我让龙虾替我工作了 38 天，它做了什么？
Photo by James Lee on Pexels
一个决定
一开年，OpenClaw 突然在技术圈出圈了。
这是一个自托管的 AI agent 网关，装在服务器上，能把 Telegram、WhatsApp、iMessage 这些聊天软件直接接到 AI agent——发一条消息，agent 帮你处理邮件、文件、代码，像个永远在线的私人助理。
出于好奇，1 月底我也装了一个。
最初装在 MacBook 上，但考虑到隐私安全，本地机器上有太多个人数据，不想让 agent 有过多访问权限，索性找了一台公有云的 Ubuntu 虚拟机，把它部署上去。模型用的是 GitHub Copilot，这得益于微软 MVP 赠送的 Copilot Pro 订阅，算是物尽其用。
就这样，第一个 agent 上线了。后来随着使用深入，发现有些事情需要专注写代码的，有些只需要轻量协助，agent 数量从 1 个慢慢加到了 3 个：Nova 管日常，Forge 专门写代码，assistant 跑腿打杂。
38 天后，来盘一盘这三个 " 员工 " 到底替我干了什么。
Nova：我的数字管家
如果要给 Nova 一个职位描述，大概是 " 全栈打杂 “——但这个打杂的含金量还挺高。
开发
这 38 天里，几个开源项目的维护和推进，Nova 都参与了：
- obsidian-image-upload-toolkit：实现 Backblaze B2 存储支持，监控 GitHub Actions 构建、回复 issue
- Nexus MCP Server：从零到发布，设计、编码、写测试（42/42 通过）、发布到 GitHub、Docker Hub、PyPI，全流程跑完
- Spring Boot 2→3 迁移工具包：调研 OpenRewrite Recipe-First 方法论，整理迁移流程，自动化率达 85-90%。对应博客
博客
博客的产出流程是：我提供方向和素材，Nova 帮我整理研究材料和 review，给出调整建议。最终文字还是自己写的，但有个随时可以讨论的 " 编辑 " 在旁边，效率高了不少。
造工具
这部分最让我惊喜。Nova 帮我开发了一批 skill（OpenClaw 的插件机制），开源在 openclaw-forge：
daily-briefing：每天早 7 点自动推送天气、待办、Hacker News Top 20 到 Telegram，睁眼就有今日概览google-tasks：接入 Google Tasks，支持 token 自动刷新tech-doc-translator：中英技术文档互译research-prep：技术写作前的素材整理quick-capture：快速记录想法到 Obsidian
杂活
微软 MVP 每年 renewal 需要手动提交博客到 Portal，繁琐却绕不开。Nova 帮我优化了脚本，一次性批量提交了 44 篇文章，还顺手修了分类填错的问题。
Forge：我的编程搭档
Forge 是后期专门为 coding 场景搭建的 agent，Python 优先，风格务实。
搭好之后，我拿两个真实项目来磨合它。
一是把 Android 断食追踪 App 从头重写一遍（原生 Kotlin + Jetpack Compose）——核心功能、通知系统、多语言国际化，到单元测试和 UI 集成测试，基本都是 Forge 主力完成。
二是 Feed Pulse，一个 Telegram RSS 订阅机器人。取消了 Readwise Reader 订阅之后，还保留着 RSS 阅读习惯，索性让 Forge 做一个完全符合自己偏好的替代品，省下一笔订阅费。
除了写代码，Forge 也参与技术决策。比如一起做过 ZTM（ClawParty）Android 版本的可行性分析，最终决定暂时搁置——” 分析清楚再决定不做 “，这本身也是一种产出。
磨合下来的感受——Forge 更像执行力很强的工程师，需求交代清楚就能干得不错；但架构决策和踩坑经验，还是得自己来把关。
Assistant：全家的打杂 agent
Assistant 是三个 agent 里定位最轻量的，处理不需要深度 coding 能力的协作任务。
主要是协助组织了 GitHub Copilot Dev Days 广州 的筹备工作——CFP 征集文案的撰写、海报制作。
但 Assistant 的 " 客户 " 不只是我。我太太做 HR，偶尔也会把工作数据扔过来——人力成本数据整理、计划总结。它不挑活，照单全收。
结果这一用，太太被直接俘获了，我也顺手帮她搭了一套。
OpenClaw 的杀手锏，原来是家庭渗透。
横向复盘
安全第一
把 OpenClaw 部署在公有云而不是本地，核心原因就是隐私安全。本地机器上有太多个人数据，不想给 agent 过多接触的机会。
虚拟机上只给必要权限，机器不对外暴露端口，SSH 以外外部无法直连。Agent 能力越强，边界就越重要——我不介意它帮我干活，但它在哪里运行、能碰什么、不能碰什么，我需要心里有数。
适合外包的
重复性强、输出明确的任务：批量处理、数据整理、写脚本，交给它，自己去干别的。
有明确规格的功能开发：输入输出定清楚，Forge 能独立完成一个功能的完整实现，测试和文档一起补。
需要自己把关的
对外发布的内容，最终还是要自己过一遍。Agent 能做大部分，但剩下的那些往往是最能体现个人风格和判断的地方。架构决策类似——用来讨论和分析可以，但不能完全交托。
一个意外的发现
AI agent 正在让 " 自己造 " 这件事变得可行。
以前付费订阅某个工具，往往不是因为需求有多复杂，而是 " 自己做太麻烦 “。现在这个理由越来越站不住脚了。Feed Pulse 就是一个例子——花几个小时，做出一个完全符合自己偏好的 RSS 阅读器，顺手省了一笔订阅费。
这个逻辑，正在被 AI agent 一点一点打破。
值得吗？
值得。
不是因为它完美，而是因为它改变了我处理事情的方式。很多以前会拖着不做的事——写脚本、整理数据、推进项目——现在有了一个随时可以协作的对象，反而做成了。
38 天，三个 agent，这只龙虾，算是正式入职了。
