圈养“小龙虾”指南电子书

内容提要

前言

导论篇：先来认认“小龙虾”

第1讲 从“工具”到“代理”

1.1 一场“社死”引发的思考

1.2 OpenClaw是什么

1.3 OpenClaw不是什么

1.4 历史坐标：从ELIZA到OpenClaw

1.5 误区警示：它是有边界的“数字实习生”

第2讲 小龙虾的隐喻

2.1 从一次“养虾失败”说起

2.2 四大隐喻：拆解“小龙虾”的技术本质

2.3 中国语境下的“养”与“圈”

2.4 养用结合，养圈并重

第3讲 谁需要本书

3.1 本书是为谁写的

3.2 学界研究者：理论深度与学术伦理

3.3 党政机关人员：安全合规与政务效能

3.4 企事业单位管理者：降本增效与风险管控

3.5 普通大众：实用技巧与自我保护

3.6 怎么用本书

基础篇：养虾前的准备工作

第4讲 OpenClaw的技术基因

4.1 从一次“查源码”的经历说起

4.2 技术谱系：站在巨人的肩膀上

4.3 中国适配：国产化改造与本土化适配

4.4 生态现状：全球开发者社区与中国力量

4.5 我的观察：开源让OpenClaw既有活力又有风险

第5讲 架构解剖

5.1 从一次“指令走失”说起

5.2 Gateway层：公司的“前台”

5.3 Agent层：公司的“员工”

5.4 Workspace层：员工的“办公室”

5.5 三层如何协同工作：一条指令的旅程

5.6 三层架构的安全意义

第6讲 能力边界

6.1 从一次“让它帮我吵架”说起

6.2 能力清单：OpenClaw能做什么

6.3 能力边界：OpenClaw不能做什么

6.4 能力边界表：一张表看懂

6.5 边界意识：如何用好这把“双刃剑”

第7讲 幻觉问题

7.1 从一次“学术造假”说起

7.2 技术根源：为什么AI会“做梦”

7.3 幻觉的表现形式

7.4 风险等级谱系：从尴尬到灾难

7.5 识别技巧：怎么发现AI在“胡说八道”

7.6 应对策略：怎么让AI少“胡说”

第8讲 安全架构

8.1 从一次“免疫失效”说起

8.2 安全架构全景图

8.3 第1层：网络层防御

8.4 第2层：身份认证层

8.5 第3层：权限控制层

8.6 第4层：执行隔离层

8.7 最内层：审计监控层

8.8 默认配置为什么是“裸奔”

8.9 如何唤醒免疫系统：安全配置三步走

第9讲 人机协作新范式

9.1 从一次“甩手掌柜”的惨败说起

9.2 什么是“人在回路”

9.3 三种协作模式详解

9.4 三种模式的对比与选择

9.5 实战案例：报销流程的三种模式应用

9.6 设计“人在回路”的4个原则

9.7 OpenClaw中的“人在回路”实现

9.8 从“人在回路”到“人机共生”

第10讲 环境准备

10.1 从一次“安装翻车”说起

10.2 硬件要求：你的电脑够不够用

10.3 软件依赖：需要提前装什么

10.4 安装指南：三种方式任选

10.5 初始配置：让“小龙虾”认识你

10.6 验证测试：第一个任务“整理桌面”

10.7 第一次安全体检

进阶篇：养育技巧——从单兵到军团

第11讲 人设设计

11.1 从一次“人设混乱”说起

11.2 人设四要素

11.3 人设文件详解

11.4 场景化人设设计

11.5 人设测试：如何知道它懂了

11.6 迭代优化：从v1.0到v5.0

第12讲 记忆管理

12.1 从一次“记忆太好”说起

12.2 OpenClaw的记忆机制

12.3 记忆策略：什么该记，什么不该记

12.4 MEMORY.md实战

12.5 让AI学会“忘记”

