正文

你好，朋友。

见信如晤。

五一节前，我已经把 OpenClaw 卸载了。

这句话要先说清楚。因为后面这件事听起来有点反常：这几天，我又在 Codex 里花了 6300 多万 token，重新整理 OpenClaw 留下来的设定文件，还给 Agent 写了 6 份协作规则。

不是为了复活 OpenClaw。这个工具之前维护成本太高，我已经放弃了（详见《折腾 OpenClaw 三个月后，我把它卸载了》）。

真正的原因是，我最近在测试国产的 WorkBuddy，看看它能不能替代 OpenClaw。

WorkBuddy 开箱即用，比 OpenClaw 省心不少。但用着用着，我发现它离我想要的长期助手还差一点。

差的不是功能，而是它能不能接住我已经沉淀出来的协作方式。

所以这次整理，表面上是改一堆 md 文件，实际是在把“某个工具里的设定”，拆成以后任何 AI 工具都能接住的底层协议。

开始时，我给 Codex 的提示词是这样的：

当前我在OpenClaw里的设定还不够完善，需要你协助我一起完成更详细的操作，主要是针对workspace中的文档进行更新。我需要你不断对我进行提问，直到你觉得有足够信息可以补充一份完整的立体人格画像、长期协作协议、未来90天的作战框架才可以。流程是：1. 读取已有资料2. 根据前面我的提问要求，结合前面的md文件梳理并准备至少20+提问这些问题可以是：- 我是谁- 我的工作、内容是什么- 我喜欢什么（三观是怎样的）- 我厌恶什么- 我可能擅长什么- 我可能擅长什么- 我内心深处真相想要什么- 我想成为怎样的人- 我到底是怎么样的不要拽专业名词，用大白话提问（要更具体，而不是直接用我发给你的这种，我发给你的这种不具体我也不知道怎么回答，用很小的事、物进行提问）。3. 一个个提问，每个提问针对一个具体问题；如果我的回答有可挖掘的地方，就针对这个内容进行挖掘式提问同时调整后续的提问，直到这个问题有足够深度、广度的了解，清楚问题的边界、限定、禁忌；同样生成一份完整的分析文档（包括我的行为习惯、表达风格、个人观点、思考方式等等，你继续补充可以分析的，用md文件格式）在下载文件夹存放4. 根据前面生成的两个文件，结合现在workspace下文件的内容，给出各个文件的修改建议，由用户确认调整

现在回头看，这段提示词暴露了我当时的一个误判：我以为问得足够细，AI 就会更懂我。

一开始它确实按要求做了。它问我的 90 天计划、AI 工具要求、项目经验，也问我希望 AI 怎么说话、哪些事必须先确认。

问题出在中段。

问到一个追热点的小项目时，它开始继续追问第一屏应该长什么样、MVP 阶段优先哪些一手来源。

这些问题本身没错。错在当前任务不是做这个项目，而是整理我和 AI 的协作模式。它把每个可展开的点，都当成了应该继续完成的路线。

我提醒它：“是不是有点跑偏了？”

这句话后来变成了一条很重要的规则：支线点到为止。拿到足够影响当前判断的信息，就收口；支线有价值，可以记入待办，不能在当前任务里一直追。

一个好用的 AI，不是永远替你把所有东西展开，它还得知道什么时候停。

后面 AI 又问我：折腾长期助手，最想解决的底层问题是什么。

我当时回答：“让 AI 更懂我算是核心的，就是想打造一个专属自己的 AI 助手这样。陪伴感是附带的，主线这个就算了，有时候 AI 跑偏了还要我来纠正。”

这话是真的，但太虚。

继续追问后，这个“更懂我”才被拆成更硬的东西：

  • 该读文件的时候读文件
  • 该确认的时候先确认
  • 不要把我的原话改坏
  • 不要把临时状态写成长期设定
  • 不要把所有的信息都塞进同一个文件

到这里，我才意识到，自己做的不是提示词工程（ Prompt Engineering），也不只是 上下文工程（Context Engineering）。

提示词工程解决的是：这一次，我怎么把话说清楚。

上下文工程解决的是：这一次之前，AI 应该知道哪些背景。

但长期协作里还有一层东西更要命：当 AI 开始读文件、改文件、总结原话、沉淀规则、推进项目时，它必须知道什么能做、什么要停、什么必须先问、什么不能改坏。

这一层，现在大家叫 Harness Engineering（大家都这么叫，没有中文名哈哈哈）。

Harness 不负责让 AI 表演“懂你”。它更像一套上工位前的安全带和夹具，让 AI 的能力被用在合适的位置上。

这也是我为什么宁愿折腾设定文件，也不满足于开箱即用。

WorkBuddy 省掉了很多维护成本，这点很有吸引力。但如果它只能完成当下对话，不能读取、尊重、执行我已经确认过的协作规则，那它再顺手，也只是临时工具。

真正能进入我工作流的 Agent，至少要过四道门槛：

  • 能不能按已有规则工作，而不是每次重新调教。
  • 能不能在高影响动作前停下来确认，而不是替我自作主张（OpenClaw爆出了太多安全案例了）。
  • 能不能区分原始记录、阶段状态和长期设定，而不是把所有东西混成一团。
  • 能不能在跑偏后接受纠偏，并把纠偏沉淀成下一次可用的规则（记忆和自我进化系统）。

这次最后的结果，是新建或调整了 6 份工具和规则文件，还把当前状态和 90 天框架放进 context/，不再让它们占用每次都要加载的永久设定。

所以，6300 多万 token 看起来很夸张，但它真正换来的不是一套 OpenClaw 配置。

OpenClaw 已经卸载了。以后我也可能继续换工具，继续测试 WorkBuddy，继续遇到新的 Agent 平台。

但我确认过的协作边界、写作禁区、日记规则、项目记录方式、支线收束原则，可以留下来。

工具可以替换，项目可以失败，但协作经验可以被抽出来。

以后我再测试一个新 AI 工具，不会只看它会不会聊天、会不会调用工具、会不会写代码。

我会先看它能不能接住我的 Harness。

如果接不住，它只是一个聪明工具。

如果接得住，它才有资格进入我的长期工作流。

这大概就是这轮设定整理最后给我的结论：

我不是在给 OpenClaw 补设定，是在给未来所有可能接入我工作流的 Agent，做一套属于自己的 Harness Engineering。

Vol.010

祝好

陆离 敬上

2026/05/17 写于深圳