OpenClaw 36招制胜：从家庭助理到企业级运维的全场景实战指南-毕业帮

你的AI助手不应该只在聊天框里回答问题——它应该成为你的数字员工团队，24小时待命，管理你的生活、工作和业务。

这不是科幻。这是全球5,000+ OpenClaw用户正在运行的36个真实工作流，从家庭日历管理到百万级交易监控，从个人习惯追踪到多智能体企业级自动化。

本指南将揭示每个场景的完整搭建方法、必备技能栈、以及那些只有实战才能总结的关键洞察。无论你是个人用户还是企业主，都能找到适合你的自动化蓝图。

家庭生活自动化

1. Family Calendar Aggregation & Household Assistant

痛点： 你的家庭有5个日历——你的工作、家人的个人日程、孩子的学校活动、配偶的安排、课外班。它们分散在Google Calendar、Apple Calendar、PDF校历、邮件邀请中。重要事件总在缝隙中丢失。

解决方案： OpenClaw成为家庭协调中枢，每天早晨发送统一日程简报，实时监控短信中的预约信息并自动创建日历事件（包括30分钟行车缓冲），追踪冰箱库存，自动生成购物清单。

关键洞察：

被动监控 > 主动查询：最大的突破是自动从短信中检测"牙医预约确认，周二下午2点"并创建日历事件。你不需要问，它自动处理。
Mac Mini是最佳载体：iMessage集成、Apple Calendar访问、7x24小时运行——Mac Mini完美支持。
照片输入被低估：拍一张学校日历PDF或冷冻食品照片，视觉模型自动解析成结构化数据。

所需技能： Google Calendar API、iMessage技能、Telegram/Slack共享频道、文件系统访问、计算机视觉。

设置命令：

每日早晨8点简报：
1. 聚合所有家庭日历（工作、个人、学校PDF、邮件邀请）
2. 格式：今日事件 + 3天前瞻（冲突检查） + 新增事件 + 天气提醒
3. 发送到Telegram家庭频道

每15分钟：
1. 检查新iMessage
2. 检测预约模式（"确认...时间...日期"）
3. 自动创建日历事件 + 前后30分钟缓冲
4. 通知家庭群组

冰箱库存：
- "冰箱里有鸡蛋吗？" → 查询库存，回复数量位置
- "牛奶快没了" → 自动记录低库存
- 拍照上传 → 视觉识别更新库存

2. Habit Tracker & Accountability Coach

痛点： 所有习惯追踪App都依赖你记得打开它。推送通知可以一键忽略。真正有效的行为改变需要主动问责——有人直接问你，庆祝你的连胜，在你下滑时推动。

解决方案： OpenClaw成为主动问责伙伴，在你选择的时段通过Telegram/SMS主动检查每日习惯，追踪连胜记录，自适应调整语气（连胜时鼓励，连续失败时提供持久动力）。

关键洞察：

自适应语气是最强大的特性：静态提醒被忽略。但"第12天了，现在不要打破"真正有激励作用。
追踪3-5个习惯：太多会导致检查疲劳，你会开始忽略消息。
每周模式分析出人意料地有用：你会发现自己"总是在周三错过锻炼"并可以相应规划。

设置命令：

每日习惯：
7:30 AM - 晨练
8:00 PM - 阅读30分钟
12:30 PM - 中午前不用社交媒体
6:00 PM - 喝8杯水

检查时：
- 确认当前连胜并在回复中提到
- 确认：简短鼓励 + 连胜天数
- 错过：不内疚，提醒初始原因
- 3天连续错过：发送激励信息，询问调整目标
- 2小时未回复：发送一次跟进，不骚扰
- 周日10 AM：每周摘要（完成率、最长连胜、模式、建议）

3. Health & Symptom Tracker

痛点： 识别食物敏感需要数周的持续记录——但手动记录太繁琐，大多数人坚持不了一周。结果你永远不知道是什么引起了那些腹胀或头痛。

解决方案： OpenClaw管理健康日志，每天3次自动提醒，解析你发送的食物和症状消息，时间戳记录，每周日分析相关性并识别潜在触发因素。

设置命令：

健康追踪设置 - 日志文件: ~/clawd/memory/health-log.md

每日3次提醒：
8 AM - "🍳 记录早餐"
1 PM - "🥗 记录午餐"
7 PM - "🍽️ 记录晚餐和症状"

当我发送消息时：
- 解析食物项目和症状
- 时间戳记录到health-log.md
- 确认记录内容

每周日分析：
- 过去一周的食物-症状相关性
- 时间段模式
- 明确触发因素
- 发布到health-tracker主题

生产力提升

4. Multi-Agent Specialized Team (Solo Founder Setup)

痛点： 独立创业者扮演所有角色——战略、开发、营销、销售、运营。上下文切换摧毁深度工作。雇佣是昂贵且缓慢的。

解决方案： 创建4个专业OpenClaw代理组成的团队，每个都有独特角色、个性和优化模型，通过Telegram群组统一控制，共享项目目标，运行预定任务。

团队配置示例：

Milo（战略主管）

Claude Opus
职责：战略规划、协调其他代理、OKR跟踪、综合洞察到决策
每日：8 AM发布晨间站立摘要，6 PM发布日终回顾

Josh（业务与增长）

Claude Sonnet（快速分析）
职责：定价策略、竞争分析、增长指标、收入模型、客户反馈
每日：9 AM提取关键指标，每周追踪竞争价格变化

营销代理

Gemini（擅长网络研究）
职责：内容构思、竞争社媒监控、Reddit/X趋势、SEO关键词
每日：10 AM基于趋势提出3个内容创意

Dev代理

Claude Opus/Codex
职责：编码、架构决策、代码审查、bug修复、技术文档
持续：CI/CD健康监控、PR审查、技术债务标记

关键洞察：

个性比想象的重要：给代理命名和沟通风格使"与你的团队交谈"感觉自然，而非与通用AI纠缠。
共享记忆 + 私有上下文：代理需要共同基础（目标、决策）但也需要私有空间累积领域专长。
正确模型用于正确任务：不要用昂贵推理模型做关键词监控。匹配模型能力和任务复杂度。
从2个开始，不是4个：先启动主管+一个专家，然后识别瓶颈后添加代理。

设置文件结构：

team/
├── GOALS.md           # 当前OKR和优先级（所有代理读取）
├── DECISIONS.md       # 关键决策日志（仅追加）
├── PROJECT_STATUS.md  # 当前项目状态（所有更新）
└── agents/
    ├── milo/          # Milo的私有上下文和笔记
    ├── josh/
    ├── marketing/
    └── dev/

Telegram路由AGENTS.md：

Telegram群组："Team"

路由：
- @milo → 战略代理
- @josh → 业务代理
- @marketing → 营销代理
- @dev → 开发代理
- @all → 广播给所有代理
- 无标签 → Milo（主管）默认处理

每日调度（HEARTBEAT.md）：
8:00 AM - Milo发布晨间站立（汇总夜间活动）
9:00 AM - Josh提取关键指标
10:00 AM - 营销提出内容创意
6:00 PM - Milo发布日终回顾

5. Custom Morning Brief

痛点： 你醒来的前30分钟浪费在滚动新闻、检查日历、查看待办事项、试图理解今天什么是重要的。如果所有这些都已完成并作为短信等待你呢？

解决方案： OpenClaw每天定时发送结构化晨报到Telegram/Discord/iMessage，涵盖新闻、任务、创意、主动推荐——在你醒来前完成。

关键洞察：

AI推荐任务是核心价值：代理主动思考如何帮助你，而不是等待指令。这是最强大的部分。
完整草稿，不只是想法：等你醒来时，不是一堆建议，而是完整的脚本、邮件草稿、商业提案。这才是真正的节省时间。
通过短信自定义："在我的晨报中添加天气预报"它就更新。无需复杂配置。

