Na początek konkluzja, OpenClaw było używane przez pewien czas, nie jest trudne, ale przynosi pewne przemyślenia i wstrząsy (nie na poziomie technicznym) po ukończeniu szkolenia w firmie kilka dni temu, planuję zakończyć 2.0 i rozpocząć próby w kierunku 3.0.
1.0 etap, pełne eksplorowanie, próby i błędy, grać do załamania
26 listopada, znajomy Ni zasugerował, że clawdbot jest ostatnio bardzo popularny, można to zbadać, gdy będzie czas.
Wczesna komunikacja z Ni dotyczyła dyskusji na temat lokalizowanych dużych modeli, wtedy wydawało się, że chmurowe duże modele łatwo naruszają prywatność, specjalistyczne szkolenie w jednym kierunku nie było wystarczające, lokalne wdrożenie może skoncentrować się na kilku kluczowych obszarach, prowadząc specjalistyczne bazy danych wektorowych itd.
Oczywiście, wraz z używaniem openclaw, tymczasowo porzuciłem lokalizowane modele, które były „poprawne” ale wymagały dużo energii do realizacji.
Jeśli chodzi o lokalizowane modele, możemy porozmawiać o tym później, w każdym razie wczoraj tymczasowo usunąłem Ollama i #LM Studio, kilka modeli 7b, oczywiście zostawiłem notatki.
Wracając do openclaw
Pierwsza praktyka, po obejrzeniu prezentacji, pierwsza intuicja to przygotowanie do pełnej kontroli, z niezależnego maca, być może każda osoba z technicznym tłem ma marzenie o zbudowaniu swojego własnego Jarvisa (J.A.R.V.I.S).
Odkryłem, że jest to inteligentne ciało klonowane bez mózgu (LLM) i kończyn (skill).
Przeszedłem przez wiele prób Skill.
Przeszedłem przez awarię spowodowaną nadmiernym zużyciem Tokenów, co uświadomiło mi koszt drogiego API dużego modelu.
Przeszedłem przez openclaw, który pomieszał pliki pamięci długoterminowej.
W tym okresie widziałem zbyt wiele przesadzonych historii o jego możliwościach, jako programista „szydziłem”, nawet wątpiłem, czy ci ludzie naprawdę używali tego?
Dzięki 1.0 osiągniętemu pozycjonowaniu, warto zdobyć takiego asystenta AI, aby zwiększyć produktywność.
Użycie etapu 2.0 ---- rozwiązanie problemów z używaniem 1.0, bardziej z profesjonalnego punktu widzenia programisty i analityka branżowego.
Przygotowanie i operacje przed rozpoczęciem 2.0
1 Organizacja codziennych zadań i ich podział:
Organizacja Promptów (słów kluczowych) w biznesie jest szczególnie ważna, organizacja Promptów to w rzeczywistości organizacja biznesu, ten krok musi być przemyślany przed przystąpieniem do działania. Standardy dla Promptów, takie jak: markdown to standard trawienia LLM, jasne określenie tożsamości, wymagań, a nawet standardów weryfikacji. Obserwujemy, że wbudowana logika Task w OpenClaw idealnie pasuje do tej logiki.
2 Modele i Tokeny:
Optymalizacja zużycia Tokenów w konfiguracjach wielu LLM, a nawet kanałów proxy.
3 Zwracając uwagę na zmiany w plikach podstawowych:
Czy pliki „USER.md IDENTITY.md” i inne „osobowości” były skutecznie aktualizowane, czy są zbyt obszerne?
4 agent dywersyfikacja działalności:
Definicje wielu ról, aby zapewnić dobre wykonanie zadań, poprzez definicje wielu ról, złożone zadania są dzielone na niezależne jednostki wykonawcze.
5 Uskillowanie:
Aby zapewnić dokładność wykonania, wysokoczęstotliwościowe zadania są utrwalane jako znormalizowane moduły umiejętności, dane są pozyskiwane poprzez API itp., co skutecznie redukuje iluzje AI, zmniejsza złożoność interakcji, które mogą prowadzić do niekontrolowanych cykli. Udało się osiągnąć wykonanie bez odkształceń, Tokeny są kontrolowane, efekty są znaczące, ale również wymaga refleksji, o tym porozmawiamy później.
Podsumowanie i refleksje na temat 2.0:
1 Ta część pracy bardziej przypomina programistyczny punkt widzenia na analizę OpenClaw, wyniki są zadowalające, ale stało się to narzędziem „programisty”. Jasne, kontrolowane, rozsądne koszty, a nie zhumanizowane narzędzie. To rodzi pytanie, jeśli to narzędzie tylko dla programistów, są znacznie lepsze narzędzia AI, stabilne, nudne, proste i bezbłędne. Narzędzia programistyczne nigdy nie dotrą do użytkowników nietechnicznych, mogą tylko się rozprzestrzeniać wśród programistów. Im więcej koncentrujemy się na projektowaniu plików na poziomie serwera, tym dalej od użycia przez ogół społeczeństwa, wydaje się, że odbiegliśmy od jego natury napędzanej językiem naturalnym.
2 Openclaw szybko się aktualizuje, ekosystem społeczności jest aktywny, wierzę, że jego ostateczny kierunek rozwoju to napędzany językiem naturalnym, a praktycy powinni dostrzegać jego zmiany i znaczenie małych iteracji. Produkty, które nie mogą być promowane do zwykłych ludzi, a nie do „programistów”, nie mogą się upowszechnić.
3 Z perspektywy umiejętności, dla tych, którzy czują niepokój w erze AI, opanowanie kodu (przynajmniej myślenia kodowego) i myślenia inżynieryjnego jest bardzo ważne. Można skorzystać z innych narzędzi AI, aby wspierać naukę, gdy opcja „Maszyna zbliża się do Ciebie i Ty zbliżasz się do maszyny?” staje przed Tobą, sugeruję profesjonalistom (VC, badania inwestycyjne, analitycy), aby zbliżyli się do maszyny, aby uniknąć bycia wprowadzonym w błąd przez iluzje AI.
4 Czy warto uczyć się OpenClaw? Sugeruję, że nawet jeśli to trudne, warto spróbować, rewolucja AI w produktywności staje się nieunikniona, agent OpenClaw sprawia, że pracownicy stają się AI, AI to pracownicy.
5 Skill to prawdziwe ręce i nogi AI, jak google również udoskonala swoje umiejętności i zadania, tworząc zamknięty ekosystem. Openclaw ma swoje niezależne środowisko i elastyczność jako przewagę. To wnioski, które dostrzegłem już w fazie 1.0 i potwierdziłem je w 2.0. Skill sam w sobie to bogaty ekosystem, z którego nie brakuje jakościowych projektów.
6 Plan 3.0 jest bardziej eksploracją z perspektywy języka naturalnego.
Ciąg dalszy nastąpi…