了烟火气里藏着的温柔。往后想试着把生活节奏放慢，不再一味追赶，而是花心思研究每一道菜的搭配、火候与调味，认真对待一餐一饭。
不仅要把饭菜做得可口，更要在慢下来的时光里，细细品味生活的滋味，让日常多几分用心，也多几分踏实的幸福感。
]]>Obsidian 是目前最强的本地优先知识管理工具，而 AI 大模型（GPT、Claude、Gemini 等）擅长理解、总结和生成文本。把两者结合，你得到的不只是一个笔记软件，而是一个能思考的第二大脑。
核心价值：
整个方案分为三个层次，由浅入深：
Level 1: 插件集成（开箱即用，5分钟上手）
Level 2: API 对接（灵活定制，需要配置）
Level 3: 本地模型部署（完全离线，隐私优先）
这是目前最成熟的 Obsidian AI 插件，支持多种模型后端。
安装步骤：
obsidian-copilot配置 API：
核心功能：
实际使用场景：
你：帮我总结一下最近一周关于「项目管理」的笔记
AI：（检索笔记库）你最近一周写了3篇相关笔记，主要涉及...
你：把这段技术文档改成通俗易懂的版本
AI：（改写选中内容）
你：根据我的笔记，帮我写一篇关于XX的文章大纲
AI：（基于笔记库上下文生成大纲）
专注于笔记间的智能关联。
安装： 同上，搜索 “Smart Connections” 安装
功能：
配置要点：
text-embedding-3-small）专注于文本生成，适合写作辅助。
功能：
当你需要更深度的集成时，可以通过 API 把 Obsidian 和 AI 模型直接对接。
这个插件把你的 Obsidian 笔记库暴露为一个本地 HTTP API，其他程序可以读写笔记。
安装： 搜索 “Local REST API” 安装
启用后：
# 获取所有笔记列表
curl http://localhost:27123/vault/ -H "Authorization: Bearer YOUR_API_KEY"
# 读取指定笔记
curl http://localhost:27123/vault/日记/2026-05-03.md -H "Authorization: Bearer YOUR_API_KEY"
# 搜索笔记
curl -X POST http://localhost:27123/search/simple/ \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"query": "机器学习"}'
用 Python 脚本连接 Obsidian API 和 AI API：
import requests
import openai
# 1. 从 Obsidian 获取笔记内容
OBSIDIAN_API = "http://localhost:27123"
headers = {"Authorization": "Bearer YOUR_OBSIDIAN_KEY"}
def get_note(path):
resp = requests.get(f"{OBSIDIAN_API}/vault/{path}", headers=headers)
return resp.json()["content"]
def search_notes(query):
resp = requests.post(
f"{OBSIDIAN_API}/search/simple/",
headers={**headers, "Content-Type": "application/json"},
json={"query": query}
)
return resp.json()["matches"]
# 2. 用 AI 处理笔记内容
def ai_summarize(content):
response = openai.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "你是一个知识管理助手，擅长总结和提炼要点。"},
{"role": "user", "content": f"请总结以下笔记的核心要点：\n\n{content}"}
]
)
return response.choices[0].message.content
# 3. 实际使用
notes = search_notes("项目管理")
for note in notes:
content = get_note(note["path"])
summary = ai_summarize(content)
print(f"笔记: {note['path']}")
print(f"摘要: {summary}\n")
如果你不想写代码，可以用低代码工具：
n8n 工作流示例：
定时触发 → 读取 Obsidian 新笔记 → 发送给 AI 总结 → 写回笔记的 YAML frontmatter
具体步骤：
如果你对隐私有极高要求，或者想在没有网络的情况下使用，可以部署本地模型。
Ollama 安装：
# Windows: 下载安装包 https://ollama.ai
# macOS
brew install ollama
# Linux
curl -fsSL https://ollama.ai/install.sh | sh
# 下载模型
ollama pull llama3.1:8b
ollama pull nomic-embed-text # 用于向量检索
Obsidian 配置：
http://localhost:11434优势：
劣势：
LM Studio 提供了更友好的 GUI 界面。
http://localhost:1234/v1对于大型笔记库，可以构建 RAG（检索增强生成）系统：
笔记 → 文本分块 → Embedding 向量化 → 存入向量数据库
↓
用户提问 → Embedding → 向量检索相关笔记 → 拼接上下文 → AI 回答
技术栈：
nomic-embed-text（本地）或 text-embedding-3-small（OpenAI）Python 实现：
from langchain_community.document_loaders import DirectoryLoader, TextLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.vectorstores import Chroma
from langchain_community.embeddings import OllamaEmbeddings