设置命令：

每天早上8点发送Telegram晨报，包括：
1. 相关新闻（AI、创业、科技）
2. 今天可以创建的内容创意
3. 今天需要完成的任务（从待办事项拉取）
4. 今天可以为我自主完成的任务推荐

对于内容创意，写完整草稿/大纲——不只是想法。
查看我的兴趣并思考什么最有帮助。

6. Second Brain

痛点： 你想到想法、发现有趣链接、听说要读的书——但从不记录。Notion变得复杂，Apple Notes成为10,000个未读条目的墓地。你需要像发短信给朋友一样简单的记录方式。

解决方案： OpenClaw成为记忆捕获系统，通过Telegram/iMessage/Discord交互。短信任何内容给你，它瞬间记住。内置记忆系统永久存储。定制Next.js仪表板可浏览所有记忆、对话、笔记。全局搜索（Cmd+K）跨越所有内容。

关键洞察：

零摩擦捕获：无需打开应用、选择文件夹、添加标签。只需短信。
OpenClaw的记忆是累积的：它记住你告诉它的一切，随时间推移变得更强大。
手机短信，电脑构建：从手机发短信，电脑上运行OpenClaw构建一切。界面就是对话本身。

设置命令（3步）：

1. 确保OpenClaw连接到Telegram/Discord

2. 立即开始使用 - 短信任何内容：
"提醒我读《设计数据密集型应用》
保存链接：https://example.com/interesting-article
记住：John推荐了第五街的餐厅"

3. 构建搜索界面：
"我想建立一个第二大脑系统，可以查看所有笔记、对话和记忆。
用Next.js构建，包括：
- 所有记忆和对话的可搜索列表
- 全局搜索（Cmd+K）跨越所有内容
- 按日期和类型过滤
- 简洁、极简UI"

4. OpenClaw构建并部署整个Next.js应用。

7. Inbox De-clutter

痛点： 新闻邮件像洪水般占据收件箱，堆积如山从未打开。手动退订耗时，但收件箱爆炸更痛苦。

解决方案： OpenClaw运行每日工作流，读取过去24小时所有新闻邮件，提取重要内容+链接，生成摘要发送给你，然后询问反馈，基于你的偏好优化未来摘要。

所需技能： Gmail OAuth设置

设置命令：

每晚8点运行cron作业：
1. 读取过去24小时所有新闻邮件
2. 提取最重要的内容+阅读链接
3. 发送摘要给我
4. 询问我是否选择了好的内容片段
5. 基于我的反馈更新记忆以改进未来摘要

8. Phone-Based Personal Assistant

痛点： 你想在任何手机上访问AI助手，但不需要智能手机应用或浏览器。需要在开车、走路、双手占用时 hands-free 语音助手。

解决方案： ClawdTalk使OpenClaw能接收和拨打电话，任何手机成为AI助手网关。打电话与AI语音对话，获取日历提醒、Jira更新、搜索结果。

关键洞察：

代理呼叫你：关键思想——代理呼叫你。你不呼叫代理。这与heartbeat检查、cron或任何触发配合工作——代理评估是否值得电话并行动。
快速模型用于通话：电话对话需要快速响应。如果OpenClaw支持技能级模型路由，分配clawr.ing到快速模型（Haiku类）。思考声覆盖延迟，但更快总是更好。
隐私：clawr.ing不存储录音或转录。音频加密传输，处理后丢弃。

所需技能： ClawdTalk、日历技能、Jira技能、网络搜索技能

设置： 只需从clawr.ing仪表板粘贴安装提示到OpenClaw聊天——无需Twilio账户，无需电话号码供应，无需webhook配置。

示例提示：

"你通过电话可用。当我打电话时，问候并询问如何帮助。

日历查询："我今天日历上有什么？"
Jira更新："显示我的开启票据"
网络搜索："搜索AI助手的最新新闻""

9. Daily YouTube Digest

痛点： YouTube通知不可靠。你订阅的频道，新视频从不在主页feed显示，不在通知中——它们消失。不是因为你不感兴趣，是YouTube算法把它们埋了。

解决方案： OpenClaw每天抓取你最爱的频道最新视频，获取转录，总结要点，发送摘要。你醒来时收到个性化内容洞察，无需doom-scroll推荐feed。

为什么TranscriptAPI.com而不是yt-dlp？

CLI工具	TranscriptAPI
详细日志淹没代理上下文	干净JSON响应
云OpenClaw上不工作	到处工作，快速
被YouTube随机屏蔽	支持YouTubeToTranscript.com服务数百万。缓存可靠。
需要二进制安装	无二进制，仅HTTP

设置命令：

基于频道（选项1）：
"每天早上8点，从这些YouTube频道获取最新视频并发送摘要：
- @TED
- @Fireship
- @ThePrimeTimeagen
- @lexfridman

每个新视频（过去24-48小时上传）：
1. 获取转录
2. 2-3个要点总结
3. 包含视频标题、频道名称和链接

保存频道列表到记忆以便我稍后添加/删除。"

基于关键词（选项2）：
"每天搜索YouTube关于'OpenClaw'的新视频。
维护seen-videos.txt文件已处理视频ID。
只处理不在其中的视频。
3点摘要 + 任何相关备注。
每天早上9点运行。"

技巧：

channel/latest 和 channel/resolve 免费（0积分）——检查新上传不花成本
仅转录成本1积分每个
请求不同摘要风格：关键要点、著名引用、有趣时刻时间戳
Recapio已作为产品存在

10. Daily Reddit Digest

痛点： 你想跟踪Reddit子论坛但不断检查消耗时间。订阅RSS不现实，通知太吵或太安静。

解决方案： OpenClaw运行每日摘要，从你喜爱的子论坛抓取热门/新/热门帖子，编译简洁报告。只读——不发布、投票、评论。

所需技能： reddit-readonly - 不需要认证

设置命令：

"我想让我喜爱的子论坛的热门帖子每日摘要。
创建单独记忆用于Reddit流程，关于我喜欢看的帖子类型，
每天问我是否喜欢提供的列表。保存偏好作为规则在记忆中以获得更好摘要策划（例如：不包括表情包）。
每天下午5点运行此流程并给我摘要。"

内容创作工厂

11. Multi-Agent Content Factory

痛点： 内容创作3阶段——研究、写作、设计——大多数创作者手动做全部。即使有AI写作工具，你仍必须逐一提示。链条中一个环节断开，生产力崩溃。

解决方案： 多代理内容工厂——研究代理、写作代理、缩略图代理——在Discord独立频道工作，形成管道，一个代理的输出喂养下一个，完全免手。

流程：

研究代理每天早晨8AM扫描热门故事、竞争内容、社交媒体趋势
写作代理接受最佳创意，写完整脚本/草稿/新闻稿
缩略图代理生成AI缩略图或封面图

关键洞察：

链式代理的力量：研究喂养写作，写作喂养缩略图。你不逐步骤提示。
Discord频道保持组织：每个代理独立工作，审查容易，反馈如"脚本太长"或"聚焦AI新闻"直接。
适应任何内容格式：推文、新闻稿、LinkedIn帖子、播客大纲、博客文章。
本地图像生成：Mac Studio上运行Nano Banana降低成本，提供更多控制。

设置命令：

"我想在Discord中建立内容工厂。设置不同代理的频道：

1. #research：每天早上8AM，研究我领域（AI创业）的热门故事、竞争内容、社交媒体表现最佳内容。发布前5个内容机会和来源。

2. #scripts：接受研究代理的最佳创意，写完整脚本/线程/新闻稿草稿。发布到#scripts。

3. #thumbnails：为内容生成AI缩略图或封面图。发布到#thumbnails。

让他们工作在不同频道。此管道每天早上自动运行。

我聚焦X/Twitter线程，不是YouTube。更改写作代理生产推文线程而不是视频脚本。"

