以我的親身體驗,談談如何正確理解"養蝦"
該圖表為AI制作 請結合文章內容做參考
例如我讓KimiClaw生成港股通593只股票的市值分布圖。壹開始顯示漢字不對，提示後它還自己下載漢字字庫解決了問題，畫出圖來，像模像樣的。但我再仔細看，完全不對，這些股票的市值都是胡編亂造的！也不是完全胡編，還編得和真實數字有點接近。而這個市值分布柱圖也是不對的，因為市值都弄錯了。我問它怎麼回事，它坦白是因為網絡搜索找不到市值數據，就自己編了。
該圖表為AI制作 請結合文章內容做參考
我不斷想辦法讓它改進，如給它找靠譜的股票信息API，它甚至想讓我交壹年上千去接入壹個財經API。付出艱苦的努力，找到騰訊財經API可以返回靠譜信息，讓它做了壹個“港股通信息查詢”skill，才把圖畫出來了。什麼叫市值，也需要給它定義，因為有些股是A股與港股都上市的，市值應該是各自上市的股本分別乘以A股、港股的股價再相加。但我最近發現最終做出的圖還是有問題，說市值5000億港元以上的股票16支，但寧德時代不見了。
我了解壹些大模型算法原理，在日常使用大模型的時候就非常注意幻覺、編造等問題。這方面問題很大，人們非常容易上當，網絡上已經有非常多大模型編造的內容。在使用OpenClaw的時候，我發現幻覺、編造的問題要嚴重得多，要更加小心。
當我們發現大模型不靠譜的時候，指出來問題，它往往能自己改正。但是，OpenClaw出錯了，要去修它，要難得多。如果沒有壹定水平，往往就不太容易用好OpenClaw，實際問題非常多。有時看著結果不錯，但不壹定靠譜，還是需要多加小心。有些用戶反應，用OpenClaw做任務不難，但查它靠不靠譜很累，我也有同感。
從原理上來說，目前對OpenClaw真不能太過信任。把重要的個人信息、財經信息，或者工作單位信息讓OpenClaw掌握，更是非常危險，安全漏洞極大。已經出了不少事了，金融公司、重點單位、壹些上市公司，都明確要求不許在單位電腦上裝OpenClaw。安全方面的漏洞筆者不太熟悉，但概念上肯定是漏洞極大，有不少文章指出。OpenClaw不少動作等於在互聯網無保護到處活動，為了完成任務找我要了壹些信息，是有危險。
筆者還是想特別強調“靠譜”這個事。有壹些OpenClaw流程，相關Skill整理得不錯、相關互聯網信息服務靠譜、基座大模型能力足夠，確實能夠幹壹些活。這些例子肯定也是海量的，但必須指出，這不是從天上掉下來的，不是OpenClaw開源了就有，而是需要相當多的開發試錯、整理打包的工作。
正確的理解是，OpenClaw是壹個開發框架，它讓人用自然語言指揮幹事，立刻就有結果，給人很大的震撼。但是，如果要讓它幹靠譜的事，就和人類學習編程語言壹樣，需要不少基礎知識，要會面對各類錯誤，耐心地“養蝦”。如果不會養，就會發現這東西並沒有那麼好玩，就和壹些人編程學不下去壹樣。
高手對OpenClaw原理與架構很了解，對要幹的事很了解，對調用的工具也了解，也會自己開發skills，把相關環節都調試得足夠靠譜了，就能組織出壹些不錯的自動工作流程。但有這個水平的高手，目前還不多。
很多人買電腦或者雲上裝了龍蝦以後，就有些茫然了，不知道能幹啥，希望本文對不了解OpenClaw原理的人有幫助。可以去學習高手總結的靠譜流程，模仿實踐；也可以去學習原理，針對性提升使用AI的水平；最後自己也變成高手，開發Skill，指揮OpenClaw組織流程，真正讓AI助理幫助工作生活。在這個過程中，壹定要注意，OpenClaw很不靠譜，絕對不能盲目相信，要有確實的證據，各個環節都確認可靠了，才可以放手讓它幹活。
版權說明 / Copyright Notice:
[物價飛漲的時候 這樣省錢購物很爽]
