我给AI装了一个大脑，现在它替我焦虑
一个月用OpenClaw搭建个人信息引擎的真实记录
一个月前，我在树莓派上装了OpenClaw。
如果你不知道OpenClaw是什么，简单说，它是一个运行在本地的AI Agent框架——给大模型一台电脑、一堆工具、和一个可以24小时跑的守护进程。我在之前的文章里聊过它的商业逻辑和"锤子与钉子"的问题，这篇不再重复那些。
这篇文章要讲的是：我花了一个月，把它从一个"很厉害但不知道让它干嘛"的半成品，变成了一个真正在替我干活的信息引擎。过程中踩了不少坑，也发现了一些反直觉的东西。
从"不知道让它干嘛"到"它比我更了解我在关注什么"
装完OpenClaw的第一周，我和大部分人一样——对着对话框发呆。让它帮我搜个东西？我自己搜更快。让它写代码？Claude Code更专业。让它管日程？Notion够用了。
转折点是我给它设了一个每小时执行一次的cron job，叫"每小时自主行动"。
一开始这个任务很蠢，就是定时去刷Hacker News和GitHub Trending，把热门项目记下来。效果和我自己刷没什么区别，甚至更差——因为它不知道什么对我重要，什么不重要，胡乱记一堆我根本不关心的东西。
后来我做了一个关键调整：让它先读我最近的对话记录和学习笔记，搞清楚我现在在关注什么，然后再去搜索。
这个改动看起来很小，效果却是质变的。举个例子：我那段时间在学CUDA和推理引擎优化，它读到这个上下文后，去GitHub Trending扫到Flash Attention和Megatron-LM同时上榜，直接告诉我"这两个和你在学的CUDA方向高度相关，值得深挖"。换成一个不了解我在干什么的通用搜索工具，它最多告诉我"这两个项目今天很火"——这种信息对我没有任何增量价值。
这就是context-aware搜索和通用搜索的本质区别。不是搜索能力的差异，是它知不知道"对谁搜索"。
每小时自主行动：不是定时巡逻，是"想想能做什么"
这个cron job的prompt经历了好几次迭代。最初的版本是一个固定巡查清单：几点看HN，几点查邮件，几点扫GitHub。很快我就发现这种模式有两个问题：
- 无效重复太多。凌晨3点和4点的HN Top 5几乎一模一样，但它每次都老老实实记一遍。
- 完全没有主动性。它只做我让它做的事，不会根据当前状态判断该做什么。
于是我改成了现在的版本：不给固定清单，只给优先级框架——能力扩展 > 学习研究 > 任务推进。让它自己根据时间、上下文、和最近的动态来决定干什么。
效果立竿见影。凌晨时段它会自觉保持安静，做轻量级的信息扫描；白天它会更积极，搜索新的Skills安装、跟踪我关注的开源项目进展。它甚至学会了一个我没教它的行为：在发现某个新闻持续发酵时，跨多个小时追踪热度变化。
有一次Anthropic拒签五角大楼合同的消息出来，它从下午第一条声明开始追踪，一直跟到晚上热度破千、Google员工联名信曝光。我全程没刷一次新闻，但第二天早上读它的记录时，对这件事的了解比任何人都全面——不是因为我看了更多信息，而是它帮我把碎片化的信息流整理成了一条完整的故事线。
凌晨3点的三个Agent
每天凌晨3点，OpenClaw会启动三个独立的Agent，我管它叫"Nightly Build"——借用了软件工程里每夜构建的概念。
Agent A：会话历史整合。 它的工作是回顾我今天所有渠道的对话——主对话、Discord群组、各种session——从中提取关键事件、决策、和进展，写入当天的memory文件。这相当于给我的一天做一个commit log。
Agent B：问题-机会扫描。 它读完今天的对话后，专门找我遇到的"摩擦点"——我抱怨过什么、在哪里卡住了、多次纠正过它什么。然后对每个问题做一个判断：这是我个人的特殊需求，还是一个普遍问题？如果普遍，有没有商业化潜力？
这个Agent的设计来自我之前的一个观察：创业机会往往藏在日常的"不爽"里。但问题是，这些"不爽"的瞬间很容易被遗忘——你当时觉得很烦，过两天就忘了。Agent B的作用就是系统性地捕捉这些信号。
Agent C：外部动态扫描。 GitHub Trending、arXiv论文、社区讨论。和白天的每小时行动不同，这个Agent在凌晨跑，能扫到当天完整的数据，不会遗漏下午才上榜的项目。
三个Agent写完各自的文件后，第二天早上8点的"每日任务规划"会读取这些文件，结合我的Notion任务列表和iCloud日历，生成一条消息推送到我的Discord。我起床后花10分钟就能掌握：昨天发生了什么值得关注的事、今天有什么任务和日程、有没有新的机会值得跟进。
热点精选：五个并行节点的Map-Reduce
后来我觉得Nightly Build里的外部扫描不够广，又搭了一套"热点精选"系统。架构借鉴了Map-Reduce的思路：
早上9点，五个独立的Agent同时启动，各自负责一个搜索领域：
- AI/科技 & 硬件 — 大模型进展、芯片动态、科技巨头新闻
- USC活动 — 创业讲座、tech talks、hackathon、career fair
- 开发者/开源 — GitHub Trending、arXiv论文、框架更新
- 新产品发现 — Product Hunt、Show HN、少数派、众筹
- 市场/财经 & 综合 — 美股、创业投资、中国科技、前沿科学
每个节点只负责搜索和写文件，不发消息。8分钟后，一个"Reducer"节点启动，读取所有搜索结果，去重、排序、写入Notion数据库，最后给我发一条精选摘要。
