"大家好。欢迎来到——由 新飞翔科技 · 为溪 · 长江商学院 联合出品的「OpenClaw 小龙虾工作坊」。"
"我叫邹玎杰，是新飞翔人工智能研究院的 AI 智能体架构师。最近一直在研究 OpenClaw，集团内部也部署了几只「小龙虾」给大家在工作里用。所以今天分享的，是我自己每天在用、也踩过坑的东西。"
今天的主题（念屏幕上 lead 那句）：
"今天我们要做的，是一次观念转变——「问 AI 一句话」 → 「给 Agent 一个目标」。"
"在今天这个工作坊里，Agent 不是只回答问题的聊天框。它更像一个能围绕目标自己拆步骤、调用工具、读取资料、生成文件，并把结果交付出来的 AI 工作执行者。"
"屏幕上是 OpenClaw，一只数字小龙虾，等会儿我会解释。今天不用先记住所有技术名词，先跟着三轮实验跑一遍。跑完以后，你会知道 Agent 能交付什么、边界在哪里、回去怎么用。"
动作：按 → 翻到第 2 页。
"今天三件事——全部是实操，不是看我演示。"
讲三件事（指图，每件 20 秒）：
"第一件：让 AI 自己去读桌面上的文件——读完整理成摘要 + 待办清单。"
"第二件：从一个真实业务问题出发，让 AI 帮你写一页短报告。"
"第三件：小组协作——多人输入，AI 帮你们汇成一张共识卡。"
"三件事都当场跑。做完以后，结果会落在本机目录里，不只是屏幕上看一眼。"
"整体三小时怎么走？看下一页。"
"刚才说的是今天要做什么。现在看时间怎么安排，大家心里先有个节奏。"
指图念六段（指着屏幕上的 timeline，每段 1–2 秒，只念时间和节奏）：
"0:00 到 0:30——先把工具和边界讲清楚，大家不用急着动手。"
"0:30 到 2:30——中间是连续三轮实操。前两轮以个人任务为主，第三轮是小组协作，中间会穿插茶歇讨论。"
"每一轮的节奏都一样：我先演示几分钟，你们自己跑一段时间，最后我们一起看结果、处理问题。"
"2:30 到 2:45——我们看 DramaClaw 演示，把 Agent 能力放到一条生产链路里看。"
"最后 15 分钟——我们收束到隐私边界、Agent 后续演进，以及最后答疑。"
"今天不是看我演示。真正动手的时间很长，中间遇到问题不要卡住，举手，助教老师会到座位旁帮您处理。"
"节奏有了，下面先把今天用的 Agent 工具讲清楚。"
💡 *讲师小提示*：图上有具体时间锚点（0:00 / 0:30 / 1:10 / 1:50 / 2:30 / 2:45），指图时指到对应位置就行，不用念。
7 分钟。这页讲清楚两件事：OpenClaw 是什么、它跟你以前用的 AI 不一样在哪里。
"今天这套能力的底层概念，来自 OpenClaw——一个开源 AI Agent 项目。它不是单纯聊天，而是让大模型在授权范围内读写文件、调用工具、拆解任务，把一个目标变成一串可执行动作。"
名字小故事（轻松一点，30 秒）：
"为什么叫小龙虾？这个名字我特别喜欢。Open 是开源，Claw 是爪子。爪子的意思是：它不只是回答你一句话，而是能在工具之间伸出爪子，去抓资料、抓文件、抓网页，再把任务拆开做。"
"今天三小时，你会反复在屏幕上看到它在「想」——那不是装饰，而是它在规划下一步：先读什么、再查什么、最后输出什么。"
关键区别（这一段最重要——用具体例子讲，2 分钟）：
"所以 OpenClaw 跟 ChatGPT、文心一言、豆包这类「聊天 AI」的关系，不是模型谁更聪明，而是工作方式不一样。我举一个例子。"
对照例子（指屏幕，慢慢念）：
"比如你跟 ChatGPT 说：「帮我把桌面上的 contract.pdf 整理成摘要」。ChatGPT 会回你一句话——「请把文件内容粘贴过来」。它干不了——它读不到你电脑里的文件。"
"同样一句话你跟 Agent 说：「帮我把桌面上的 contract.pdf 整理成摘要，提取行动项，再保存成一个 markdown 文件」。它会在授权范围内打开文件、读内容、分析、整理、写文件，把结果交付出来。"
"这就是「问 AI 一句话」和「给 Agent 一个目标」的区别——Agent 会自己想步骤、自己用工具、自己跑完整条链路。这是今天最重要的一个观念。"
它具体能干哪些事（指图，30 秒）：
"OpenClaw 能做的事，可以先理解成三类：第一，读资料；第二，调用工具；第三，交付产物。读资料包括文件、网页、表格；调用工具包括搜索、下载、保存、整理；交付产物就是报告、清单、邮件、脚本这些看得见的结果。"
"等会儿实验一，大家会直接看到它怎么读一份 PDF、怎么整理重点、怎么把结果写成文件。先记住一句话——Agent 是围绕目标执行工作流的 AI。"
"不过今天现场具体使用的，不是原版 OpenClaw，而是腾讯出品的小龙虾，也就是 WorkBuddy。看下一页。"
2 分钟。贴着图讲：OpenClaw 原版 vs WorkBuddy，四个差别。
"今天我们具体用的工具叫 WorkBuddy，腾讯出品的小龙虾。你可以把它理解成面向国内办公环境做过适配的 Agent 工具。"
按图讲四行（指图，从上到下）：
"看这张图，左边是 OpenClaw 原版，右边是今天用的 WorkBuddy。"
"第一，装机——原版更像开发者工具，通常要自己准备环境；WorkBuddy 是下载、登录、直接用。"
"第二，模型——原版更多接海外模型，国内访问不一定稳定；WorkBuddy 接了国内模型，可以无缝切换。"
"第三，接入——原版常见的是 Telegram、WhatsApp 这一类工具；WorkBuddy 更贴近国内工作场景，比如 QQ、微信、企业微信和钉钉。"
"第四，安全与合规——原版更多需要使用者自己配置和判断风险；WorkBuddy 接入国内模型与腾讯安全网关，更贴近企业网络、账号和数据合规要求。"
"所以今天不是换一个聊天框，而是先用一个更容易上手、更贴近国内办公环境的 Agent 工具，把基本工作流跑通。"
"工具讲完了。但开始动手之前，大家心里最常见的三个关切，先说清楚。"
## §2 · 三大关切（P6–P8 · 0:15–0:27）
"第一个关切——「我的文件丢给 AI，会不会泄密？」"
"这里我不做绝对安全承诺。只要资料离开你的电脑，或者进入任何云端系统，都要按风险来处理。正确做法不是相信某一句宣传，而是先判断资料能不能外发。"
讲三点（每点 30 秒）：
"第一点，不上传高敏资料——客户隐私、合同报价、未公开战略，这三类今天不碰。"
"第二点，需要练习就脱敏——把公司名、人名、金额、客户信息换成占位符。比如「ABC 公司」「某客户」「123 万」。我们练的是工作方法，不是把真实机密拿来试。"
"第三点，按场景选择形态——公开资料和普通办公，可以用云端形态；涉及敏感资料，就要考虑本地模型、企业版、专有云，甚至内部审批。"
强调（用力念）：
"客户隐私、合同报价、未公开战略——今天不上传。拿不准，就先脱敏。"
"边界先立住。那 Agent 到底能做什么？"
"第二个关切——它除了聊天，还能做什么？我建议大家不要按功能菜单记，按三类工作记：资料整理、流程执行、产物交付。"
讲三个（指图，每个 30 秒）：
"第一类，资料整理——把 PDF、表格、网页、会议纪要放在一起看，最后汇成摘要、重点、风险和待办。今天实验一就是这个。"
"第二类，流程执行——不是只给建议，而是可以按步骤调用工具：搜索资料、打开文件、保存结果、整理目录。复杂一点的场景里，还可以衔接浏览器、邮件、表格和代码仓库。"
"第三类，产物交付——最后不是一句回答，而是一份报告、一封邮件、一张表、一个脚本，或者一个可以继续协作的文件。"
"今天三轮实验会分别对应这三类能力：实验一看资料整理，实验二看调研报告，实验三看多人输入后的汇总交付。"
"知道它能做什么之后，最后一个问题就是：回去到底该用哪种形态？"
4 分钟。回答“这么多龙虾版本怎么选”：先按要解决的工作分类，再选本地、VPS，还是托管/企业版。
"第三个关切，是很多同学真正会问的：这么多小龙虾版本，到底该选哪一个？我的建议是，不要先问哪个平台最强，先问：你要让它解决哪类工作。"
"顺序很简单：先看任务是不是涉及机密资料，再看它需不需要 24 小时在线，最后看你有没有团队协作和企业系统接入的需求。"
"第一类，本地私有化部署。适合处理企业核心文档、个人财务、医疗政务、内部代码这类不适合出网的资料，也适合让 Agent 操控你自己的电脑，比如读本机文件、跑本地脚本、控制本地浏览器。"
"典型方案是：OpenClaw 跑在自己的电脑上，再接 Ollama、LM Studio 或本地模型。它的优点是数据最可控，系统控制权最高；缺点也很现实：依赖本机算力，电脑关机，龙虾就下线。"
