AI 龙虾第一天就给我写了个程序,还会定时爬数据

AI 龙虾第一天就给我写了个程序,还会定时爬数据

大家好,我是极客老墨。

经过昨天的艰难跋涉(详见上篇),OpenClaw 终于在 Windows 上跑起来了。第一天使用下来,说实话,这玩意儿比我想象的能干。

让它帮我写代码:经典贪吃蛇游戏

作为技术控,第一个尝试必须是代码!我还是让 小墨(我的AI助理) 帮我写一个经典的贪吃蛇网页游戏。

我直接告诉他:“小墨,帮我写一个贪吃蛇的网页游戏,最后文件直接发给我”。结果他没反应,后来才知道,原来他正卖力的写代码去了,顾不上理我,因为现在数据还没有能力流式返回,必须等他写完了给我我才知道(晚上的「飞书龙虾会直播」我看了,已经有流式返回数据的插件了,后边研究了再来讲)

图片

写完之后,他并没有直接给我文件,而是问我怎么给我这个文件。这里应该是我的提示词没优化好,第一次配合,有点翻车。

再次确认让他发给我,这次就对了。打开游戏一看——界面还不错,完成度100%。就是速度太快了,我玩了几次才适应过来。

图片

第二个任务:自动搜索小红书爆款文案

我的想法很简单:让 AI 助手自动搜索小红书上某个类目的爆款视频标题和内容。

OpenClaw 的做法很硬核——直接本地打开浏览器,像真人一样操作。这也是它完成工作的主要方式:模拟真人操作电脑。

让他搜索小红书,结果告诉我要登录:

图片

登录后,他成功打开浏览器并返回了数据给我:

图片

再次让他搜索 OpenClaw:

图片

这是他打开的网页:

图片

他能够读取网页并返回准确的数据回来。

第三个任务:每日早报功能

我很关注 AI 领域的新闻,所以想让小墨每天定时给我报告最新的新闻和 AI 资讯。我直接告诉他:

你好,小墨。整理下边的信息发给我 1. 获取今天成都天气 2. 获取今日微博全球新闻榜前10条,标题为微博新闻 3. 获取今日最新的AI相关的新闻资讯前10条,标题为AI咨询 4. 整理成自带链接可以直接点击的简洁文字内容发给我 

一开始 prompt 忘记加链接了,补上后,他返回了正确的数据。同样地,他会打开本地浏览器,输入网址自己看,最后返回正确的数据:

图片

最后,我需要每天定时给我,他成功帮我搞定:

图片

一个小插曲,他干完活浏览器没关闭,我提醒他之后他认识到了自己的错误。

可以看到,gateway 控制页面上的“定时任务”菜单中查看,已经加上了这个任务:

图片

晚上看了飞书玩虾大会,几点感悟

晚上看了飞书的玩虾大会直播,看大牛们都是怎么玩龙虾的,有几点感悟:

1. 自动化办公真的来了

飞书与 OpenClaw 集成之后,抓数据、做报表、整理知识库这些日常工作都可以交给 OpenClaw 了。

2. 多只龙虾协同配合

多个龙虾搞到群组中,一起协同配合,形成工作流。这比传统的工作流工具方便得多,而且更智能。龙虾之间在不同的工程中可以互相促进,并变得更智能。

3. 一人公司真的来了

有了 OpenClaw,你只管养虾,每个部门都由虾组成。从请假审批到财务报账,龙虾可能比人配合得更好。你只是总指挥,只负责最后的验收。

4. 安全第一

⚠️ 养虾之路也没那么容易。平时玩千万不要用自己的工作电脑,因为龙虾的系统权限非常大。万一哪天数据误删了或者给你误发到外网了,你后悔莫及。

5. 技术人的天然优势

一般人玩的是提示词,而技术人还可以用代码来创新技能、创新玩法。

alt text

踩过的几个坑

坑1:API Key 报错

⚠️ API provider returned a billing error — your API key has run out of credits or has an insufficient balance. Check your provider's billing dashboard and top up or switch to a different API key. 

我明明订阅了 MiniMax 的 Coding Plan,却仍然报错。后来才知道,Coding Plan 的 Key 与原来创建的 key 是独立分开的。

解决方案:

$ cd C:\Users\hankm\.openclaw\agents\main\agent # 2. 修改这两个文件中的 api-key# auth-profiles.json# models.json# 3. 重启网关 $ openclaw gateway restart 
图片

搞定!又能愉快地玩耍了。

坑2:Websocket 卡住

发消息过去龙虾没反应。目前看可能是因为 Windows 没有安装成服务,会启动一个 terminal 窗口,这个窗口可能会导致卡住。

后边我可能需要研究一下怎么直接装成 Windows 服务,不要这个命令窗口。

老墨总结

养虾实操第一天,我的龙虾已经开始为我工作了。

  • 能写代码
  • 能爬数据
  • 能定时任务

龙虾确实能做很多实实在在的事情,还得继续探索、发现!