from langchain_community.llms import Ollama
from langchain.chains import RetrievalQA
# 1. 加载笔记
loader = DirectoryLoader(
"你的Obsidian笔记库路径",
glob="**/*.md",
loader_cls=TextLoader,
loader_kwargs={"encoding": "utf-8"}
)
docs = loader.load()
# 2. 分块
splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
chunks = splitter.split_documents(docs)
# 3. 向量化并存入 ChromaDB
embeddings = OllamaEmbeddings(model="nomic-embed-text")
vectorstore = Chroma.from_documents(chunks, embeddings, persist_directory="./chroma_db")
# 4. 构建问答链
llm = Ollama(model="llama3.1:8b")
qa_chain = RetrievalQA.from_chain_type(
llm=llm,
retriever=vectorstore.as_retriever(search_kwargs={"k": 5}),
return_source_documents=True
)
# 5. 提问
result = qa_chain.invoke({"query": "我之前关于机器学习的笔记说了什么？"})
print(result["result"])
for doc in result["source_documents"]:
print(f"来源: {doc.metadata['source']}")
每天写日记时，AI 自动：
实现方式： Copilot 插件 + 自定义 Prompt 模板
读书/看文章时：
写文章时：
在 Obsidian 中管理项目文档：
📁 Vault
├── 📁 00-Inbox # 快速捕获
├── 📁 01-Daily # 日记
├── 📁 02-Projects # 项目文档
├── 📁 03-Areas # 长期关注领域
├── 📁 04-Resources # 资源和参考
├── 📁 05-Archive # 归档
├── 📁 Templates # 模板
└── 📁 Attachments # 附件
| 场景 | 推荐方案 | 难度 |
|---|---|---|
| 快速上手 | Copilot 插件 + GPT-4o | ⭐ |
| 笔记关联 | Smart Connections | ⭐ |
| 写作辅助 | Text Generator 插件 | ⭐ |
| 自定义工作流 | Local REST API + Python | ⭐⭐⭐ |
| 完全离线 | Ollama + Copilot | ⭐⭐ |
| 企业级 RAG | 向量数据库 + LlamaIndex | ⭐⭐⭐⭐ |
Obsidian + AI 的核心不是让 AI 替你思考，而是让 AI 帮你更好地组织和连接你已有的思考。从最简单的 Copilot 插件开始，逐步探索更深度的集成，你会发现知识管理的效率会产生质的飞跃。
建议的起步路径：
开始用起来，你会发现你的笔记库突然变得「活」了。
]]>OpenClaw Gateway 看门狗是一个自动监控和恢复工具。它定期检测网关进程是否存活，当发现网关异常时自动重启，并通过飞书机器人发送通知。
核心问题：网关挂了 → 工具链断 → AI Agent 无法自救 → 需要外部看门狗。
tools\gateway-watchdog\
├── watchdog.ps1 # 主脚本
├── deploy.ps1 # 部署脚本
├── watchdog.log # 运行日志
└── README.md # 使用文档
打开 watchdog.ps1，检查顶部配置区
以管理员身份运行 PowerShell，执行以下命令：
schtasks /Create /TN "OpenClawGatewayWatchdog" /TR "powershell.exe -NoProfile -ExecutionPolicy Bypass -WindowStyle Hidden -File `"C:\Users\<用户名>\.openclaw\workspace\tools\gateway-watchdog\watchdog.ps1`"" /SC MINUTE /MO 5 /RL HIGHEST /F
Get-ScheduledTask -TaskName "OpenClawGatewayWatchdog"
看到 State: Ready 表示部署成功。
# 启动`nStart-ScheduledTask -TaskName "OpenClawGatewayWatchdog"`n`n# 停止`nschtasks /Change /TN "OpenClawGatewayWatchdog" /DISABLE`n`n# 删除`nschtasks /Delete /TN "OpenClawGatewayWatchdog" /F
$FeishuNotifyEnabled = $false # 禁用通知
$RetryIntervalSec = 10 # 检查间隔（秒）`n$ConsecutiveFailMax = 3 # 连续失败阈值`n$GatewayPort = 18790 # 网关端口
schtasks /Delete /TN "OpenClawGatewayWatchdog" /F`nRemove-Item "tools\gateway-watchdog" -Recurse -Force
OpenClaw 是一个自托管的 AI Agent 网关——它把你常用的聊天软件（飞书、微信、Telegram、Discord、WhatsApp 等）和 AI 大模型（GPT、Claude、Gemini 等）连接起来，让你随时随地通过聊天消息与 AI 助理对话。
你的聊天 App（飞书/微信/Telegram...）
↓ 消息
OpenClaw Gateway（网关）
↓ 路由
AI Agent（Pi/Codex 等）
↓ 工具调用
文件/浏览器/命令行/API...