12.6 隐私保护：记忆中的敏感信息

第13讲 工具扩展

13.1 从一次“什么都不会”的尴尬说起

13.2 Skills是什么

13.3 Skill市场：ClawHub

13.4 安装和管理Skills

13.5 Skill的配置

13.6 TOOLS.md：告诉AI有什么工具

13.7 让AI调用工具

13.8 开发自己的Skill

13.9 Skill的安全审查

第14讲 渠道接入

14.1 从一次“忘带电脑”的尴尬说起

14.2 OpenClaw支持的渠道

14.3 渠道接入的核心概念

14.4 主流渠道接入实战

14.5 消息路由：让不同渠道找对Agent

14.6 DM策略：设备管理

14.7 群组策略：谁可以在群里指挥AI

14.8 移动端远程管理

第15讲 代码能力

15.1 从一次“AI帮我重构代码”说起

15.2 代码生成：从需求到代码

15.3 代码审查：让AI做你的“第二双眼睛”

15.4 重构辅助：让AI帮你清理技术债务

15.5 文档生成：让AI替你写文档

15.6 调试支持：让AI帮你找问题

15.7 AI写代码时代的程序员价值

第16讲 浏览器自动化

16.1 从一次“手抽筋”的经历说起

16.2 浏览器自动化的核心原理

16.3 准备工作：安装Browser Skill

16.4 基础操作：让AI帮你填表

16.5 数据采集：让AI替你“爬虫”

16.6 表单填写：自动申报、自动注册

16.7 状态监控：让AI盯着网页变化

16.8 处理反爬与验证码

16.9 与数据库集成：让数据自动入库

第17讲 数据处理

17.1 从一次“Excel崩溃”说起

17.2 数据清洗：让AI当“清洁工”

17.3 数据分析：从统计到洞察

17.4 数据可视化：一图胜千言

17.5 报告生成：从数据到文档

第18讲 文档处理

18.1 从一次“熬夜写报告”说起

18.2 文档生成：从0到1

18.3 文档理解：从文档到答案

18.4 文档转换：格式自由切换

18.5 文档审阅：AI当校对员

第19讲 系统操作

19.1 从一次“半夜重启”说起

19.2 系统操作能力全景

19.3 文件系统操作

19.4 日志监控与告警

19.5 定时任务：让AI按时干活

19.6 自动化运维场景

第20讲 多智能体协作

20.1 从一次“万能AI”的失败说起

20.2 多智能体协作模式

20.3 如何创建多个Agent

20.4 配置Agent间通信

20.5 实战：开发团队的“三个小龙虾”

20.6 任务分解的艺术

20.7 冲突解决

第21讲 知识库构建

21.1 从一次“瞎编”说起

21.2 什么是RAG

21.3 知识库的构成

21.4 构建知识库的步骤

21.5 知识库维护

21.6 知识库优化技巧

第22讲 提示工程

22.1 从一次“问错问题”说起

22.2 什么是提示工程

22.3 提示结构的黄金法则

22.4 常见提示技巧

22.5 提示词优化迭代

22.6 常见提示陷阱

第23讲 性能调优

23.1 从一次“慢到怀疑人生”说起

23.2 性能瓶颈分析

23.3 模型选择优化

23.4 缓存策略

23.5 并发处理

23.6 Token消耗优化

23.7 监控与分析

23.8 调优实战案例

第24讲 故障排查

24.1 从一次“装死”说起

24.2 故障分类

24.3 排查方法论：五步法

24.4 常见故障及解决方案

24.5 故障预防

第25讲 持续学习

25.1 从一次“惊喜”说起

25.2 持续学习的三种方式

25.3 反馈学习：从错误中进步

25.4 微调学习：让模型更懂你

25.5 知识更新：保持信息新鲜

25.6 学习的边界与伦理

实战篇：场景应用——让AI创造价值

第26讲 学术研究

26.1 从一次整理文献的经历说起

26.2 学术研究全流程AI辅助

26.3 学术伦理红线

26.4 高校的AI使用规范

第27讲 政务办公

27.1 从一次“不敢用”说起

27.2 政务场景的特殊要求

27.3 政务应用场景

27.4 政务部署的“三条红线”

