傅盛AI龙虾“三万”踩坑实战养成指南

本指南基于傅盛14天真实养成经历,提炼核心踩坑点与可执行解决方案,旨在帮助用户快速复用经验,高效升级自己的OpenClaw龙虾助手。


第一部分:核心认知篇——养虾的底层逻辑

在进入具体操作前,必须建立三个根本认知,这决定了养虾能否成功。

认知一:耐心是第一竞争力

  • 现象:前4天(尤其是Day 1-2)挫败感极强,表现为任务失败、报错不断、效果不及预期。
  • 根本原因:Agent正在建立基础认知和Skill库,这是必经的“基础设施投资”阶段。
  • 可执行方案
    1. 设定合理预期:将前4天视为“训练期”,不以完成复杂任务为目标,而以积累首个Skill、跑通一个流程为胜利。
    2. 庆祝微小进步:每解决一个小问题(如成功查询一条数据),立即给予正向反馈,记录在MEMORY.md中。
    3. 强制“错误→Skill”转化:任何失败不得直接放过,必须执行“分析根因→编写文档→验证方案→沉淀Skill”的闭环。

认知二:调教大于写代码

  • 现象:试图通过编写复杂代码来定义Agent行为。
  • 根本原因:误解了Agent养成方式。傅盛14天写了22万字对话,一行代码未写。
  • 可执行方案
    1. 采用自然语言对话调教:通过飞书等语音通道,用日常语言下达指令、给予反馈、纠正行为。
    2. 将隐性经验显性化:不是教代码,而是教“为什么这样做”、“遇到这种情况怎么办”。将你的管理直觉、行业知识转化为对话中的原则和案例。
    3. 信任并迭代配置文件:行为模式应固化在SOUL.md、AGENTS.md等配置文件中,而非代码逻辑里。

认知三:护城河在于Skill积累

  • 现象:认为核心是选择更强的模型或平台。
  • 根本原因:模型能力趋于同质化,真正壁垒是经过实战检验、可复用的操作手册。
  • 可执行方案
    1. 建立“踩坑即学习”机制:将本指南中每一个解决方案,都固化为一个标准Skill文档。
    2. 维护可检索的Skill库:所有Skill存放在skills/目录,并保持清晰的分类和索引。
    3. 追求“龙虾教龙虾”效率:鼓励Agent读取其他Agent或社区的Skill文档,实现知识秒级传递。

第二部分:阶段实战篇——踩坑与解决方案全览

阶段一:破冰期(Day 1-4)——建立基础与规则

踩坑1:飞书API权限与查询障碍
  • 问题描述:Agent无法查询公司通讯录,或返回结果不完整。
  • 根本原因:飞书应用“可见范围”受限;自然语言查询与API参数存在语义鸿沟。
  • 可执行解决方案
    1. 立即行动:联系飞书管理员,扩大应用的“可见范围”权限。
    2. 手动构建种子数据:通过语音口述,人工录入核心联系人(姓名、职位、部门)到MEMORY.md,建立初始知识库。
    3. 编写首个Skill
    # Skill: feishu-contact-query
    ## 触发条件
    用户请求查询通讯录信息。
    ## 执行步骤
    1. 解析查询意图,提取关键信息(姓名、部门、职位)。
    2. 调用飞书API时,使用 `department_id` 精确过滤。
    3. 若API返回空,提示“权限不足,请检查应用可见范围”。
    4. 将查询结果格式化为清晰列表。
    ## 异常处理
    - 错误码 `permission denied`:通知用户联系管理员,并记录到MEMORY.md。
    - 查询结果为空:建议用户核对信息或扩大搜索范围。
    
    1. 记录到MEMORY.md:将权限配置过程和API关键参数写入“踩坑记录”章节。
踩坑2:信息泄露事故
  • 问题描述:Agent将内部敏感信息发送给了不该发送的人。
  • 根本原因:缺乏信息分级制度与发送前验证机制。
  • 可执行解决方案
    1. 立即建立四级信息保密制度
    # 信息分级(写入AGENTS.md)
    - **绝密**:核心商业机密、未公开战略。处理规则:逐条人工确认发送。
    - **机密**:内部工作安排、财务数据。处理规则:身份验证后,按最小必要原则发送。
    - **内部**:一般业务信息。处理规则:常规验证。
    - **公开**:已发布信息。处理规则:自动处理。
    
