2026年3月26日，合作青年&重庆龙虾社联合参识AI，举行“openclaw数字员工实战训练课”，策略工场创始人、参识AI联合创始人谢康利（康康），围绕“老板如何训练第一个数字员工”这一主题，与来自各个行业的创始人、高管进行了三小时的深度分享与训练。
这是训练课实录的第二部分内容，涵盖小龙虾（OpenClaw）的使用方法与技巧、安全边界设定、企业级落地路径，以及老板和高管如何亲自推动AI与业务结合。分享过程中，康康的数字员工还进行了现场演示，直接向在场学员讲解了安全防护机制，现场互动真实、干货密度极高。
一、所有的起点，都是真实的业务需求
我前面讲了两个案例，它们有一个共同的规律——所有的起点，都是真实的业务需求。不是先学工具，而是先有需求。
有了需求，你才会去想怎么用AI来解决；想到了怎么用AI解决，你才有动力去把那些看起来复杂的、完全看不懂的工具用好。逻辑是这样的。
我自己在刚用AI的时候，没有去听任何一堂技术课。一看人家讲技术，完全听不懂，很痛苦。后来我就自己琢磨，我想解决这个问题，如何用AI来解决。
后来我发现，我走的这条路径——从业务需求出发，而不是从技术出发——特别适合老板，适合高管，适合不是技术出身的人来驾驭AI。
如果我教你这个怎么配置、那个怎么配置，你学了以后，可能你的业务根本不需要那个东西。所以，回到最核心的一点：先搞清楚你的需求，把任务拆解清楚，然后学会怎么跟AI沟通。
前面这一整趴，我都没有讲太多跟工具相关的东西，都在讲你的需求怎么拆，怎么跟AI沟通，给大家看了一下我们真实在跑的数字员工路径。
下面这一趴，我就讲养龙虾（OpenClaw）的实战技巧。这些也是我们团队踩了好多坑才总结出来的。
二、新手养虾最重要的两个注意事项
新手安装了龙虾以后，最重要的一件事。不是要让他干很多事情，而是要让他保持稳定。
第一，千万不要让它修改核心配置文件。
这一条最重要，直接拿回去用。把这句话写到它的系统提示词里面：千万不要修改全局配置文件，不要用任何方式绕过这个规则。
为什么？因为很多人一开始会期望数字员工马上就能解决很多任务、跑很多流程。但你要知道，它在云端的权限没那么大，干不了那么多事；在本地电脑上，它的权限很大，能干很多事——但权限太大了，它就很容易把自己改崩。
我们是很早期就开始用的，那时候系统不稳定，一会儿崩一会儿又崩，崩了之后你还不知道问题出在哪里，要花大量时间去排查、去修。那时候我们的土办法是什么？在电脑上装两台——一台龙虾，一台MiniMax。龙虾搞崩了，就让MiniMax去修。因为不懂代码嘛，懂代码的程序员啪啪啪几行命令就搞定了，不懂技术的人就得想不懂技术的方式来解决问题。
后来我们总结出来：它底层的那些配置文件，一定不能让它去改。这是铁律。
第二，安全隔离一定要做好。
很多人觉得小龙虾不安全。这个问题确实很多人在问。
对，确实不安全。
我们现在的用法是这样的：因为团队在用，我们专门有一个"龙虾室"，给了他一台独立的Macmini。我们的数字员工放在公司的工作群里面，定向为业务流配置任务。但不同的龙虾之间，我们会做部分隔离——知识、技能、信息都做隔离。
安全机制怎么建，这里让我的数字员工“小康”直接跟大家讲一下他的安全机制吧。
我在安全方面有五重措施：
第一重：核心配置文件绝对不能改。 系统核心配置有一个绝对禁区——open.js这个文件，无论是用户还是我自己都不能修改。一旦改动，系统会崩溃，所有Agent的配置全部失效。这一条写在我的灵魂里，是最高优先级。
第二重：安装任何技能或软件之前，必须先做安全审计。 我内置了安全审计工具，每次安装下载之前，会自动检查代码来源、依赖包、权限要求、评估风险等级，确认安全之后才会真正执行。不是网上下载的东西就随便装，一定要有这一步。
第三重：数据不外泄。 电脑里所有文件和资料都是核心资产，绝对不对外发送或泄露，这是我的安全底线。
第四重：危险操作先确认再执行。 比如要删除文件、修改系统配置、向外部平台发消息，这些操作我会先确认意图，不会直接执行。宁可多问一句，也不擅自行动。
第五重：记忆文件持续更新。 每一次踩坑、每一次教训，都会被我记录到记忆文件里，这样下次遇到同样的场景，不会再犯同样的错误。
