OpenAI 最新發佈了一份面向 GPT-5.6 的官方 Prompt 指南。它不僅能讓你的 Agent 更能幹，也能直接幫你省 Token！ 如果你正在用 GPT-5.6 開發應用或搭建 Agent，這份指南解決的是一個非常現實的問題：模型越來越強，Prompt 卻越寫越長。舊模型留下的補丁、重複規則，以及層層疊加的工具和權限說明，不僅持續消耗 Token，還可能互相衝突，反而讓新模型發揮不出來。 在 OpenAI 的一組內部 Coding Agent 任務中，更精簡的 System Prompt 讓評分提高了約 10%～15%，同時將總 Token 減少了 41%～66%，成本降低了 33%～67%。 這位是指南的作者，Eric Provencher：

Fable 5 剛復活，就先把使用者氣笑了。 比如有網友發文調侃，自己的很多問題都被回退到了 Opus 4.8，於是他去查看日誌，發現上面發現上面寫著一行很扎心的標籤： 「TOO_DUMB_TO_NEED_FABLE」。 粗暴點翻譯就是，問題太蠢，不配用 Fable。更好笑的是，Anthropic 工程師 Thariq Shihipar 在底下回了一句：「說實話，我沒想到你會去看日誌。」

或許是知道大家這周末都要奮戰狂戰 Fable 5，Anthropic 的 Claude Code 開發者 Thariq 放出了一篇長文，分享他使用 Fable 5 模型的方法論。 Thariq 在文中表示：Fable 5 的能力上限，取決於你能發現多少自己還不知道的東西。 下為 Thariq 全文： 用 Claude Fable 5 寫程式碼，反覆教給我一個老道理：地圖不是疆域。

這兩年，我收藏了不少提示詞。但發現這事兒越來越離譜，很多人寫的提示詞變成了長篇大論，整得我每次都要翻出來複製貼上才行。看著很專業，有些人居然以此為傲，覺得自己是個提示詞專家。但說實話，我現在看到這種提示詞都是繞著走。OpenAI 最新的 GPT-5.5 提示詞指南印證了我這個感受：提示詞，不再是越長越好。01 以前的長提示詞，也有道理以前那套大段提示詞，它也不是毫無道理的。主要是因為那時候的模型沒那麼聰明，你不把每一步講清楚，它就很容易跑偏。就像帶實習生，第一步做什麼、第二步做什麼、那些地方不能出錯，最好都說細一點。但現在的 AI 跟兩三年前的比，已經進化多少輪了。現在很多時候，我們只需要簡單幾句話，它就能理解我們要幹什麼。如果是一個經驗豐富的同事，我可能只要說一句："明天要跟大老闆匯報。"他大概就能秒懂我要什麼。現在的 AI，已經從"實習生"慢慢變成這種更有經驗的同事了。02 真正關鍵：告訴它你要什麼OpenAI 在文件裡明確說，相比早期模型，GPT-5.5 通常可以使用更短、更結果導向的提示詞。你只需要描述什麼是"好"，那些約束很重要，有那些證據可用，以及最終答案應該包含什麼。反過來，如果你還把舊模型時代那套大段提示詞直接搬過來，可能反而會變成噪音。太複雜的提示詞，會限制模型自己的判斷空間，讓它的回答變得機械、僵硬，甚至繞遠路。我自己最近就有一個很明顯的感受。現在很流行用 AI 做面相分析、手相分析。一開始我也去網上搜各種提示詞，結果發現很多都特別長，看著就頭疼。比如這種，我居然一屏都截不完。。後來乾脆自己寫，發現一句話就夠了：用東方的面相分析術，做一個完整的面相分析，9:16。這有點反直覺。很多人總覺得 AI 幹得不好，是因為自己步驟寫得不夠細。但在新模型上，問題可能恰好相反：你把步驟規定得太死，反而會讓它沒法發揮。示例：結果優先的提示詞寫法端到端地解決客戶的問題。成功標準：- 根據現有政策和帳戶資料做出資格判斷- 在回覆前完成所有允許的操作- 最終答案包含：已完成的操作、客戶消息、以及阻礙項- 如果缺少證據，只詢問最關鍵的那一個缺失欄位💡 提示OpenAI 建議：先定義目標結果、成功標準、約束條件和已有上下文，然後讓模型自己選擇解決路徑。