Zuerst das Fazit, OpenClaw wurde eine Zeit lang verwendet, es ist nicht schwer, bringt aber auch einige Überlegungen und Schocks (nicht auf technischer Ebene) mit sich. Nach dem Abschluss der Unternehmensschulung vor ein paar Tagen plane ich, 2.0 abzuschließen und mit den Versuchen in Richtung 3.0 zu beginnen.
1.0 Phase, umfassende Erkundung, Fehler ausprobieren, bis zum Zusammenbruch spielen
26. November, Gruppenfreund Ni hat darauf hingewiesen, dass clawdbot in letzter Zeit sehr beliebt ist, wenn du Zeit hast, kannst du es untersuchen.
Die frühe Kommunikation mit Ni stammt aus der Diskussion über das lokalisierte große Modell, damals hatte ich das Gefühl, dass das Cloud-basierte große Modell leicht die Privatsphäre gefährden könnte, die spezialisierte Ausbildung in einer bestimmten Richtung war nicht ausreichend, die lokale Bereitstellung kann auf einige der interessierenden Bereiche fokussiert trainiert werden, um eine exklusive vektorisierte Datenbank usw. zu erstellen.
Natürlich habe ich mit der Nutzung von openclaw vorübergehend auf das lokale Modell, das "richtig" und energieaufwändig ist, verzichtet.
Über lokalisierte Modelle, es gibt Gelegenheiten, dies zu besprechen, jedenfalls habe ich gestern vorübergehend Ollama und #LM Studio, einige 7b Modelle gelöscht, natürlich habe ich die Notizen behalten.
Lass uns über openclaw sprechen
Die erste Praxis, nach dem Lesen der Einführung war mein erster Instinkt, mich auf die vollständige Kontrolle vorzubereiten, von einem unabhängigen Mac aus. Vielleicht hat jeder mit technischem Hintergrund den Traum, seinen eigenen Jarvis (J.A.R.V.I.S) zu bauen.
Ich habe entdeckt, dass es sich um einen intelligenten Klonkörper handelt, der kein Gehirn (LLM) und keine Gliedmaßen (Fähigkeiten) hat.
Ich habe viele Versuche mit Skill erlebt.
Ich habe erlebt, dass die übermäßige Nutzung von Token zu einem Ausfall führte und habe die hohen Kosten der großen Modell-APIs direkt gespürt.
Ich habe erlebt, wie openclaw die langfristigen Gedächtnisdateien durcheinandergebracht hat.
In dieser Zeit habe ich zu viele Geschichten gesehen, die seine Fähigkeiten übertreiben. Als Programmierer "verdränge ich das", ich bezweifle sogar, ob diese Leute es wirklich verwendet haben?
Die durch 1.0 erhaltene Positionierung und die Schaffung von Produktivität verdienen einen solchen AI-Assistenten.
Verwendung der Phase 2.0 ---- Lösung der Probleme der Phase 1.0 aus der Perspektive eines Programmierers und Branchenanalysten.
Vorbereitung und Operationen vor dem Start von 2.0
1 Organisation von alltäglichen Aufgaben und deren Aufschlüsselung:
Die Organisation der Prompt (Hinweise) für das Geschäft ist besonders wichtig, die Organisation der Prompt selbst ist eine Geschäftsorganisation, dieser Schritt muss unbedingt vor dem Start bedacht werden. Die Standards für Prompt sind: Markdown ist der Verdauungsstandard für LLM, klare Identitätszuweisung, Anforderungen und sogar Prüfstandards. Wir haben beobachtet, dass die eingebettete Task-Logik von OpenClaw genau diesem Standard entspricht.
2 Modelle und Token:
Vielseitige LLM-Konfigurationen, sogar Optimierung des Tokenverbrauchs über Proxy-Kanäle.
3 Achte auf Veränderungen in den Basisdateien:
Wurden Dateien wie USER.md und IDENTITY.md effektiv aktualisiert oder sind sie zu lang?
4 Agenten Geschäftsdifferenzierung:
Mehrere Rollen definieren, um eine gute Ausführung der Aufgaben zu gewährleisten, werden komplexe Aufgaben in unabhängige Personaleinheiten aufgeschlüsselt.
5 Skillifizierung:
Um die Ausführungsgenauigkeit zu gewährleisten, werden häufige Aufgaben in standardisierte Skill-Module fixiert. Daten werden durch APIs und andere Methoden abgerufen, um AI-Illusionen wirksam zu reduzieren und die Komplexität der Arbeit von LLMs zu minimieren, um unkontrollierbare Interaktionszyklen zu vermeiden. Es wurde erreicht, dass die Ausführung nicht verzerrt wird, Token kontrollierbar sind, und die Ergebnisse sind signifikant, aber es gibt auch Überlegungen, darüber später zu sprechen.
2.0 Zusammenfassung und Reflexion:
1 Diese Arbeit ist mehr wie eine programmatische Perspektive auf die Aufschlüsselung von OpenClaw, die Ergebnisse sind zufriedenstellend, aber es wurde als ein Werkzeug für „Programmierer“ verwendet. Klar, kontrollierbar, kosteneffizient und nicht menschenfreundlich. Das wirft die Frage auf, wenn es nur ein Werkzeug für Programmierer ist, gibt es viel bessere AI-Werkzeuge, die stabil, langweilig und fehlerfrei sind. Werkzeuge für Programmierer erreichen niemals nicht-technische Benutzer und können nur unter Programmierern verbreitet werden. Je mehr man sich auf die Design von Server-Dateien konzentriert, desto weiter entfernt man sich von den Nutzungsszenarien der breiten Öffentlichkeit, was anscheinend von der natürlichen, sprachgesteuerten Essenz abweicht.
2 Openclaw aktualisiert sich schnell, die Gemeinschaft ist aktiv, ich glaube, die endgültige Entwicklung wird sprachgesteuert sein, Praktiker sollten die Veränderungen und die Bedeutung kleiner Iterationen wahrnehmen. Produkte, die sich nicht an die breite Öffentlichkeit außerhalb der "Programmierer" Gruppe richten, können nicht populär werden.
3 Aus der Perspektive der Fähigkeiten ist es für die Ängstlichen im AI-Zeitalter notwendig, Code (mindestens das Denken in Code) zu beherrschen. Ingenieurdenken ist sehr wichtig. Man kann andere AI-Werkzeuge zur Unterstützung des Lernens nutzen. Wenn Optionen wie "Die Maschine nähert sich und du näherst dich der Maschine?" vor dir stehen, wird empfohlen, dass Fachleute (VC-Forschung und Analyse) sich der Maschine nähern, um nicht von AI-Illusionen abgelenkt zu werden.
4 Sollten wir OpenClaw lernen? Ich empfehle, auch wenn es mühsam ist, es zu versuchen. Die Umwälzung der Produktivität durch AI wird unvermeidlich. Der Agent von OpenClaw lässt Mitarbeiter zu AI werden, AI ist Mitarbeiter.
5 Skill ist die echte Umsetzung von AI, wie Google auch seine eigenen Fähigkeiten und Aufgaben verbessert, um einen ökologischen Kreislauf zu bilden. Openclaw hat den Vorteil einer eigenen unabhängigen Umgebung und Flexibilität. Dies wurde in der Phase 1.0 wahrgenommen und in 2.0 erneut bestätigt. Skill selbst ist ein reichhaltiges Ökosystem, aus dem hochwertige Projekte hervorgehen.
6 Der 3.0 Plan ist eine weitere Erforschung aus der Perspektive der natürlichen Sprache.
Fortsetzung folgt...