"第二类，云端服务器独立部署。适合 7×24 小时在线的任务，比如消息机器人、定时报告、舆情监控、自动爬取资料、定时收发邮件。"
"典型方案是买一台轻量服务器，比如阿里云、腾讯云、AWS，用 Docker 或命令行部署 OpenClaw。它的优点是像一个不关机的后台助理；缺点是需要一点 Linux 和服务器配置基础。"
"第三类，云厂商托管或企业版。适合团队快速使用，或者完全不想折腾环境依赖的同学；也适合企业要统一账号、权限、知识库、OA、数据库接入的时候。"
"它的优点是省心、稳定、上手快；缺点是定制自由度相对低，也要评估会不会绑定某个云厂商或平台生态。"
"所以一句话：小白入门、团队现成用，选托管；要全天候助理和后台任务，选 VPS；要处理机密资料或操控本机，选本地私有化。"
关键句（用力念）：
"不是老师替你选平台，而是先把工作分清楚：资料能不能出网，要不要 24 小时在线，要不要接企业系统。答案自然就出来了。"
"三大关切讲完了。下一页——直接进实验。"
## §3 · 实验一（P9–P12 · 0:30–1:10 · 40 分钟）
开口（直接念）：
"实验一——让 AI 读你桌面的文件，变成摘要和待办清单。"
"40 分钟，个人实操，每个人都自己跑。"
动作：按右方向键，进入下一页。
"现在打开 WorkBuddy，跟着我做这 6 步。"
讲步骤（每步 30-40 秒，讲完每步停一下等学员跟上）：
"第一步，在 WorkBuddy 里新建一个任务。"
"第二步，复制屏幕上的「主指令」——只需要把里面的「文件名」换成你自己电脑上的文件名。没有自备文件的同学，打开学生模板页，下载示例 PDF，文件名是「【36氪研究院】《2025-2026年中国企业出海研究报告》.pdf」，放到桌面后直接填这个文件名。"
"第三步，发送，看 Agent 开始跑。注意屏幕上会出现「工具调用」加一个数字——那是它在干活。"
"第四步，等第一版结果出来。"
"第五步，复制「追问指令」，让它补全待办。"
"第六步，复制「复核指令」，让它自己检查有没有遗漏。结束以后，右侧「变更」面板会自动落盘。"
"不要紧张。跟不上就看屏幕上的步骤号；任何环节卡住，举手，会有人来帮你。"
"三段提示词长什么样——下一页给你完整文本。"
"屏幕上是实验一的三段提示词。重点只有一个：复制后，把「文件名」换成你桌面上的真实文件名，再发送。"
讲三段（每段 1 分钟）：
"第一段，「主指令」——让 Agent 读文件，输出 200 字以内摘要、5 个关键信息点，以及一张待办表。"
"第二段，「追问指令」——让它补全待办表里缺失的负责人和截止时间；如果文件里没有，就标注「待人工确认」。"
"第三段，「复核指令」——让它自己回头检查行动项有没有遗漏。这一步价值最高，因为它能逼 Agent 再读一遍。"
讲师弹性（任务在跑的几分钟可以聊的话题，挑 1 到 2 个讲）：
💡 *给讲师看*：等学员的任务在跑、屏幕在转的几分钟，挑下面任一话题讲——具体念词在 INTERLUDE 弹性页里有。 - 看 WorkBuddy 怎么"想" - 追问的艺术 - 隐性能力清单
"等大家都跑完了，看下一页——怎么算做完。"
"5 项检查清单——5 项全做到是满分，少一项也无妨。"
念清单（指屏幕，逐条念）：
"第一，摘要控制在 300 字以内。"
"第二，至少列出 5 个关键信息点。"
"第三，to-do 表不少于 3 行，并且包含任务、负责人、截止时间、优先级 4 个字段。"
"第四，你能讲清楚 Agent 自己做了哪一步。"
"第五，右侧「变更」面板里有自动落盘的 md 文件。"
"举手——5 项全做到的请举手。" *（数一下手）* "4 项的？3 项的？"
"都没关系——今天的目的是体验，不是考试。"
"实验一完成。喝口水，实验二开始。"
节奏提示：如果学员 25 到 35 分钟就跑完，不要提前进入实验二，参考 §8.G.1 处理多出来的时间（分享、加分项、自由探索），准时一点十分进实验二。
## §4 · 实验二（P13–P16 + INTERLUDE · 1:10–1:50 · 40 分钟）
"实验二——从一个真实业务问题出发，让 AI 帮你写一页短报告。"
"40 分钟。这一次没有标准答案，重点看你怎么把问题说具体。"
动作：→ P14