尤其是多工、多步驟的事，不一定要把每一步都列出來，而是要描述終點。03 少用絕對化詞彙OpenAI 還提醒，像 ALWAYS、NEVER、must、only 這類絕對化詞彙，應該少用。除非是安全、隱私、必填欄位這種真正不能突破的原則，否則不要動不動就寫"永遠不能""必須如何"。這跟人其實也一樣。如果你對一個孩子規定一大堆絕對禁令，最後他可能不是表現得更好，而是直接崩潰，因為他不知道該怎麼做事了。AI 也是一樣，規則太多，不一定更安全，也不一定更準確。更好的方式不是下死命令，而是給判斷規則。反例：應避免的逐步指令寫法先檢查 A，再檢查 B，然後逐一對比每個欄位，再逐一排查所有可能的例外情況，再決定呼叫那個工具，再呼叫工具，最後向使用者解釋整個過程。04 提示詞 2.0：定義協作方式OpenAI 在指南里單獨提到了兩個詞：personality（個性）和 collaboration style（協作風格）。看到這個我感覺特別親切。因為現在很多智能體（比如OpenClaw、Hermes），第一件事通常就是設定它的風格、個性，或者說設定一個 Soul.md。為什麼要這麼做？因為現在的 AI 跟以前不一樣了。以前它更像一個聊天機器人，你問一句，它答一句。但現在它越來越像一個能幫你幹活的助理：幫你查資料、寫程式碼、做圖、執行任務，甚至連續處理很多步驟。這個時候，你跟它的關係就不只是"提問和回答"，而更像是"協作和共事"。既然是共事，那就需要先定一下合作方式。（約法三章）就像我們在工作中帶同事，也會告訴他：我希望你少說廢話，有問題直接提，不要每個小事都問我，但如果會影響結果，一定要提前提醒我。這些其實就是協作風格。OpenAI 對這兩個概念的區分很清楚：1 personality控制這個助手聽起來像什麼樣的人，比如熱情、直接、正式、幽默、有耐心。2 collaboration style控制它怎麼跟你一起工作，比如什麼時候該問問題，什麼時候可以自己做假設，什麼時候要主動提醒風險。關於個性（personality），OpenAI 給了兩個例子：示例：沉穩型任務助手的 Personality 配置塊你是一個有能力的協作者：平易近人、沉穩、直接。默認使用者是能幹的、且是善意行事的，以耐心、尊重和切實有用的方式回應。在請求已經足夠清晰、可以直接著手的情況下，優先推進而非停下來反覆確認。利用上下文和合理假設向前推進。只有在缺失的資訊會實質性地改變答案、或帶來明顯風險時，才詢問澄清，且問題要儘量聚焦。保持簡潔，但不要變得生硬。給使用者足夠的上下文，讓他們能夠理解並信任這個答案，然後停下來。在能讓要點更容易理解的情況下，使用舉例、類比或簡單比喻。在糾正使用者或提出異議時，坦率但有建設性。當錯誤被指出時，直接承認並專注於修正。在專業範圍內匹配使用者的語氣。默認不使用 emoji 和髒話，除非使用者明確要求這種風格，或已在對話中清晰確立了這種風格的適用性。另一個是“表達型協作助手”：示例：表達型協作助手的 Personality 配置塊保持生動的對話存在感：睿智、好奇、在適當時候帶點趣味，並對使用者的思維保持敏銳的關注。在問題模糊時提出好問題，一旦有了足夠的上下文，便果斷推進。態度溫暖、協作、得體。對話應該感覺輕鬆而有生氣，但不是為了聊而聊。提出真實的觀點，而不是單純迎合使用者，同時始終響應他們的目標和約束。在任務需要綜合判斷或給出建議時，保持審慎和踏實。在有足夠上下文時給出明確的建議，說清楚重要的權衡，並坦誠面對不確定性，而不是含糊其辭。以前寫提示詞，很多時候還是基於"聊天機器人"的思路，所以大家會強調語氣、角色、身份，比如"你是一個資深專家""你是一個公眾號編輯"。