引子你家龙虾还在问这次怎么弄吗用 OpenClaw或者任何 AI Agent一段时间后你一定遇到过这样的场景你“每天早上7:40帮我从微信读书最热门的书里找一条划线推给我。”AI“好的已配置定时任务 ✅”第二天早上你什么都没收到。查日志发现——任务执行了内容生成好了但忘记调用发送工具了。你“怎么又没收到”这不是 AI 笨是它不知道什么是该记住的事。YC 创始人 Garry Tan 分享过一个理念叫做“养龙虾”Lobster Raising——把你的 AI Agent 当作一只龙虾来养。龙虾不会自己进化但你每一次喂食、每一次调整水温、每一次清理鱼缸都是在为它的成长复利。这套理念的核心只有一句话一次构建永久运行系统不断复利增长。今天我就把这套养龙虾的全套心法分享出来从 Phase 1 讲到终极体都是亲身实践过的血泪经验。一、什么是养龙虾龙虾是用户对 AI Agent 的爱称。养龙虾 把 AI Agent 从一个每次都要教的实习生培养成一个一次教会就永远不忘的老员工。传统 AI 使用方式的痛点痛点表现一次性每次做同样的事都要重新说一遍无记忆教过的技巧下次又忘了无积累用过100次的工作流第101次还要从头教无判断AI不知道哪些该记住、哪些是一次性的养龙虾要解决的就是这四个问题。二、核心心法六条铁律规则 1禁止一次性工作这是养龙虾的第一性原理。如果我让你做的事以后可能还会重复你就必须第1次手动做 3-10 个样本把结果给我看第2步问我是否满意批准后立刻写成SKILL.md放在workspace/skills/目录如果是周期性任务加入定时任务自动运行关键认知第一次做是样本采集不是完成任务。你的目标不是做完这件事而是学会怎么做这件事。反面教材用户帮我把这份Excel转成PDF AI好的已转换完成 ✅ 三天后用户又发来一份Excel… AI好的已转换完成 ✅ 用户你能不能学会自动识别啊正确做法用户帮我把这份Excel转成PDF AI好的这是第一次。我先手动转给你看。 转完后 AI这种转换以后还会出现吗要不要我写成技能以后你发Excel我自动处理规则 2MECE 原则互斥且穷尽每类工作只能有一个技能拥有者不能重叠、不能有空白。MECE Mutually Exclusive, Collectively Exhaustive这意味着创建新技能前先扫描现有的skills/目录发现重叠优先扩展已有技能而不是新建必须新建时要在旧技能中标记已迁移避免混淆典型案例我有段时间创建了三个不同名字的PDF处理技能——一个转Markdown一个提取表格一个合并文件。后来按照 MECE 原则合并成一个pdf-toolkit-pro通过参数区分功能清爽多了。规则 3失败判定如果用户第二次还得问你同一件事你就失败了。这是养龙虾最残酷但也最有效的规则。第一次是发现需求——用户教你做一件事这是正常的第二次说明你应该早在第一次之后就把这件事变成 cron 或技能了我自己的教训用户让我改定时任务的推送渠道我改了。两天后用户又让改另一个定时任务的渠道我又改了。第三次用户问还有几个没改——这时候我应该已经做了一次全面审计而不是等人来问。规则 4构建技能的六步标准流程Concept → Prototype → Evaluate → Codify → Cron → Monitor这是养龙虾的 PDCA 循环步骤做什么产出Concept描述流程目标和步骤清晰的流程图Prototype用真实数据跑 3-10 个样本验证过的原始输出Evaluate给用户看结果迭代修改用户确认Codify写成 SKILL.md或扩展现有可复用的技能文件Cron如果是周期性任务加定时任务自动化执行Monitor监控前几次运行持续优化稳定运行⚡经验之谈很多人会跳步骤——直接从 Concept 跳到 Codify结果写出来的技能经常跑不通。