OpenClaw 养虾核心功能拆解：5 个指令，让 AI 替你打工

小张的公司有5个人每天重复做这些事：

• • 小A每天早上刷后台数据，做日报发群里
• • 小B每天回复100个客户问题
• • 小C每天监控竞争对手的价格、活动
• • 小D每天汇总销售数据，生成报表
• • 小E每天检查系统异常，处理告警

小张说：“这几个人加起来月薪5万，干的都是重复性工作。”

老班长说：“用OpenClaw养5只虾，每个月成本500，24小时工作，不休息。”

小张懵了：“怎么养？”

老班长说：“就5个指令。”

指令1：感知 - 让虾看见你的消息

功能：虾能监听你的消息、邮件、文件变化。

工作原理

传统自动化工具需要人工触发"开始"，虾是"活着"的——它持续监听，自动感知。

配置示例

# .openclaw/platforms.yaml

# 监听企业微信群聊
wechat:
  enabled: true
  channels:
    - type: "group"
      id: "企业微信群ID"
      filters:
        - "@客服"       # 只处理@的消息
        - "订单问题"    # 或者特定的关键词

# 监听邮箱
email:
  enabled: true
  address: "customer@company.com"
  filters:
    - subject: "投诉"
    - subject: "反馈"

# 监听文件变化
filesystem:
  enabled: true
  watch:
    - "/data/sales/*.csv"
    - "/var/logs/error.log"

实战案例：客服虾

小B每天回复100个客户问题，现在让虾来做。

配置虾：

# skills/customer_service.py
from openclaw import skill, listen

@listen("wechat:group")
async def on_message(message):
    """监听企业微信群消息"""
    if "订单" in message or "快递" in message:
        return handle_order_query(message)
    elif "退款" in message:
        return handle_refund_request(message)
    else:
        return "您好，我是智能客服，请问有什么可以帮助您？"

启动虾：

openclaw start --agent customer_service

效果：

• • 小B每天处理100个问题，需要4小时
• • 虾处理80%的问题，只需要30分钟
• • 小B处理20%复杂问题，需要1小时
• • 节省：2.5小时/天

指令2：理解 - 让虾懂你的意图

功能：虾能理解自然语言，判断任务类型。

工作原理

传统RPA按规则执行，虾用大语言模型理解指令。

配置示例

# .openclaw/reasoning.yaml

reasoning:
  model: "google/gemma-2-27b-it"

  # 任务分类
  tasks:
    - name: "查询订单"
      keywords: ["查询", "查", "订单号", "快递"]
      actions: ["call_order_api", "return_status"]

    - name: "处理退款"
      keywords: ["退款", "退货", "取消订单"]
      actions: ["check_refund_policy", "process_refund"]

    - name: "价格咨询"
      keywords: ["价格", "多少钱", "优惠"]
      actions: ["get_product_price", "check_discounts"]

  # 上下文理解
  context:
    enabled: true
    memory_window: 10  # 记住最近10条消息

实战案例：数据虾

小D每天汇总销售数据，生成报表。虾自动判断数据类型并汇总。

配置虾：

# skills/data_collector.py
from openclaw import skill, reason

@reason
async def analyze_data(raw_data):
    """理解数据类型，决定汇总方式"""
    if "销售额" in raw_data:
        return "汇总销售额，按商品分类"
    elif "订单量" in raw_data:
        return "统计订单量，按平台分类"
    elif "退货率" in raw_data:
        return "计算退货率，按原因分类"
    else:
        return "汇总基本指标"

效果：

• • 小D每天汇总5类数据，需要2小时
• • 虚自动判断数据类型，汇总完成，10分钟
• • 小D检查报表，优化，30分钟
• • 节省：1.5小时/天

指令3：执行 - 让虾调用API完成任务

功能：虾能自动调用API接口，执行具体操作。

工作原理

虾根据理解的任务类型，自动调用对应API，处理数据，返回结果。

配置示例

# .openclaw/execution.yaml

execution:
  # API配置
  apis:
    - name: "淘宝API"
      base_url: "https://api.taobao.com/"
      auth:
        type: "api_key"
        key: "${TAOBAO_API_KEY}"

    - name: "京东API"
      base_url: "https://api.jd.com/"
      auth:
        type: "oauth2"
        client_id: "${JD_CLIENT_ID}"
        client_secret: "${JD_CLIENT_SECRET}"

  # 执行策略
  strategy:
    retry: 3  # 失败重试3次
    timeout: 10  # 超时时间10秒
    fallback: "use_cache"  # 失败使用缓存

实战案例：价格监控虾

小C每天监控竞争对手的价格、活动。虾自动调用API，抓取数据，汇总。

配置虾：

# skills/price_monitor.py
from openclaw import skill, tool, execute

@tool
@execute
def fetch_competitor_price(platform, product_id):
    """调用竞品API获取价格"""
    if platform == "淘宝":
        return call_taobao_api(product_id)
    elif platform == "京东":
        return call_jd_api(product_id)
    else:
        return None

@skill("价格监控")
async def monitor_prices():
    """监控竞品价格"""
    products = get_monitored_products()
    results = []
    for p in products:
        price = fetch_competitor_price(p.platform, p.product_id)
        results.append({
            "product": p.name,
            "platform": p.platform,
            "price": price,
            "change": calculate_change(price, p.last_price)
        })
    return generate_report(results)

效果：

• • 小C监控5个平台，每个20个商品，需要2小时
• • 虾自动调用API，抓取100个商品价格，5分钟
• • 小C检查数据，分析趋势，30分钟
• • 节省：1.5小时/天