但進入智能體時代之後，光設定角色已經不夠了，你還要設定它怎麼工作。提示詞 1.0 是讓 AI 扮演一個角色，2.0 是讓 AI 變成一個能協作的同事。05 前導語：別讓使用者對著白屏發呆這份指南里，還有一個我覺得很有意思的點，叫前導語。簡單說，就是在 AI 真正完成任務之前，先給使用者一點可見的反饋。做產品的人經常會講一個詞，叫首屏時間，也就是使用者多久能看到第一個畫面。那怕後面的資料還在慢慢載入，只要第一屏先出來了，使用者就會覺得這個東西還在工作。AI 現在也一樣。很多複雜任務都需要推理、呼叫工具、一步步處理。如果這個過程中完全沒有任何響應，使用者就會很崩潰。你不知道它到底是在認真幹活，還是卡住了。用過 GPT-Image-2 的人應該會有感受。以前生成圖片，提交之後就只能看著它在那轉圈，幾分鐘後突然把圖片吐出來，中間什麼都不知道。現在很多體驗變了。它會告訴你：正在理解需求，正在構圖，正在生成草稿，正在做最後潤色。那怕真實等待時間沒有明顯變短，你的體感會好很多。因為你知道它正在推進。OpenAI 建議，對於需要多步驟、呼叫工具，或者耗時比較長的任務，可以讓模型先發一個簡短的前導語，告訴使用者它接下來要做什麼。示例：多步驟任務的前導語配置塊在任何多步驟任務的工具呼叫之前，先傳送一條使用者可見的簡短更新，確認請求並說明第一步操作。控制在一到兩句話以內。示例：暴露獨立消息階段的程式設計智能體配置塊如果任務需要呼叫工具，必須在分析通道輸出任何內容之前，先傳送一條中間更新。該更新應確認請求並說明第一步操作。提示詞已經不只是"怎麼讓 AI 輸出一個答案"，它還開始影響整個產品體驗。表面上看，這是一篇教大家怎麼寫 GPT-5.5 提示詞的指南。但我讀完之後，更大的感受是：我們該重新理解"提示詞"這件事了。以前很多提示詞技巧，本質上只是一個階段性產物。那時候模型不夠聰明，我們需要用大量規則去補它的短板。但現在，模型正在變得越來越強。你再用老方法去控制它，反而可能限制它。未來真正重要的，可能不是誰收藏了更多提示詞範本，而是誰更清楚自己要什麼。提示詞正在從"寫咒語"，變成"講清楚需求"。這才是提示詞從 1.0 走向 2.0 的核心變化 (AI范兒)

每年申請季，最能讓家長們刷屏的，莫過於那些名校錄取的“大滿貫”孩子。前兩天，我們剛分享了一位上海女生的故事：她橫掃了 MIT、耶魯、加州理工。翻開她的履歷，最亮眼的莫過於ISEF（國際科學與工程大獎賽）的獲獎者標籤。而在去年，那個同時被耶魯和史丹佛錄取的北京女孩，背景同樣震撼：她手握17門 AP滿分。你看，通往美國頂尖名校的路其實很清晰：要麼你用頂級競賽證明天賦，要麼你用AP大考證明學術上限。我們採訪過很多“別人家的孩子”，發現一個扎心的事實：無論背景如何多元，只要提到學術硬實力，他們幾乎人手一水的AP5分。距離5月大考還有不到兩個月，如何穩拿5分已經成了當務之急。我們或許不需要像那個北京女孩一樣考17門，但必須做到：每考一門，就要穩拿一個5分。因為好幾所美國名校已經明確新政：申請時必須提交所有AP成績，不得隱藏。以前那種“考不好就不報”的遮羞布被扯掉了，現在，考就得拿5分。我曾問過那些門門滿分的學霸，最後衝刺階段到底有什麼“神級操作”？得到的答案往往簡單到讓人懷疑人生：“刷題，只刷真題。” (INSIGHT視界)

