我观察过十几个AI付费社群

大部分的模式是：群主发教程 → 群友说「收到谢谢」→ 然后安静三天 → 群主再发一篇

这不叫社群，这叫订阅号

之前出了openclaw基础篇，很多人私信问我：你什么时候开社群？

我一直没开，不是不想，是没想好一个问题——如果只是把教程扔进微信群，那和我发推特有什么区别？

想了很久，想明白了三件事

第一，教程解决的是「知道」，社群要解决的是「用起来」

中级篇13个主题，三层记忆模型、搜索决策树、计划文件模式，框架都在那了，但你自己的场景不一样

你是做交易的、做自媒体的、做独立开发的——同一套框架落到不同场景，配法完全不同

教程没法穷举所有场景，但一群正在用的人可以互相交叉验证

你把你的配置方案发出来，三个人帮你看，比你自己试一周都快

这件事只有社群能做到

第二，信息差是真的值钱

我自用的claude使用方案，帮你低成本拿到最顶级的AI使用权——这个信息差一个月能省几百块

这个目前还在洽谈中，但是目测大概率可以有

1v1咨询社群成员500元/小时，外部价1500，不只聊AI，自媒体、商业模式、变现路径都能聊

做了4年PM，连续创业五年，我的认知和解决方案，掌握的资源才是我真正值钱的东西

每月一次深度分享，也不只聊AI——我观察到的生意机会、自媒体打法、趋势判断，这些不会写在公开推文里

第三，你的内容在这里有杠杆

你在群里分享的实战案例，优质的会被收录进教程，署名展示

你发的好内容我会在推特quote助推，1w+粉丝的曝光直接给你

这不是我单向输出，是你也有收益

所以我建了第一个社群：超进化个体

你能拿到什么：

【内容】

→ 中级篇+高级篇完整教程，13个主题，飞书文档持续更新
→ 龙虾总结文档，复制给你的agent直接获得整套框架
→ 每月一次深度分享——AI、生意、自媒体、商业机会

【互动】

→ 每1-2天晚上集中答疑
→ 群友共建，你的实战案例收录进教程，署名展示
→ 好内容我quote助推，1w粉曝光直接给你

【资源】

→ 低成本claude使用方案推荐
→ 500元/小时1v1咨询（外部1500）
→ 高级篇优先内测 + 老用户专属折扣
首发价 149，限50人

满了阶梯涨价，200人封顶不再开放
我担心人多了服务不好，这个群我想做小做精
未来真正跑出来的超级个体就那么几个，我赌这个群里会出

大家直接加我就行

一则AI人才招聘，薪资非常Open（20k起，上不封顶），想了解可以直接扫下方的二维码：

AI Native 工程师

我们做长租公寓 SaaS。
现在要用 AI 重构，不是加功能，是重做工作方式。

团队 00 后为主，05 后为辅。
不按年龄排，不按工龄排。
只看你是不是默认和模型一起干活。

更重要的是，你最好有这些经验：

做过 Agent 治理，知道怎么让 Agent 稳定跑起来
做过工作流编排、任务拆解、工具调用、结果校验
不只会用 AI 聊天，是真的把 AI 接进业务和执行链路里
有 GitHub / X / 项目痕迹，能直接看你做过什么
不聊概念，直接拿结果说话

加分项：

vibe coding 1y+
长期自费用 CC / Codex / Gemini 之一

加入之后，Token 不限量。

坐标：北京、重庆

百度文心衍生模型 PaddleOCR 在GitHub上正式超越Google的Tesseract

拿下全球OCR项目Star第一！

Tesseract统治OCR领域快40年了，2005年开源后就是这个赛道的天花板，很多人入门OCR的第一个工具就是它

现在被中国开源项目超越，这是全球开发者投票的结果

但我更关心的是：为什么是PaddleOCR

翻了下他们刚入选CVPR 2026的论文PP-OCRv5，里面有个点非常值得单独拿出来说

这个模型虽然只有5M参数，但在OCR任务上追平甚至超过GPT-4o这种千亿级大模型

关键不是架构有多牛，而是他们用了一套"数据为中心"的训练方法

核心发现：训练模型就像教小孩做题

一直给简单题，学习效率不高

一直给难题，容易卡住

最有效的状态是：题目有一定难度，但又不是完全做不出来

PaddleOCR团队把这个区间叫"难度甜点区"