为什么要做这么复杂？因为单Agent跑完所有搜索需要3-4分钟，经常超时失败。拆成并行节点后，每个节点只需要30-60秒，成功率高了不少。而且每个节点的prompt可以针对性优化——比如USC活动节点，我给它塞了十几个搜索源（TroyLabs、Viterbi Events、Luma、Eventbrite……），这种深度是通用搜索prompt做不到的。
这种设计本身就体现了一个我越来越认同的原则：Agent的价值不在于单次对话有多聪明，而在于系统性地编排多个Agent各司其职。 一个Agent做所有事，和五个Agent各做一件事，结果差异巨大。
邮件分类：从垃圾堆里救出真正重要的信
这是一个意外发现的高价值场景。
作为USC的学生，我的edu邮箱每天收到几十封邮件，90%是垃圾——群发通知、newsletter、Handshake推荐、Brightspace讨论帖通知。但偶尔会混进来一封教授直发的DDL提醒或实习面试邀请。
我给OpenClaw写了一个每半小时跑一次的邮件分类Agent。它用Google Workspace CLI拉取未读邮件，按照我定义的规则分类：能直接标已读的（群发/spam/安全警报/CS402讨论帖）自动处理掉；需要我关注的（教授邮件/DDL/实习相关）保留未读并推送通知到Discord。
这个Agent平均每次执行只需要13秒，但它帮我从每天"打开邮箱→扫一遍→关掉"的循环中彻底解放了出来。我现在只在收到Discord通知时才打开邮箱，打开就是重要邮件，不浪费一秒在垃圾信息上。
RTX 5090库存监控：Agent当黄牛
这个比较好玩。NVIDIA RTX 5090发售后长期缺货，黄牛溢价严重。我写了一个Python脚本配合cron job每15分钟检查一次库存，当有货且价格在我预算范围（$2800以内）时推送通知。
Agent不只是机械地检查"有没有货"，它还会对照我设定的MSRP参考价（FE $1999, TUF $2199, ROG ASTRAL $3299等）过滤掉溢价过高的。这种"带判断的监控"就不是简单的脚本能做到的了。
真正学到的东西
折腾一个月后，我总结出几个反直觉的认知：
1. Agent的核心价值不是"能力"，是"上下文"。
GPT-4、Claude、Gemini的能力都差不多。但一个读过你所有对话记录、知道你在学什么、关注什么、讨论过什么的Agent，和一个冷启动的通用AI，输出质量差了一个量级。OpenClaw的memory系统——MEMORY.md记长期决策、memory/每天的日志记当天事件、hourly日志记详细过程——这套"外部记忆"才是整个系统最有价值的部分。
2. 真正有用的Agent不问你要做什么，它自己知道该做什么。
最初的每小时巡查版本需要我给出详细指令：几点查什么、怎么查、记到哪里。现在的版本只需要一个优先级框架和当前上下文，它自己决定做什么。这个转变的关键不是模型变聪明了，而是我学会了怎么写prompt——把"指令"变成"原则"，把"清单"变成"判断框架"。
3. 编排 > 单点智能。
一个Agent做所有事情，效果远不如多个Agent各司其职。Nightly Build的三个Agent、热点精选的五个并行节点、加上Reducer——这种Map-Reduce式的编排，让每个Agent只需要做好一件事，系统整体的可靠性和输出质量都大幅提升。
4. 你的注意力才是最稀缺的资源。
这是最根本的认知。在信息爆炸的时代，我们的注意力是一个固定大小的管道，而涌入的信息量在指数增长。AI信息引擎的价值不在于帮你"获取更多信息"——信息从来不缺——而在于帮你过滤掉99%的噪音，只让那1%真正与你相关的内容通过。
向外，它是一面无情的筛网，替你挡掉推荐算法制造的焦虑；向内，它是一个精准的雷达，帮你捕捉那些稍纵即逝的技术信号和商业机会。
把大浪淘沙的苦活交给机器，把最宝贵的注意力留给深度思考和真正的创造——这或许才是AI时代个人效率的正确打开方式。
附：系统架构一览
给想自己搭的人一个参考：
硬件：树莓派 4B 8GB (ARM64)
系统：OpenClaw + Claude Sonnet 4 (默认模型)
通信：Discord (主要)
Cron Jobs 概览：
├── 每15分钟 RTX 5090库存监控
├── 每30分钟 邮件分类助手
├── 每小时 自主行动（context-aware信息扫描）
├── 03:00 Nightly Build × 3 (会话整合/问题扫描/外部动态)
├── 08:00 每日任务规划（整合Notion+iCloud+昨日memory）
├── 09:00 热点精选 × 5 (并行搜索节点)
├── 09:08 热点精选 Reducer（汇总→Notion→推送）
├── 19:30 每日学习复盘
├── 每周日 周度复盘
└── 每月1日 月度复盘
Memory 架构：
├── MEMORY.md # 长期记忆（重大决策、战略转折）
├── USER.md # 用户画像（目标、偏好、状态）
├── memory/YYYY-MM-DD.md # 每日摘要
└── memory/hourly/YYYY-MM-DD.md # 每小时详细日志跑在树莓派上意味着所有命令都要预留足够的超时时间（≥30秒），不然动不动就timeout。不过好处是功耗低、24小时开着也没什么成本。
写这篇文章时我突然意识到一个有趣的事实：这篇文章的选题、素材搜集、甚至部分初稿，都是在上面描述的这套系统中完成的。它在帮我写一篇描述它自己的文章——某种意义上的自我意识？不，只是递归罢了。