Anything 的聯合創始人 Dhruv Amin 最近接到了一個他最不想接到的通知。蘋果把他們的應用從 App Store 下架了，理由是違反了 App Store 稽核指南的 2.5.2 條款。這條規定的原文說，App 應自包含在自己的套裝中，不得在指定容器範圍外讀取或寫入資料，也不得下載、安裝或執行會引入或更改 App 特性或功能的程式碼，包括其他 App。例外情形僅限於極少數教育類場景，前提還是原始碼可見且可編輯。🔗 https://developer.apple.com/app-store/review/guidelines/Anything 是一款支援 Vibe Coding 的工具。去年 8 月，Anything 先在網頁端上線。11 月推出 iPhone 版，蘋果 App Store 稽核團隊都順利放行。此後，他們成功更新了幾次，一直到去年 12 月中旬，蘋果開始拒絕他們的更新提交，理由還是 2.5.2 條款。而就在剛剛，Anything 官方帳號也發了一條正面硬剛的推文：「突發新聞：蘋果公司對 Vibe Coding 感到恐慌，把 Anything 從 App Store 下架了，所以我們把應用開發轉移到了 iMessage。」這一來一往，也把這場平台規則衝突，寫成了一封發給所有 Vibe Coding 開發者的公開信。Vibe Coding 撞上了 App Store 的那堵牆要想搞懂這場下架風波，得先弄明白蘋果的 2.5.2 條款到底在管什麼，為什麼 Anything 會觸線。打個比方，你去餐廳點了一份套餐，服務員端上來的，必須是廚房稽核過的那份菜。不能上桌之後廚師再跑過來往盤子裡加東西，更不能讓客人自己拿著食材現場改造。App Store 也不例外，蘋果的稽核團隊在某個時間點檢查了你的應用，確認它安全、合規、功能符合規定，然後放行。從這一刻起，使用者下載到的那個 App，必須和稽核通過的那個 App，是同一個東西。這條規則長期以來針對的，是那些用「熱更新」走後門的開發者——應用上架後，偷偷往裡塞新程式碼，繞過稽核直接推送給使用者。蘋果一直明令禁止這種行為，因為一旦放行，稽核制度就形同虛設了。而現在，Vibe Coding 工具撞上的，是同一堵牆。以 Anything 為代表的 Vibe Coding 工具讓使用者在 iPhone 上用自然語言描述需求，AI 即時生成程式碼，直接在裝置上運行和預覽。使用者每次描述一個新需求，就有一段新程式碼被生成出來並在裝置內執行。從蘋果的角度看，這和「熱更新」在結構上難以區分。稽核通過的是那個 Anything 的殼，但殼裡實際運行的程式碼，每次使用者用它，都在動態變化，蘋果根本沒看過那些程式碼，也沒有機會稽核。今年初，外媒 The Information 報導了蘋果對一批 Vibe Coding 應用凍結更新的事件之後，Anything 嘗試做了一個妥協版本，把程式碼預覽從 App 內部改到網頁瀏覽器裡。但蘋果仍然沒有放行，直接把整個應用下架了。這說明蘋果的判斷，或許不只是某個具體功能有問題，而是認為這類產品的運行邏輯本身，就和 App Store 的審查存在根本衝突。即使程式碼預覽發生在網頁裡，只要 Anything 這個 App 還在充當「生成並分發動態程式碼」的入口，蘋果就認為它超出了稽核範圍。受影響的應用也不只是 Anything。蘋果從去年 12 月左右開始阻止一批 AI 編碼應用的更新，Replit 的 iPhone 版上次更新停在了今年一月，Bitrig 停在了去年十一月。還有一些團隊，比如 Vibecode，索性放棄了移動端，轉頭去做純 Web 產品。浪夠大，閘門只有那麼寬要理解蘋果為什麼突然這麼緊張，還得先看清楚 Vibe Coding 到底掀起了多大的浪。2008 年 3 月 6 日，蘋果免費開放 iPhone SDK，三個月下載量破 25 萬。同年 7 月，App Store 伴隨 iPhone 3G 上線，500 個應用，第一個周末下載量破百萬，到 2009 年初突破 10 億次。工具門檻的持續下降，讓移動開發迎來了第一次大爆發。十八年後，同樣的事情再次發生了。此次的導火線，與 Andrej Karpathy 在 2025 年 2 月發的一條帖子相互映照。