然后围绕这个甜点区去做题海战术（数据多样性+规模），让轻量模型也能打出大模型的效果

这个思路对超级个体有什么启发

过去我们做产品，习惯把模型架构当核心变量

但PP-OCRv5在提示：数据策略本身可能是一条更独立、更重要的能力曲线

换成产品思维就是：不是堆功能，而是找到用户的"价值甜点区"，然后围绕这个点做深做透

这也是为什么5M的专家模型能在垂直场景干翻通用大模型

再说说实测数据

根据最新测试，PaddleOCR-VL在处理复杂文档时：

准确率96.8%（Tesseract只有78.2%）

推理时间1.9秒（比Tesseract的3.2秒快了40%）

支持109种语言，涵盖中英日韩阿拉伯俄语等主流文字体系

而且在手写体、古籍、表格公式这些硬骨头场景上，PP-OCRv5比v4端到端提升了13个百分点

普通开发者怎么用上

好消息是，PaddleOCR官方宣布同步提升服务能力：
官网免费每日解析页数从1万提升到2万

更爽的是，你可以通过OpenClaw直接调用PaddleOCR Skill，同步获得更高免费额度，拿到高精度PDF解析能力
三步搞定：

1 在OpenClaw里搜索"PaddleOCR Document Parsing"

2 一键安装Skill

3 直接扔PDF或图片进去，自动提取结构化文本、表格、公式

支持JPG、PNG、BMP、TIFF和PDF，110+语言混合识别都没问题

最后说一句：AI正在重写开源规则

从OpenClaw超越Linux，到PaddleOCR超越Tesseract
旧时代的经典工具正在被AI重新洗牌

而这次，中国开源技术站在了牌桌的正中央

对我们这些超级个体来说，这不仅是技术的胜利，更是方法论的胜利——

找到甜点区，然后All in

这适用于训练模型，也适用于做产品、做内容、做个人品牌

龙虾之父Peter Steinberger又双叒点赞百度了

这次是刚全量上线的DuMate，上一次是3月12号的手机虾RedClaw。

作为前PM，我深度体验了一圈，发现了点不一样的东西。

OpenClaw火了之后，大家都在养虾，但说实话，原版的使用门槛真的劝退了90%的普通人

——你得自己配环境、装Docker、折腾API Key，完全是极客向产品。

百度这波操作，本质上是在做OpenClaw的普及化改造。

DuMate是企业级桌面虾，不仅支持Word、Excel、PPT这些主流办公软件，还内置百度搜索Skill，让DuMate拥有更强的理解能力和更好的任务完成率。DuMate也支持用户按需灵活扩展优质Skills。

我试了下，确实是开箱即用，打工人和企业都能直接上手。

RedClaw更狠，全球首款手机端龙虾应用，零部署，装上就能用。

你在地铁上就能指挥AI帮你订外卖、查资料，这才是真正把Agent能力塞进了日常场景。

但更有意思的是背后的逻辑。

为什么龙虾之父多次点名百度，甚至想一起开发。

表面看是产品做得好,实际上是看中了百度的全栈能力——搜索、云、算力、模型,这套"芯云模体"组合拳

搜索能力是Agent的眼睛,是刚需基础设施。

百度搜索Skill在OpenClaw官方商店ClawHub下载量全球第一,被社区标为"装虾必备"。

这不是偶然,Agent要执行复杂任务,必须联网获取实时信息,搜索就是它连接现实世界的那根神经

往大了看,百度现在端出的是一整桌"龙虾全家桶"：云端虾DuClaw、手机虾RedClaw、桌面虾DuMate、家用小龙虾（小度龙虾）,覆盖云端到移动到办公到家庭的全场景

这才是真正的产品经理思维：不是做一个爆款Demo刷存在感,而是系统性地降低用户使用门槛,让技术真正变成生产力

近期外媒评的"中国十大龙虾产品"榜单里, DuMate、RedClaw、DuClaw等多款百度龙虾产品凭实力上榜。

从PM视角看,这波AI浪潮里,真正有机会的不是"会养虾"的人,而是“让普通人也能把虾养活”的玩家。

不仅仅是“养龙虾”备受国际关注，无人驾驶、AI应用等也频频被海外点赞，Time杂志更直接,说百度是唯一具备全栈实力的玩家。

百度这次,算是把AI这条路跑通了

openclaw总算是出现了当年ai工具的盛况，各种skill，各家的claw应运而生

但是普通人想用起来越来越难了，为什么？

不是技术不行，是决策成本太高了

你打开搜索引擎想部署OpenClaw，会看到：

官方英文文档说用npm全局安装

中文社区推荐用openclaw-cn汉化版

腾讯云/阿里云有一键镜像部署

还有EasyClaw、Claw大龙虾等可视化工具

光是"用哪个版本部署"这个决策，就要翻十几篇对比文章

然后你想给Agent装个技能，又得在GitHub、Discord、各种中文论坛里到处找SOUL.md模板

这就是典型的"生态成熟但入口分散"的产品困境

Claw123.com 做的事情很简单，但很关键——它把OpenClaw生态的决策树整理成了一张清晰的产品地图

打开网站你会看到：

部署指南区

官方源码版、中文社区版、云服务商镜像、可视化工具，每种方案的适用场景、技术门槛、成本对比一目了然

不用再纠结"我该用哪个"，直接根据自己的情况（有没有服务器、会不会敲命令、预算多少）找到最优解

技能市场聚合

把GitHub上scattered的5000+个SOUL.md技能模板、awesome-openclaw-agents项目、各种Discord频道里的Skills全都索引到一起