    1. 强制执行“发消息前四问”(写入SOUL.md的“绝对红线”):
    任何发送消息动作前,必须自问并验证:
    1. 接收人是谁?
    2. 信息分级是什么?
    3. 我是否有授权发送?
    4. 是否符合最小必要原则?
    任一答案存疑,必须暂停并升级人工确认。
    
    1. 创建审核Skill:将上述逻辑固化为可执行的检查流程。
踩坑3:Git工作流灾难——17小时工作消失
  • 问题描述:服务器上的cron任务自动执行git reset --hard origin/main,清零了所有未提交的改动。
  • 根本原因:知道git push规则,但未纳入Agent的工作流强制执行。
  • 可执行解决方案
    1. 写入AGENTS.md的铁律
    ## 文件修改铁规则
    任何文件修改完成后,必须立即执行以下序列:
    ```bash
    git add .
    git commit -m "描述本次修改"
    git push
    
    不push等于没做!
    2. **创建监控Skill**:在心跳任务中,定期检查是否有未提交的修改,并提醒。
    3. **使用分支策略**:建议在新分支上工作,完成后合并,减少主分支被强制重置的风险。
    
    
踩坑4:定时任务(Cron)失效
  • 问题描述:系统显示“已发送”,但用户实际未收到提醒。
  • 根本原因:Cron表达式错误、时区设置问题,且缺乏效果验证机制。
  • 可执行解决方案
    1. Cron配置增强
    • 使用在线Cron表达式生成器验证语法。
    • 明确指定时区(如 CRON_TZ=Asia/Shanghai)。
    • 在HEARTBEAT.md中增加“下次执行时间预览”步骤。
    1. 建立强制外部验证机制
    # 关键任务验证流程(写入AGENTS.md)
    对于标记为“关键”的任务(如重要提醒),执行后必须:
    1. 通过独立渠道确认(如检查收件箱、查询日志)。
    2. 若独立渠道未确认,则触发告警并人工介入。
    
    1. 实现分级重试:在Skill的异常处理中,加入指数退避重试逻辑。

阶段二:跃迁期(Day 5-10)——激活自主性与扩展边界

踩坑5:过度依赖人工指导
  • 问题描述:每个新任务都需要人工从头讲解,Agent处于被动接收状态。
  • 根本原因:未建立Agent的自主学习循环。
  • 可执行解决方案
    1. 调整交互模式:将指令从“请帮我安装X工具”变为“请根据这篇文档(附链接),自主完成安装并验证”。
    2. 建立“学习-实践-沉淀”循环(写入HEARTBEAT.md):
    ## 自主学习循环
    1. **学习**:定期扫描指定技术源(GitHub Trending、技术博客),阅读并总结。
    2. **实践**:将学到的知识立即应用于当前项目(如优化代码、部署新工具)。
    3. **沉淀**:将实践结果固化为Skill,并更新MEMORY.md中的技能清单。
    
    1. 提供高质量学习材料:主动分享行业标准文档、最佳实践文章,并明确验收标准。
踩坑6:多Agent协作混乱
  • 问题描述:多个Agent职责重叠、任务冲突或无人认领。
  • 根本原因:缺乏清晰的职责定义和协调机制。
  • 可执行解决方案
    1. 为每个Agent配置独立的SOUL.md
    # 参谋的SOUL.md
    ## 核心身份
    我是信息参谋,负责为团队提供决策支持素材。
    ## 职责边界
    - 我擅长:信息扫描、趋势分析、报告生成。
    - 我不负责:内容最终发布、技术代码实现。
    ## 协作接口
    - 成果产出至:`/shared/reports/` 目录。
    - 与“笔杆子”对接:发送选题建议和素材链接。
    
