围绕 AI 研发和自动化落地,整理 6 个开源项目:自动生成论文配图、零代码网页自动化、Claude Code 项目规范管理、QQ 机器人接入、跨端 Agent 框架和 OpenClaw 项目骨架。
GitHub 仓库 awesome-openclaw-usecases 收录了 30 多个 OpenClaw 真实使用场景。围绕信息摘要、内容生产、运维自动化、个人生产力等方向,讲清如何从用例文档提炼可复用的智能体工作流。
LobsterAI 是一个面向 OpenClaw 的桌面客户端,提供模型切换、Skills 管理、定时任务、本地与 VM 沙箱切换以及多平台消息集成。围绕 Reddit 摘要、近 30 天需求挖掘和科技新闻聚合三个任务,讲清桌面 Agent 如何自动读取、整理和分发全网信息。
OpenClaw 的 Skills 可以把大模型从聊天工具扩展成能搜索资料、解析课件、生成知识结构、规划练习、记录进度和润色中文表达的工作流系统。以《世界电影史》课程为例,拆解 6 个 Skills 的职责、调用方式和注意事项。
OpenClaw 可以通过 Skills 调用浏览器、邮件等外部工具,把聊天机器人从“会回复”扩展为“能执行任务”的 AI Agent。这里以默认集成的 agent-browser 和手动安装 email Skill 为例,讲清楚 Skills 的作用、使用方式和配置流程。
OpenClaw 是一个本地优先的 AI Agent 运行时,把大语言模型、消息通道、本地文件、Shell、浏览器和长期记忆连接起来。内容拆解它的本地架构、ReAct 编排、分层记忆、System Prompt 组装方式,以及适合和不适合的使用场景。
Clawdbot/OpenClaw 的高 Token 消耗主要来自系统提示词、ReAct 多轮循环、工具结果回灌和反射重试。围绕这些成本来源,拆解计算模型、典型场景和缓存、工作流、上下文压缩、工具裁剪、模型路由等降本手段。