想要什么功能直接搜，不用在十几个repo之间跳转

工具对比表

EasyClaw的可视化配置、Manager Agent的多智能体协作、飞书钉钉插件的企业集成，每个工具的核心优势和使用场景都标注清楚

帮你在"功能需求"和"工具选型"之间建立最短路径

社区入口整合

官方Discord、中文QQ群、实战案例库、常见问题FAQ，新手不用再问"遇到问题去哪问"

从产品经理的视角看，Claw123解决的其实是"信息架构"问题

OpenClaw生态里的资源本身都很优质，但它们散落在不同的平台、用不同的语言、面向不同的用户群体

新手需要的不是"更多的教程"，而是一个"我现在在哪里、我要去哪里、有哪些路径可以选"的导航系统

这就是为什么当年hao123能火——它不生产内容，但它降低了普通人接触互联网的认知门槛

Claw123做的是同样的事

如果你准备入坑OpenClaw，我的建议是：

完全新手：先去Claw123看部署指南，选"云服务商镜像"或"EasyClaw"这类一键方案，别上来就啃官方文档

有点基础：用中文社区版openclaw-cn，然后在Claw123的技能市场找需要的Skills装上，比自己Google效率高10倍

深度玩家：官方源码+自定义开发，但遇到生态工具选型问题还是回到Claw123对比，省时间

OpenClaw的技术很酷，但让更多人能用起来，才是生态真正成熟的标志

Claw123这个导航站，降的就是这道门槛

有人问我：你这个群到底能给什么

今天把超进化个体的交付逻辑全拆一遍

先说一句大实话——大部分付费社群翻车都翻在同一个地方：承诺了交付不了

所以我反过来设计：先想清楚我能持续交付什么，再开口

一、知识库——从零到一的完整AI学习路径

飞书文档交付，持续更新，不是丢几个PDF就完了

三层结构，不管你什么基础都能找到自己该从哪开始：

第一层：零基础环境搭建

海外VPN怎么选、支付怎么开通、ChatGPT/Claude/Gemini各家怎么选——全部手把手教程

第二层：AI编程入门

你不需要会写代码，你只需要会描述需求

Cursor/Claude Code怎么选、怎么上手，用AI帮你写代码的完整入门教程

外加一份靠谱工具推荐清单，我实测过的才放进去

第三层：OpenClaw/Claude Code全套教学

基础篇→中级篇13个主题→高级篇5个方向

Skill怎么写、Hook怎么配、MCP怎么接、自主任务怎么跑、Token怎么省

每篇教程都附带龙虾总结文档——直接复制给你自己的agent，它就获得了这篇教程的全部经验

教程尽量保证每周更新一篇，增量迭代，不是写完就不管了

二、答疑——每两天一次集中回复

晚上20:00-20:30，我在群里集中文字答疑

你提前把问题丢群里就行，建议格式：你想做什么+试了什么+卡在哪

平时有问题也可以随时发，我看到会回

典型问题会整理进飞书FAQ文档，后面的人不用重复踩坑

三、每月一次深度分享

主题群内投票选——我出3-4个备选，你也可以提名（3人以上附议就进投票）

不只聊AI——生意机会、自媒体打法、趋势判断、商业洞察，这些是我做了十年PM真正值钱的东西

分享完会整理成飞书文档沉淀，错过了也能看

四、群友共建

你的实战案例做得好，我会收录进飞书教程，署名展示

收录后我在推特直接quote你的帖子，1w粉的曝光给你

不是我一个人输出，是一群人互相贡献经验

五、资源

自用Claude使用站推荐——帮你低成本拿到最顶级的AI使用权

500元/小时1v1咨询（社群成员专属，外部1500）——AI方向、自媒体、商业模式都能聊，每月限5个名额

你的好内容我会优先在推特quote助推

以上就是你进群能拿到的全部东西

不画饼，不搞虚的，每一条都是我正在做并且能持续做的

现在249，已经涨过一次了

200人封顶不再开放

大家有意向可以直接加我

过去一年我最大的感受是：年轻人的差距不是三五年后拉开的，是在理解杠杆这件事上就分出了高下

大部分人对"努力"的理解还停留在传统时代

送外卖送到凌晨、写代码肝到秃头、做自媒体日更不断——这些确实辛苦，但本质都是拿时间换钱

这种模式有个致命bug：你的收入上限=你的清醒时长×单位时间价格

一天就24小时，再努力也就是个线性增长，跑不出指数曲线

PM视角看商业模式：三种杠杆的本质区别

我做产品这些年，发现所有赚钱方式都能归结为三种杠杆

杠杆一：时间换钱（杠杆率=1）

上班、接私活、跑外卖，干一小时给一小时的钱

没有复利，过去的劳动不为今天创造价值

这不是"不努力"的问题，是模式天花板太低

杠杆二：系统换钱（杠杆率=10-10000）

写一次代码/拍一次视频/做一份课程，可以卖无数次

AI和自媒体就是这个时代成本最低的系统杠杆——2026年独立开发者用AI工具单人实现月入1万到5万美金的案例已经不稀奇了

关键是：做的时候很累，但做完之后它自己跑

杠杆三：用别人的时间/钱换钱（杠杆率=100-∞）