12. Podcast Production Pipeline

痛点： 独立播客和小组花费更多时间在生产而非实际录制。研究数小时，show notes是事后想法，社交媒体推广最先被跳过。创造性部分——对话——仅占全部工作的30%。

解决方案： 链式代理处理完整播客生产工作流从主题到发布就绪资源。

工作流：

录制前：嘉宾研究、话题深度研究、剧集大纲（冷开场钩子、介绍脚本、5-7个采访问题、结束CTA）
录制后：转录 → 带时间戳show notes + 链接、SEO优化剧集描述、社交媒体包（X推文、LinkedIn帖子、Instagram标题、亮点列表）

关键洞察：

录制前研究是最大价值：步行进入采访带着深度嘉宾研究使对话显著更好——这是后期制作无法伪造的。
带时间戳show notes是巨大听众保留工具：大多数播客跳过因为它们繁琐。此代理使其轻松。
社交媒体包节省最多重复时间：每集都需要推广，且总是相同结构——自动化的完美。

设置命令（录制前）：

"我正在录制关于[主题]的播客剧集。我的嘉宾是[姓名]。

请：
1. 研究嘉宾——背景、近期工作、热门观点、任何争议或公开言论
2. 研究主题——关键趋势、近期新闻、常见误解、观众可能已知 vs 会惊讶什么
3. 生成剧集大纲：
   - 冷开场钩子（1-2句吸引注意）
   - 介绍脚本（30秒，随意语气）
   - 5-7采访问题，从容易/建立融洽到深入/ provocative
   - 2-3'备用口袋问题'以防对话停滞
   - 带CTA的结束段落

保存所有内容到~/podcast/episodes/[剧集编号]/prep/"

设置命令（录制后）：

"这是第[NUMBER]剧集转录：[粘贴或指向文件]

请：
1. 写时间戳show notes——每个主要话题转换有时间戳和一句话摘要。包含提到的一切链接（工具、书籍、文章、人）。
2. 写剧集描述（最多200词）为播客搜索优化。自然包含3-5个相关关键词。
3. 创建社交媒体帖子：
   - X/Twitter：3条推文——一句引用、一个关键洞察、一个讨论问题。每条约280字符。
   - LinkedIn：1篇，专业语气，100-150词。
   - Instagram标题：1篇with emoji，随意语气，包含相关hashtag。
4. 提取'亮点'列表——3个最有趣/惊讶时刻带时间戳。

保存所有内容到~/podcast/episodes/[剧集编号]/publish/"

13. YouTube Content Pipeline

痛点： 日常YouTube创作者在Web和X/Twitter上寻找新鲜、及时的创意并跟踪已覆盖内容以防止重复，这很耗时。

解决方案： 自动内容侦察和研究管道：

每小时cron作业扫描AI突发新闻（Web + X/Twitter）并向Telegram推荐视频创意
维护90天视频目录带观看计数和主题分析以避免重复主题
存储所有推荐到SQLite数据库带vector embeddings用于语义去重（永不再收到相同创意）
当你在Slack分享链接，OpenClaw研究主题、搜索X相关帖子、查询知识库、创建Asana卡片带完整大纲

技能栈： web_search、x-research-v2、knowledge-base、Asana集成、gog CLI、Telegram主题

设置命令：

每小时cron作业：
1. 网络和X/Twitter搜索突发AI新闻
2. 对照90天YouTube目录（通过gog从YouTube Analytics获取）检查
3. 对照SQLite pitches数据库检查语义相似性
4. 如果新颖，向Telegram"video ideas"主题推荐带来源

附加：当我在Slack #ai_trends分享链接，自动：
1. 研究主题
2. 搜索X相关帖子
3. 查询知识库
4. 创建带有完整大纲的Asana Video Pipeline卡片

14. Autonomous Mini-App Builder (Overnight)

痛点： 你的AI代理强大但反应式——仅当你告诉它做什么时工作。如果它知道你的目标并每天主动生成推进它们的任务，无需询问呢？甚至每晚为你构建惊喜迷你应用？

解决方案： OpenClaw成为自主员工。你一次性脑转储所有目标，代理自主生成、调度、完成推进它们的每日任务——包括构建MVPs。

工作方式：

你脑转储所有目标（个人和职业）
每天早晨8AM，代理生成4-5个当天能完成的任务
任务超出应用构建：研究、编写脚本、构建特性、创建内容、分析竞争
代理自己执行任务并在自定义看板追踪
每晚可以构建惊喜迷你应用MVP

关键洞察：

脑转储是一切：你提供越多关于目标的上下文，代理每日任务越好。不要保留。
代理发现你不会想到的任务：它跨越你的目标连接点并发现你错过机会。
看板使代理可追踪：你可以看到它做了什么并纠正方向。
对于过夜应用构建：明确告诉它构建MVPs，不过度复杂化。你每天早上醒来有新惊喜。

关键模式：两文件架构（基于生产学习的教训）

⚠️ 竞争条件：子代理编辑共享文件

当此工作流使用子代理，主会话和产生的子代理可能尝试更新相同任务文件（你的看板/AUTONOMOUS.md）。这导致静默失败。

原因： OpenClaw的 edit工具需要精确 oldText匹配。如果子代理在主会话读取文件和尝试编辑之间更新一行，文本不再匹配——编辑静默失败。

修复：分离任务文件为两个角色：

AUTONOMOUS.md——保持小而干净。仅包含目标 + 开放待办事项。仅主会话触碰。子代理从不编辑。
memory/tasks-log.md——仅追加日志。子代理仅向底部添加新行。从不编辑现有行。

# tasks-log.md — 已完成任务（仅追加）
# 子代理：仅追加到末尾。从不编辑现有行。

### 2026-02-24
- ✅ TASK-001: 研究竞争 → research/competitors.md
- ✅ TASK-002: 起草博客文章 → drafts/post-1.md

此模式借自Git提交日志：从不重写历史，只添加新提交。它完全消除竞争条件并有额外好处：AUTONOMOUS.md保持小，所以每次heartbeat加载成本更少token。

规则： 在子代理生成指令中，总是包括：

"完成后，追加✅行到 memory/tasks-log.md。从不直接编辑 AUTONOMOUS.md。"

设置命令：

"这是我的目标和使命。记住所有：

职业：
- YouTube频道增长到100k订阅者
- Q3前推出SaaS产品
- 围绕AI教育建立社区

个人：
- 每月读2本书
- 学西班牙语

商业：
- 收入增长到$10k/月
- 与5个空间公司建立合作伙伴关系
- 尽可能自动化工作流

用此上下文做你以后所有事。"

"每天早上8AM，想出4-5个你当天能在我电脑上完成的任务推进我的目标。然后调度并自己完成这些任务。例子：
- 研究竞争并写分析报告
- 基于趋势起草视频脚本
- 为我的应用构建新特性
- 写并调度社交媒体内容
- 研究潜在业务合作伙伴
- 构建推进一个目标的惊喜迷你应用MVP

在看板上追踪所有任务。完成任务时更新它。"

"用Next.js为我构建看板，显示你正在做的所有任务。列：待办、进行中、已完成。实时更新。"

15. Knowledge Base with RAG

痛点： 你读文章、推文、看视频全天但从不能找到上周看到的那件事。书签堆积变得无用。

解决方案： OpenClaw构建可搜索知识库从所有你保存的内容：

贴任何URL到Telegram/Slack，它自动摄取内容（文章、推文、YouTube转录、PDFs）
语义搜索所有已保存："我对代理记忆的有什么？"返回排序结果带来源
馈入其他工作流——例如视频创意管道查询KB相关保存内容

设置命令：

"当我在'knowledge-base'主题丢弃URL时：
1. 获取内容（文章、推文、YouTube转录、PDF）
2. 摄取到知识库带元数据（标题、URL、日期、类型）
3. 回复确认：摄取了什么和chunk数量