Gateway（网关） 是整个系统的大脑：
| 特性 | 说明 |
|---|---|
| 多渠道 | 飞书、微信、Telegram、Discord、WhatsApp、Signal、iMessage 等 20+ 平台 |
| 多 Agent | 一个网关运行多个独立 Agent，各有自己的人设、工作空间、会话 |
| 工具调用 | 文件读写、Shell 命令、浏览器自动化、网页搜索、代码执行 |
| Skill 系统 | 可扩展的技能包（邮件、日历、GitHub、天气等） |
| 定时任务 | 内置 Cron 调度器，支持定时提醒、定期巡检 |
| 媒体支持 | 图片、音频、视频、文档的收发和生成 |
| 自托管 | 数据在你自己的机器上，完全可控 |
场景 1：多平台碎片化
你可能同时用飞书办公、微信社交、Telegram 看频道。每个平台都有自己的 AI 机器人，但它们互相隔离，上下文不共享。OpenClaw 把它们统一到一个 Agent 身份下。
场景 2：AI 缺乏”手脚”
ChatGPT 能聊天，但不能帮你发邮件、操作文件、跑脚本。OpenClaw 的工具系统让 AI 能真正”做事”。
场景 3：数据隐私
你的对话、文件、API Key 都在你自己的机器上经过，不经过任何第三方服务器。
场景 4：个性化需求
你想要的不只是一个通用助手，而是一个了解你习惯、有特定技能、能和你团队协作的专属 Agent。
| 维度 | ChatGPT/Claude 原生 | Coze/Dify | OpenClaw |
|---|---|---|---|
| 部署方式 | 云服务 | 云服务 | 自托管 |
| 聊天渠道 | 仅官方 App | 有限集成 | 20+ 平台 |
| 工具能力 | 有限 | 可配置 | 完整（文件/Shell/浏览器） |
| 多 Agent | 不支持 | 支持 | 完整隔离 |
| 数据控制 | 在服务商 | 在服务商 | 完全在你 |
| 费用 | 订阅制 | 按量计费 | 仅 API 费用 |
系统要求：
安装 Node.js：
# macOS (Homebrew)
brew install node
# Linux (Ubuntu/Debian)
curl -fsSL https://deb.nodesource.com/setup_24.x | sudo -E bash -
sudo apt-get install -y nodejs
# Windows: 下载安装包 https://nodejs.org
验证安装：
node --version # 应显示 v24.x.x
npm --version # 应显示 10.x.x
macOS / Linux：
curl -fsSL https://openclaw.ai/install.sh | bash
Windows（PowerShell 管理员）：
iwr -useb https://openclaw.ai/install.ps1 | iex
或者用 npm 全局安装：
npm install -g openclaw@latest
运行交互式引导程序：
openclaw onboard --install-daemon
这个向导会帮你：
完成后验证：
openclaw gateway status # 查看网关状态
openclaw dashboard # 打开浏览器控制台
浏览器访问 http://127.0.0.1:18789，看到控制台界面说明一切正常。
配置文件位于 ~/.openclaw/openclaw.json（JSON5 格式，支持注释）：
{
// Agent 配置
agents: {
defaults: {
workspace: "~/.openclaw/workspace", // 工作空间路径
model: "claude-sonnet-4-20250514", // 默认模型
},
},
// 渠道配置
channels: {
feishu: {
// 飞书机器人配置
groupPolicy: "allowlist",
requireMention: true,
},
telegram: {
// Telegram Bot 配置
allowFrom: ["your_telegram_id"],
},
},
// 工具配置
tools: {
exec: {