這位 OpenAI 聯合創始人、前特斯拉 AI 總監，在帖子裡半開玩笑地描述了自己寫程式碼時的狀態，完全沉浸在氛圍裡，根本不深究程式碼細節，「幾乎忘記程式碼存在」。他把這種狀態叫做 Vibe Coding。至此，Vibe Coding 就在 AI 程式設計圈獲得一席之地，Node.js 之父 Ryan Dahl 更是直言人類手寫程式碼的時代結束了。軟體工程師、Linux 之父 Linus Torvalds 在 GitHub 上發佈的新項目 AudioNoise，在自述檔案裡也明說這個 Python 可視化工具基本上是用 Vibe Coding 方式寫出來的。與 Vibe Coding 一脈相承的，是「智能體編碼」（Agentic Coding）。2025 年推出的 Claude Sonnet 4 和 GPT-5-Codex，被視為首批真正實用的智能體模型，AI 可以像工程師一樣理解整個項目，自主完成測試、偵錯、循環迭代，直到功能跑通。開發者從此只需要下指令和把關。門檻的再次下降，直接衝擊了 App Store 應用的提交量。a16z 統計，2025 年全年新上架應用同比增幅 24%，12 月單月同比增長 56%，今年 1 月繼續以 54.8% 的增速跟上，這是過去四年裡的最高紀錄。此前三年，這個數字幾乎變化不大。當然，這些新增應用裡有多少是借助 Vibe Coding 完成的，目前沒有精準數字；但時間節點上的強相關，已經足夠說明問題。只是，浪潮夠大，蘋果的閘門只有那麼寬。據 The Bussiness Insider 報導，美國程式設計師 James Steinberg 曾向 App Store 提交了自己靠 AI 做的應用，然後等了整整六周，還沒上線。更新也是，每次提交要等兩天到一周不等。「現在最慢的環節已經不是做應用，不是推廣，而是 App Store 的稽核，挺離譜的。」他說。James Steinberg 並不是個例。iOS 程式設計社區的 Reddit 版塊裡，一堆開發者在抱怨稽核時間變長了。有人開始擔心蘋果會進一步收緊稽核標準，專門針對 Vibe Coding 應用和 AI 生成的「垃圾內容」。對此，蘋果給出的官方資料是，過去 12 周每周處理超過 20 萬份提交，平均稽核時間 1.5 天，90% 的提交在 48 小時內完成。值得一提的是，蘋果自己也在 Vibe Coding 這件事上押了重注。今年 2 月推出的 Xcode 26.3，直接讓 Claude Agent 和 OpenAI Codex 進了 Xcode，用來搜尋文件、查看檔案結構、更新項目設定、驗證預覽、自動迭代建構。🔗 https://developer.apple.com/documentation/xcode-release-notes/xcode-26\_3-release-notes因此，蘋果並不反對 AI 幫你寫程式碼，它反對的是「使用者通過第三方 App 在商店稽核之外生成並執行新程式碼」。這更像是是平台控制權問題，不是技術立場問題。蘋果希望 AI 編碼發生在自己的開發軌道里，開發者用 Xcode，走蘋果的工具鏈，接受蘋果的稽核邏輯：先寫好、再稽核、再上架，順序不能亂。當心 Vibe Coding 的爛攤子說句公道話，蘋果的收緊並非毫無緣由。舉個簡單例子，去年 Sora APP 發佈之後，App Store 就冒出了一大批山寨 Sora 應用，有的在圖示裡直接盜用 OpenAI 的官方標誌，有的在副標題裡掛上「Veo 3」蹭熱度，全部指向一個目的，騙使用者開高額訂閱。科技部落格 Daring Fireball 記錄了其中一款名叫「Sora 2: AI Video Generator」的應用，不僅順利上架，還一度沖上照片與視訊應用熱門榜第 9 位。不知情的使用者，很容易把它當成正版。於是，我們看到蘋果修訂稽核指南，在第 4.1 節「抄襲」裡明確寫道，「請拿出你自己的想法。