昨天我写了一篇 OpenClaw 的使用感受，今天想接着聊聊。
先说结论，OpenClaw 现在还是一个极客玩具。什么意思呢，就是你得愿意折腾、能折腾，才能把它玩转。
举个最简单的例子。我们在云端部署了 OpenClaw，自己积累了一些 Skills，这些 Skills 如果不做好备份，很容易丢。
我一个高中同学就是这样，从阿里的无影云电脑切换到 KimiClaw 之后，因为没有备份 Skill，东西全没了。
你想想，玩 OpenClaw 这东西，积累的 Skills 和记忆一丢，其实是一笔不小的损失。
但目前 OpenClaw 的生态做得并不好，这些问题还没有简单的解决方案。
所以，我的建议是，OpenClaw 可以玩。但它绝对不是一款 Ready 的 C 端可用的产品。
如果大家不是 FOMO，而是真的认为 OpenClaw 可以帮到自己的工作，那我建议把 OpenClaw 当成新潮的玩具去玩，就像很多人玩梗那样养只龙虾，同时，在真实的工作场景里，用一个 ToC Ready 的产品。
这里，我推荐下阿里新发布的 QoderWork 桌面应用。
我认为 QoderWork 这类产品，在生产力场景和 OpenClaw 并没有什么本质区别。
OpenClaw 能做的所有生产力层面的工作，QoderWork 照样能做。QoderWork 的优势是开箱即用，对 C 端完全友好。OpenClaw 的优势是灵活性高，但有一定的使用门槛。
而且，昨天晚上，QoderWork 也发布了 Windows 版本。大家可以试试。
https://qoder.com/qoderwork
现在这类桌面端 AI 产品有一个比较大的安全隐患，就是可能误删文件。因为操作系统层面拿到的权限太大了。
QoderWork 做了一层隔离，它预装了一个隔离的沙盒，这个沙盒中预装了常用的运行环境。
这样，每次运行任务时，一方面更安全，另外一方面也会稳定很多。这个设计从技术层面看，我认为是应该普及的。
当然，对于 ToC 用户也不需要理解这些技术细节。
接下来，我给大家演示下它可以做哪些常见的生产力任务。
因为 QoderWork 支持 Mac 和 Windows，所以，为了兼顾不同的读者，我会交叉在两个端上跑案例。
#01
案例演示
我请 QoderWork 来干活。把文件夹直接拖进来，让他帮我根据文件类型，帮我整理一下。
一分钟后，一切搞定。
元宵节，我可以随手做几个手绘图片。
下面是生成的效果。
可左右滑动查看图片
QoderWork 有专门的技能广场，如果不熟悉 Skills 的话，我们可以在这里一键安装广场的 Skill。
我看到他有一个可以生成咨询公司市场研究报告的 Skill，安装完之后，看看效果。
在输入框里，使用@符号可以调用已经安装的 Skill。
下图是它整体的执行过程：
下面是输出的结果：
但我想要 Word 格式。所以，继续发指令转 Word。红框的部分，能看到，它自主调用了 docx 的 Skill。
最终的 Word 初稿如下：
当然，也可以让他转为 PDF。这些格式层面的调整，已经不需要我再用额外的工具。
下面这是数据分析的场景。我调用了数据分析的技能，让它来看一个 Excel，看看能不能从中梳理出来什么线索。
这是最终输出的 HTML 文件。
#02
创建自己的 Skill
除了使用别人创建好的 Skill，我们也可以自己创建一个 Skill。毕竟网上这些流行的 Skill，本身还是在解决一些通用的问题。
包括 OpenClaw，最爽的一个点不就是我们让他执行完一个任务之后，再把执行流程抽象为 Skill 吗？我们试试 QoderWork 是不是可以。
我直接告诉它，帮我做一个什么样的 Skill。
可以看到，最下方，它理解了我的需求，开始问我，Skill 要存到什么地方。我直接选择就好。这一步，对小白已经非常友好了。
第二步是确认是否要创建 Python 脚本来自动化调用 API。我选择了是。
等了不到一分钟，收到消息，Skill 已经创建好了。还给出了具体的目录结构。
但到这里，我其实有疑惑。因为我刚才没有给出具体的文件格式，猜测应该是 AI 自作主张确定了一个自己认为合理的格式。
所以，我追问让他给我来一个示例。
点开一看，果然和我想要的不一样。没关系，继续互动就好。下面我的输入大家看着可能有些口语化，别介意，我是用语音输入法完成的。
就这样，来回交互几次，我们确保 Skill 可以输出为自己想要的内容后，让他更新为 Skill 就行了。
现在，我打开一个新任务测试一次。
哈哈哈，看起来已经调用成功了。这次我并没有通过艾特的方式指定技能。看来 QoderWork 也可以自动匹配到。
下面这是 Skill 输出的 MD 文档。搞定了。
做到这里，我又意识到每次输入 API Key 也挺麻烦的。最简单的做法是直接在 Skill 阶段，写到配置文件里。于是，我又绕回到刚刚创建 Skill 的任务里，让它把 API Key 放到配置文件。
所有的这些操作，都是通过自然语言完成。
#03
公众号从点子到排版
一共有五个 Skill。我分别介绍下。
具体的创建方法，和前面一模一样，我就是通过自然语言，表达自己的需求。请 QoderWork 来帮我创建。不再冗余赘述。
第一步，我给出来我的选题和思路。请它给我规划大纲。这个 Skill 会基于我给到的信息，去网络上搜索相关内容，并给我建议。
下面是 AI 给我的大纲思路。我会在这个基础上迭代大纲。注意，AI 给到的大纲绝对不能直接用，我们需要加入自己的思考。
所以，我会在对话框里继续和 AI 互动，表达我的想法。直到大纲满意为止。这一步之后，我会继续调用初稿的 Skill，帮我生成内容。
你可能会问，AI 怎么知道我的文风？哈哈哈，秘诀就在 style-analyzer 这个 Skill 里。我可以上传几篇自己之前的文章，这个 Skill 就会帮我生成一个我的文风画像。
这是 Skill 生成的初稿。有模有样。确实非常像我平时的表达。这时候，我就可以在这个基础上优化了。
AI 生成的初稿，也就是个初稿。基本得从头到尾改一次。
我们假设这篇初稿已经是可发布的状态。我要让它排版。继续调用排版的 Skill。
我打开这个本地的 HTML 网页。熟悉我的读者会看到，这已经是我往常公众号的排版风格。
热门跟贴