当我在此主题提问时：
1. 语义搜索知识库
2. 返回顶部结果带来源和相关摘录
3. 如果没有好匹配，告诉我

另外：当其他工作流需要研究（例如视频创意、会议准备），自动查询知识库相关保存内容。"

商业智能

16. AI-Powered Earnings Tracker

痛点： 跟踪数十家科技公司财报季需要检查多个来源并记住报告日期。你想保持AI/科技财报领先而不手动追踪每家公司。

解决方案： OpenClaw自动化财报追踪和交付：

每周日预览：扫描即将到来的财报日历，发布相关科技/AI公司到Telegram
你选择关注的公司，OpenClaw为每个财报日期调度一次性cron作业
报告发布后，搜索结果，格式化详细摘要（超出/不及、关键指标、AI亮点），发送

技能栈： web_search、cron支持、Telegram主题

设置命令：

"创建Telegram主题'earnings'用于更新。

每周日下午6PM，cron作业：
1. 搜索下周科技和AI公司财报日历
2. 筛选我关心的（NVDA、MSFT、GOOGL、META、AMZN、TSLA、AMD等）
3. 发布列表到我的Telegram'earnings'主题
4. 等待我确认想追踪哪些

当我回复想追踪的公司：
1. 为每个财报日期/时间调度一次性cron作业
2. 每个报告发布后，搜索财报结果
3. 格式化摘要包括：超出/不及、收入、EPS、关键指标、AI相关亮点、指引
4. 发布到Telegram'earnings'主题

保持我典型追踪公司记忆以便每周自动建议。"

17. Market Research & Product Factory

痛点： 你想构建产品但不知道构建什么。或者你有业务需要理解客户 Struggling 什么。传统市场研究意味数小时手动浏览论坛、社交媒体、评论网站。

解决方案： Last 30 Days 技能挖掘Reddit和X的真实痛苦，然后OpenClaw构建这些问题的解决方案——研究到产品管道无需你写一行代码。

真实世界示例：

"使用Last 30 Days技能研究与OpenClaw相关的人们 Struggling 的问题。"

结果：
- 设置困难：许多用户 Struggle 初始配置
- 技能发现：人们找不到满足需求的技能
- 成本担忧：用户想要更便宜的模型替代品

→ "为我构建简化OpenClaw设置的引导式向导的简单Web应用。"

OpenClaw构建应用。你发布。你有了产品。

设置命令：

"使用Last 30 Days技能研究过去30天人们在[你的主题]上的挑战。
组织发现为：
- 顶级痛苦点（按频率排名）
- 具体抱怨和功能请求
- 现有解决方案的差距
- 新产品机会

选择一个痛点，为我构建解决它的MVP。保持简单——仅核心功能。
作为Web应用发布，我可以分享给人们。"

持续：每周一早晨使用Last 30 Days研究Reddit和X上人们关于[你的领域]的讨论。总结顶级机会并发送到我的Telegram。

18. X Account Analysis

痛点： 你有很多网站提供X账户定量分析（参与度、粉丝增长）。但定性分析——什么使你的帖子病毒传播？什么话题获得最多参与？1000+赞帖子 vs <5赞帖子，你做错了什么？——这些洞察很难获得。

解决方案： OpenClaw使用Bird技能分析你的真实X账户，获取最后N条推文，执行定性分析，告诉你病毒模式、话题表现、失败原因。无需支付$10-50订阅费那些网站。

所需技能： Bird技能（clawhub install bird预捆绑）

设置命令：

"1. 确保Bird技能工作。

2. 为安全隔离，为ClawdBot创建新账户。

3. 使用'鸟'技能用我的X账户认证。
登录Chrome/Brave的x.com，提供正确cookie信息（auth-token、ct0）以便OpenClaw访问我的账户。

4. 询问OpenClaw查看我真实账户，获取最后N条推文，问任何问题。
或者你可以询问编写特定脚本。"

项目管理

19. Automated Meeting Notes & Action Items

痛点： 你刚结束45分钟团队电话。现在需要写摘要、提取行动项、分发到Jira、Linear或Todoist——手动完成。完成时，下一个会议已开始。

解决方案： OpenClaw将任何会议转录转为结构化笔记并自动创建任务：

监控新会议转录（Otter.ai导出、Google Meet转录、Zoom录制摘要、或简单粘贴聊天）
提取关键决策、讨论主题、带负责人的行动项
在Jira、Linear、Todoist、Notion创建任务——分配给正确人带会议上下文
发布摘要到Slack/Discord使整个团队有记录
跟踪后续——截止日期前可选提醒负责人

关键洞察：

真实价值不在摘要——在自动任务创建。未变成追踪任务的会议笔记只是文档剧场。
与Todoist Task Manager配对用于完整代理创建任务可见性。
VTT/SRT字幕文件来自Zoom或Google Meet作为输入极好——它们包含时间戳帮助代理归属陈述给发言人。
从简单开始（粘贴转录，获取摘要）并逐步自动化。在验证输出质量前不要过度工程管道。

设置命令（粘布置）：

"我刚刚完成会议。这是转录：
[粘贴转录或指向文件]

请：
1. 写简洁摘要（最多5要点）涵盖关键决定和主题。
2. 提取所有行动项。对每个：
   - 需要做什么
   - 谁负责（匹配名字到我的团队）
   - 截止日期（如果提及，否则标记'TBD'）
3. 为每个行动项创建Jira票据，分配给正确人。
4. 在Slack的#meeting-notes发布完整摘要。"

完全自动化（转录文件夹监视）：

"设置重复任务：每30分钟检查~/meeting-transcripts/新.txt或.vtt文件。
当你找到：
1. 解析转录为结构化摘要带行动项
2. 为每个行动项在Linear创建任务
3. 在#team-updates Slack发布摘要
4. 移动已处理文件到~/meeting-transcripts/processed/

对于带截止日期的每个行动项，设置提醒截止前一天在Slack ping负责人。"

20. Todoist Task Manager (Agent Task Visibility)

痛点： 当代理运行复杂、多步骤任务（如构建全栈应用或执行深度研究），用户经常失去追踪代理当前做什么、完成什么步骤、可能卡在哪里。手动检查聊天日志针对后台任务繁琐。

解决方案： OpenClaw使用bash脚本（代理自建）将长运行工作流状态同步到Todoist任务：

可视化状态：在特定部分创建任务如'🟡 In Progress'或'🟠 Waiting'
外化推理：任务的描述中发布代理的完整"计划"
流日志：作为评论实时发布子步骤完成
自动协调：heartbeat脚本检查停滞任务并通知用户

优势： 不需要预建技能——OpenClaw为自己构建技能。代理创建3个bash脚本：

todoist_api.sh - Todoist REST API curl包装器
sync_task.sh - 用section_id创建/更新任务
add_comment.sh - 将进度日志作为评论发布

设置命令（代理自建）：

"我想为你的运行构建Todoist任务可见性系统。

首先，在'scripts/'文件夹创建3个bash脚本：
1. todoist_api.sh（Todoist REST API的curl包装器）
2. sync_task.sh（用特定section_id创建/更新任务用于进行中、等待、完成）
3. add_comment.sh（将进度日志作为评论发布）

使用这些变量设置：
- Token：[你的Todoist API令牌]
- 项目ID：[你的项目ID]
- Section IDs：[进行中ID、等待ID、完成ID]

创建后，我给你的每个复杂任务：
1. 在'进行中'用完整计划在描述中创建任务
2. 对于每个子步骤完成，用日志调用add_comment.sh
3. 完成时移动任务到'完成'"