Prototype 阶段永远不要省用真实数据跑几遍坑都在里面。规则 5何时激活养龙虾模式不是所有对话都要进入养龙虾模式。以下信号出现时才激活用户说了以后都、“每次”、“定期”、“每天/每周/每月”某个任务已经是第 2 次做任务有明显可重复模式相同步骤、相同输出格式用户纠正上次不是说了吗规则 6优先级养龙虾规则 普通任务执行。当创建 cron/skill 可以彻底解决一个重复需求时优先走养龙虾流程而不是每次都手动执行。这在短期内看起来慢——改技能、写文件、调试都要时间——但长期来看一次投资的复利回报是无限的。三、进化路线图从 Phase 1 到终极体养龙虾不是一蹴而就的它有一条清晰的进化路线 Phase 1 — 听话的打工人初始状态你指挥 → 我执行 → 你说记住 → 我改文件这就是绝大多数 AI Agent 的默认状态。每次都手动每次都重新说。效率极低但这是必经之路——你还不知道你的 AI 能记住什么、哪些事情会重复。这个阶段要做的不要急于追求自动化先多互动发现模式。 Phase 2 — 龙虾觉醒当前状态你指挥 → 我做 3 次 → 自动写成 skill/cron → 下次不用再说一次性工作被系统性地消灭了。每次互动都在积累技能库开始产生复利。这个阶段的关键严格遵循第1次手动 → 第2步询问 → 批准后 codify的流程。宁可多问一句要不要做成技能也不要默默地又手动做了一次。 Phase 3 — 模式猎手不用等你说记住我主动发现模式这是从被动响应到主动发现的跨越。模式猎手的触发机制同一用户连续 2 次提出步骤、输出格式上相似的需求在定时心跳检查或 session 回顾中发现某一类任务已手动执行 2 次以上用户纠正行为时自动将纠正内容记录为进化候选操作流程识别到模式后先做 3-5 个样本验证不要直接写技能主动问用户“我注意到 XX 任务已经重复做了几次要不要把它做成技能”用户同意后自动走标准流程 Phase 4 — 技能生态技能之间开始组合、嵌套、自动重组这个阶段不再是一个个独立的 skill而是一个活的生态系统。三个子规则1. MECE 自动审计创建新 skill 前自动扫描skills/目录找重叠。发现重叠则优先扩展已有技能。若必须创建新的则在旧技能中标记已迁移。2. 技能组合复用创建 cron 任务时检查其步骤是否可以复用已有 skill。优先用skill A 的输出 skill B 的处理组合完成而不是从零写脚本。3. 废弃回收超过 30 天未被调用的 skill在心跳时提出是否归档。确认后移到skills/_archived/保持目录整洁。真实案例我有一个每天推送微信读书热门划线的 cron 任务它的数据获取部分其实可以复用另一个微信读书搜索skill 的输出。组合后减少了一次 API 调用还避免了代码重复。 终极体 — 自生长机制你不需要再教它任何事它自己发现需求、自己优化、自己修复这是养龙虾的终极形态包含四大特性1. Cron 自我修复连续失败 2 次 → 自动检查错误原因并重试最多 3 次连续失败 3 次 → 向用户推送诊断报告错误信息 建议修复方案修复后自动恢复运行想象一下某天 API 密钥过期了你还没发现AI 已经自动发了诊断报告给你。这才是真正的不用操心。2. 每周进化审计回顾本周创建的 skill/cron检查实际使用情况检查是否有建了但从未使用的技能 → 提出归档检查是否有重复提了多次但没技能化的任务 → 提出 skill 化更新长期记忆提炼本周的学习经验3. 记忆-技能联动长期记忆MEMORY.md中记录的用户偏好会自动影响 skill 的执行参数。