导论篇：先来认认“小龙虾”
第 1 讲 从“工具”到“代理” 2
1.1 一场“社死”引发的思考 2
1.2 OpenClaw 是什么 3
1.3 OpenClaw 不是什么 4
1.4 历史坐标：从 ELIZA 到 OpenClaw 4
1.5 误区警示：它是有边界的“数字实习生” 5
第 2 讲 小龙虾的隐喻 7
2.1 从一次“养虾失败”说起 7
2.2 四大隐喻：拆解“小龙虾”的技术本质 8
2.3 中国语境下的“养”与“圈” 9
2.4 养用结合，养圈并重 10
第 3 讲 谁需要本书 13
3.1 本书是为谁写的 13
3.2 学界研究者：理论深度与学术伦理 14
3.3 党政机关人员：安全合规与政务效能 15
3.4 企事业单位管理者：降本增效与风险管控 15
3.5 普通大众：实用技巧与自我保护 16
3.6 怎么用本书 17
基础篇：养虾前的准备工作
第 4 讲 OpenClaw 的技术基因 20
4.1 从一次“查源码”的经历说起 20
4.2 技术谱系：站在巨人的肩膀上 21
4.3 中国适配：国产化改造与本土化适配 21
4.4 生态现状：全球开发者社区与中国力量 22
4.5 我的观察：开源让 OpenClaw 既有活力又有风险 22
第 5 讲 架构解剖 25
5.1 从一次“指令走失”说起 25
5.2 Gateway 层：公司的“前台” 26
5.3 Agent 层：公司的“员工” 27
5.4 Workspace 层：员工的“办公室” 29
5.5 三层如何协同工作：一条指令的旅程 30
5.6 三层架构的安全意义 31
第 6 讲 能力边界 34
6.1 从一次“让它帮我吵架”说起 34
6.2 能力清单：OpenClaw 能做什么 35
6.3 能力边界：OpenClaw 不能做什么 37
6.4 能力边界表：一张表看懂 39
6.5 边界意识：如何用好这把“双刃剑” 39
第 7 讲 幻觉问题 42
7.1 从一次“学术造假”说起 42
7.2 技术根源：为什么 AI 会“做梦” 43
7.3 幻觉的表现形式 44
7.4 风险等级谱系：从尴尬到灾难 45
7.5 识别技巧：怎么发现 AI 在“胡说八道” 46
7.6 应对策略：怎么让 AI 少“胡说” 47
第 8 讲 安全架构 50
8.1 从一次“免疫失效”说起 50
8.2 安全架构全景图 51
8.3 第 1 层：网络层防御 51
8.4 第 2 层：身份认证层 52
8.5 第 3 层：权限控制层 53
8.6 第 4 层：执行隔离层 55
8.7 最内层：审计监控层 56
8.8 默认配置为什么是“裸奔” 57
8.9 如何唤醒免疫系统：安全配置三步走 58
第 9 讲 人机协作新范式 62
9.1 从一次“甩手掌柜”的惨败说起 62
9.2 什么是“人在回路” 63
9.3 三种协作模式详解 63
9.4 三种模式的对比与选择 65
9.5 实战案例：报销流程的三种模式应用 65
9.6 设计“人在回路”的 4 个原则 66
9.7 OpenClaw 中的“人在回路”实现 67
9.8 从“人在回路”到“人机共生” 68
第 10 讲 环境准备 71
10.1 从一次“安装翻车”说起 71
10.2 硬件要求：你的电脑够不够用 72
10.3 软件依赖：需要提前装什么 73
10.4 安装指南：三种方式任选 73
10.5 初始配置：让“小龙虾”认识你 76
10.6 验证测试：第 一个任务“整理桌面” 77
10.7 第 一次安全体检 78
进阶篇：养育技巧——从单兵到军团
第 11 讲 人设设计 84
11.1 从一次“人设混乱”说起 84
11.2 人设四要素 85
11.3 人设文件详解 86
11.4 场景化人设设计 88
11.5 人设测试：如何知道它懂了 89
11.6 迭代优化：从 v1.0 到 v5.0 90
第 12 讲 记忆管理 93
12.1 从一次“记忆太好”说起 93
12.2 OpenClaw 的记忆机制 94
12.3 记忆策略：什么该记，什么不该记 95
12.4 MEMORY.md 实战 95
12.5 让 AI 学会“忘记” 96
12.6 隐私保护：记忆中的敏感信息 97
第 13 讲 工具扩展 100
13.1 从一次“什么都不会”的尴尬说起 100
13.2 Skills 是什么 101
13.3 Skill 市场：ClawHub 101
13.4 安装和管理 Skills 102
13.5 Skill 的配置 103
13.6 TOOLS.md ：告诉 AI 有什么工具 104
13.7 让 AI 调用工具 105
13.8 开发自己的 Skill 105
13.9 Skill 的安全审查 107
第 14 讲 渠道接入 110
14.1 从一次“忘带电脑”的尴尬说起 110
14.2 OpenClaw 支持的渠道 111
14.3 渠道接入的核心概念 111
14.4 主流渠道接入实战 112
14.5 消息路由：让不同渠道找对 Agent 115
14.6 DM 策略：设备管理 116
14.7 群组策略：谁可以在群里指挥 AI 116
14.8 移动端远程管理 117