21. Autonomous Project Management with Subagents

痛点： 传统编排模式创建瓶颈——主代理成为交通警察。复杂项目（多仓库重构、研究冲刺、内容管道）需要能并行工作无需持续监督的代理。

解决方案： 去中心化协调——代理读/写到共享STATE.yaml文件，而不是中央编排器。并行执行，自我文档化状态在版本控制文件。

核心模式：STATE.yaml

每个项目维护STATE.yaml作为单一事实源：

project: website-redesign
updated: 2026-02-10T14:30:00Z

tasks:
  - id: homepage-hero
    status: in_progress
    owner: pm-frontend
    started: 2026-02-10T12:00:00Z
    notes: "Working on responsive layout"
  
  - id: api-auth
    status: done
    owner: pm-backend
    completed: 2026-02-10T14:00:00Z
    output: "src/api/auth.ts"
  
  - id: content-migration
    status: blocked
    owner: pm-content
    blocked_by: api-auth
    notes: "Waiting for new endpoint schema"

next_actions:
  - "pm-content: Resume migration now that api-auth is done"
  - "pm-frontend: Review hero with design team"

工作方式：

主代理接收任务 → 生成带特定范围的子代理
子代理读取STATE.yaml → 找分配任务
子代理自主工作 → 更新STATE.yaml进度
其他代理轮询STATE.yaml → 拾取未阻塞工作
主代理定期检查 → 审查状态、调整优先级

关键洞察：

STATE.yaml > 编排器：基于文件的协调比消息传递更好扩展
Git作为审计日志：提交STATE.yaml更改获得完整历史
标签约定重要：使用 pm-{project}-{scope}便于追踪
薄主代理：主代理做越少，响应越快

灵感来源： Nicholas Carlini的自主编码代理方法——让代理自组织而非微观管理。

22. Project State Management (Event-Driven替代Kanban)

痛点： 传统Kanban板静态且需要手动更新。你忘记移动卡片，会话间丢失上下文，不能追踪状态变化背后的"为什么"。项目在没有清晰可见性下漂移。

解决方案： 事件驱动系统替换Kanban：

项目状态存储数据库带完整历史
捕获上下文：决定、阻塞、下一步、关键洞察
事件驱动更新："刚完成X，阻塞在Y" → 自动状态转换
自然语言查询："[项目]状态？"、"为什么我们在[特性]上pivot？"
每日站立摘要：昨天发生、计划今天、什么阻塞
Git集成：链接提交到项目事件用于可追踪性

数据库模式：

CREATE TABLE projects (
  id SERIAL PRIMARY KEY,
  name TEXT UNIQUE,
  status TEXT, -- "active", "blocked", "completed"
  current_phase TEXT,
  last_update TIMESTAMPTZ DEFAULT NOW()
);

CREATE TABLE events (
  id SERIAL PRIMARY KEY,
  project_id INTEGER REFERENCES projects(id),
  event_type TEXT, -- "progress", "blocker", "decision", "pivot"
  description TEXT,
  context TEXT,
  timestamp TIMESTAMPTZ DEFAULT NOW()
);

CREATE TABLE blockers (
  id SERIAL PRIMARY KEY,
  project_id INTEGER REFERENCES projects(id),
  blocker_text TEXT,
  status TEXT DEFAULT 'open',
  created_at TIMESTAMPTZ DEFAULT NOW(),
  resolved_at TIMESTAMPTZ
);

设置命令：

"你是我的项目状态管理器。不使用Kanban，我对话式告诉你我正在做什么。

当我说：
- '完成[任务]' → 记录'progress'事件，更新项目状态
- '阻塞在[问题]' → 创建blocker条目，更新项目状态为'blocked'
- '开始[新任务]' → 记录'progress'事件，更新当前阶段
- '决定[决定]' → 记录'decision'事件带完整上下文
- '转向[新方法]' → 记录'pivot'事件带推理

当我问：
- '[项目]状态？' → 获取最新事件、阻塞、当前阶段
- '为什么我们决定[X]？' → 搜索决策上下文事件
- '什么阻塞我们？' → 列出所有项目开放阻塞

每天上午9AM运行cron作业：
1. 扫描过去24小时git提交（通过gh CLI）
2. 基于分支名或提交信息链接提交到项目
3. 发布每日站立摘要到Discord #project-state：
   - 昨天发生（事件+提交）
   - 今天计划（基于当前阶段和最近对话）
   - 什么阻塞（开放阻塞）

当我规划sprint，生成子代理分析每个项目状态并建议优先级。

每日早晨7AM：
1. 检查今天日历会议
2. 对每个外部参与者，搜索我的CRM和邮件历史
3. 发送简报到Telegram：他们是谁、上次何时交谈、讨论了什么、任何后续事项"

通信与客户服务

23. Multi-Channel Customer Service Platform

痛点： 小企业处理WhatsApp、Instagram DMs、邮件、Google Reviews跨多个应用。客户期望即时响应24/7，但雇佣人员轮班覆盖昂贵。

解决方案： 统一收件箱——WhatsApp Business、Instagram DMs、Gmail、Google Reviews到一个地方：

AI自动响应：处理FAQ、预约请求、常见询问
人工交接：复杂问题或标记审查
测试模式：向客户演示不影响真实客户
业务上下文：基于你的服务、定价、政策培训

真实商业案例： Futurist Systems为本地服务企业（餐馆、诊所、沙龙）部署此方案。一家餐厅响应时间从4+小时降到2分钟内，80%询问自动处理。

所需技能： WhatsApp Business API、Instagram Graph API、gog CLI for Gmail、Google Business Profile API、消息路由逻辑在AGENTS.md

设置命令：

## 客户服务模式

接收客户消息时：

1. 识别频道（WhatsApp/Instagram/Email/Review）
2. 检查此客户端测试模式是否启用
3. 分类意图：
   - FAQ → 从知识库响应
   - 预约 → 检查可用性，确认预订
   - 投诉 → 标记人工审查，确认收到
   - 评论 → 感谢反馈，处理关注点

响应风格：
- 友好、专业、简洁
- 匹配客户语言（ES/EN/UA）
- 从不编造知识库无信息
- 用业务名称签名

测试模式：
- 响应前缀[TEST]
- 记录但不发送到真实频道

24. Phone Call Notifications

痛点： 你的代理监控事物——股票、邮件、智能家居、日历——但通知容易忽略。推送通知堆积。聊天消息被埋。对于真正重要的事，你需要不能swipe away的东西。

解决方案： 电话作为通知通道——当某事足够紧急，代理拨打你真实电话号码，告诉你发生什么，你可以回复。双向对话，不是机器人呼叫。

为什么有效：

不要过度使用：整个点是一通电话意味着"这真正重要"。如果你的代理每天呼叫10次，你会开始忽略。设置清晰阈值什么值得呼叫 vs 聊天。
与heartbeat或cron配对：clawr.ing是递送通道——你仍需触发。Heartbeat检查（每30分钟）工作于监控任务。Cron工作于预定简报。
双向对话：不同于推送通知，你可以在通话中问后续问题。"等等，哪封邮件？"或"现在价格多少？"——代理实时响应。
隐私：clawr.ing不存储录音或转录。音频加密传输，处理后丢弃。

所需技能： clawr.ing - 仅粘贴安装提示，无需CLI安装

示例：早晨简报呼叫

工作日7:30 AM，用早晨简报呼叫我。包括：
- 我城市天气预报
- 我今天日历
- 任何过夜紧急邮件
- 与我兴趣相关的顶级3新闻标题

保持简洁——目标2分钟内。如果我提问，回答。
如果我不接，不重试。

示例：价格警报

监控NVDA股价。如果单日跌超5%，
立即呼叫告诉我发生什么。包含任何相关解释下跌新闻。

25. Event Guest Confirmation

痛点： 你主持活动——晚宴、婚礼、公司 Offsite——需要从嘉宾列表确认出席。手动呼叫20+人繁琐：你电话游戏、忘记谁说什么、丢失饮食限制或加一信息。短信有时工作，但人们忽略消息。真正电话呼叫得到更高响应率。