我們知道你有自己的奇思妙想，那麼請將它們付諸實際。請不要簡單照搬 App Store 上的熱門 App，或只是細微修改其他 App 的名稱或 UI，就將其挪為己用。」🔗 https://developer.apple.com/cn/app-store/review/guidelines/#safety更重要的是，Vibe Coding 的爛攤子，也是真實的。Karpathy 自己都笑著說，他做項目的時候不再深入理解程式碼，只是讓它能用。這種「能跑就行」的開發哲學，在原型階段極其高效，在產品後期可能是災難。AI 生成的程式碼往往缺乏邊界檢查和錯誤處理，碰到異常輸入就崩。資料庫索引、演算法複雜度這些最佳化，模型不會主動去想，隨著使用者增長，性能瓶頸很快出現。遇到要改功能的時候，開發者發現自己看不懂程式碼，只能繼續用 AI 打補丁，補丁摞補丁，最後變成一座沒人敢碰的屎山。當年初為了搶上線快速用 AI 寫的程式碼，可能在年末變成團隊的噩夢，為了一個改動牽一髮動全身。Reddit 上甚至出現了一群人，自稱「AI 考古學家」。他們的日常是被那些因為 Vibe Coding 導致系統崩潰的公司雇來，專門替 AI 收爛攤子，給客戶返工、補救、兜底，在幾百萬行 AI 生成的亂碼中，找那個因為模型幻覺產生的致命 bug。諷刺的是，用 AI 省下來的錢，好多公司以另一種方式花回去了，甚至更多。這些爛攤子，也是蘋果收緊稽核的隱性理由之一。但無論蘋果怎麼圍堵，軟體開發平民化的趨勢已經不可逆轉。Anything 被下架，只是一個創業公司和平台規則之間的摩擦。而 Vibe Coding 帶來的是整個軟體生產關係的重構。OpenAI CEO 奧特曼曾和朋友打賭，第一家由單個人建立、達到十億美元規模的公司，會出現在那一年。現在看來，那個時代已經呼之慾出了。在「1 個創始人 + 1 個 AI 智能體 = 1 個百萬美元級 App」的行業共識下，App Store 也無法阻擋太久。這是最好的時代，也是最壞的時代。狄更斯的名句寫在 2026 年 App Store 的稽核閘門之上，竟意外地貼切。 (APPSO)

最近你一定被“OpenClaw、小龍蝦、AI代理”這些詞刷屏了。你的焦慮我懂——每一輪技術浪潮來臨時，最折磨人的從來不是技術本身，而是那個揮之不去的念頭：別人都在跑了，我還站在原地。但我想告訴你：焦慮的對面不是淡定，是清晰和理性。過去三年，我們見證了AI大模型作為“最強大腦”的崛起。但大腦再聰明，沒有手腳也只能躺在對話方塊裡陪你聊天。如今，我們正經歷從單純“對話”到複雜任務“執行”的範式躍遷——現象級AI代理框架OpenClaw徹底打破了虛擬限制，賦予了AI自動呼叫工具、操作電腦和運行工作流的能力。當AI長出了手和腳，我們該做什麼？最近幾周，我花了大量時間研究OpenClaw——這個2026年拿下27萬GitHub星標、讓黃仁勳喊出“下一個Linux”的開源AI代理框架。我也研究了騰訊QClaw、字節ArkClaw等大廠版本，體驗了多個場景，也看到了真實的價值。今天，我把所有研究濃縮成了一份39頁的深度報告：《OpenClaw入門指南：當AI長出了手腳》。這不是一份技術文件。它是寫給像你這樣有判斷力、有好奇心，但沒碰過AI代理框架的聰明人的。裡面沒有一行程式碼，但有：一張讓你5分鐘看懂AI能力邊界的金字塔圖；七個可直接複製Prompt範本的實戰場景；一個48小時從零跑通第一個“最小閉環”的訓練計畫；五大真實風險的血淚案例和每條風險的具體控制項；以及一個幫你判斷“什麼值得自動化、什麼絕對不能碰”的決策矩陣。這份報告最有價值的部分，不是告訴你OpenClaw能做什麼，而是告訴你它的邊界在那裡、陷阱在那裡、以及你該用什麼姿勢理性地入場。莊子說“物物而不物於物”——駕馭工具，而不是被工具駕馭。這才是面對AI焦慮的終極解藥。39頁報告PDF已備好，請你掃描下圖中的二維碼，就可以免費領取。《OpenClaw入門指南》部分精彩內容《OpenClaw入門指南》完整版本掃描下圖中的二維碼免費領取(孤獨大腦)