27.5 广东“智慧虾栏”实践

第28讲 企业管理

28.1 从一次“买了不用”说起

28.2 企业管理中的AI应用场景

28.3 企业部署的“三步走”策略

28.4 组织架构的调整

28.5 绩效考核怎么变

第29讲 市场营销

29.1 从一次“内容枯竭”说起

29.2 市场营销全流程AI赋能

第30讲 财务金融

30.1 从一次“差点出事”说起

30.2 财务金融的应用场景

30.3 零容错场景的应对

30.4 金融机构的实践

第31讲 教育培训

31.1 从一次“陪娃写作业”的崩溃说起

31.2 教育培训的应用场景

31.3 伦理边界

第32讲 医疗健康

32.1 从一次“AI误诊”的恐慌说起

32.2 医疗健康的AI应用场景

32.3 安全红线

32.4 医疗AI的合规要求

第33讲 法律实务

33.1 从一次“AI写合同”的险情说起

33.2 法律实务的应用场景

33.3 律师的职业底线

33.4 律所的AI实践

第34讲 媒体出版

34.1 从一次“AI写新闻”的争议说起

34.2 媒体出版的AI应用场景

34.3 新闻伦理红线

第35讲 创意产业

35.1 从一次“创意枯竭”说起

35.2 创意产业的AI应用场景

35.3 版权与伦理问题

第36讲 个人生活

36.1 从一次“生活失控”说起

36.2 个人生活的AI应用场景

36.3 个人使用的安全边界

第37讲 跨场景整合

37.1 从一次“各自为政”的混乱说起

37.2 整合的层次

37.3 整合的技术实现

37.4 个人中枢的构建

37.5 企业中枢的构建

37.6 整合的价值

安全篇：风险防控——把“小龙虾”圈好

第38讲 风险全景图

38.1 从一次“风险失控”的教训说起

38.2 风险全景图

38.3 技术风险

38.4 安全风险

38.5 合规风险

38.6 伦理风险

38.7 业务风险

第39讲 数据安全

39.1 从一次“数据裸奔”说起

39.2 数据分类分级

39.3 访问控制

39.4 传输加密

39.5 存储加密

39.6 脱敏处理

39.7 生命周期管理

第40讲 系统安全

40.1 从一次“裸奔”被黑说起

40.2 网络层防护

40.3 主机层防护

40.4 容器层防护

40.5 入侵检测与监控

40.6 备份与恢复

第41讲 内容安全

41.1 从一次“AI爆粗口”的风波说起

41.2 内容风险的类型

41.3 内容安全的三道防线

41.4 敏感信息泄露防护

41.5 有害内容审核

41.6 版权侵权防护

第42讲 合规治理

42.1 从一次“违法爬虫”说起

42.2 OpenClaw涉及的主要法律法规

42.3 企业部署OpenClaw的合规路径

42.4 算法备案与安全评估

42.5 数据出境合规

第43讲 伦理考量

43.1 从一次“算法歧视”的争议说起

43.2 AI伦理的5个维度

43.3 伦理风险在OpenClaw中的具体体现

43.4 伦理设计原则

43.5 伦理委员会的设立

第44讲 组织管控

44.1 从一次“失控”的AI实验说起

44.2 组织管控的四梁八柱

44.3 不同角色的职责

44.4 不同阶段的管控重点

44.5 企业案例：某银行的AI管控体系

第45讲 应急响应

45.1 从一次“拖了三天”的应急说起

45.2 应急响应的5个阶段

45.3 OpenClaw常见应急场景及应对

45.4 应急演练

第46讲 保险与转移

46.1 从一次“赔破产”的风险说起

46.2 与OpenClaw相关的保险产品

46.3 保险选择指南

46.4 保险不能替代什么

46.5 国内保险市场现状

第47讲 国际视野

47.1 从一次“出海受阻”说起

47.2 欧盟模式：风险分级、严格监管

47.3 美国模式：创新优先、行业自律

47.4 中国模式：发展与安全并重

47.5 其他重要经济体的动向

47.6 全球AI治理的趋同趋势

47.7 对中国OpenClaw用户的启示

未来篇：趋势展望——下一个“小龙虾”时代

第48讲 技术演进

48.1 从“只能看文字”到“多模态”

48.2 从“数字世界”到“物理世界”：具身智能

48.3 从“单兵作战”到“群体智能”

48.4 从“通用”到“专精”：领域大模型

48.5 从“云”到“端”：边缘AI

第49讲 社会变革

49.1 从一次“AI抢工作”的恐慌说起

49.2 就业结构的变化

49.3 教育重塑

49.4 组织进化

49.5 治理创新

49.6 文明挑战

第50讲 行动指南

50.1 从今天开始的五步法

50.2 不同角色的行动建议

50.3 持续学习的路径

50.4 最后的提醒

后 记