5 分钟。这一段最关键——题选得好，报告就好；题选不好，30 分钟白跑。
"实验二只有 30 分钟实操。但开始之前，我留 3 分钟给大家——先选一个值得跑的题。"
什么是好题（30 秒）：
"好题的三个标准——"
"第一，具体——「明年要不要做出海」不算具体，「明年想试点东南亚市场，先做泰国还是马来西亚」就算具体。"
"第二，真实——是你最近真在想的事，不是假装的。"
"第三，能拿去开会——做完的报告，下周开会能直接发给老板或合伙人看。"
示例题（指屏幕，快速扫一遍）：
"屏幕上有一组现成题库。实在没想好，就直接从里面挑一个：SaaS 出海、美妆复购、制造 ERP 上云、餐饮私域、产业园招商、AIGC 新规，都可以。"
"这些题不一定和你的业务完全一样，但足够具体，适合现场快速跑通。"
应对（选不出题的人）：
"实在选不出来？ 直接打开学生模板页，从实验二的题库里复制一个。不要花超过 1 分钟纠结；选错可以再改，选不出最浪费时间。"
强调（用力念）：
"选题决定输出。问题越具体，Agent 给的报告越能落地。"
互动（30 秒）：
"举个手——题选好了的请举手。" *（数一下手）* "好——还没好的请用最后 30 秒，选最近最让你头疼的那件事。"
"选好题——下一页是两段提示词，复制就能用。"
"这次只有两段——比实验一简单。"
"第一段，「主指令」——把你的题目填进去，让 Agent 输出背景、关键发现、建议、依据和待验证。"
"第二段，「追问指令」——针对某一条建议继续深挖，让它补 1 到 2 个案例或数据来源。"
"30 分钟实操，你可以反复追问。不要满足于第一版输出——追问几次，报告才能落地。"
💡 *给讲师看*：如果到一点三十大家还在等，可以翻到下一页弹性页，挑 1 到 2 个"Agent 在跑时的细节"话题讲。
### INTERLUDE · 间歇 · Agent 在跑时 · 3 个细节（弹性 · 不计页码）
"你点开「工具调用」那一栏，会看到三种块——「思考块」是它在想；「搜索查询」是它在搜什么；「来源选择」是它为什么挑这条。这一栏比最终输出更值得花时间看。"
"「再说说」是没用的追问。有用的追问是这样的——「补充第 2 条建议的具体数据来源」。你给得越具体，它答得越深。一句话——追问的精度，决定了回答的深度。"
"Agent 在你没明说的时候，它会自动出图、自动拆问题、自动整理来源、自动保存。今天能数到 2 项以上，就没白来。"
"现在看下一页——怎么算做完。"
"5 项检查清单。"
念清单（指屏幕，逐条念）：
"第一，5 个板块都齐全：背景、发现、建议、依据、待验证。"
"第二，建议不少于 3 条。"
"第三，每条建议都有依据。"
"第四，报告不超过 800 字。"
"第五，加分项——是否自动出图？"
"举手——5 项全做到的请举手。"
"实验三开始。这次是小组协作——会更有意思。"
节奏提示：实验二容易"第一版就觉得做完了"——这时讲师必须主动鼓励追问（实验二的核心价值在追问，不在第一版）。多出 5 到 15 分钟参考 §8.G.2：让大家追问验证、互相分享，准时一点五十进实验三。
## §5 · 实验三（P17–P22 · 小组协作 · 含 30 分钟茶歇讨论）
"实验三——小组邮件协作，多个人的输入汇成一张共识卡。"
"这一段先把小组协作环境搭好。每组一个组长，组长负责建群、收邮件、最后汇总；组员负责讨论背景、研究子方向和发邮件。"
"讲完链路以后，我会安排 30 分钟小组讨论和茶歇。大家可以边吃边聊，把共同话题和各自背景先说清楚。"
"看这张图——实验三不是一上来就让大家各做各的，而是先搭小组协作环境，再让 Agent 接上。链路是这样的："
走完整流程（指图，每段停 1 秒）：
"第一段——我先讲清楚链路，并确认每组组长。"
"第二段——组长建一个小组微信群，把本组成员拉进去。"
"第三段——组长把自己的邮箱号发到群里。后面所有组员都把调研结果发到这个邮箱。"
"第四段——全组讨论共同话题和成员背景。这里给大家 30 分钟，可以享用茶歇，边吃边交流。"
"第五段——讨论完，组长把共同话题和成员背景丢给 Agent，让 Agent 自动分工。"
"第六段——组员拿到子方向，各自研究，并让 Agent 把调研结果发邮件给组长。"
"第七段——组长收齐邮件，让 Agent 汇成一张共识卡，再做简短分享。"