還沒人說話啊，我想來說幾句
例如我讓KimiClaw生成港股通593只股票的市值分布圖。壹開始顯示漢字不對，提示後它還自己下載漢字字庫解決了問題，畫出圖來，像模像樣的。但我再仔細看，完全不對，這些股票的市值都是胡編亂造的！也不是完全胡編，還編得和真實數字有點接近。而這個市值分布柱圖也是不對的，因為市值都弄錯了。我問它怎麼回事，它坦白是因為網絡搜索找不到市值數據，就自己編了。
該圖表為AI制作 請結合文章內容做參考
我不斷想辦法讓它改進，如給它找靠譜的股票信息API，它甚至想讓我交壹年上千去接入壹個財經API。付出艱苦的努力，找到騰訊財經API可以返回靠譜信息，讓它做了壹個“港股通信息查詢”skill，才把圖畫出來了。什麼叫市值，也需要給它定義，因為有些股是A股與港股都上市的，市值應該是各自上市的股本分別乘以A股、港股的股價再相加。但我最近發現最終做出的圖還是有問題，說市值5000億港元以上的股票16支，但寧德時代不見了。
我了解壹些大模型算法原理，在日常使用大模型的時候就非常注意幻覺、編造等問題。這方面問題很大，人們非常容易上當，網絡上已經有非常多大模型編造的內容。在使用OpenClaw的時候，我發現幻覺、編造的問題要嚴重得多，要更加小心。
當我們發現大模型不靠譜的時候，指出來問題，它往往能自己改正。但是，OpenClaw出錯了，要去修它，要難得多。如果沒有壹定水平，往往就不太容易用好OpenClaw，實際問題非常多。有時看著結果不錯，但不壹定靠譜，還是需要多加小心。有些用戶反應，用OpenClaw做任務不難，但查它靠不靠譜很累，我也有同感。
從原理上來說，目前對OpenClaw真不能太過信任。把重要的個人信息、財經信息，或者工作單位信息讓OpenClaw掌握，更是非常危險，安全漏洞極大。已經出了不少事了，金融公司、重點單位、壹些上市公司，都明確要求不許在單位電腦上裝OpenClaw。安全方面的漏洞筆者不太熟悉，但概念上肯定是漏洞極大，有不少文章指出。OpenClaw不少動作等於在互聯網無保護到處活動，為了完成任務找我要了壹些信息，是有危險。
筆者還是想特別強調“靠譜”這個事。有壹些OpenClaw流程，相關Skill整理得不錯、相關互聯網信息服務靠譜、基座大模型能力足夠，確實能夠幹壹些活。這些例子肯定也是海量的，但必須指出，這不是從天上掉下來的，不是OpenClaw開源了就有，而是需要相當多的開發試錯、整理打包的工作。
正確的理解是，OpenClaw是壹個開發框架，它讓人用自然語言指揮幹事，立刻就有結果，給人很大的震撼。但是，如果要讓它幹靠譜的事，就和人類學習編程語言壹樣，需要不少基礎知識，要會面對各類錯誤，耐心地“養蝦”。如果不會養，就會發現這東西並沒有那麼好玩，就和壹些人編程學不下去壹樣。
高手對OpenClaw原理與架構很了解，對要幹的事很了解，對調用的工具也了解，也會自己開發skills，把相關環節都調試得足夠靠譜了，就能組織出壹些不錯的自動工作流程。但有這個水平的高手，目前還不多。
很多人買電腦或者雲上裝了龍蝦以後，就有些茫然了，不知道能幹啥，希望本文對不了解OpenClaw原理的人有幫助。可以去學習高手總結的靠譜流程，模仿實踐；也可以去學習原理，針對性提升使用AI的水平；最後自己也變成高手，開發Skill，指揮OpenClaw組織流程，真正讓AI助理幫助工作生活。在這個過程中，壹定要注意，OpenClaw很不靠譜，絕對不能盲目相信，要有確實的證據，各個環節都確認可靠了，才可以放手讓它幹活。
版權說明 / Copyright Notice:
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
推薦: