鹅开始发力了，
先是QQ企微，再是深圳线下装虾，现在自己造虾了，
WorkBuddy Claw
先说结论，
里面内置了一堆大模型，支持接入企微，QQ，飞书和钉钉，鹅经典有钱打法上线就送5000 Credit，Claw也是自带在里面了，不需要安装。
🔗 http://codebuddy.cn/profile/usage
主打就是先省掉前期配置的所有条件，试试看龙虾能不能帮我完成某些任务。所以我这次把接入飞书的配置放在后面，先用了定时任务来获取clawhub前100的技能分类，然后用hesamsheikh/awesome-openclaw-usecases这个github 22.1k的OpenClaw使用案例的同款格式做出了五个最常用的使用案例！
想法验证器，长视频学习，个人本地知识库 ，新技能安装自检和主动进化。
PS，需要安装到WorkBuddy里的Skills我直接打包压缩成提示语放在后面一锅炖，这次用到的提示语也打包成文档了，回复 鹅虾 就好啦
首先是每次安装新技能会触发的，
以后我每次说“安装某个 skill”，先不要安装。
如果没有地址，用find-skills在clawdhub上找，
接着用skill-vetter做审查并输出：
风险评分（0-100），触发的风险项，最小权限替代方案，是否建议安装（是/否）
只有当评分 <= 60 且我明确回复“确认安装”时才执行安装。
OpenClaw 教程我也更新了很多个，一直会有一个问题，就是有时候只有一些Skills名字找不到地址安装，
或者技能会因为版本的迭代导致它不安全，
所以我就做出了这样的一个提示语，让龙虾自己去Clawdhub和GitHub找更安全的替换版本。
也是因为我做了一个前100的Skills分析，很多Skill的功能是会重叠的，有一些Skill不需要配置API，更方便还不花钱。
每日消化Youtube的长视频更新这个case我也做成不需要API的版本了，
读取 channels.txt，每天 08:30 执行：
找到过去 24 小时新视频
提取字幕并总结每条视频 3-5 个要点
生成一份 Markdown 日报，包含标题、链接、摘要、建议是否值得完整观看
保存到 daily-youtube-digest/YYYY-MM-DD.md
现在 YouTube 对这些Skills限制得还挺严重的。
在不需要 API 的情况下，能够获取到视频的元数据，而且用Summary能够给我快速总结出一个能判断出来值不值得我观看的信息，还是一个自动定时任务，我个人是觉得蛮够用的。
然后就是个人知识库的龙虾版，
原理是使用markdown-converter把PDF，网页，文档统一转 Markdown，配合qmd构建一个本地索引，减少每次读取消耗的token，最后就是写入到obsidian做长期存储。
ob+openclaw的教程在这，换成WorkBuddy也好用。
🔗 Obsidian+OpenClaw组合技！花9分钟重构你的AI知识管理体系
帮我建立本地知识库流程：
本地目录【/Users/carl/Downloads/个人知识库初级版】
扫描 inbox_docs/ 里的新文件
转换为 Markdown 到 kb_docs/
qmd更新索引
回答问题时必须附带 Top3 来源路径和关键引用
如果信息不足必须明确说明
还有一个类型的cases我这段时间使用频率非常高的就是想法构建验证器，
这个原理也很简单，就是通过搜索，在你要构建一个项目的时候，这些信息来源查找这个项目是否已经有了。
比方说，我之前想研究一下怎么把Codex接到飞书里面。本来还想自己开发的，结果就找到了藏师傅的Claude-to-IM-skill，现在我一个飞书就接了WorkBuddy，openclaw，codex和claude code，
我给你一个产品想法后，请执行“构建前验证”：
检索同类产品，GitHub 项目，讨论帖
汇总差异点，定价，目标用户
评估拥挤度（高/中/低）
给出结论：继续做/改方向/停止
我的给Claude Code做一个GUI的新idea就被一秒否决了。。。
最后一个就是关于搭配 self-import agent 的自我升级迭代的进化版。
因为有的自我迭代它不会明确地进入到 markdown，在使用初期我会更希望能够加速给它录入调整这些路线。
PS，self-improving-agent里的部份规则
默认 Skill 更偏被动记录，你的提示语把它变成了主动复盘。这个提示语就是把self-improving-agent从被动记录变成了主动记录，
而且做了优先级的排序，这跟默认的把这些规则一条一条堆积起来相比，会更有挑战性，模型输出的每条规则都是要可以检查可以量化。
这能够在短时间内产生效果。比方说这个Skill我们可能要用两周或者三周才有成效，但是如果你搭配这个提示语使用使用后，一周的高频使用，就能把我们的龙虾养得把白白胖胖。
每天 20:30 复盘今天所有 OpenClaw 会话：
找出至少3个最关键错误模式
找出至少3个最有效动作
输出明天要执行的至少3条具体规则（可检查、可量化）
生成简短总结并写入复盘日志
WorkBuddy内置了两个Skills库，我还可以导入github地址来加载更多的Skills，上面的case里用到的skills有，
【skills安装】
find-skills
skill-vetter
【youtube长视频】
openclaw-youtube-transcript
youtube-watcher
summarize
【个人知识库】
Obsidian Official CLI
markdown-converter
qmd
【想法验证器】
Multi Search Engine
github
【自我迭代】
self-improving-agent
session-logs
除了龙虾，WorkBuddy还把自己Agent能力划分成代码侧和日常侧，
用多了会有种错觉，我把Codex（日常任务），Claude Code（编程）和OpenClaw放在一个入口里用。
所以我就原汤化原食，让CodeBuddy教我连接上WorkBuddy和飞书，
飞书的配置已经很成熟了，
基本上跟着做都不会出错的，
硬要说跟OpenClaw有啥不同的话，就是在倒数第二步的时候，事件发送到的是开发者服务器，而不是长连接接收事件，
回调配置的时候也是选开发者服务器，然后选卡片回传交互。
现在QQ和企微的配置流程都比飞书要简单了不少，我能配的都配上主打一个哪里都能用龙虾。
最后的最后，
明猜一手越来越多厂商也都会上自己的龙虾，
跟现在一人一套大模型一样，
龙虾也会变成编程龙虾，PPT龙虾，DeepResearch龙虾等等，
理论上只要模型还放不下无限上下文，
安装不完十几万的Skills，
Skills们就会组合成不同的经验工作流，
我们也会有各种各样的龙虾形态，
以前我们是安App，通过MCP打通Agent能力，
可能之后龙虾们碰碰爪子就能完成了。
@ 作者 / 卡尔