"这一段最容易乱，所以我们先建微信群。微信群解决沟通，邮箱解决 Agent 汇总。"
先组织现场动作，再进入 Agent 分工。这里包含建群、发邮箱、茶歇讨论，现场给 30 分钟。
开口（对所有人）：
"实验三分两个角色——组长负责建群、发邮箱、分工和最后汇总；组员负责提供背景、研究子方向和发邮件。现在先把现场协作环境搭起来。"
现场组织（按顺序做，不要跳）：
"第一步——主持人请每组组长建一个小组微信群，把本组成员拉进去。"
"第二步——组长把自己的邮箱号发到群里。后面组员发邮件时，就发到这个邮箱。"
"第三步——全组讨论两个东西：共同话题，以及每个成员的背景。"
"第四步——现在进入 30 分钟茶歇讨论。大家可以边吃边交流，但要在群里留下两类信息：共同话题、成员背景。"
"好，我们回来。每组现在应该有一个共同话题，也知道每个人大概从什么背景出发。接下来组长把这些信息交给 Agent 分工。"
对组长说（看着组长那几位）：
"组长——打开 WorkBuddy，新建一个任务，把三样东西一起丢给 Agent——"
"第一，共同话题——比如「我们三个人想一起搞清楚，中小企业怎么试点 AI Agent」。"
"第二，每个组员的背景——比如「老张做制造业、老李做电商、老王做服务业」。背景越具体越好。"
"第三，指令——告诉 Agent：「请基于共同话题，按每个人的背景，给每人分一个不重叠的研究子方向。」"
关键句（用力念）：
"Agent 会给你三个不重叠的子方向——每个人一个研究角度，合在一起覆盖整个话题。"
结果示例（让学员心里有预期）：
"举个例子——如果话题是「中小企业 AI 试点」，Agent 可能会分成：老张做制造业的工具选型；老李做电商场景的数据合规；老王做服务业的成本测算。"
"组员现在不用动手——看群里组长发出来的分工。你拿到自己的那一条，下一页开始干活。"
应对（分工不均）：
"如果 Agent 分得有偏——比如有人活多有人活少——组长可以追问一句：「请把工作量平均一下，每个人差不多 20 分钟能做完。」"
"组长分完工——组员拿到子方向了吗？下一页，组员开干。"
12 分钟。讲师讲 3 分钟引导，剩下 9 分钟学员实操 + 讲师巡场。
开口（对所有人）：
"现在 12 分钟交给组员。组长这时候不用汇总，只需要关注群里有没有人卡住、邮箱地址有没有发对。"
对组员说（看着组员）：
"组员——你拿到自己的子方向了。接下来 10 分钟做两件事：研究，加发邮件给组长。"
最关键的一句（用力念）：
"一条指令搞定两件事——你不用先研究再发邮件，让 Agent 一次性搞定。"
指令模板（让学员复制屏幕上的指令，改占位符）：
"给 Agent 这样说："
"「我是小组研究 [共同话题] 的组员 [姓名]，子方向是 [子方向]。请就这个子方向做 200 到 300 字调研，包含关键发现、案例和建议；然后用我的 QQ 邮箱发给 [组长邮箱]，邮件主题写成 [共同话题-姓名-子方向]。」"
"你需要改四处：共同话题、姓名、子方向、组长邮箱。主题前缀必须统一，否则组长后面不好筛邮件。"
Agent 在做什么（让学员理解屏幕在转什么）：
"发出去后，你会在屏幕上看到 Agent 依次做三件事：第一，搜资料；第二，整理成 markdown；第三，调邮件工具发送。三件事它自己排好顺序，你只要等。"
"邮件标题不要让 Agent 随便写。统一用 [共同话题-姓名-子方向]，组长后面才能按共同话题过滤。"
给所有人的提示（看一眼组长那几位）：
"组长在这 10 分钟里不要急着汇总——下一页有专门的「邮件缓冲期」，等所有邮件都到了再开始。"
"邮件发不出去——看右侧的工具调用日志，里面会有报错；或者直接举手。"
"调研跑偏了——追问一句：「请聚焦在 XX 这个具体角度，重新给我 3 条发现。」"
"5 分钟就跑完了——别闲着，让 Agent 把每条发现补一条「实操建议」上去。"
过渡（10 分钟后）：
"好——10 分钟到了。组长，你的邮箱应该陆陆续续收到组员发来的邮件了。但是——邮件传输需要时间。下一页，先等 2 到 3 分钟。"
等 2 分钟。
10 分钟。组长 5 分钟跑汇总，组员等，最后 5 分钟分享。
开口（对所有人）：
"缓冲期结束。组员们这 10 分钟休息，看看组长怎么把你们的邮件汇成一张共识卡。"
对组长说（看着组长那几位）：