security: "full", // exec 工具安全模式
},
},
}
常用配置命令：
# 查看配置
openclaw config get agents.defaults.model
# 修改配置（修改后网关自动重启）
openclaw config set agents.defaults.model "gpt-4o"
# 交互式修改
openclaw configure
⚠️ 重要提醒：修改
openclaw.json会触发网关自动重启。在生产环境中，建议在低峰期操作。
openclaw channels login --channel feishu
扫描二维码完成授权。飞书支持：
群聊配置示例：
{
channels: {
feishu: {
groupPolicy: "allowlist",
groupAllowFrom: ["oc_your_group_id"],
groups: {
"oc_your_group_id": {
requireMention: true, // 需要 @机器人 才响应
},
},
},
},
}
openclaw channels login --channel telegram
需要一个 Bot Token（从 @BotFather 获取）。
openclaw channels login --channel discord
需要创建 Discord Bot 并开启 Message Content Intent。
openclaw channels login --channel whatsapp
需要一个专用手机号。
OpenClaw 支持 20+ 渠道，完整列表见官方文档。
~/.openclaw/workspace/
├── AGENTS.md # Agent 行为规则
├── SOUL.md # Agent 人设和性格
├── USER.md # 用户信息
├── TOOLS.md # 工具使用备忘
├── MEMORY.md # 长期记忆
├── HEARTBEAT.md # 心跳任务配置
├── memory/ # 每日记忆文件
│ └── 2026-05-03.md
└── skills/ # 自定义技能
SOUL.md 定义 Agent 的性格：
# 我的 AI 助理
## 核心性格
- 直接、高效，不废话
- 有观点，不做应声虫
- 先动手查资料，再回来汇报
## 语言风格
- 默认中文回复
- 技术讨论可以用英文
- 代码注释用英文
USER.md 记录你的信息：
# 关于我
- 名字：张三
- 时区：Asia/Shanghai
- 偏好：简洁直接
- 工作：后端开发工程师
AGENTS.md 定义行为规则：
# 行为规则
## 安全红线
- 不删除非工作空间文件
- 外发操作必须先确认
- 敏感信息不外泄
## 工作习惯
- 代码改动先跑测试
- 邮件发送前让我过目
- 定时检查邮件和日历
单个 Agent 万能但不专精。多 Agent 让你：
# 创建新 Agent
openclaw agents add qianguang
# 查看所有 Agent
openclaw agents list --bindings
每个 Agent 有独立的：
~/.openclaw/workspace-qianguang/）~/.openclaw/agents/qianguang/sessions/）{
agents: {
list: [
{
id: "longhao",
workspace: "~/.openclaw/workspace",
// 龙豪：秘书角色，负责协调和安全评估
},
{
id: "qianguang",
workspace: "~/.openclaw/workspace-qianguang",
// 钳光：工程师角色，负责执行具体任务
},
],
},
// 跨 Agent 通信配置
tools: {
sessions: {
visibility: "all", // 允许看到其他 Agent 的 session
},
agentToAgent: {
enabled: true, // 允许 Agent 之间互发消息
},
},
}
# 龙豪向钳光发消息
sessions_send(
sessionKey="agent:qianguang:feishu:direct:ou_xxx",
message="请处理一下这个任务：..."