解决方案： OpenClaw使用SuperCall插件呼叫每个嘉宾：

AI介绍自己作为你的活动协调员有友好角色
确认活动日期、时间、地点
询问是否参加，收集备注（饮食需求、加一、到达时间等）
所有呼叫完成，编译摘要：谁确认、谁拒绝、谁未接、备注

为什么SuperCall而不是内置 voice_call：

安全：通话另一端的人不能通过对话操纵或访问你的代理。无提示注入或数据泄露风险。
更好对话：因为AI限定于单一专注任务（确认出席），它保持主题，比通用语音代理更好地处理呼叫。
批量友好：你呼叫许多不同人。每次调用重置的沙盒化角色正是你想要的——对话间无渗漏。

所需技能： SuperCall（通过 openclaw plugins install @xonder/supercall）、Twilio账户带电话号码、OpenAI API密钥、ngrok

设置命令：

"我需要你为我的活动确认出席。这里详情：

活动：夏季烧烤
日期：6月14日周六下午4点
地点：23 Oak Street

这里我的嘉宾列表：
<paste 嘉宾列表>

对每个嘉宾，用supercall呼叫他们。使用角色'Jamie，[你姓名]的活动协调员'。
每个呼叫目标是确认他们是否参加，并注意任何饮食限制、加一或其他评论。

每次呼叫后，记录结果。所有呼叫完成后，给我完整摘要：
- 谁确认
- 谁拒绝
- 谁未接
- 每个嘉宾的备注或特殊请求"

关键洞察：

先小测试：先用2-3嘉宾确保角色和开场白声音正确。正式呼叫前可调整语气。
注意呼叫时间：不要安排太早或太晚呼叫。可tell OpenClaw仅在特定时段呼叫。
审查转录：SuperCall记录转录到 ~/clawd/supercall-logs。第一批后浏览转录看对话如何。
无应答处理：如果有人不接，OpenClaw可备注，你可决定稍后重试或短信跟进。
真实电话呼叫成本：每个呼叫使用Twilio分钟。为大型嘉宾列表在Twilio账户设置适当限制。

基础设施与DevOps

26. Self-Healing Home Server & Infrastructure Management

痛点： 运行家庭服务器意味着为自己的基础设施24/7待命。服务凌晨3点挂掉，证书静默过期，磁盘满，pod崩溃循环——当你睡觉或离开时发生。

解决方案： OpenClaw成为持久基础设施代理带SSH访问、自动化cron作业、检测/诊断/在你知道问题前修复能力。

功能：

自动化健康监控：基于cron的服务、部署、系统资源检查
自愈：健康检查检测问题并自主应用修复（重启pods、扩展资源、修复配置）
基础设施管理：编写和应用Terraform、Ansible、Kubernetes manifests
早晨简报：系统健康、日历、天气、任务板状态的每日摘要
邮件分流：扫描收件箱，标记可操作项目，归档噪音
知识提取：处理笔记和对话导出为结构化、可搜索知识库
博客发布管道：起草→生成横幅→发布到CMS→部署到托管——完全自动化
安全审计：定期扫描硬编码密钥、特权容器、过度宽松访问

安全设置（非协商）：

## 安全检查清单

1. Pre-push钩子：
   - 在所有仓库安装TruffleHog或类似密钥扫描器
   - 阻止任何包含硬编码API密钥、令牌、密码的提交

2. 本地优先Git工作流：
   - 使用Gitea（自托管）私有代码前推到公共GitHub
   - CI扫描管道（Woodpecker或类似）在任何公共推送前运行
   - 人工审查main分支合并前需要

3. 深度防御：
   - 为AI代理专用的1Password库（有限范围）
   - 敏感服务网络分段
   - 每日自动安全审计检查：
     * 特权容器
     * 代码或配置中硬编码密钥
     * 过度宽松文件/网络访问
     * 部署镜像中已知漏洞

4. 代理约束：
   - 分支保护：main需要PR，代理不能覆盖
   - 不需要写时只读访问
   - 所有更改可审计通过git日志

配置示例（基础设施代理"Reef"）：

## 基础设施代理

你是Reef，基础设施管理代理。

访问：
- SSH到所有家庭网络机器（192.168.1.0/24）
- kubectl用于K3s集群
- 1Password库（只读用于凭据，专用AI库）
- 通过gog CLI的Gmail
- 日历（你的 + 伴侣的）
- Obsidian库在~/Documents/Obsidian/

规则：
- 从不硬编码密钥——总是使用1Password CLI或环境变量
- 从不直接推送到main——总是创建PR
- 作为自健康检查一部分运行`openclaw doctor`
- 记录所有基础设施更改到~/logs/infra-changes.md

每日调度（HEARTBEAT.md）：
每15分钟：
- 检查看板进行中任务 → 继续工作

每小时：
- 监控健康检查（Gatus、ArgoCD、服务端点）
- 邮件分流Gmail（标记可操作项目，归档噪音）
- 检查未回答提醒或通知

每6小时：
- 知识库数据录入（处理新Obsidian笔记）
- 自健康检查（openclaw doctor、磁盘使用、内存、日志）

每12小时：
- 代码质量和文档审计
- 通过Loki/monitoring堆栈日志分析

每日：
- 4:00 AM：夜间脑暴（探索笔记间连接）
- 8:00 AM：早晨简报（天气、日历、系统统计、任务板）
- 1:00 AM：速度评估（流程改进）

每周：
- 知识库QA审查
- 基础设施安全审计

关键洞察（来自生产部署）：

"我不能相信我有了自愈服务器"：代理可以运行SSH、Terraform、Ansible、kubectl命令修复基础设施问题甚至在你知问题前。
AI会硬编码密钥：这是#1安全风险。如果你不执行守卫，代理愉快地将API密钥内联代码。预推送钩子和密钥扫描强制。
本地优先Git必要：从不允许代理直接推送到公共仓库。使用私有Gitea实例作为暂存区带CI扫描。
Cron作业是真实产品：调度自动化（健康检查、邮件分流、简报）提供比一次性命令更多日常价值。
知识提取复合：处理笔记、对话导出、邮件到结构化知识库随时间变得更宝贵——一个用户仅从ChatGPT历史提取了49,079个原子事实。

灵感来源： Nathan的详细描述"Everything I've Done with OpenClaw (So Far)"，他描述他的OpenClaw代理"Reef"运行在家庭服务器带SSH到所有机器、Kubernetes集群、1Password集成、5000+笔记的Obsidian库。Reef运行15个活动cron作业、24个定制脚本，自主构建和部署应用包括任务管理UI。Nathan Day 1 API密钥暴露的惨痛教训："AI助手会愉快硬编码密钥。它们有时没有人类同样的本能。"他的深度防御安全设置（TruffleHog预推送钩子、本地Gitea、CI扫描、每日审计）是任何尝试此模式的人必读。

搜索与监控

27. Dynamic Dashboard with Sub-agent Spawning

痛点： 静态仪表板显示过时数据并需要持续手动更新。你想要实时可见性跨多数据源无需构建定制前端或击中API速率限制。

解决方案： OpenClaw生成动态仪表板：

监视多数据源同时（APIs、数据库、GitHub、社交媒体）
为每个数据源生成子代理避免阻塞和分布API负载
聚合结果到统一仪表板（文本、HTML或Canvas）
每N分钟用新鲜数据更新
当指标跨阈值发送提醒
维护历史趋势在数据库用于可视化

示例仪表板块段：

GitHub: stars、forks、开启issues、近期commits
社交媒体: Twitter提及、Reddit讨论、Discord活动
市场: Polymarket volume、预测趋势
系统健康: CPU、内存、磁盘使用、服务状态

完整设置示例：

"你是我的动态仪表板管理器。每15分钟，运行cron作业到：

1. 生成子代理并行获取数据：
   - GitHub：stars、forks、开启issues、commits（过去24h）
   - Twitter：提及"@username"、情感分析
   - Polymarket：追踪市场volume
   - 系统：CPU、内存、磁盘使用通过shell命令