"组长——现在邮件都到了。第二步开始：在 WorkBuddy 里打开你刚才那个任务，让 Agent 读取今天收到的、主题以共同话题开头的邮件。"
"「请读取我邮箱里今天收到的所有主题以 [共同话题-] 开头的邮件，按子方向汇总成小组共识卡，包含："
"共同结论"
"分歧观点：保留差异，不要平均化"
"待追问的问题"
"行动建议"
"最后再输出 1 份 2 分钟口头分享稿。」"
强调（最重要的一条，用力念）：
"缓冲期之后才汇总——不要提前！提前的话只读到一两封邮件，共识卡就会缺人。"
"你按下回车之后，Agent 会做三件事：第一，筛出同一共同话题下的邮件；第二，按子方向对比重叠和分歧；第三，整理成共识卡和 2 分钟分享稿。"
应对（共识卡不理想）：
"如果第一版共识卡覆盖不全，先数里面出现了几个人名。少人就再等 1 分钟，然后追问：「请重新读取主题以 [共同话题-] 开头的全部邮件，确认是否漏掉某位组员。」"
给组员的提示（穿插，让组员有事做）：
"组员等待时——可以打开自己刚才那份调研，自己心里也想一遍：「我这条发现，最希望出现在共识卡的哪一栏？」等会儿分享的时候可以对照看。"
5 分钟后切到分享（看一眼大家）：
"5 分钟到了——组长们应该都拿到共识卡了。接下来 5 分钟，每组分享 30 秒：你们的共识卡上写了什么、有哪一条让你们意外？"
分享话术（点名第一组）：
"我们从第一组开始——这位组长，30 秒，只讲 1 条最让你们意外的发现。"
讲师点评（每组分享后 10-15 秒）：
每组分享完，讲师挑一个点呼应一句，比如：「这条挺有意思——其实跟第二组的 XX 角度是对得上的」。不要做评分，做"连接"。
过渡（5 分钟分享结束后）：
"三个实验全部完成。给自己鼓个掌——你们刚才跑完的是一个真实小组协作流程：讨论、分工、研究、发邮件、汇总、分享。"
"下面 15 分钟，给大家看我们研究院自己做的另一个项目，叫 DramaClaw——这是「一条指令多产出」最极致的样子。"
## §6 · DramaClaw 段（P23–P25 · 2:30–2:45 · 15 分钟）
"三个实验都跑完了。最后 15 分钟，我给大家看一个我们自己做的工具——DramaClaw。"
"DramaClaw 是我们新飞翔人工智能研究院自己做的另一款产品。但这一页我不想把它讲成一个普通视频生成工具，而是讲一个更关键的问题：模型能力怎么应用到工业级场景。"
核心判断（用力念）：
"工业级应用的关键，不是能不能生成，而是能不能稳定生成确定的内容。"
"第一，DramaClaw 要解决的是确定性。漫剧和短剧不是出一张图看看好不好看，而是要连续生产。角色不能这一集长这样，下一集换一张脸；场景不能今天是这个空间，下一镜头就变了；光影、服装、动作逻辑都要接得上。"
"这里有两层确定性：长线叙事的确定性，以及生产级交互的确定性。前者保证角色、场景、光影、逻辑能跨集一致；后者保证每一次分镜、画面、镜头、剪辑都按可交付标准推进。"
"第二，它要打破行业里常见的「抽卡」生成模式。很多生成式工具的逻辑是：一次生成十个，挑一个能用的。但工业生产不能靠碰运气，不能每一分钟算力都在试错。"
"我们要的是生产即交付：每一分钟的算力产出，都尽量是符合标准的生产产品，而不是一堆需要人工筛选的废稿。"
"第三，为了做到这种确定性，不是在旧工具上加几个新功能，而是重构整个产品的底座逻辑。"
"导演系统负责全局把控整个工作流的生产；知识图谱承接长线记忆，记住人物、关系、世界观和前后逻辑；AI 原生产线则把原来需要人逐个操作的界面，变成一条自动化生产链。"
"所以 DramaClaw 的重点不是「我能不能生成一个视频」，而是：当模型进入工业级场景以后，能不能把不稳定的生成，变成可控、可复用、可交付的生产系统。"
"听起来比较抽象。下一页，看一支真实剧组怎么用它的——视频说话比我讲清楚。"
"这是我们 DramaClaw 团队合作的一支真实剧组——他们用 DramaClaw 跑了一整套工具流。我挑一段给大家看——注意看一条指令是怎么贯穿整个制作链路的。"
动作：点屏幕上的播放按钮开始播放。这个视频比较长（21 分钟），现场播 2 到 3 分钟即可——挑开头的「指令到产出」那一段。
播放时讲解（边看边讲，挑要点说）：
"注意看——他们一条指令进去之后，DramaClaw 自己拆分镜、自己出画面、自己选镜头、自己剪辑。"