组建团队、做投资、搭平台

但这需要你先跑通流程、建立判断标准、承担结果

25岁以下的人大概率还没这个能力，别着急

给年轻人的实操建议：从杠杆一跳到杠杆二

如果你现在还在做"时间换钱"的事，不是让你立刻辞职

而是把每天20%的时间切出来，投入到"系统换钱"的试错里

举个例子：

你现在一天工作10小时，全是执行层的重复劳动

那就改成：8小时完成本职，2小时做这些——

把工作中的解决方案录成视频发X/小红书（内容杠杆）

用AI把重复任务自动化，然后把方案包装成付费教程（代码杠杆）

找三个同行交换资源，组个小圈子互相导流（网络杠杆）

工作时间没变，但你启动了第二增长曲线

2026年AI工具已经把门槛压到地板价了：ChatGPT Plus每月20美元，ElevenLabs语音克隆每月几十块，Cursor写代码几乎是傻瓜式操作

问题不是"能不能"，是"做不做"

关于试错：PM思维 vs 完美主义陷阱

很多人不敢试错，是因为把"试错"理解成了"失败"

产品经理的逻辑不是这样的

我们做MVP（最小可行产品）的核心是：用最低成本验证假设

别花三个月做个完美方案，先用三天搞个能跑的Demo

想做自媒体就别纠结设备，手机拍，先发10条看数据

想做AI应用就别想着融资，套个开源框架先上线收费

想搞副业就别憋大招，微信群里先卖一单再说

慢就是错，纠结本身就是最大的成本

最后说个反共识的观点

大家都说"年轻人要乐观"，但我觉得这话有毒

真正有用的不是"乐观"，是对世界运行规律的清醒认知

这个世界没有贵人，只有价值交换

你被看见，不是因为你努力，是因为你有被利用的价值

这听起来很功利，但这就是商业世界的底层协议

与其等别人拉你一把，不如先让自己成为别人需要的那个人

具体怎么做

输入端：卸载短视频App，信息源换成X、播客、英文技术社区

输出端：每周至少发一次你的思考/作品，让陌生人能搜到你

交换端：主动给三个你欣赏的人提供价值（不是舔，是真实的帮助）

这套流程跑通了，"贵人"自然会出现

因为你已经是别人眼里的"贵人"了

年轻人没背景、没资源都不是问题

真正的分水岭在于：你是继续用"努力"麻痹自己，还是用"杠杆"重构游戏规则

前者三年后还在抱怨，后者三年后已经在另一个维度了

OpenClaw 高级篇：把 Agent 变成你的数字员工（小白慎入）

中级篇解决了三个问题：记不住、找不到、断不了
但你可能发现——agent 变聪明了，你还是得一步步告诉它做什么
就像你培训了一个实习生，记忆力好、搜索快、不掉线。但每件事还是要你下指令，你说一步他走一步
高级篇要解决的就是这个问题：让实习生变成正式员工
正式员工需要什么？
岗前培训（Skill）——让它懂你的业务
工作 SOP（Hook）——让它自动按规矩办事
系统权限（MCP）——让它能用公司的工具
独立负责项目（自主任务）——让它自己干活
由于确实比较复杂，所以我们每个方向讲透核心概念 + 一个杀手案例
一、Skill——给员工做岗前培训
你每天告诉 agent 日报格式：先写完成的工作、再写重要决策、最后写明天计划
说了五十遍，换个 session 又忘了
不是 agent 不聪明，是你教的东西全存在对话里——session 断了就没了
本质问题：对话里教的东西是临时的
Skill 是什么？
一句话：Skill = 给 agent 的培训手册，装进去就永久生效
它的本质是一个 SKILL.md 文件，放在 skills/ 目录下。agent 启动时扫描这个目录，识别触发词，匹配到就把 SKILL.md 的内容注入到 context 里
和 AGENTS.md 有什么区别？
AGENTS.md 是通用工作规范——怎么写文件、怎么搜索、犯了错怎么记录。每次 session 都加载，不管你干什么
Skill 是特定业务流程和知识——你的日报格式长什么样、你的代码规范是什么、你的搜索工具怎么用。只在需要的时候加载，按触发词匹配
AGENTS.md 管的是工作态度，Skill 管的是业务知识
或者说——Skill 管「知道什么」
杀手案例：一个日报 Skill
没有 Skill 的时候，每次写日报你要说一大段：
帮我写今天的日报，格式是这样的：先列今天完成的主要任务，然后是重要决策，
再是遇到的问题和解决方案，最后是明天的计划
去读今天的 memory 文件提取内容
五十个字的指令，每天说一遍
有了 Skill 之后，创建一个文件 ~/.openclaw/skills/daily-report/SKILL.md
---
name: daily-report
description: >
Generate daily work reports by reading memory files and summarizing activities.
Triggers: "daily report", "日报", "今天做了什么", "工作总结".
---