)
在飞书群聊中，两个 Agent 通过 @mention 互相沟通：
龙豪: @钳光 请检查一下服务器状态
钳光: @龙豪 服务器正常，CPU 15%，内存 42%
模式一：主从模式
用户 → 主 Agent（龙豪）→ 分发任务 → 从 Agent（钳光）→ 执行 → 汇报
适合：个人使用，一个”管家”统筹多个”执行者”
模式二：专业分工模式
用户 → 路由层 → 代码 Agent（处理开发任务）
→ 文档 Agent（处理写作任务）
→ 日程 Agent（处理日历邮件）
适合：团队使用，按专业领域分配
模式三：审核模式
用户 → 执行 Agent → 提交结果 → 审核 Agent → 通过/打回
适合：需要质量把控的场景
Skill 是 OpenClaw 的扩展机制，每个 Skill 是一个 SKILL.md 文件，教 Agent 如何使用特定工具。
# himalaya 已内置于 OpenClaw 工具链
# 配置文件：~/.config/himalaya/config.toml
配置示例（QQ 邮箱）：
[accounts.default]
default = true
display-name = "你的名字"
email = "your@qq.com"
backend.type = "imap"
backend.host = "imap.qq.com"
backend.port = 993
backend.encryption = "tls"
backend.auth.type = "password"
backend.auth.raw = "your_imap_authorization_code"
message.send.backend.type = "smtp"
message.send.backend.host = "smtp.qq.com"
message.send.backend.port = 465
message.send.backend.encryption = "tls"
message.send.backend.auth.type = "password"
message.send.backend.auth.raw = "your_smtp_authorization_code"
Agent 可以通过 himalaya 命令行完成：
# 查看最新邮件
himalaya envelope list --page-size 5
# 读取邮件
himalaya message read <id>
# 发送邮件（注意中文编码）
# PowerShell 中必须用文件输入，不能用管道
$proc = Start-Process -FilePath "himalaya.exe" `
-ArgumentList "template send" `
-RedirectStandardInput "email.txt" `
-NoNewWindow -Wait -PassThru
# 搜索邮件
himalaya envelope list -q "UNSEEN"
你：帮我看看有没有新邮件
Agent：你有 3 封未读邮件：
1. [GitHub] PR #123 已合并 (2分钟前)
2. [飞书] 张三 @你了 (15分钟前)
3. [Newsletter] 本周技术周报 (1小时前)
你：回复第一封，说"收到，谢谢"
Agent：已回复 GitHub 通知邮件。
gog 是 OpenClaw 的 Google Workspace CLI 工具，支持 Gmail、Calendar、Drive、Docs 等。
# 授权 Google 账号
gog auth login
# 查看今天日程
gog calendar list --today
# 创建会议
gog calendar create \
--title "项目评审" \
--start "2026-05-04T14:00:00+08:00" \
--end "2026-05-04T15:00:00+08:00" \
--attendees "zhang@company.com,li@company.com"
# 查看 Google Drive 文件
gog drive list --folder "项目文档"
你：明天有什么安排？
Agent：明天（5月4日）你有：
- 10:00-11:00 团队周会（会议室A）
- 14:00-15:00 项目评审（待确认）
- 18:00 和老王吃饭
你：14点的会议推迟到后天同时段
Agent：已将"项目评审"推迟到 5月6日 14:00-15:00，已通知参会人。
Agent 可以通过 gh CLI（GitHub CLI）或直接调用 GitHub API 管理项目。
# 查看 PR 列表
gh pr list --repo your-org/your-repo
# 创建 Issue
gh issue create --repo your-org/your-repo \
--title "修复登录页面样式问题" \
--body "描述..." \
--label "bug,frontend"
# 审查 PR
gh pr view 123 --repo your-org/your-repo
gh pr review 123 --approve --body "LGTM"
# 查看 Actions 运行状态
gh run list --repo your-org/your-repo
你：看看 my-project 有什么待处理的 PR
Agent：有 2 个 open PR：
#142 [feat] 新增用户导出功能 (by @zhangsan, 2天前)
- CI 通过 ✅，2 个 review 待审
#140 [fix] 修复超时问题 (by @lisi, 5天前)
- CI 通过 ✅，已approve 1人
你：approve #140
Agent：已 approve PR #140，评论：LGTM, nice fix!