"整条链路里没有人手动干预——这就是 Agent 跟传统视频工具的区别。"
立即说："网络好像有点慢——我先翻下一页给大家看完整演示和成品，等会儿再回来看这段。" 然后翻到 P25。
"看到没——一条文字指令出动一整条生产线。"
"看完了案例。下一页，把完整的演示流程，加最终的成品对照着再看一次。"
"最后一页——左边是 47 秒的完整演示，右边是 9 秒的最终成品。"
对照讲（先指左屏）：
"左边这 47 秒——你看到的是 DramaClaw 怎么一步一步把指令变成视频。屏幕上能看到它在聊天界面里收到指令，然后中间一系列的工具调用——拆分镜、出画面、选镜头、配音、剪辑——一步步走完。"
对照讲（再指右屏）：
"右边这 9 秒——就是最终成品的一个片段。等会儿播完你看到的，就是左边那条链路跑完之后吐出来的视频。"
动作：先点左边视频开始播放，等左边播完，再点右边播放成品——形成「过程到结果」的对照感。如果时间紧，可以同时播。
视频播完后强调（用力念）：
"一条文字指令进去，9 秒视频出来。整个过程没有任何人画分镜、没有人剪辑——全部自动。"
"这就是 AI Agent 工业化最极致的样子——我们研究院今年的主线产品就在这个方向。今天大家用 WorkBuddy 跑的实验是入门版，但方向就是这个。"
"进收尾。最后两件事：先把隐私边界再收紧一次，再看 Agent 后续会往哪里演进。"
## §7 · 收尾段（P27–P29 · 2:45–3:00 · 15 分钟）
"回到开场的三条铁律——这三类一律不上传："
念三条（慢、用力，每条之间停 1 秒）：
"第一类——客户隐私，以及个人身份信息。不上传。"
"第二类——合同原文，以及报价和财务数据。不上传。"
"第三类——未公开战略，以及产品和人事信息。不上传。"
"不确定，就改用脱敏样例——把真实数据换成「ABC 公司」「123 万」这种占位符。"
"边界讲清楚以后，最后用三页把趋势讲透：Claude Code、OpenClaw、Hermes-Agent、OpenHuman、More，不是让你选一个站队，而是看 Agent 正在往哪个方向演进。"
"站在 2026 年这个节点回头看，Claude Code、OpenClaw、Hermes-Agent、OpenHuman 这些名字，不只是四个工具，而是一条 Agent 从工程工具走向个人和组织工作流的演进线。"
"不要把它们理解成简单替代关系。更准确的看法是：人的参与位置在一步步往后移，系统的开放程度在一步步加深。"
"Claude Code 让 AI 进入终端和代码库，先解决开发者实时协作的问题。OpenClaw 往前走一步，把规则、工具、workspace 和 Skills 放进可配置运行时里，让 Agent 可以进入后台自动化流程。Hermes-Agent 再往前走一步，把长期运行、记忆、技能沉淀和反馈闭环做成系统能力。OpenHuman 代表的是另一个方向：不是更像服务器里的机器人，而是更像桌面上的个人中枢，开始理解人的日常上下文。"
"最后的 More 不是一个产品名，而是一个开放趋势：更多模型、更多工具、更多数据源、更多权限和协作角色会接进来。"
"所以这条线不是「谁比谁强」，而是：赋能机器 → 连接工具 → 沉淀闭环 → 个人中枢 → 更多生态。"
"下一页，把四个阶段拆开看，每一段解决什么问题，也有什么边界。"
"第一段，是 Claude Code。它不是传统意义上的代码补全，而是项目级的 agentic coding tool：能读代码库、跨文件改代码、运行命令、接入开发工具，也能处理测试、Git、CI、PR 这类开发流程。"
"但它的核心关系仍然是：人在场，Agent 执行。你给目标，它探索代码、提出方案、改文件、跑测试；你看 diff、看日志、看结果，决定下一步。它解决的是早期开发者在浏览器、编辑器和终端之间来回切换的问题。边界也很清楚：你不发指令，它就不工作；会话结束，生命周期也结束。"
"第二段，是 OpenClaw。它更像一个可以配置和落地的 Agent 运行时：有自己的 workspace，有 AGENTS.md、SOUL.md、TOOLS.md、USER.md、MEMORY.md 这些文件，把操作规则、人格边界、工具约定、用户信息和长期记忆放进可读、可改、可备份的文本里。"