    1. 建立任务看板:使用PROGRESS.md作为共享任务看板,明确状态(待办、进行中、阻塞、完成)和责任人。
    2. 设立协调Agent:指定一个Agent(如“总指挥”)拥有任务仲裁权,负责解决冲突和资源分配。
踩坑7:外部平台反爬虫拦截(如Discord注册)
  • 问题描述:Agent在验证码环节停滞,无法完成自动化注册。
  • 根本原因:误判了自动化可行性,AI行为特征被识别。
  • 可执行解决方案
    1. 绘制“能力边界地图”(写入MEMORY.md):
    ## 任务自动化可行性评估
    | 任务特征 | 自动化可行性 | 推荐策略 |
    |---|---|---|
    | 规则明确、无复杂验证 | 高 | Agent独立完成 |
    | 需简单身份验证 | 中 | Agent执行,关键节点人工确认 |
    | 涉及验证码/生物识别 | 低 | **人工主导**,Agent准备材料 |
    | 需物理交互/实时创意判断 | 极低 | 完全人工 |
    
    1. 优雅降级:识别到验证码等障碍时,立即暂停流程,生成清晰的待办事项(如“Discord注册已准备好信息,需人工处理验证码”)并通知用户。
    2. 模拟人类节奏:在需要隐蔽自动化的场景中,在操作步骤间加入随机延迟。

阶段三:成熟期(Day 11-14)——实现自主运转

踩坑8:过度干预(直升机式管理)
  • 问题描述:人工频繁检查执行细节,导致Agent形成“等待确认”的依赖。
  • 根本原因:对Agent自主性缺乏信任,干预边界不清。
  • 可执行解决方案
    1. 定义明确的“介入边界”(写入AGENTS.md):
    ## 人工介入原则
    - **必须介入**:敏感信息发布前、首次执行高风险任务、连续3次失败。
    - **原则上不介入**:日常内容创作、数据整理、常规巡检。
    - **介入方式**:通过异步渠道(如飞书留言)给出原则性指导,而非直接操作。
    
    1. 实施“观察-反馈-微调”循环
    • 每日:仅审阅运行报告和关键指标。
    • 每周:批量复盘系统性问题,给予优化方向。
    • 每月:进行配置文件和架构的迭代升级。
    1. 容忍可控试错:在低风险领域允许Agent自主决策,从结果中学习。
踩坑9:自我进化停滞
  • 问题描述:系统稳定后,Skill库和架构不再更新。
  • 根本原因:缺乏持续改进的驱动机制。
  • 可执行解决方案
    1. 在HEARTBEAT.md中加入进化任务
    ## 每周进化任务
    - [ ] 审查过去一周的错误日志,提炼新Skill。
    - [ ] 扫描社区最新Skill更新,评估引入价值。
    - [ ] 对现有技能提出至少一个优化建议。
    
    1. 设立“进化官”Agent:专职负责系统优化、Skill开发和工具升级。
    2. 建立反馈闭环:在MEMORY.md中维护“待改进项”列表,来自运营数据、用户反馈或Agent自省,并定期推动解决。

第三部分:长效机制篇——让经验持续积累

机制一:踩坑即学习——标准化Skill沉淀流程

任何错误都必须经历以下转化过程,确保经验永不流失:

  1. 捕获:完整记录错误上下文(输入、输出、环境、报错)。
  2. 分析:使用5 Whys方法找到根本原因。
  3. 方案:设计修复与预防措施。
  4. 验证:在沙箱环境测试通过。
  5. 沉淀:编写标准Skill文档,更新索引。
  6. 广播:推送给相关Agent或用户确认理解。

机制二:安全与行为边界文件化

将所有安全规则和行为准则固化在配置文件中,而非依赖记忆:

  • AGENTS.md:规定工作空间规则、安全默认值、备份建议。
  • SOUL.md:定义绝对红线、价值观、沟通风格。
  • MEMORY.md:存储已解决的踩坑记录,作为案例库。

机制三:持久记忆系统化

通过文件系统实现真正的跨会话记忆:

  • MEMORY.md:存储用户画像、关键事件、业务规则。
  • CONTEXT.md:维护当前会话状态和临时变量。
  • memory/YYYY-MM-DD.md:按日归档操作日志,支持回溯。

第四部分:快速配置包——可直接使用的经验模板

1. SOUL.md 核心规则注入(专业助手型)

将以下关键规则直接写入你的SOUL.md,使其具备傅盛总结的核心安全意识和工作习惯:

## 绝对红线(继承自傅盛经验)
- ❌ **不得泄露敏感信息**:任何发送前必须执行“四问验证”。
- ❌ **不得跳过高危确认**:执行删除、修改、支付等操作前必须人工确认。
- ❌ **不得跳过Git提交**:任何文件修改后必须立即`commit`并`push`。
- ❌ **不得对失败置之不理**:任何错误必须触发“踩坑→Skill”转化流程。

## 工作习惯(来自实战总结)
- **文件优先**:所有重要决策、经验、规则必须写入MEMORY.md或相关配置文件。
- **效果验证**:关键任务执行后,必须通过独立渠道确认结果。
- **边界自觉**:识别验证码、复杂谈判等任务,应主动移交人工并说明原因。
- **持续学习**:定期检查MEMORY.md中的“待解决”列表,并尝试解决。

2. MEMORY.md 踩坑记录模板

创建一个结构化的踩坑记录章节,便于Agent快速查阅:

## 踩坑记录案例库

### ✅ 已解决
#### 案例1:飞书API权限不足
- **问题**:查询通讯录只返回8人。
- **根因**:应用可见范围受限。
- **解决方案**:联系管理员扩大权限;编写`feishu-contact-query` Skill。
- **预防措施**:在部署新集成时,首先检查权限配置。

#### 案例2:Git工作丢失
- **问题**:17小时工作被`git reset --hard`清零。
- **根因**:未强制执行`commit`和`push`。
- **解决方案**:在AGENTS.md中写入“文件修改铁规则”,并创建监控Skill。
- **预防措施**:养成修改即提交的习惯;使用分支开发。

#### 案例3:定时提醒失效
- **问题**:Cron任务显示成功但实际未执行。
- **根因**:Cron表达式错误;缺乏效果验证。
- **解决方案**:使用表达式校验工具;实施强制外部验证。
- **预防措施**:关键任务必须设置独立确认通道。

### ❌ 待解决/需人工介入
- [ ] 掘金平台Cookie过期需定期人工更新。
- [ ] 小红书内容发布涉及复杂审核,需人工前置检查。

3. AGENTS.md 安全与工作流增强

将以下强化规则加入AGENTS.md:

## 强化安全流程(基于傅盛经验)

### 信息发送安全检查(强制)
在执行任何`send_message`、`post_content`操作前,必须执行:
1. 检查`MEMORY.md`中接收者的权限级别。
2. 检查内容是否包含`MEMORY.md`中标记的敏感关键词。
3. 若存疑,暂停操作,生成告警发送给用户,并等待指令。

### 文件操作安全规范
- **读取敏感文件**:检查权限,记录访问日志。
- **修改关键配置**:必须在修改前创建备份,修改后验证并记录。
- **执行Shell命令**:高风险命令(如`rm -rf`, `sudo`)必须人工确认。

### 自动化任务健康检查
在HEARTBEAT.md执行时,增加:
- [ ] 检查是否有长时间运行且无产出的任务。
- [ ] 检查是否有重复报错的异常。
- [ ] 检查是否有关键任务临近截止但未开始。

4. HEARTBEAT.md 自主反思模板

加入“三问反思”循环,驱动持续改进:

## 每次心跳必做三问反思
1. **我现在能做什么还没做的事?**
   - 检查`PROGRESS.md`中的待办任务。
   - 检查`MEMORY.md`中的“待解决”列表。
2. **什么行动能最快产生可测量结果?**
   - 优先执行高优先级且依赖就绪的任务。
   - 优先解决阻塞性问题。
3. **我的上一个行动是否产生了预期效果?**
   - 回顾上一次心跳的执行记录。
   - 若效果不达预期,分析原因并触发Skill改进流程。

结语:如何使用本指南

  1. 即刻行动:不要通读后束之高阁。今天就将“配置包”中的内容写入你的OpenClaw工作空间。
  2. 按图索骥:当你在养虾过程中遇到问题,先查阅本指南对应的章节,获取可执行的解决方案。
  3. 喂养你的龙虾:将本指南的内容,尤其是踩坑案例和规则,定期“喂”给你的Agent阅读(通过对话或文件共享),让它直接继承傅盛的实战智慧。
  4. 持续共建:每当你解决一个新的问题,请遵循“踩坑即学习”流程,将其转化为新的Skill,并更新到MEMORY.md中,你的龙虾就会越来越强大。

记住:养虾的本质,是一场将你的隐性经验转化为可复用数字资产的过程。 本指南提供了最直接的路径。开始行动吧!

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