OpenClaw 内置天气 Skill，无需额外配置：
你：今天上海天气怎么样？
Agent：上海今天：多云转晴，22-28°C，东南风3级，空气质量良。适合户外活动。
OpenClaw 支持多种搜索引擎（Brave、DuckDuckGo、Tavily 等）：
{
plugins: {
entries: {
brave: {
enabled: true,
config: {
webSearch: {
apiKey: "your_brave_api_key",
},
},
},
},
},
}
你：帮我查一下 Next.js 15 有什么新特性
Agent：（搜索后总结）Next.js 15 主要更新：
1. React 19 支持（Server Components 默认启用）
2. Turbopack 稳定版（构建速度提升 76%）
3. 新增 `after()` API（响应后执行逻辑）
4. ...
# 创建一次性提醒
openclaw cron add \
--name "下午茶提醒" \
--at "2026-05-03T15:00:00+08:00" \
--session main \
--system-event "提醒：该喝下午茶了！" \
--wake now \
--delete-after-run
# 创建周期任务（每天早上9点检查邮件）
openclaw cron add \
--name "早间邮件检查" \
--cron "0 9 * * *" \
--session main \
--system-event "检查今日未读邮件并汇报" \
--tz "Asia/Shanghai"
# 查看所有任务
openclaw cron list
在 HEARTBEAT.md 中配置定期检查任务：
# 心跳任务
## 邮件检查
- 检查新邮件（`himalaya envelope list --page-size 5`）
- 发现新邮件后总结，通过飞书发送提醒
- 每次心跳最多提醒 3 封
## 日历检查
- 检查未来 24 小时内的日程
- 有即将到来的事件时提醒
Agent 会定期执行心跳任务，主动推送重要信息。
早上 9:00 → Agent 自动检查邮件和日历，推送今日摘要
工作中 → 飞书群里 @Agent 查代码、写文档、查资料
下午 5:00 → Agent 自动总结今日工作，更新待办
晚上 8:00 → Agent 检查 GitHub PR 状态，提醒 review
龙豪（秘书 Agent）：
- 接收殷瑞指令
- 安全评估
- 拆解任务分配给钳光
- 审核结果后汇报
钳光（工程师 Agent）：
- 接收龙豪指令
- 执行具体任务（写代码、查日志、部署）
- 向龙豪汇报结果
PR 合并 → GitHub Webhook → Agent 收到通知 → 自动部署到测试环境 → 飞书通知团队
{
channels: {
feishu: {
dmPolicy: "allowlist", // 私聊白名单
allowFrom: ["ou_xxx"], // 只允许指定用户
groupPolicy: "allowlist", // 群聊白名单
groupAllowFrom: ["oc_xxx"], // 只允许指定群
},
},
tools: {
exec: {
security: "allowlist", // exec 命令白名单模式
},
},
}
{
agents: {
defaults: {
model: "claude-sonnet-4-20250514", // 默认模型
// 支持的提供商：
// Anthropic (Claude)、OpenAI (GPT)、Google (Gemini)
// 以及 35+ 其他提供商
},
list: [
{
id: "main",
model: "claude-sonnet-4-20250514", // Agent 专属模型
},
{
id: "fast",
model: "gpt-4o-mini", // 轻量任务用便宜模型
},
],
},
}
{
gateway: {
sandbox: {
enabled: true, // 启用沙箱
network: "restricted", // 限制网络访问
},
},
}
通过 Tailscale 实现远程访问：
# 安装 Tailscale
# 配置 Gateway 绑定到 Tailscale 网络
openclaw config set gateway.bind "0.0.0.0"
| 场景 | 推荐模型 | 提供商 |
|---|---|---|
| 通用对话 | Claude 3.5 Sonnet | Anthropic |