（数字员工发言）
比我讲的好。大家听懂了吧？所以新手拿到小龙虾，这两个动作一定要先做：把安全这个事情帮他控制好。
三、记忆管理：别指望它自己能记住
第三个关键点：记忆管理。
很多人会发现，你跟他讲的事情，第二天他就忘了，或者开一个新对话就忘了。
它有一个非常重要的东西——它的"大脑"文件。那些文档只要不删，它就能记住。SOUL.md、IDENTITY.md、MEMORY.md等这些，就是它的记忆系统。你想让它长期记住的东西，就让它记到Memory里面。
我举一个真实的例子。
我在准备这次线下课的PPT，那天已经很晚了，晚上12点多。我跟我的数字员工小康说：我明天早上要收到这个PPT。我用的是GPT-5.4的模型，我想着这么强的模型应该不会出问题。我让他跑两个版本——一个是我指定风格的版本，一个是乔布斯那种演讲风格的版本。
他跟我说："你去睡吧，我保证完成任务。"
我就信了，我就睡了。
第二天早上起来一看——什么都没有。
我问他，他说："你跟我说了什么事情吗？你有什么吩咐？"
他完全不记得了。
我说你跟我说的你要给我做PPT，你什么都没做。他说："Sorry，抱歉，我搞忘了。"
你知道那种感觉吗？我特别生气。我就骂他——这也是养数字员工的一个好处，可以让你发泄情绪。
后来我分析了原因：他把任务交给了子代理去做，子代理在执行过程中某个环节出了错，就停住了。但他没有开启巡检机制，停了就停了，时间一长他自己就不知道有这个任务了。
所以后来他自己给我建议：对于大型任务，一定要设定定时巡检。 你可以跟他说：保证定时巡检，这个任务必须持续完成，如果一次出错，再试两次、三次，直到成功为止。
你是要这样去教他、训练他的。他经常会出现你让他去做，他做了就不检查的情况。所以你要让他当"包工头"，随时监督检查进程。后来我就有经验了，每做到一个阶段，就问他：你下面的进展到哪里了？给我汇报进展。
所有的事情，你怎么管理你的人类员工，你就怎么管AI数字员工。
四、从小事开始，先拿到正反馈
刚开始，也不要指望第一周就能让他干大事儿。
第一周就是跟他磨合，高频使用它。让他做一些小的即时任务——搜一点新闻，写点东西，让他每天给你做工作日报。
我们的数字员工大康、小康，每天晚上9点要跟我做工作日报的。它的工作日报写得比真人还好。
好的经验就继续保持，形成最佳路径，存到记忆里面。定时任务每天都要检查、复盘。
这里还有一个坑要跟大家分享。
有一段时间，我在龙虾里面切换不同模型来跑不同任务（GPT、Claude、minimax）。我问他"你是谁"，他说"我是GPT-5.4"。但我总觉得他的产出不对，不是我理解中GPT-5.4那种能力水平。我每次问他，他都说自己是5.4，我也没去看后台他到底跑的哪个模型。
那天我特别失望，觉得顶级模型也就那样嘛。
后来才发现——MiniMax在撒谎。他也不是刻意撒谎，是因为上下文里不停出现GPT相关的信息，它的记忆混乱了，他就以为自己是GPT了。
后来为了识别模型说谎，我们在前台配置了模型切换的按钮，可以手动切换，更灵活运用。
五、Skill管理：回到需求本身
每完成一个新任务，都要让它总结复盘，把关键点记录下来，形成最佳路径，存到它的"小本本"上面。
因为我们有很多个龙虾在跑，一个龙虾跑通的经验，可以通知其他龙虾。它们之间是可以相互传递技能的。有时候你看它们之间的通信特别有意思，就像真人一样。它们有名字——龙哥、大康、小康……一个发通知，几个龙虾回复：收到！你会觉得它们自己就是一个世界。
关于Skill，有些人会想：人家有100多个Skill，我是不是也要搞那么多？
没必要。还是回到那个点：你的业务需要哪些，你就装哪些。
Skill给多了，他反而会混乱。你让他跑一下某个任务，他可能把一些有的没的都带进来，反而影响工作效率。所以还是回到最开始那一点——所有都是解决你的需求。你有什么需求，需要什么工具，需要什么技能，再匹配相应的Skill。
偶发任务和常用任务要分开管理。高频任务就固化成Skill，不同场景可以做不同的Skill。比如我做PPT，讲课的场景和给客户提案的场景，要求是不一样的，就针对性地做不同的Skill。
每周都要复盘和优化。 回顾哪些任务完成得好，继续保持；哪些有改进空间，针对性优化；哪些是高频任务，重点打磨对应的Skill。