2. 每个子代理写结果到metrics数据库。

3. 聚合所有结果并格式仪表板：

📊 仪表板更新 — [timestamp]

GitHub
- ⭐ Stars：[count] (+[change])
- 🍴 Forks：[count]
- 🐛 开启Issues：[count]
- 💻 Commits (24h)：[count]

社交媒体
- 🐦 Twitter提及：[count]
- 📈 情感：[positive/negative/neutral]

市场
- 📊 Polymarket Volume：$[amount]
- 🔥 趋势：[market names]

系统健康
- 💻 CPU：[usage]%
- 🧠 内存：[usage]%
- 💾 磁盘：[usage]%

4. 发布到Discord #dashboard。

5. 检查提醒条件：
   - 如果GitHub stars变化 > 50 在1小时内 → ping我
   - 如果系统CPU > 90% → 提醒
   - 如果Twitter负面情感爆发 → 通知

存储所有metrics在数据库用于历史分析。"

28. Multi-Source Tech News Digest

痛点： 保持AI、开源、前沿科技更新需要每天检查数十个RSS feeds、Twitter账号、GitHub repos、新闻站。手动精酿耗时，大多数工具要么缺乏质量过滤要么需要复杂配置。

解决方案： 四层数据管道在定时运行：

RSS Feeds (46 sources): OpenAI、Hacker News、MIT Tech Review等
Twitter/X KOLs (44 accounts): @karpathy、@sama、@VitalikButerin等
GitHub Releases (19 repos): vLLM、LangChain、Ollama、Dify等
Web Search (4 topic searches): 通过Brave Search API

所有文章合并、按标题相似性去重、质量评分（优先级来源+3、多来源+5、新鲜度+2、参与度+1）。最终digest发送到Discord、邮件或Telegram。

框架完全可定制——30秒添加你自己的RSS feeds、Twitter handles、GitHub repos或搜索查询。

所需技能： tech-news-digest技能

设置命令：

"安装tech-news-digest从ClawHub。设置每日科技摘要9AM到Discord #tech-news频道。也发送到我的邮件myemail@example.com。

添加这些到我的科技摘要源：
- RSS: https://my-company-blog.com/feed
- Twitter: @myFavResearcher
- GitHub: my-org/my-framework"

29. Polymarket Autopilot

痛点： 手动监控预测市场套利机会和执行交易耗时且需要持续关注。你想测试和完善交易策略不需风险资本。

解决方案： 论文交易自动化：

通过API监控市场数据（价格、volume、spreads）
使用TAIL（趋势跟随）和BONDING（反向）策略执行论文交易
追踪投资组合表现、P&L、胜率
每日摘要发送到Discord带交易日志和洞察
从模式学习：基于回测结果调整策略参数

策略示例：

TAIL: 当volume spike动量清晰时跟随趋势
BONDING: 当新闻过度反应购买反向仓位
SPREAD: 识别定价错误市场套利潜力

数据库设置：

CREATE TABLE paper_trades (
  id SERIAL PRIMARY KEY,
  market_id TEXT,
  market_name TEXT,
  strategy TEXT,
  direction TEXT,
  entry_price DECIMAL,
  exit_price DECIMAL,
  quantity DECIMAL,
  pnl DECIMAL,
  timestamp TIMESTAMPTZ DEFAULT NOW()
);

CREATE TABLE portfolio (
  id SERIAL PRIMARY KEY,
  total_value DECIMAL,
  cash DECIMAL,
  positions JSONB,
  updated_at TIMESTAMPTZ DEFAULT NOW()
);

设置命令：

"你是Polymarket论文交易自动机。连续运行（通过cron每15分钟）：

1. 从Polymarket API获取当前市场数据
2. 分析机会使用这些策略：
   - TAIL：跟随强趋势（>60%概率 + volume spike）
   - BONDING：过度反应反向游戏（新闻单日跌>10%）
   - SPREAD：当YES+NO > 1.05时套利
3. 在数据库执行论文交易（起始资本：$10,000）
4. 追踪投资组合状态和更新仓位

每天上午8AM，发布摘要到Discord #polymarket-autopilot：
- 昨日交易（入场/出场价格、P&L）
- 当前投资组合价值和开放仓位
- 胜率和策略表现
- 市场洞察和建议

使用子代理高峰时段并行分析多个市场。

永不使用真钱。仅论文交易。"

30. X Account Analysis

痛点： X分析部分析你的表现统计，但不分析内容质量。什么使你的帖子病毒传播？什么话题获最多参与？为什么某些帖子1000+赞其他<5赞？你做错了什么？

解决方案： OpenClaw使用Bird技能定性分析你的真实账户，提取最后N条推文，回答任何问题。无需支付$10-50订阅那些网站。

设置（3步）：

确保Bird技能工作
为ClawdBot创建新账户（安全和隔离）
使用'鸟'技能认证你的X账户。登录Chrome/Brave的x.com，提供正确cookie信息（auth-token、ct0）

使用：

"使用鸟技能查看我真实账户，获取最后50条推文，分析什么使帖子病毒传播。我什么话题获最多参与？我的失败帖子共同点？"

或者："编写特定脚本来分析这些模式。"

高级智能体架构

31. n8n Workflow Orchestration

痛点： 让AI代理直接管理API密钥和调用外部服务是安全事件配方。每个新集成意味着.env.local中另一个凭据、另一个代理意外泄漏或误用的表面。代理消耗LLM推理token做确定性子任务（发送邮件、更新电子表格）。

解决方案： 代理模式——OpenClaw将所有外部API交互委托给n8n工作流通过webhooks。代理永触碰凭据，每个集成可视化可检查和可锁定。

工作方式：

代理设计工作流：告诉OpenClaw所需（例如"创建工作流当新GitHub issue标记 urgent时发送Slack消息"）
代理在n8n中构建：OpenClaw通过n8n API创建工作流，带incoming webhook trigger
你添加凭据：打开n8n UI，手动添加Slack令牌/GitHub令牌
你锁定工作流：阻止代理进一步修改它如何与API交互
代理调用webhook：从此OpenClaw调用 http://n8n:5678/webhook/my-workflow带JSON payload——它永看不到API密钥

三大胜利：

可观察性（可视化UI）
安全性（凭据隔离）
性能（确定性工作流作为工作流而非LLM调用运行）

设置选项1：预配置Docker栈

git clone https://github.com/caprihan/openclaw-n8n-stack.git
cd openclaw-n8n-stack
cp .env.template .env
# 添加你的Anthropic API密钥到.env
docker-compose up -d

这给你：

OpenClaw端口3456
n8n端口5678
共享Docker网络OpenClaw可直接调用 http://n8n:5678/webhook/...
预建模板（多LLM事实验证、邮件分流、社交监控）

选项2：手动设置

## n8n集成模式

当我需要与外部API交互：

1. 永不在我环境或技能文件中存储API密钥
2. 检查n8n工作流是否已存在此集成
3. 如果不存在，通过n8n API创建带webhook trigger
4. 通知用户添加凭据并锁定工作流
5. 所有未来调用，用webhook URL带JSON payload

工作流命名：openclaw-{service}-{action}
示例：openclaw-slack-send-message

Webhook调用格式：
curl -X POST http://n8n:5678/webhook/{workflow-name} \
  -H "Content-Type: application/json" \
  -d '{"channel": "#general", "message": "Hello from OpenClaw"}'

关键洞察：

在测试后锁定："构建→测试→锁定"循环关键——不锁定，代理可静默修改工作流
n8n有400+集成：大多数你想连接的外部服务已有n8n节点，节省代理编写自定义API调用
免费审计跟踪：n8n记录每个工作流执行带输入/输出数据

32. Semantic Memory Search

痛点： OpenClaw内置记忆系统存储所有内容为markdown文件——但记忆随时间增长（周、月），找上周二那个决定不可能。没有搜索，只有滚动文件。

解决方案： 使用memsearch在OpenClaw现有markdown记忆文件上添加向量 powered 语义搜索，通过意义而非仅关键词瞬间找到任何过去记忆。

功能：

单命令索引所有OpenClaw markdown记忆文件到向量数据库（Milvus）
按意义搜索："我们选了什么缓存方案？"即使"缓存"词未出现也找相关记忆
混合搜索（密集向量 + BM25全文）带RRF重排序最佳结果
SHA-256内容hash意味着不变文件永不重嵌入——零浪费API调用
文件监视器自动重新索引当记忆文件改变，所以索引总是最新
用任意embedding provider：OpenAI、Google、Voyage、Ollama或完全本地（无需API密钥）

设置命令：

pip install memsearch
memsearch config init
memsearch index ~/path/to/your/memory/
memsearch search "what caching solution did we pick?"

