CTRL 人格養龍蝦，只會養出一肚子氣

AI 炒股也不算什么新鮮事了，但讓我下定決心試一試的，還是龍蝦的到來。

我日常在交易港股，每天下午 4 點多收盤之后，我想針對自己關注的幾只股票做復盤分析，再做一些次日走勢的推演。

在（多次）拾起又放棄 OpenClaw 之后，我打算再給他一次機會，幫我實現一個非常具體的需求，每天自動跑一份港股復盤報告給我。

我把那臺落灰的2017年的筆記本翻了出來（說實話，要不是為了裝龍蝦，我真不知道這臺電腦還能用來干嗎），重新打開終端，這次用 curl 遠程安裝了 OpenClaw。

搶不到 Mac mini，

我把“老爺機”翻出來了

給這臺九年前的 Intel 老爺機裝 OpenClaw，簡直是一場“環境依賴配置”的噩夢。第一次安裝的時候我用 npm 全局安裝遇到了版本沖突，所以那次我先裝了包管理器把前置環境補全了。

關于第一次的失敗經驗，我也打算寫出來供參考。

光是折騰這臺老電腦就花了整整一個下午的時間。先把系統還原，重裝系統的時候又出了問題，這還是在 Gemini 一步步指導的情況下。到了晚上，總算把系統環境弄好（MacOS Ventura 13.7.8），用 npm 全局安裝了 OpenClaw，開始進入設置流程。

OpenClaw 雖然提供了一個 Quick Start 引導，但實際操作起來還是覺得很繁瑣。更關鍵的是，我當時完全沒想好到底要用它干什么。那會兒飛書還沒有發布官方的 OpenClaw 插件，也沒有現在這種很方便的一鍵部署方式。

到了配對社交渠道（Social Channels）這一步，我徹底卡住了：飛書沒弄好，WhatsApp 的二維碼死活掃不出來，試了一下 Telegram 也各種報錯。安裝過程中遇到的問題更是一堆。因為這臺 Intel 筆記本太老了，很多依賴庫都不兼容，報錯了我就去找 Gemini 要解決方案，來來回回折騰了很久才勉強裝上，結果整個設置流程還是沒跑通。

我覺得不值當了，算了。

最好笑的是我跟 Gemini 說：“我放棄了，覺得這東西對我沒什么用。折騰了半天，還是幫我把它刪了吧。”Gemini 給了我卸載命令 npm uninstall -g openclaw，就這樣，我的第一只“小龍蝦”還沒來得及打個招呼就被送走了。

這次用 curl 安裝倒是順利了一些，很快走到了 Quick Start 配置階段。

我跳過了 Social Channels 的配對，先把核心流程跑通。跑通后選擇了 OpenClaw TUI（Terminal User Interface）在終端里直接對話，API 接的是 MiniMax 的 Coding Plan。

沒想到好戲還在后頭。

配置 Skill 的時候，這臺老電腦徹底扛不住了。Quick Start 引導中有一個叫 model-usage 的內置 Skill（用來統計模型 Token 使用量），它底層依賴了一個叫 weave 的工具。OpenClaw 自動調用 Homebrew 去安裝它，結果因為 macOS 系統和 Xcode Command Line Tools 版本太舊，沒有現成的預編譯二進制包可用，系統試圖在本地強行編譯 C++ 源碼。結果不出意料，老爺機的風扇呼呼響，機身燙到不行，滿屏飄紅的 Error，我當時都擔心它直接掛了。

折騰到最后我只能妥協：放棄所有需要本地編譯的 Skill，底線就是，只要它能在終端里“點亮”、能正常對話就行。

雖然跳過了 Skill，但 OpenClaw 最終還是在終端里成功“點亮”了，它甚至還帶著上次安裝時的記憶（OpenClaw 的記憶是存儲在本地 Markdown 文件里的，卸載 npm 包并不會刪除 ~/.openclaw/workspace/ 下的數據），于是我把它的名字和對我的稱呼重新校準了一下。

之后，我按照飛書的官方指南又走了一遍部署流程，又折騰了一個多小時，終于在飛書對話框里把這個本地的 OpenClaw 機器人弄上線了。

搭建 Skill，屢碰墻

第二天，我正式開始做港股復盤的 Skill。

我之前基于 Claude Code 發布的 Financial-Services-Plugins 開發過一個 financial-data-mcp MCP 服務，主要用了 Yahoo Finance、SEC EDGAR API、HKEX News API 這些免費數據源來做港美股研究。我想著把它改造成一個 OpenClaw 可用的 Skill 應該不難。

于是我讓 Claude Code 先把 MCP 服務轉成了 Skill 格式，一份 SKILL.md 說明書加上對應的 Python 腳本，接著把它們拷貝到了 ~/.openclaw/workspace/skills/ 目錄下。然后又折騰了半天 Python 虛擬環境和 pandas 庫的安裝，到這一步我已經只剩半條命了。

接下來試著跑 Python 腳本，又出了新的幺蛾子：老款 Mac 自帶的 Python 3.9 底層用的是蘋果早年間的 LibreSSL，而我通過 pip 安裝的最新版 urllib3 要求必須是 OpenSSL 1.1.1 以上。兩者不兼容，又彈出一堆警告。最后把 urllib3 降級到一個兼容老 Mac 的穩定版本，才把這個問題勉強按下去了。