"OpenClaw 的 Skills 也是这个逻辑：每个 Skill 是一个带
SKILL.md的目录，用来教 Agent 什么时候用什么工具、怎么执行流程、有哪些风险。它代表 Agent 从终端里的实时工具，走向可配置、可审计、可复制的后台自动化。边界是配置门槛更高，仍然偏开发者和企业场景。"
"第三段，是 Hermes-Agent。官方项目名是 Hermes Agent，它强调的不是一次对话，而是长期运行：记忆会跨会话保存，复杂任务里的有效做法会沉淀成 Skill，定时任务可以通过 Cron 跑，结果还能投递到 Telegram、Discord、Slack、WhatsApp、邮件等渠道。"
"这类形态适合定时报告、监控、日报周报、资料追踪、知识沉淀。它重要的不是一句「自我进化」，而是把有效经验写成技能，下次同类任务少走弯路。边界是架构更重，为了闭环能力，牺牲了一部分普通用户的易用性。"
"第四段，是 OpenHuman。它的方向不是再做一个命令行 Agent，而是把 Agent 更直接地嵌进人的日常工作流：桌面 UI、账号连接、邮件/日历/文档/代码仓库/消息数据的同步、Memory Tree、Obsidian 风格的本地知识库。"
"也就是说，OpenHuman 想解决的是「AI 每次都要重新认识你」的问题。它尝试把个人工作和生活上下文变成透明、可读、可干预的长期记忆。注意，这个项目目前仍在快速发展和早期 Beta 阶段，现场不要讲成已经稳定商用。它代表的是方向：Agent 从工具层，开始进入人的上下文层。"
"所以不要问「谁最强」。更好的问题是：这件事需要我实时参与，还是只需要我把规则讲清楚，还是可以交给后台长期跑，甚至让它进入一个更大的组织协作网络？"
讲师备忘 · 调研依据（这一段不一定逐字念，保证讲法准确）：
SKILL.md 的目录，用来把工具使用和流程知识显式化。准确讲法是“可配置的 Agent 运行时和工作空间体系”。"这四段连起来，能看到几个更大的技术趋势。最后用一页收束。"
"从这条线看未来，我建议大家抓五个关键词：记忆、伴随、技能、隐私、集群。"
"第一是记忆革命。过去我们总想把上下文窗口做得更大，但窗口再大也不是长期记忆。未来 Agent 需要的是结构化、本地化、可检索、可编辑、可审计的记忆系统。Memory Tree、Markdown 知识库、向量索引，本质上都是在给 AI 做一个长期大脑。"
"第二是交互范式从 Chat 走向 Ambient。不是每次打开聊天框写长 Prompt，而是 AI 在桌面、邮件、日历、文档、代码仓库这些真实工作流里陪跑。它能看到上下文，在合适的时候提醒你、补位你。"
"第三是从消耗算力到沉淀技能。Agent 不能每次都从零推理。像 Hermes-Agent 这类系统的启发是：陌生任务先靠推理，熟练任务沉淀成 SOP 和 Skill。越用越稳定，越用越便宜。"
"第四是隐私和数据主权。AI 读邮件、聊天、财务、合同以后，把全部数据交给云端一定会有风险。所以更现实的路线，是本地优先，加上模型云端和端侧的混合路由：敏感数据尽量留在本地，复杂任务再脱敏调用更强模型。"
"第五是 Agent 集群。未来你可能不会只有一个 AI，而是一个前台 Agent 理解你的意图和记忆，后台再唤醒编码、调研、运维、自动化这些专门 Agent。协议、权限、审计、组织流程，会成为下一轮竞争的关键。"
"所以未来的超级智能，不只看模型多大，而看它离你的工作流多近，对你的上下文理解多深。"
"趋势讲到这里。最后一页，收束一下。"
"三小时到了。"
"你今天带走了三样东西——电脑里多了三个文件；知道了三类不上传；看了我们 DramaClaw 这种「一条指令出一段视频」的工业化方向；也知道了 Claude Code、OpenClaw、Hermes-Agent、OpenHuman 这条后续可以继续关注的演进线。"
关键句（用力念）：
"从问 AI 一句话，到给 Agent 一个目标——这是今天最重要的一件事。"
"请大家拿手机扫一下屏幕上的两个二维码——左边是我们的公众号，右边是我的微信，扫了之后有任何问题都可以联系我。"
"感谢新飞翔、为溪、长江商学院联合出品。散场后我留 15 分钟答疑——有问题的同学不要急着走。"
"谢谢大家。"
*（鞠躬，等掌声，下台）*