说实话，OpenClaw 刚火的时候我也是半信半疑。看了一圈社区里的演示，很多都是"帮我整理待办""读一下邮件"这种，用 Claude 对话窗口就能干的事情，何必折腾一个 Agent？ 但我还是装了，原因很简单——我做 AI 工具导航站 ChooseAI 的运营，每天要写新闻、做 SEO 内容、管理多个平台。手上的事太碎了，我需要一个东西把那些重复性的碎活接过去。
从 2 月 4 日到现在，跑了整整 29 天，大部分花哨的场景我都试过又关了。最后真正留下来、每天在用的，就五个。
这是最基础的一个场景，但可能是我最依赖的一个。
我做 AI 工具导航，每天要跟踪几十个信息源——Twitter、GitHub、产品发布页、技术博客。以前看到有价值的新闻，流程是：复制标题 → 打开 Obsidian → 找到 01-新闻文件夹 → 创建文件 → 按格式填写 → 保存。一条新闻至少两分钟，一天十几条就是半小时。
现在我的流程变了：看到新闻，直接把原文或链接发给 Agent。它自动完成几件事——提取标题、按日期生成文件名（156-3.5.md 这种格式）、套用标准格式（加粗序号 + 加粗标题 + 冒号分隔）、保存到 Obsidian。
更实用的是，Agent 会先扫描 01-新闻文件夹的现有文件，自动判断应该用哪个序号，不会重复或跳号。我只需要说"添加新闻"，剩下的全自动化。
29天下来，大概帮我自动归档了 100 多条新闻。不用手动创建文件的感觉真的很好。
场景二：定时清理 Mac 的缓存和垃圾
这是最没技术含量的一个场景，但可能是我最满意的一个。
我的 MacBook Air 256GB，空间一直很紧张。之前每隔两周会想起来手动清一次，打开终端挨个目录看体积，删完也不确定到底腾出了多少。后来买了 CleanMyMac，但说实话用了几次就忘了打开。
现在 OpenClaw 每天自动跑一轮：扫描 ~/Library/Caches、Xcode 的 DerivedData、npm 缓存、pip 缓存、Chrome 缓存、.Trash 目录，算出每个的体积，发一条汇总给我：
今天缓存扫描完成：
- 废纸篓：1.2 GB 合计可清理：7.6 GB 是否执行清理？
我回一个"清"，它就执行了。
你说这个 cron job 能不能做？能。但 Agent 的好处是我可以随时调整规则——"Docker 的镜像别动""只清超过 1GB 的目录""这周先别清 Xcode 的，我还在编译"——用自然语言就行，不用去改脚本。
一个月下来，大概帮我自动腾出了 30GB 左右。不用再操心空间的感觉真的很好。
场景三：Token 消耗追踪
我同时在用 Anthropic API 和 OpenClaw 本身消耗的额度。之前完全不知道每天花了多少钱，月底看账单才发现某天调试的时候跑飞了。
现在 Agent 有 token 追踪功能，可以监控每日消耗：
超过日均预算的时候会标红提醒。这个场景的技术实现不复杂——就是定时调 API 的用量接口，做个简单聚合。但它的价值在于让成本可见。你不追踪的东西就没法优化。
场景四：飞书语音创建 Mac 日历
这个场景分两部分。
读的部分很简单：Agent 可以查看今天有什么日程。
之前折腾这个踩了不少坑——AppleScript 遇到 -10025 的报错，alarm action 属性缺失之类的问题，调了一阵才跑通。但跑通之后体验很丝滑。
现在我的日程录入基本都是在飞书里完成的。走在路上想起一件事，语音发给 Agent，它帮我安排好，还能设置 Mac 通知提醒。
场景五：搭建个人知识库
这个场景我还在完善中，但方向已经确定了——用 Obsidian 做底层。
之前我的"知识管理"就是一堆散乱的笔记、浏览器书签、微信收藏，需要的时候根本找不到。现在的流程是：
遇到值得记录的内容，发给 Agent。它在 Obsidian 里创建一条笔记，自动根据内容打标签（#AI工具、#SEO、#行业动态 等），保存到对应文件夹（01-新闻、02-读书笔记等）。
我目前主要用它来做两件事：
一是工作日志自动化。每天结束的时候 Agent 自动创建一条日志，把今天处理的事项汇总进去。
二是素材库积累。我做 AI 行业内容，每天接触大量信息。以前看过就忘了，现在遇到好的素材、观点、数据，随手丢给 Agent，它帮我归档到 02-读书笔记。下次写文章需要引用的时候，问它就行。
这个场景的终极目标是让知识库变成 Agent 的"长期记忆"——它不只是存储信息，而是能在我需要的时候主动关联和调取。
详细教程：
场景六：辅助我写新闻和 SEO 文章
这是我用得最重的场景，也是 OpenClaw 对我业务价值最大的一个。
ChooseAI 需要日更 AI 行业新闻和 SEO 文章。之前的流程是：我自己刷信息源发现选题 → 手动搜索补充素材 → 核实事实 → 写稿 → 格式化发布。一篇新闻少说一两个小时，深度文章要半天。
现在的流程变了。
新闻写作：我把原始信息（一条推文截图、一段新闻摘要）丢给 Agent，它自动做几件事——搜索补充背景信息、交叉验证关键事实、按 ChooseAI 的新闻格式生成全文。我审阅修改后发布。
比如前两天 Qwen 团队人事震荡，我只给了一张截图，Agent 自动搜索了十几个信源，把林俊旸离职、团队拆分的来龙去脉全理清了，生成了一篇完整的新闻稿。我花了十五分钟做事实核查和措辞调整就发了。
SEO 文章：这个链路更长。我之前积累了一套内容生成方法论——关键词提取、分层搜索策略、素材评估、大纲生成、正文写作。Agent 按这个流程走，能产出质量比较稳定的 SEO 长文。
我对这个场景最大的感受是角色转变。以前我是"写手"，现在我更像"主编"——Agent 完成了 70% 的执行工作，我负责选题判断、质量把控和最终审稿。同样的时间产能大概翻了三倍。
不过也要说实话，Agent 写的东西不能直接发。事实错误、逻辑跳跃、措辞生硬这些问题都有。特别是涉及中国 AI 行业的新闻，很多细节只有圈内人才知道准不准。所以人工审核这一步是省不掉的。但"审核修改一篇文章"和"从零写一篇文章"的工作量完全不是一个级别。
几点真实感受
OpenClaw 不是万能的。 我试过 Star Office UI（像素办公室看板），最后关了。不是做不到，是投入产出比不划算——配置的时间比省下的时间还多。
真正有价值的场景都是高频重复的。 每天添加新闻、每天写内容——这些事情做一次不费劲，但每天做就很累。Agent 接管后，你才意识到之前在这些事情上花了多少隐性时间。
Obsidian 是核心。 我现在特别关注哪些工具能和 Obsidian 集成。有 CLI 的工具，Agent 就能用；没有 CLI 的工具，再好用也接不进来。Obsidian 作为知识库中枢，让我的所有内容都变成了 Agent 可操作的。
安全不能偷懒。 我给 OpenClaw 用的是独立的配置，API key 设了消费上限，敏感操作必须我手动确认。折腾这些安全配置花了时间，但这投入是必须的。
如果你也在考虑试 OpenClaw，我的建议是：不要从最酷的场景开始，从最痛的场景开始。你每天最烦做什么？那个就是你的第一个自动化。
AI 速览