# Daily Report Skill

When triggered:
1. Read today's memory file (memory/YYYY-MM-DD.md)
2. Extract key activities, decisions, and issues
3. Format as:
- 完成的工作
- 重要决策
- 遇到的问题
- 明天计划
从此你只需要说三个字：写日报
agent 匹配到触发词，自动加载 SKILL.md，知道该读什么文件、用什么格式、怎么输出
五十个字变三个字。而且不管换多少次 session，格式永远一致
Skill 不是单独存在的，它和 Hook、MCP 组成了一套完整的 agent 增强体系
先做个预览，后面每个方向会详细展开：
Skill 管知道什么，Hook 管自动做什么，MCP 管能做什么
记住这句话，后面反复会用
完整的 Skill 开发教程——从目录结构到触发机制到踩坑记录——在高级的完整篇中
二、Hook——给员工定 SOP
每次开新 session 你都要说一遍：先看一下今天的计划和日记
说了一百遍，终于想明白一件事——
这件事不应该由我来记
我是老板，不是提词器。我不应该每次开会前提醒秘书翻开笔记本——这件事应该是自动的
Hook 是什么？Hook = agent 的反射弧
什么是反射弧？膝跳反射。锤子敲膝盖，腿自动弹，信号走脊髓，不经过大脑
Hook 就是这个东西——特定事件发生时，代码直接跑，不经过 agent 思考，不需要 LLM 决策
这和 Skill 是两个层面：
Skill 是给 agent 一本操作手册——它可能看可能不看，看了也可能理解偏了
Hook 是装了一个传感器加执行器——事件一来，代码直接跑，100% 确定执行
关键区别：Hook 跑的是 TypeScript 代码，不是 LLM 决策
一个是建议，一个是铁律。你给员工说「每天早上先看邮件」，他可能忘。你给他定个 SOP 配上闹钟提醒，他想忘都忘不了
Hook 的结构也很简单：
my-hook/
├── HOOK.md # 声明监听什么事件
└── handler.ts # 事件触发时跑什么代码
HOOK.md 告诉系统「我叫什么名字、监听哪些事件」
handler.ts 告诉系统「事件来了具体干什么」
依旧案例：一个 Hook 让 agent 自动读今天的计划
每次开新 session，你想让 agent 自动读取今天的日记文件——不用你说
创建 hooks/session-loader/HOOK.md：
---
name: session-loader
description: "新 session 自动加载今天的工作日志"
metadata:
openclaw:
events: ["command:new"]
requires:
bins: ["node"]
---
创建 hooks/session-loader/handler.ts：
import { readFileSync, existsSync } from "fs";
import { join } from "path";

const handler = async (event) => {
if (event.type !== "command" || event.action !== "new") {
return;
}

const memoryDir = join(process.cwd(), "memory");
const today = new Date().toISOString().split("T")[0];
const diaryPath = join(memoryDir, `${today}.md`);

if (existsSync(diaryPath)) {
const content = readFileSync(diaryPath, "utf-8");
event.messages.push(`今天的工作日志已加载：
${content}`);
} else {
event.messages.push("今天还没有工作日志，开始新的一天");
}
};

export default handler;
效果：你打开一个新 session，agent 已经知道今天要做什么了
不用你说「先看一下今天的计划」——这句话从此从你的工作流里消失了
你不需要会 TypeScript。把需求描述清楚——「在什么时机做什么事」——让你的 agent 帮你写 handler.ts 就行
核心能力不是写代码，是定义清楚 trigger + action。这是 PM 天天在做的事
进阶场景
Hook 能做的远不止加载日记：
监听 compact 事件：context 被压缩前自动保存任务状态，压缩后自动恢复——中级篇的计划文件模式，用 Hook 变成全自动
监听 write 操作：拦截危险的文件覆盖——345KB 事故不会再发生
配合 Heartbeat：每次心跳自动检查有没有未完成的任务
从「你提醒 agent」变成「agent 自己知道」——这就是 反射弧 的力量
几种实用 Hook 配置模板 + 完整踩坑记录在在高级完整篇中
三、MCP——给员工开系统权限
你想让 agent 帮你查数据库里的数据，它说：我没有这个能力
你想让它帮你操作文件系统里的特定目录。它说：我做不到
agent 默认只会两件事：思考和对话。其他什么都不能做
你得给它接外设
MCP 是什么？MCP = Model Context Protocol
一句话：AI 世界的 USB 接口
不管什么外部服务——数据库、搜索引擎、文件系统、浏览器——只要支持 MCP 协议，就能接到你的 agent 上
你不需要为每个服务写专用的对接代码。就像 USB 统一了外设接口——不管你是打印机还是摄像头，同一种插头
学会了 USB，以后不管插什么设备都不用重新学。MCP 也一样
架构很简单：
Agent → mcporter（桥梁）→ MCP Server → 外部服务
mcporter 是中间件，负责 agent 和 MCP Server 之间的通信。OpenClaw 内置了 mcporter 的 skill，agent 知道怎么调用它
配置文件在 config/mcporter.json——每个项目可以接不同的外部服务
杀手案例：一条配置让 agent 读写文件系统
最简单的 MCP Server 是文件系统——不需要任何 API key，纯本地跑
在 config/mcporter.json 里写一段配置：
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp/mcp-test"]
}
}
}
三行就够了。意思是：启动一个文件系统 MCP Server，只允许它访问 /tmp/mcp-test 目录
最后那个路径是安全边界——限制 Server 只能读写这个目录下的文件。和给 app 设权限一个道理
配好之后验证一下：
mcporter list
# 看到 filesystem Server 和它暴露的工具就说明成功了