但這只是開始。

Yahoo Finance 直接返回了 429 頻率限制報錯。關掉代理不行，升級 yfinance 庫也不行。我又換上了開源金融數據圈里專為中國用戶做的平替庫 AkShare，結果直接報錯 RemoteDisconnected('Remote end closed connection without response')，又撞上了東方財富服務器的反爬蟲防火墻（WAF）。

最后 Gemini 建議我放棄 AkShare，直接調用騰訊財經底層的公開 API。這一招果然管用： pandas 庫也不需要了，只靠最基礎的 requests 就夠了。Gemini 幫我重寫了 Python 數據抓取腳本和對應的 SKILL.md 文件：

忘給它門禁卡了

滿心期待地把 Skill 部署完畢后，我在飛書上給 OpenClaw 發了第一條指令："調用 hk_stock_daily_recap 技能，幫我生成一份今天騰訊控股 (0700.HK) 的復盤報告和明天的交易推演。"

結果它一遍遍溫柔地回復我："抱歉，工作區內沒有找到這個技能。"

我們倆就像在“跨服聊天”——我說我的，它說它的。我告訴它 Skill 已經放在文件夾里了，它說它看到了那個 Markdown 文件，但無法使用工具去讀取和執行。來來回回折騰了好一陣，那天太晚了，我再次放棄。

第二天，我在 YouTube 閑逛時碰巧看到一個我很喜歡的博主“技術爬爬蝦”講解 OpenClaw 的進階使用。視頻的第一部分就在講怎么給 OpenClaw 開通工具使用權限。這時候我才恍然大悟：之前“對牛彈琴”的問題根本不在 Skill 本身，也不怪 OpenClaw 智障，原來是因為我蠢，壓根沒給 Agent 開放底層的權限！

OpenClaw 的權限體系里，Skill 只是“說明書”，而 Tool 才是真正的“執行許可”。我的 SKILL.md 寫得再詳細，如果 Agent 沒有被授予 bash、exec （終端命令執行）和文件讀寫的 Tool 權限，它就只能“看見”說明書卻無法動手。就好比你招了一個能力超強的實習生，卻忘了給他發公司門禁卡和電腦密碼。

按照視頻里的操作步驟，我修改了 openclaw.json 配置文件，把 tools 的 profile 值從默認的 messaging 改成了 full。這一步會開放包括終端命令執行、文件讀寫在內的所有工具權限。這次我沒在飛書上試，而是直接在 Terminal 終端里跑了指令。

結果一次成功。OpenClaw 順利地調用了 Python 腳本，抓取了騰訊財經的數據，給我返回了一份“英矽智能”的港股復盤報告。

總計耗時：兩天。

總結：該花的錢還是得花

跑通之后，我自然想到了下一步：能不能把它設成定時任務（Cron），讓 OpenClaw 每天下午 4 點港股收盤后自動給我推送復盤報告？定時任務倒是設好了，但它似乎從來沒真正按時觸發過。

原因很簡單。我的 OpenClaw 跑在一臺筆記本上。筆記本一旦關機或者合上機蓋，OpenClaw 的網關進程就會休眠，飛書上給它發消息也不會有任何回應，相當于直接下線了。這就是用筆記本而非 Mac mini 這類常駐主機的硬傷：你沒法指望一臺隨時會被合上蓋子的電腦去完成 7×24 小時的自動化任務。

蘋果官網上，Mac mini 的到貨時間從一周變成兩周、三周、四周……甚至更久。

二手的，我猶豫了一陣，最后還是沒有出手

先學會給 AI 當好包工頭

在經歷了這一連串的挫敗、妥協、再挫敗之后，我自我診斷為 Control Freak（控制狂）。

想起之前，我在 Claude Code 里做的那個“一鍵生成雙語字幕”的工作流。我并沒有把提取音頻、轉錄、翻譯到燒錄的所有環節一股腦扔給 AI 讓它盲盒輸出。相反，我讓 Claude Code 作為調度節點，它先調用 Python 腳本完成翻譯，然后停下來，把生成的雙語字幕交給我做 Review（人工校驗）。確認無誤后，它再調動 FFmpeg 把字幕燒進視頻。

在這個流程里，AI 負責了所有繁瑣的執行，我把握著最核心的質檢節點。一套行云流水的操作下來，我什么心都不用操，出問題后，Claude Code 會自動 debug，比如重啟腳本，實在解決不了（之前遇到過翻譯字幕的時候 Gemini API 調用觸發了 rate limit，最后卡死的情況。），Claude Code 會提醒我中止任務，但因為之前已經保存了進程的checkpoint json 文件，后續接上很方便。其實重活兒都是幾個腳本接力完成的，Claude Code 是我工地的監理，而我是最后坐享其成，拿成果驗收的包工頭。這樣的 Agent 工作流消耗 Token 非常少，所以我才喜歡給 Agent 造工具，而不是一股腦把所有東西都讓他大包大攬。

但至少現在，我極其迷戀這種 Human-in-the-Loop（人機協作）的模式：人加上 AI，理應發揮出 1+1>2 的效能。把粗活累活交給機器，但把對最終成果的品控和驕傲（Pride）留在自己手里，這可能才是現階段最適合我的 AI 玩法。

作者：本一

編輯：沈知涵

圖片來源：作者供圖

點個“小愛心”吧