# 实时同步：
memsearch watch ~/path/to/your/memory/

# 完全本地（无API密钥）：
pip install "memsearch[local]"
memsearch config set embedding.provider local
memsearch index ~/path/to/your/memory/

关键洞察：

Markdown保持真相源。向量索引仅是派生缓存——你可以随时用 memsearch index重建。记忆文件永不修改。
智能去重节省金钱。每个chunk由SHA-256内容hash识别。重运行 index仅嵌入新或改变内容，所以你可频繁运行不浪费embedding API调用。
混合搜索胜过纯向量搜索。结合语义相似性（密集向量）和关键词匹配（BM25）通过Reciprocal Rank Fusion捕获基于意义和精确匹配查询。

33. Pre-Build Idea Validator

痛点： 你告诉代理"为我构建AI代码审查工具"它愉快花6小时编码。同时，143,000+仓库已存在在GitHub——顶级有53,000 stars。代理从不检查因为你从未问，它不知道查看。你仅在投入大量时间后发现竞争者。

解决方案： 开始构建任何新项目、特性、工具前，OpenClaw自动检查想法是否已存在跨GitHub、Hacker News、npm、PyPI、Product Hunt——并根据发现调整方案。

ideareality-mcp扫描5真实数据源返回：

reality_signal分数（0-100）指示空间多拥挤
顶级竞争者带star数和描述
空间饱和时建议pivot方向
作为预构建门：高信号 = 停止并讨论，低信号 = 继续

真实世界示例：

你："为我构建AI代码审查CLI工具"

OpenClaw运行idea_check("AI code review tool")并响应：

> reality_signal: 90/100（非常高）
>
> 顶级竞争者：
> 1. Gitea — 53,940 stars
> 2. reviewdog — 9,104 stars
> 3. Danger (Ruby) — 5,649 stars
>
> 此空间有143,000+相关仓库。顶级玩家成熟且资金充足。
>
> Pivot建议：
> - 聚焦特定语言（Rust/Go-only AI code review）
> - 目标特定框架（React/Vue组件review）
> - 目标特定行业（金融/医疗代码合规review）
>
> 我应该继续以差异化角度，还是pivot到其他？

你："MCP服务器用于预构建想法验证呢？"

> reality_signal: 8/100（非常低）
>
> PyPI或npm上0直接竞争者。GitHub有一些相关仓库但没人解决此确切问题。
>
> 空间开放。继续构建。

设置命令：

# 1. 安装ideareality-mcp
uvx idea-reality-mcp

# 2. 添加到OpenClaw配置
{
  "mcpServers": {
    "idea-reality": {
      "command": "uvx",
      "args": ["idea-reality-mcp"]
    }
  }
}

# 3. 添加代理指令
"""
开始任何新项目、特性、工具前，总是运行idea_check。

规则：
- 如果reality_signal > 70：停止。报告顶级3竞争者带star数。
  询问是否继续、pivot或放弃。
- 如果reality_signal 30-70：显示我和pivot_hints。
  建议现有项目未覆盖的细分角度。
- 如果reality_signal < 30：继续构建。
  提及空间开放。
- 总是显示reality_signal分数和顶级竞争者在写任何代码前。
"""

变体：

深度模式：depth="deep"扫描所有5源并行（GitHub + HN + npm + PyPI + Product Hunt）用于主要项目决策
批量验证：hackathon前，给OpenClaw 10想法列表，用 reality_signal排名它们——最低分 = 最原创机会

必读：安全第一

本列表中所有技能来自社区，未由维护者审计。它们可能随时被原始维护者更新、修改或替换。在安装或使用任何技能前，请自行审查潜在安全风险并验证来源。

推荐扫描工具：

技能可能包含：提示注入、工具投毒、隐藏恶意载荷、不安全数据处理模式。安装前务必审查源代码，风险自担。

如何开始：从0到生产

第1周：单代理基础

安装OpenClaw + 基本技能（telegram、web_search、gog）
尝试1-2个简单工作流：Morning Brief、Daily YouTube Digest
熟悉cron作业、记忆系统、Telegram集成

第2-3周：多代理 + 集成
4. 设置Multi-Agent Team（4代理最小可行）
5. 添加1-2个关键集成（Google Calendar、Todoist）
6. 实践子代理生成（sessions_spawn）

第4周：生产部署
7. 选择1-2个高价值工作流投入生产
8. 设置监控、heartbeat、故障保护
9. 文档化配置、凭据管理

第5周+：扩展
10. 基于需求添加更多工作流
11. 优化现有流程
12. 贡献回社区

结语

OpenClaw的神奇不在于它能回答问题——而在于它能** autonomous 运行你的生活和工作**，无需持续监督。

这36个工作流不是理论。它们是全球 Thousands 用户每天运行的生产部署。从家庭日历到企业运维，从个人习惯追踪到百万级交易监控——每个案例都有完整代码、故障模式、和经过验证的解决方案。

关键是从一个小开始，迭代。你不需要第一天就拥有所有36个。选择一个解决你最大痛点的，搭建它，运行它，信任它，然后添加下一个。

你的AI员工在等待。

数据来源： Awesome OpenClaw Use Cases • 36个社区贡献工作流 • 最后更新: 2026年3月

OpenClaw 36招制胜：从家庭助理到企业级运维的全场景实战指南

目录

家庭生活自动化

1. Family Calendar Aggregation & Household Assistant

2. Habit Tracker & Accountability Coach

3. Health & Symptom Tracker

生产力提升

4. Multi-Agent Specialized Team (Solo Founder Setup)

5. Custom Morning Brief

6. Second Brain

7. Inbox De-clutter

8. Phone-Based Personal Assistant

9. Daily YouTube Digest

10. Daily Reddit Digest

内容创作工厂

11. Multi-Agent Content Factory

12. Podcast Production Pipeline

13. YouTube Content Pipeline

14. Autonomous Mini-App Builder (Overnight)

15. Knowledge Base with RAG

商业智能

16. AI-Powered Earnings Tracker

17. Market Research & Product Factory

18. X Account Analysis

项目管理

19. Automated Meeting Notes & Action Items

20. Todoist Task Manager (Agent Task Visibility)

21. Autonomous Project Management with Subagents

22. Project State Management (Event-Driven替代Kanban)

通信与客户服务

23. Multi-Channel Customer Service Platform

24. Phone Call Notifications

25. Event Guest Confirmation

基础设施与DevOps

26. Self-Healing Home Server & Infrastructure Management

搜索与监控

27. Dynamic Dashboard with Sub-agent Spawning

28. Multi-Source Tech News Digest

29. Polymarket Autopilot

30. X Account Analysis

高级智能体架构

31. n8n Workflow Orchestration

32. Semantic Memory Search

33. Pre-Build Idea Validator

必读：安全第一

如何开始：从0到生产

结语

评论区