mcporter call filesystem read_file path=/tmp/mcp-test/test.txt
# 读取测试文件
在 agent 对话中你可以直接说「帮我用 MCP 读取 /tmp/mcp-test 下的文件」——agent 会自动走 mcporter 调用
没接 MCP 的 agent 只会聊天
接了 MCP 的 agent 能用工具干活
这就是「开系统权限」的意思
生态
MCP 不只是能接文件系统。官方和社区已经有大量现成的 Server：
文件系统（本地文件读写）
PostgreSQL / SQLite（数据库查询）
Brave Search（搜索引擎）
Puppeteer（浏览器自动化）
Memory（持久化记忆）
一个 USB 接口，无限外设。配一个新 Server 只需要在 mcporter.json 里加几行配置——流程和上面的文件系统一模一样
不要为了用 MCP 而用 MCP。简单的文件读写 agent 自带工具就行，MCP 适合的是需要接外部 API、需要标准化多个外部服务调用方式的场景
MCP 安装配置完整教程 + 常见报错解决方案在深度篇
四、自主任务——给员工独立负责项目
你说：帮我做一个社区趋势调研，Agent 说：好的，第一步是什么？
它在等你指挥
你说第一步搜索 GitHub，它搜了。然后等你说第二步
你说第二步搜索 Reddit，它搜了。然后又等你
你想要的不是这样。你想给它一个目标，它自己拆解步骤、自己执行、自己判断完没完成
你说一步它走一步——这是实习生
你给目标它自己干——这才是正式员工
核心概念：从指令驱动到目标驱动
这是中级篇到高级篇最大的认知升级
指令驱动：你给步骤，agent 执行。中级篇教的计划文件模式就是这个——你手动创建计划、列出步骤、agent 按步骤走
目标驱动：你给目标，agent 自己拆解为子任务、自己规划执行顺序、自己判断有没有完成
实现这个需要三个基础设施，中级篇其实都教过了：
计划文件——agent 自己创建和更新，而不是你替它写
Heartbeat——每 30 分钟推醒 agent，让它检查有没有事要做
AGENTS.md 规则——告诉 agent 遇到目标型任务怎么拆解、怎么执行、怎么评估
杀手案例：给一个目标，agent 自己拆了 6 个步骤执行
实际案例：我给 agent 一个目标——完成高级篇 6 个方向的素材采集
我只说了一句话：按照素材采集 prompt 里的 6 个方向，逐个完成调研和实战
agent 做了什么：
自己读取了目标文档，理解 6 个方向的具体要求
自己创建了计划文件 temp/advanced-material-plan.md
把 6 个方向拆成 6 个阶段，每个阶段有明确的产出物
从第一个方向开始执行——搜索文档、实战测试、记录踩坑
每完成一个阶段，自动更新计划文件的进度
Heartbeat 定期检查，确保 agent 没有忘了自己在做什么
中间 context 被压缩了两次，跨了三个 session
但每次新 session 开始，agent 读取计划文件，接着上次的进度继续。没丢任何进度
最终产出了 5 份素材文件，加起来超过 160KB
中级篇教的计划文件 + Heartbeat = 基础设施，高级篇的自主任务 = 在基础设施上搭建自主性
中级篇：你创建计划文件，agent 按计划执行，高级篇：agent 自己创建计划文件，自己按计划执行
养出来的能力，现在用起来了
不是所有任务都适合目标驱动——简单的事情直接给指令更快。但当任务复杂到你自己都不确定该分几步的时候，让 agent 试试
完整的自主任务配置 + 踩坑记录在高级完整篇中
四件装备，一句话回顾：
Skill 让它懂业务
Hook 让它按规矩
MCP 让它用工具
自主任务让它独立干活
从中级到高级，不是学了四个新概念——而是把中级篇养出来的能力用起来了
中级篇的搜索策略 → 高级篇的工具选择（MCP 加入决策树）
中级篇的计划文件 → 高级篇的自主任务（agent 自己创建和更新计划）
中级篇的 Heartbeat → 高级篇的自动化（Hook 让所有手动操作变成自动的）
基础篇教你装上能用，中级篇教你养好好用，高级篇教你落地真正干活
每个方向的完整教程——手把手配置、完整代码、踩坑记录——都在社群飞书文档里
但说实话，教程只是社群的一部分
说说现在群里在发生什么
超进化个体——现在群里在发生什么
从3.16号晚上，正式创办社群，到现在社群已经大几十人了
我当时最怕的事没有发生——群没有变成「教程分发群」
高手们在里面互相交叉验证配置方案，各种出海信息差
有高手群友刚进群就搞了一个markdown转其他格式的skill-agent reader skill
小白的进步也是我没想到的
高级篇你也看到了，Hook要写TypeScript，MCP要配JSON——很多人卡在这一步
所以我在社群里迅速补了一套AI编程教程，从零开始教你怎么用AI帮你写需求
海外支付怎么开通、怎么一行代码不写就能变成高手——这些很多人私信问的问题，我在社群里写了完整的手把手教程，扫完就能照着做
不需要你会编程，你只需要会描述需求
有个群友之前连终端都没打开过，现在已经用AI写出了自己的第一个skill，学会用cursor调试自己的openclaw了
群友的反馈我就不多说了，放了截图，大家自己看
你能拿到什么：
【内容】
→ 基础篇+中级篇+高级篇完整教程，飞书文档持续更新
→ AI编程入门教程——不会代码也能自己维护自己的openclaw
→ 海外支付开通指南 + 低成本claude使用方案
→ 龙虾总结文档，复制给你的agent直接获得整套框架
→ 每月深度分享——AI、生意、自媒体、商业机会
【互动】
→ 群内集中答疑，高手和小白都在
→ 群友共建，你的实战案例收录进教程，署名展示
→ 好内容我quote助推，1w粉曝光直接给你
【资源】
→ 500元/小时1v1咨询（外部1500），AI、自媒体、商业都能聊
→ 高级篇+深度篇优先更新
现在249元，已经涨过一次价了
200人封顶不再开放，我不想人多了服务不好
最后请大家相信一个产品经理的职业素养，没有一个产品经理会不认真对待自己产品的付费用户，感谢大家的支持！