第 15 讲 代码能力 120
15.1 从一次“AI 帮我重构代码”说起 120
15.2 代码生成：从需求到代码 121
15.3 代码审查：让 AI 做你的“第二双眼睛” 121
15.4 重构辅助：让 AI 帮你清理技术债务 122
15.5 文档生成：让 AI 替你写文档 123
15.6 调试支持：让 AI 帮你找问题 123
15.7 AI 写代码时代的程序员价值 124
第 16 讲 浏览器自动化 127
16.1 从一次“手抽筋”的经历说起 127
16.2 浏览器自动化的核心原理 128
16.3 准备工作：安装 Browser Skill 128
16.4 基础操作：让 AI 帮你填表 129
16.5 数据采集：让 AI 替你“爬虫” 129
16.6 表单填写：自动申报、自动注册 130
16.7 状态监控：让 AI 盯着网页变化 130
16.8 处理反爬与验证码 130
16.9 与数据库集成：让数据自动入库 132
第 17 讲 数据处理 135
17.1 从一次“Excel 崩溃”说起 135
17.2 数据清洗：让 AI 当“清洁工” 136
17.3 数据分析：从统计到洞察 136
17.4 数据可视化：一图胜千言 137
17.5 报告生成：从数据到文档 137
第 18 讲 文档处理 140
18.1 从一次“熬夜写报告”说起 140
18.2 文档生成：从 0 到 1 141
18.3 文档理解：从文档到答案 141
18.4 文档转换：格式自由切换 142
18.5 文档审阅：AI 当校对员 142
第 19 讲 系统操作 145
19.1 从一次“半夜重启”说起 145
19.2 系统操作能力全景 146
19.3 文件系统操作 146
19.4 日志监控与告警 147
19.5 定时任务：让 AI 按时干活 147
19.6 自动化运维场景 147
第 20 讲 多智能体协作 151
20.1 从一次“万能 AI”的失败说起 151
20.2 多智能体协作模式 152
20.3 如何创建多个 Agent 153
20.4 配置 Agent 间通信 153
20.5 实战：开发团队的“三个小龙虾” 154
20.6 任务分解的艺术 155
20.7 冲突解决 155
第 21 讲 知识库构建 158
21.1 从一次“瞎编”说起 158
21.2 什么是 RAG 159
21.3 知识库的构成 159
21.4 构建知识库的步骤 160
21.5 知识库维护 161
21.6 知识库优化技巧 161
第 22 讲 提示工程 165
22.1 从一次“问错问题”说起 165
22.2 什么是提示工程 166
22.3 提示结构的黄金法则 166
22.4 常见提示技巧 167
22.5 提示词优化迭代 168
22.6 常见提示陷阱 168
第 23 讲 性能调优 171
23.1 从一次“慢到怀疑人生”说起 171
23.2 性能瓶颈分析 172
23.3 模型选择优化 172
23.4 缓存策略 173
23.5 并发处理 173
23.6 Token 消耗优化 174
23.7 监控与分析 175
23.8 调优实战案例 175
第 24 讲 故障排查 178
24.1 从一次“装死”说起 178
24.2 故障分类 178
24.3 排查方法论：五步法 179
24.4 常见故障及解决方案 180
24.5 故障预防 181
第 25 讲 持续学习 184
25.1 从一次“惊喜”说起 184
25.2 持续学习的三种方式 184
25.3 反馈学习：从错误中进步 185
25.4 微调学习：让模型更懂你 185
IX 目录
25.5 知识更新：保持信息新鲜 186
25.6 学习的边界与伦理 187
实战篇：场景应用——让 AI 创造价值
第 26 讲 学术研究 192
26.1 从一次整理文献的经历说起 192
26.2 学术研究全流程 AI 辅助 193
26.3 学术伦理红线 194
26.4 高校的 AI 使用规范 194
第 27 讲 政务办公 197
27.1 从一次“不敢用”说起 197
27.2 政务场景的特殊要求 198
27.3 政务应用场景 198
27.4 政务部署的“三条红线” 199
27.5 广东“智慧虾栏”实践 200
第 28 讲 企业管理 203
28.1 从一次“买了不用”说起 203
28.2 企业管理中的 AI 应用场景 204
28.3 企业部署的“三步走”策略 205
28.4 组织架构的调整 205
28.5 绩效考核怎么变 206
第 29 讲 市场营销 209
29.1 从一次“内容枯竭”说起 209
29.2 市场营销全流程 AI 赋能 210
X 圈养“小龙虾”指南
第 30 讲 财务金融 213
30.1 从一次“差点出事”说起 213
30.2 财务金融的应用场景 214
30.3 零容错场景的应对 215
30.4 金融机构的实践 215
第 31 讲 教育培训 218
31.1 从一次“陪娃写作业”的崩溃说起 218
31.2 教育培训的应用场景 219
31.3 伦理边界 220
第 32 讲 医疗健康 223