指令4：学习 - 让虾越用越聪明

功能：虾有记忆系统，能记住重要决策、用户偏好、处理结果，持续进化。

工作原理

每次执行任务，虾会记录关键决策。再次遇到类似问题，基于历史经验更快、更准。

配置示例

# .openclaw/learning.yaml

learning:
  enabled: true

  # 短期记忆（本次会话）
  short_term:
    max_size: 1000  # 最多记住1000条
    ttl: "1h"  # 1小时后过期

  # 长期记忆（跨会话）
  long_term:
    enabled: true
    storage: "sqlite"
    db_path: "/var/lib/openclaw/memory.db"

  # 记忆内容
  memory_types:
    - "decision"      # 决策过程
    - "user_preference"  # 用户偏好
    - "success_case"  # 成功案例
    - "failure_case"  # 失败案例

  # 进化策略
  evolution:
    enabled: true
    threshold: 100  # 执行100次任务后总结
    auto_optimize: true  # 自动优化提示词

实战案例：智能客服进阶

小B的客服虾运行一个月后，越用越聪明。

第一个月：

• • 处理3000个问题，成功率75%
• • 经常答非所问

第二个月：

• • 处理3000个问题，成功率90%
• • 记住了常见问题模式

第三个月：

• • 处理3000个问题，成功率95%
• • 能处理复杂场景

学习曲线：

第1周：   70% 成功率
第2周：   80% 成功率
第3周：   85% 成功率
第4周：   90% 成功率
...
第12周：  95% 成功率

指令5：协作 - 让多只虾协同工作

功能：多只虾可以协同工作，一个任务可以分解，不同虾处理不同部分。

工作原理

通过消息队列、共享内存、工作流编排，让多只虾协同完成复杂任务。

配置示例

# .openclaw/collaboration.yaml

collaboration:
  enabled: true

  # 消息队列
  queue:
    backend: "redis"
    host: "localhost"
    port: 6379

  # 工作流编排
  workflows:
    - name: "订单处理流程"
      steps:
        - agent: "订单查询虾"
          task: "查询订单状态"
          output: "order_info"

        - agent: "物流查询虾"
          task: "查询物流状态"
          input: "order_info.order_id"
          output: "logistics_info"

        - agent: "客服虾"
          task: "生成回复"
          input: ["order_info", "logistics_info"]
          output: "reply"

    - name: "数据汇总流程"
      steps:
        - agent: "淘宝数据虾"
          task: "抓取淘宝数据"

        - agent: "京东数据虾"
          task: "抓取京东数据"

        - agent: "拼多多数据虾"
          task: "抓取拼多多数据"

        - agent: "汇总虾"
          task: "汇总所有平台数据"
          output: "report"

实战案例：订单处理协作

用户投诉"我的快递怎么还没到？"，需要：

1. 1. 查询订单状态
2. 2. 查询物流轨迹
3. 3. 分析问题原因
4. 4. 生成解决方案
5. 5. 联系快递
6. 6. 回复客户

单只虾能处理，但多只虾协同更高效。

第1只虾：订单查询虾

@skill("订单查询")
async def get_order_status(order_id):
    """查询订单状态"""
    return call_order_api(order_id)

第2只虾：物流查询虾

@skill("物流查询")
async def get_logistics(order_id):
    """查询物流轨迹"""
    return call_logistics_api(order_id)

第3只虾：问题分析虾

@skill("问题分析")
async def analyze_problem(order_status, logistics):
    """分析问题原因"""
    if order_status == "shipped" and logistics is None:
        return "运输中，但物流未更新"
    elif order_status == "delivered":
        return "已签收"
    else:
        return "待处理"

第4只虾：客服虾

@skill("智能客服")
async def customer_service(problem, solution):
    """生成回复"""
    return f"您好，{problem}，我们已经{solution}"

协作结果：

• • 单只虾处理：30秒
• • 多只虾协作：10秒
• • 效率提升：200%

综合效果对比

人的工作方式

虾的工作方式

节省效果

• • 人工成本：50000元/月 → 5000元/月（小张+5人检查优化）
• • 效率提升：14小时/天 → 2小时/天
• • 节省比例：90%

5个指令快速上手

第1天：配置感知

# 配置监听平台
openclaw config set platform.telegram.enabled=true
openclaw config set platform.telegram.bot_token=xxx

# 启动虾测试感知
openclaw start --agent test --mode test

第7天：配置理解

# 配置任务分类
reasoning:
  tasks:
    - name: "查询订单"
      keywords: ["查询", "订单号"]

第14天：配置执行

# 配置API
execution:
  apis:
    - name: "订单API"
      base_url: "https://api.xxx.com"

第21天：启用学习

# 启用记忆系统
learning:
  enabled: true
  long_term: true

第30天：配置协作

# 配置多虾协作
collaboration:
  enabled: true
  workflows:
    - name: "订单处理流程"

老班长的建议

5个指令，让AI替代你的重复劳动：

1. 1. 感知 - 让虾看见消息
2. 2. 理解 - 让虾懂你的意图
3. 3. 执行 - 让虾调用API
4. 4. 学习 - 让虾越用越聪明
5. 5. 协作 - 让多只虾协同工作

30天，从0到AI自动化。

总结

OpenClaw养虾不是魔法，是技术。

5个核心指令：

• • 感知 → 看见消息
• • 理解 → 懂得意图
• • 执行 → 调用API
• • 学习 → 持续进化
• • 协作 → 多虾联机

让AI替你打工，把时间花在更重要的事情上。