| 代码生成 | Claude 3.5 Sonnet / GPT-4o | Anthropic / OpenAI |
| 轻量任务 | GPT-4o-mini | OpenAI |
| 预算有限 | Gemini 1.5 Flash |
# 检查状态
openclaw gateway status
# 重启
openclaw gateway restart
# 查看日志
openclaw logs --tail 50
建议配置看门狗脚本，自动监控和恢复。
安全。每个 Agent 有独立的工作空间和会话存储，互不访问。通过 bindings 将不同渠道/用户路由到不同 Agent。
OpenClaw 本身免费开源。费用来自：
C:\path\to\file）OpenClaw 不只是一个 AI 聊天工具，而是一个 AI Agent 操作系统。它让你：
开始搭建你的 AI 助理帝国吧。
相关资源：
]]>openpilot 是由 comma.ai 开发的一个开源高级驾驶辅助系统（ADAS）。它的功能类似于特斯拉 Autopilot 和 GM Super Cruise，但最大的不同是——它是完全开源的，而且可以装在 325+ 款普通车型上。
简单来说：不需要买特斯拉，也能拥有类似 Autopilot 的体验。
openpilot 目前提供以下核心能力：
在实际使用中，openpilot 可以连续数小时无需人工干预，让长途驾驶从疲劳变得轻松。
openpilot 通过连接车辆的 CAN 总线 工作。现代汽车的电子转向、油门和刹车系统都支持外部命令输入，openpilot 利用这些接口来接管车辆控制。这意味着它不需要对车辆进行大规模改装，只需一个硬件设备即可。
openpilot 内置了一个先进的神经网络，能够理解道路场景并预测行驶路径。这个神经网络基于 3 亿+ 英里 的真实驾驶数据训练，因此在处理复杂场景时表现出色：
最新版本（0.11，2026 年 3 月发布）更是首个完全在学习仿真中训练的机器人代理，标志着技术的重大突破。
安全是 openpilot 的核心考量。系统内置了基于摄像头的驾驶员监控系统：
openpilot 运行在 comma.ai 自研的硬件设备上，最新款是 comma four：
openpilot 拥有活跃的开源社区和庞大的用户基础：
openpilot 支持的车型涵盖多个主流品牌：
完整车型列表可以在 comma.ai/vehicles 查看。
| 特性 | openpilot | 特斯拉 Autopilot |
|---|---|---|
| 开源 | ✅ 完全开源 | ❌ 闭源 |
| 硬件成本 | ~$2000 | 车辆自带 |
| 适用车型 | 325+ 款 | 仅特斯拉 |
| OTA 更新 | ✅ | ✅ |
| 驾驶员监控 | 摄像头+无方向盘干扰 | 方向盘扭矩 |
| 社区驱动 | ✅ | ❌ |
openpilot 代表了一种理想主义的自动驾驶路径：开源、开放、社区驱动。它证明了不需要数十亿美元的研发预算，也能做出优秀的驾驶辅助系统。对于那些想要体验自动驾驶但又不想换车的人来说，openpilot 是一个极具吸引力的选择。
参考资料：
]]>
殷瑞与龙豪的讨论记录 2026-05-03
一人公司的关键不是”我会什么技术”，而是找到”大公司看不上、小团队嫌麻烦”的缝隙，用技术或信息差填进去。
选择标准：
大公司不愿碰、外包做不好的苦力活，用代码吃掉。
不做平台，只做”一个功能做到极致”。
企业已有的系统缺某个功能，做一个中间件补上。
收集+处理+售卖某个领域的结构化数据。
找用户每天都在干、但体验很差的事，而不是”什么类型能做”。
国内（挑战大）：
海外（机会更大）：
本文档由龙豪整理，基于2026年5月3日的讨论内容
]]>这是一套基于飞书多维表格构建的个人管理系统。
系统的底层逻辑是「目标 → 任务 → 习惯 → 打卡」四层递进结构：
所有表都通过「关联字段」互相连接，核心关联链路如下：
这是整个系统的「大脑」，所有目标从这里出发。
目标的「执行单元」，把大目标拆成一个个可交付的小任务。
定义你要养成的日常习惯，是目标达成的「底层操作系统」。
每日习惯执行的「打卡机」，记录你今天做了什么。
你的「第二大脑」，存储读书笔记、课程要点、灵感碎片。
个人财务的「透明窗口」，记录每笔收支并与目标关联。
A: 使用优先级（P0/P1/P2）区分，P0 不超过 2 个。如果所有事情都紧急，说明没有做好优先级排序。
A: 检查习惯是否太大（缩小到「不可能失败」的程度），或者是否与目标真正相关（缺乏动力）。
A: 设定「下次复习」日期，利用系统的提醒功能。同时简化摘要，让复习成本降到最低。
A: 先从大额消费开始记录，小额可以每周集中补录。关键是养成意识，不必追求 100% 覆盖。
]]>