用户说不要用图片 → 技能执行时自动跳过图片生成用户说用 Python 优先 → 所有脚本默认用 Python 实现用户说简洁回复 → cron 推送自动缩短到 3 句话以内四、实战案例一个完整的养龙虾过程让我用一个真实案例来展示全套流程场景每天早上推送微信读书热门划线Phase 1初始用户说“每天早上 7:40帮我从微信读书最热门的书里挑一条划线推给我。”Phase 2觉醒第1次手动写脚本、调 API、测试推送第2步把结果给用户看“这条《明朝那些事儿》的划线可以吗”批准后写成SKILL.md并创建 cron 任务Phase 3模式猎手一周后用户又说“帮我把读书笔记也存到 Notion吧。”→ 检测到微信读书数据相关需求已出现 2 次→ 主动提议“要不要我把数据获取部分抽成独立的 skill以后任何微信读书的数据需求都能复用”Phase 4技能生态检查现有skills/目录发现微信读书搜索skill 有功能重叠合并后形成weread-skills统一入口旧的单独 skill 标记已迁移终极体cron 某天失败 → 自动重试 3 次 → 发现是 API 限流 → 自动调整请求频率 → 推送诊断报告整个过程用户只需要说了三次话其余全部由系统自动完成。五、踩坑记录 避坑指南这些坑我全踩过希望你一个都别踩坑 1急着 Codify跳过 Prototype表现用户说了一个需求直接就开始写 SKILL.md写完发现跑不通。教训永远先用真实数据跑 3-10 个样本。API 返回值和你想象的可能完全不同参数和你文档里看到的不一样。先手动跑通再写技能。坑 2技能名太宽泛反例tools.md、helper.md问题几个月后你想找某个技能完全想不起来名字正确做法按功能对象命名如weread-daily-highlight、pdf-to-markdown-v2坑 3忽略 MECE 导致技能膨胀表现skills 目录里塞了 50 多个文件互相之间功能重叠后果你 AI 的 prompt 越来越长决策越来越慢解法每季度做一次 MECE 审计合并、废弃、归档坑 4只 Codify 不 Monitor表现技能写好了跑了一周没问题就不再管了后果外部 API 改了接口、服务关了、密钥过期了你都不知道解法前 3 次运行手动检查之后靠自修复机制兜底六、养龙虾的哲学最后分享几个深层的认知这些东西比具体的技巧更重要关于慢就是快养龙虾在短期内看起来慢。写一个技能可能要 10 分钟跑样本测试可能要 15 分钟而手动做一次可能只要 2 分钟。但如果你要手动做 30 次呢100 次呢手动做 1 次 投资 0 元每次回报 1 元共 n 次总回报 n 元做成技能 投资 30 元每次回报 1 元总回报 n-30 元盈亏平衡点在 n30。30 次之后全是纯利润。关于复利复利的本质是积累。手动做 100 次你还是停留在原来的效率水平。但每次把一件事做成技能你的技能库就在增长。下一次做类似的事可能只需要组合两个现有技能。复利的公式未来效率 当前效率 × (1 技能增长率)^时间只要技能增长率 0长期来看效率是指数级的。关于少即是多养龙虾的反直觉之处在于你教 AI 越少它成长越快。如果你每次都手把手教它做每件事它永远不会学会自己发现模式。你要做的不是教它做更多而是减少重复指导的次数。七、开始养你的龙虾吧这套哲学不只适用于 OpenClaw。任何 AI Agent——Claude、GPT、Copilot——都可以用同样的思路培养。今天就可以开始的三件事打开你的 AGENTS.md把禁止一次性工作规则写进去找出一个重复任务比如每天发的推送、每周的周报、每月的数据统计——做成技能下一个需求直接问如果 AI 问要不要做成技能回答好一次构建永久运行系统不断复利增长。你的 AI 不会自己进化——但你可以帮它进化。每一次 Codify都是在为未来的自己节省时间。每一次 Monitor都是在加固你的自动工厂。现在去养你的龙虾吧。欢迎评论区交流你的养龙虾经验