火出圈的小龍蝦 OpenClaw 不僅能幫人開發軟體，還能自動定時總結郵件、設定 To-Do List。巨大的熱度讓人靠「上門安裝」的業務年入百萬，而今天我們教你如何自己動手，不用畏懼黑底白字的終端窗口和程式碼，一分鐘就能搞定。在電腦上部署之後，小龍蝦能直接接管你的鍵盤滑鼠和檔案。你只要在聊天軟體裡給它下需求，它就能自己動手幹活。甚至有網友直接讓它去郵件裡找航班資訊，順手把選座值機也辦了，一波操作看愣了不少人。想讓這麼好用的 AI 助理 24 小時待命，本地部署確實是最好的選擇。結果誰也沒想到，它憑一己之力帶火了 Mac mini。但問題來了，為了一個免費開放原始碼的框架，特意花大幾千買台新電腦，是不是有點 「為一碟醋包一頓餃子」？今天我們教你的辦法就非常簡單：通過 MiniMax 和 Kimi 這樣的國內大模型平台，一鍵雲端部署，直接把它拉進你的飛書聊天框。過程不到一分鐘以 MiniMax 為例，整個過程不到一分鐘。全程不需要你自己寫程式碼、改配置檔案，也不需要搗鼓什麼連接埠反向代理，更不需要專門弄台電腦來維護。具體怎麼操作？打開 MiniMax Agent 官網，點選側邊欄的「MaxClaw」，直接對它說 “我想接入到飛書”，它就會給你發步驟指引。跟著做就行：第一步： 在飛書開放平台建立應用（建議用個人帳號或新建企業號，省去審批），把 AppID 和 Secret 複製發回給 Claw。第二步： 在飛書的權限管理頁點選「批次匯入」，把 MaxClaw 發來的程式碼整個替換進去。系統會提示你開啟機器人能力，點確認。第三步： 進入事件配置，把訂閱方式改成「長連接」，勾選接收消息。接著去版本管理裡隨便填個版本號（比如 0.0.1）和更新日誌，點保存發佈。最後，在飛書裡給機器人發個消息，它會返回一串匹配碼，把這串程式碼發回給網頁端的 MaxClaw。搞定，你的專屬小龍蝦就活過來了。是不是比想像中簡單得多？Kimi 的配置過程也大同小異。你只要負責搞定飛書裡的應用和權限，Kimi 自己就能修改配置檔案，遇到不懂的還能直接問它。現在 Kimi 的手機 App 也上線了 Kimi Claw，你甚至可以直接在社區裡玩網友做的小遊戲，或者一鍵製作同款。普通牛馬的賽博打工人我搞定之後的第一件事，就是讓它幫我整理當天的熱點資訊。你在飛書發的消息，網頁端會同步顯示處理過程。對於我們科技編輯來說，這就相當於有了一個定製版的早報助手；同樣的，你也可以用它來追蹤自己感興趣的領域。那如果是處理繁雜的工作呢？發個月度工作文件連結給它，或者直接開通雲文件的存取權，定好時間、標題和格式，它就能每個月自動幫你整理出一份詳盡的工作月報。至於開會，飛書妙記確實好用，但需要額外付費。現在，你只需要把會議錄音連結發給小龍蝦，它馬上就能把早會的每個要點給你列得清清楚楚。除了我們體驗過的用法，你還可以參考網友們的用例獲取更多靈感，打造出更契合自己需求的龍蝦助手。OpenClaw 官網案例彙總：https://openclaw.ai/showcase網友整理的用例集合：https://github.com/hesamsheikh/awesome-openclaw-usecases對比本地部署，雲端部署的版本確實沒辦法直接讀取電腦裡的本地檔案，少了一些 “看著滑鼠自己動” 的極客感。但換個角度想，它不需要你折騰硬體，還能極其方便地接入飛書、釘釘等各種通訊軟體。每個月花一杯咖啡的訂閱費，就能給自己雇一個隨時待命的全能助理，幫你分擔工作、節省大把時間。這筆帳算下來，難道不划算嗎？ (APPSO)