OpenClaw 使用的深层理解
VOICE 「口述·语音转文字，AI负责修正」
2 分钟阅读
使用 OpenClaw 快一个月了。这一个月处于加速迭代的状态——以前拖了很久的代码，甚至两三年的技术债务，都能加速还清。
创意失速
以前写代码很慢：先构思、写方案，一边写一边改。一个简单的脚本要一星期，复杂的项目要一年半载。
有了 OpenClaw 之后，编写方式完全变了。历史遗留的技术债务迅速解决，之前的想法也能快速实现。但这带来了一个新问题：不知道该让它干什么。
创意缺失
确实可以让它写很多代码、造各种轮子。但重复造轮子没有意义——OpenClaw 写出来的代码，未必比现成的开源方案好用。
我的做法是：遇到不满意的收费工具，就用 OpenClaw 写个简单替代。这样可以随时调整，但代价是代码越来越不值钱。
激发创意
另一方面，即使有创意，和 OpenClaw 配合实现时也容易虎头蛇尾。开始想得很好，设计也很完善，但编写过程中过度高估了 AI 在其中的作用。实际测试后发现效果达不到预期，第一版设计就失败了。
这种情况我遇到了七八次，最终成功发布只有三四個。原因是——对某些技术的了解过于片面，没有深究底层原理。这是下个阶段需要打磨的地方。
深度学习
大模型可以迅速给出知识概览，但这容易给人错觉——以为让 AI 总结了，自己就掌握了。这绝对是错觉。
正因为这种错觉，在软件设计阶段会产生假象：还没了解底层原理，就急着写代码。结果是对实际效果的预期判断错误。
总结几点教训：
- 不要重复造轮子——我曾重复造了四五个轮子，后来都找到了不错的开源替代
- 与其自己写，不如把现成开源程序包装成 OpenClaw 技能，更高效
- 写代码前多调研，了解底层原理，别被 AI 的总结带进沟里