你的 AI 助手都在帮你做什么?欢迎评论区讨论!

极客老墨,继续折腾!

Read more

AI 大模型落地系列|Eino 组件核心篇:Embedding 到底解决了什么

AI 大模型落地系列|Eino 组件核心篇:Embedding 到底解决了什么

Embedding 使用说明 * 有啥用?! * 他能干嘛? * 它不能直接干嘛? * 总结: * 浅用之法 * 食用之法 * 一、最基本用法:直接调用 `EmbedStrings` * 1. 创建 embedder * 2. 调用 `EmbedStrings` * 3. 向量拿来干嘛 * 二、完整demo * 三、带 Option 怎么用 * 四、在编排中怎么用 * 在 Chain 中使用 * 在 Graph 中使用 * 五、带 Callback 怎么用 * 六、真实场景 * 场景:做知识库问答 * 第一步:把知识库切块 * 第二步:给每个 chunk 生成向量 * 第三步:存起来

【Agent】那个搞远程的向日葵也出 AI 了?!不用买设备,不用复杂配置,还支持多平台

【Agent】那个搞远程的向日葵也出 AI 了?!不用买设备,不用复杂配置,还支持多平台

那个搞远程的向日葵也出 AI 了?!不用买设备,不用复杂配置,还支持多平台 * 写在最前面 * 比openclaw更简单的配置过程,没有特定环境的需求 * 真正实用的地方,是它更接近现实场景 * 多平台、可查看、可接手,才是它更适合大众的原因 * 结语 🌌你好!这里是 晓雨的笔记本在所有感兴趣的领域扩展知识,感谢你的陪伴与支持~👋 欢迎添加文末好友,不定期掉落福利资讯 写在最前面 版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。 最近一段时间,“AI 操作电脑”这件事越来越火。很多人第一次看到这类演示时,都会觉得有点神奇:原来 AI 不只是会聊天、会写文案,居然真的开始会“用电脑”了。 也正因为这样,很多人会下意识觉得,所有“AI 控电脑”

手把手教你:在 Windows 部署 OpenAkita 并接入飞书模块,实现真正能干活的本地 AI 助手

手把手教你:在 Windows 部署 OpenAkita 并接入飞书模块,实现真正能干活的本地 AI 助手

目 录 * 前言 * 第一章:为什么选 OpenAkita,而不是直接用 OpenClaw? * 1.1 当前 AI 助理的几个现实痛点 * 1.2 OpenAkita 的核心优势(对比 OpenClaw) * 1.3 谁最适合用 OpenAkita? * 第二章:Windows 下安装 OpenAkita(两种方案) * 2.1 准备工作 * 2.2 方案一:一键脚本安装(适合能接受 PowerShell 的用户) * 2.3 方案二:桌面安装包(最像普通软件,新手友好) * 第三章:配置蓝耘(Lanyun)平台 API 密钥

大语言模型 (LLM) 高频面试题及答案汇总 | 字节/阿里/腾讯AI岗通关必备

引言 2026年,生成式AI已从技术爆发期全面进入产业落地深水区。从通用大模型的持续迭代,到垂直领域的深度渗透,再到多模态、Agent、端侧AI的规模化落地,AI行业的人才需求已从“抢人红利期”进入“精细化筛选期”。 无论是字节、阿里、腾讯、百度等互联网大厂,还是金融、国央企的核心AI团队,LLM相关岗位(算法研发、推理优化、应用落地、产品设计)的招聘门槛都在持续提升。很多求职者反馈:背了无数面试题,却还是答不出面试官的连环追问;懂基础的模型原理,却讲不清工程落地的核心细节;能调通开源模型的Demo,却拿不出解决业务痛点的闭环方案。 本质上,当下的LLM面试早已不是“背概念、记公式”的应试游戏,而是对候选人底层认知的扎实度、工程落地的实战能力、问题解决的闭环思维、行业前瞻的认知高度的全维度考察。 这篇文章基于一线大厂AI岗的面试实战经验,结合2026年行业最新技术趋势与招聘需求,系统梳理了LLM全栈面试的核心考点、底层逻辑、避坑指南与前瞻趋势。它不仅是一份面试通关手册,更是一套完整的LLM知识体系搭建指南,帮你从“会背题”到“