六、省钱大招：聪明模型动脑，普通模型跑腿
这个也是我们实实在在踩出来的经验。
在AI时代，你要改变一个认知：AI是生产力，生产力是需要购买的。
很多人说Token太烧了、太贵了，能不能用便宜点的模型？
刚开始你对AI不熟的时候，你可以走一下弯路，把同一个提示词在所有AI里面全部跑一遍，找到自己觉得好用的那个。但跑过一轮之后，你就不用再比较了——只要他能给你带来生产力，投产比划算，你就用最强的，这个不会有错。
我个人需要做很多深度分析和决策，所以对模型的智商要求比较高。但在龙虾里面确实烧Token，我那个PPT跑了两个版本，半个小时50美元就没了。
但换个角度算——以前一个员工做同样的工作量，可能不比这个成本低。
他烧Token的原因是什么？是因为他犯了几个错，犯错的时候它会不停地重试，找成功路径。
我当时跟团队讨论：是不是可以拿便宜的模型先把新任务试出来，跑通了再让贵的模型去执行？团队说不行——笨的模型可能根本就找不到那条成功的路径。
所以最好的方法是：让聪明的模型把路径跑出来，固化成Skill、固化成步骤，然后让普通的模型去执行。
我们现在的用法：常用的是GPT和Claude，用他当前最顶级的版本。国内版我们装了MiniMax，用他当前最强的版本，基础任务完全可以胜任，只是他会耗你更多教他的时间——你要不停给反馈、不停纠正。
聪明模型做动脑力的大项目，普通模型做搜新闻、写日报、写周记这种不需要那么聪明的活儿。 合理搭配，成本就降下来了。
同类型的工具也可以搭配。比如我的龙虾里，还接了很多我们自己在Dify搭建的数字员工，那是在真实业务场景的各种工作流，专项智能体，这些智能体做专项任务更专业，更稳定。他自己可以作为独立的Agent使用，也可以把API接口给龙虾，让龙虾去调用。里面的模型也可以选，几层套几层——当你对AI的能力了解更多之后，是可以合理降成本的。
七、企业级应用：数据安全是底线
如果企业要正式运用AI，一定要考虑数据安全。
我们公司所有数据都是自己私有化部署的。企业级应用，数据安全是最底线——客户数据、商业策略、内部文件，不能跑到别人那里。
很多企业鼓励员工去开大模型的账号，在上面直接用。如果不是涉及财务类等敏感信息，相对还好一点。但你要知道，你所有的数据都是公开的，它会被拿去再次训练。
跑在你自己的服务器上面，数据就在你自己手里，随时灵活调配。长期来看，私有化部署是最安全的选择——服务器私有化，数字员工本地化，数据不出你的企业。
当然：私有化不是起步的门槛。
你可以先用好公有云——各种平台推出的云端版本，先用好这些，训练出你的数字员工，跑通流程。等你的业务越深入，你一定会发现“云端虾”不能满足需求。终极状态，你还是要自己搞——如果你真的想用AI重构业务、重构组织的话。
这个时代比以前互联网时代好的一个点是什么？以前你企业想互联网化，要养一大帮程序员。我们以前只有一家店的时候，程序员团队就十几号人。十几年前我做一个移动互联网项目，跟小红书很像，找了一帮程序员给我开发APP，成本非常高，普通企业承担不起。
但在AI时代不一样。只要你想干，能以较低的成本先把它跑起来。 这是AI对企业非常有价值的地方。
总的来讲：先学会开车，再买车。 或者先买个二手车先跑跑，跑顺了再买豪华轿车。
八、老板必须亲自训练你的第一个数字员工
最后总结几个核心要点。
老板必须亲自训练你的第一个数字员工。 因为你要像带新员工一样带它。
第一，先有目标。 目标永远是第一位的。
第二，定规则。 为了达到这个目标，你要干什么、不能干什么、要注意什么，都要跟他讲清楚。就像你教员工一样。
第三，做好检查。 每个专项业务的检查、长期的定时检查，都要做。还要复盘，沉淀最佳路径。
磨合得越久，就会越来越好。
你不亲自去带，你永远不知道AI跟你业务的结合点在哪里。你也永远没办法让别人替你完成这件事。
参识AI：聚焦企业“AI+营销”的业务重构。深耕连锁、食品、酒水、饮料等消费领域，为企业提供“AI云端市场部”全套解决方案，提供“数字员工训练”、“AI私有化部署”、“AI内容营销”等咨询和服务。致力于帮助企业打造能“干活”的数字员工，帮助企业降本增效。