会用AI工具的人正在淘汰不会用的人

但会搭AI体系的人，会淘汰只会用工具的人

这是两层淘汰，大部分人只看到了第一层

第一层不用多说了，ChatGPT出来两年多，还不用AI的人已经在很多领域掉队了

但第二层才是接下来真正拉开差距的地方

什么叫「用工具」？

每次有需求，打开对话框，手动描述任务，等结果，不满意就重新说一遍。

下次遇到类似需求，再来一遍。agent不记得你上次说过什么，你也不记得上次它踩过什么坑

什么叫「搭体系」？

你的agent知道你的代码风格、知道你的项目架构、知道团队踩过的所有坑。

你给它一个任务，它自己知道该用什么工具、该注意什么、该把结果存在哪。你不在的时候它也能干活，第二天接着昨天的进度继续

区别在哪？

用工具 = 你是操作员，每次手动指挥
搭体系 = 你是管理者，agent按规矩自己干

做了五年PM，我越来越觉得这和管团队是一回事

你不会每天教员工怎么开电脑。你会写SOP，让他自己看。

遇到问题先查手册，手册没有的再问你。新人入职，老员工带一遍流程就能上手

agent也是一样的逻辑：

记忆体系 = 培训体系

你教过它的东西要沉淀下来，新session也能用，新agent也能继承

搜索决策树 = 操作手册

遇到什么场景用什么工具，不用每次试错，翻手册就行

SHARED.md = 团队文化

一个人踩过的坑写进去，所有人自动知道。共识不靠口口相传，靠文档同步

超级个体不是一个人干所有事

是一个人管一群agent干所有事

未来真正的竞争力不是你会用什么AI工具

是你能不能像管团队一样管你的agent——建培训体系、写操作手册、沉淀团队文化

技术会过时，但管理能力不会

我建的社群叫超进化个体，教的不只是AI工具怎么用

记忆体系怎么搭、搜索决策树怎么建、SHARED.md怎么写——这些是体系层面的东西，光看教程你知道有这个概念，但配出来跑通是另一回事

每月一次的深度分享也不只聊AI。生意怎么找、自媒体怎么起、商业机会怎么判断——做了十年PM，这些是我真正值钱的东西

你来不是学一个工具，是学怎么做超级个体

你的agent突然变傻了

它做任务做到一半突然问你：你让我做什么来着？你以为是模型的问题，换了个prompt重来。又做到一半，又忘了

不是模型的问题。不是prompt的问题

OpenClaw有一个几乎没人告诉你的隐藏机制——它会偷偷压缩你们的对话

对，你没看错

当你和agent的对话超过context窗口上限时，OpenClaw会自动压缩旧对话，压缩之前的聊天记录和工具调用结果来释放token

它不会通知你。你看不到它删了什么。你只会感觉agent突然不记得之前聊过的东西了

这就是为什么你的agent会「变傻」——不是它能力下降了，是它的记忆被系统悄悄清除了

知道这个机制的人和不知道的人，用OpenClaw的体验完全是两个世界

不知道的人：agent越用越傻，每天重复教同样的事，任务做到一半就断，复杂任务根本跑不完

知道的人：agent能跨夜跑20步任务不丢进度，跨session记住你所有的偏好和项目细节，越用越聪明

区别不是模型好坏，是你有没有针对这个机制建一套应对体系

应对体系三件事：

第一件：计划文件保持任务连续
→ 复杂任务的目标、步骤、进度全写在文件里，context被压缩了文件不受影响，新session读完文件接着干

第二件：三层记忆保持知识连续
→ 你教给agent的东西不能只存在对话里。原始笔记存信息层、每日提炼存知识层、核心方法论存长期记忆——对话删了，文件还在

第三件：Heartbeat保持整理连续
→ 每6小时自动触发记忆整理，把散落在日志里的重要信息提炼到对应文件。不用你手动整理，系统自己干

这三件事配合起来，你的agent就不怕记忆压缩了。context随便压缩，因为所有重要的东西早就存在文件里了

记忆压缩不是bug，但90%的人把它当bug在骂。知道了这个机制，你需要的不是一个技巧，是一整套应对体系

计划文件怎么建、三层记忆怎么配、Heartbeat怎么设置、三件事怎么联动——完整方案在中级篇里

我建了第一个社群：超进化个体
你能拿到什么：
【内容】 → 中级篇+高级篇完整教程，13个主题，飞书文档持续更新
→ 龙虾总结文档，复制给你的agent直接获得整套框架
→ 每月一次深度分享——AI、生意、自媒体、商业机会 【互动】
→ 每1-2天晚上集中答疑
→ 群友共建，你的实战案例收录进教程，署名展示
→ 好内容我quote助推，1w粉曝光直接给你
【资源】
→ 低成本claude使用方案推荐
→ 500元/小时1v1咨询（外部1500）
→ 高级篇优先内测 + 老用户专属折扣
首发价 149，限50人

满了阶梯涨价，200人封顶不再开放

我担心人多了服务不好，这个群我想做小做精

未来真正跑出来的超级个体就那么几个，我赌这个群里会出，大家有意向可以直接加我

拿到OpenClaw之后你做的第一件事是什么？

让它帮你写代码？搜资料？写文案？

错了。这些全不是第一步

你花了钱买了最强的AI工具，结果第一天就让它干最不值钱的事——因为它根本不了解你，不了解你的项目，不了解你的偏好。它只能给你通用答案

第一步应该是让它学习

你想想，一个新员工入职，你会第一天就让他做项目吗？不会。你会让他先了解公司、熟悉业务、看文档

agent也一样

它不知道你的项目架构、不知道你的代码风格偏好、不知道你之前踩过什么坑。你不教它，它就只能用通用的方式帮你干活——能用，但不好用

问题来了：怎么让agent学习？

你让它读一下午文档，它全记住了。进度、要点、下一步该学什么，聊得头头是道

第二天再打开，全忘了

不是它不想记，是OpenClaw的对话窗口有上限。聊太多它会自动压缩旧内容，你教它的东西就被压没了

学习不是一次性的事，是一个连续的链条：了解框架→跑通demo→记录要点→提炼方法→写入长期记忆

这个链条一旦中间断了，就得从头来

我的解法很简单：给学习任务建一个计划文件

文件里就写几样东西——学习目标、步骤列表、当前进度、学到了什么

每学完一步就更新文件。对话被压缩了也不怕，因为进度存在文件里，不在对话里

新session打开，agent读完计划文件，接着上次的进度继续学

学完的内容按三层记忆模型存下来：
→ 原始笔记存信息层，只追加不删
→ 每天提炼一次存知识层
→ 核心方法论写入长期记忆，每次session都加载
这套跑通之后你的agent会变成什么样？
你的代码风格它知道，你的项目架构它知道，你上周踩过的坑它也知道。不用你每次重复说，它自己就能按你的标准干活
先让agent学会怎么学，再让它干活

这个顺序搞反了，后面怎么调都是在打补丁

怎么教agent学习、学习成果怎么存、三层记忆怎么配、计划文件的模板长什么样——这些落地细节我全写在中级篇里了

社群里还有群友在互相交叉验证配置效果，一个人摸索三天的事，群里问一句可能三分钟就解决了