32.1 从一次“AI 误诊”的恐慌说起 223
32.2 医疗健康的 AI 应用场景 224
32.3 安全红线 225
32.4 医疗 AI 的合规要求 225
第 33 讲 法律实务 228
33.1 从一次“AI 写合同”的险情说起 228
33.2 法律实务的应用场景 229
33.3 律师的职业底线 230
33.4 律所的 AI 实践 231
第 34 讲 媒体出版 234
34.1 从一次“AI 写新闻”的争议说起 234
34.2 媒体出版的 AI 应用场景 235
34.3 新闻伦理红线 236
第 35 讲 创意产业 239
35.1 从一次“创意枯竭”说起 239
35.2 创意产业的 AI 应用场景 240
35.3 版权与伦理问题 241
第 36 讲 个人生活 244
36.1 从一次“生活失控”说起 244
36.2 个人生活的 AI 应用场景 245
36.3 个人使用的安全边界 246
第 37 讲 跨场景整合 249
37.1 从一次“各自为政”的混乱说起 249
37.2 整合的层次 250
37.3 整合的技术实现 250
37.4 个人中枢的构建 252
37.5 企业中枢的构建 252
37.6 整合的价值 253
安全篇：风险防控——把“小龙虾”圈好
第 38 讲 风险全景图 256
38.1 从一次“风险失控”的教训说起 256
38.2 风险全景图 257
38.3 技术风险 257
38.4 安全风险 258
38.5 合规风险 259
38.6 伦理风险 259
38.7 业务风险 260
第 39 讲 数据安全 263
39.1 从一次“数据裸奔”说起 263
39.2 数据分类分级 264
39.3 访问控制 265
39.4 传输加密 266
39.5 存储加密 266
39.6 脱敏处理 267
39.7 生命周期管理 267
第 40 讲 系统安全 271
40.1 从一次“裸奔”被黑说起 271
40.2 网络层防护 272
40.3 主机层防护 273
40.4 容器层防护 274
40.5 入侵检测与监控 275
40.6 备份与恢复 276
第 41 讲 内容安全 279
41.1 从一次“AI 爆粗口”的风波说起 279
41.2 内容风险的类型 279
41.3 内容安全的三道防线 280
41.4 敏感信息泄露防护 281
41.5 有害内容审核 282
41.6 版权侵权防护 282
第 42 讲 合规治理 285
42.1 从一次“违法爬虫”说起 285
42.2 OpenClaw 涉及的主要法律法规 286
42.3 企业部署 OpenClaw 的合规路径 290
42.4 算法备案与安全评估 291
42.5 数据出境合规 291
第 43 讲 伦理考量 294
43.1 从一次“算法歧视”的争议说起 294
43.2 AI 伦理的 5 个维度 295
43.3 伦理风险在 OpenClaw 中的具体体现 296
43.4 伦理设计原则 297
43.5 伦理委员会的设立 297
第 44 讲 组织管控 300
44.1 从一次“失控”的 AI 实验说起 300
44.2 组织管控的四梁八柱 301
44.3 不同角色的职责 303
44.4 不同阶段的管控重点 304
44.5 企业案例：某银行的 AI 管控体系 304
第 45 讲 应急响应 308
45.1 从一次“拖了三天”的应急说起 308
45.2 应急响应的 5 个阶段 309
45.3 OpenClaw 常见应急场景及应对 311
45.4 应急演练 312
第 46 讲 保险与转移 315
46.1 从一次“赔破产”的风险说起 315
46.2 与 OpenClaw 相关的保险产品 315
XIV 圈养“小龙虾”指南
46.3 保险选择指南 317
46.4 保险不能替代什么 318
46.5 国内保险市场现状 318
第 47 讲 国际视野 320
47.1 从一次“出海受阻”说起 320
47.2 欧盟模式：风险分级、严格监管 321
47.3 美国模式：创新优先、行业自律 321
47.4 中国模式：发展与安全并重 322
47.5 其他重要经济体的动向 323
47.6 全球 AI 治理的趋同趋势 323
47.7 对中国 OpenClaw 用户的启示 324
未来篇：趋势展望——下一个“小龙虾”时代
第 48 讲 技术演进 328
48.1 从“只能看文字”到“多模态” 328
48.2 从“数字世界”到“物理世界”：具身智能 329
48.3 从“单兵作战”到“群体智能” 329
48.4 从“通用”到“专精”：领域大模型 330
48.5 从“云”到“端”：边缘 AI 330
第 49 讲 社会变革 333
49.1 从一次“AI 抢工作”的恐慌说起 333
49.2 就业结构的变化 333
49.3 教育重塑 334
49.4 组织进化 335
XV 目录
49.5 治理创新 335
49.6 文明挑战 336
第 50 讲 行动指南 338
50.1 从今天开始的五步法 338
50.2 不同角色的行动建议 340
50.3 持续学习的路径 340
50.4 最后的提醒 341
后记 343
