✈️ AI 朝廷 | 在 OpenClaw 里当皇上,三省六部制多Agent协作

🏷 检索标签:#AI朝廷 #OpenClaw #Agent #龙虾 #AI

⭐️ 详情介绍:AI 朝廷是个装在 OpenClaw 里的 多 Agent 协作项目,好玩的当然是“当皇上”号令百官, 谁接话、谁拆任务、谁干活、谁复查 都先排好了。你在 Discord 或飞书里 @一下 就能使唤

  它把 司礼监、内阁、六部、都察院 都排进去了,省掉的是你自己反复盯 prompt 流转和结果返工的麻烦;尤其 都察院会在产出后再过一遍,代码和内容挨个审查放行。项目里还给了 明朝内阁制、唐朝三省制、现代企业制 三种制度可切换

📖 GitHub · danghuangshang

😌频道 |🙂群聊 |😋中文包 |☺️搜索
✈️ OpenCLI | 让 AI 直接调用网站和桌面应用,这个 CLI 野心有点大

🏷 检索标签:#OpenCLI #AIAgent #CLI #Playwright #Electron #AI #openclaw

⭐️ 详情介绍:OpenCLI 是个 AI Native 的命令行项目,把原本只能手点的网站、本地工具、Electron 应用,统统改造成 AI 能直接调用的 CLI。它 复用你自己的 Chrome 登录状态 去操作网站,避免风控

  像 B站、知乎、小红书、X、Reddit、YouTube 这些站点,还有 gh、docker 这类本地工具 都支持;再加上 explore 自动摸功能、synthesize 生成适配器、动态注册命令,很多原本得自己慢慢弄得东西接,它先帮你干起来

📖 GitHub · OpenCLI

😌频道 |🙂群聊 |😋中文包 |☺️搜索
✈️ pikpaktui | 一个给 PikPak 用的 Rust 终端客户端,/My Pack 终于不用再手动收拾了

🏷 检索标签:#pikpaktui #PikPak #OpenClaw

⭐️ 详情介绍:这是个给 PikPak 用的 Rust 终端客户端,如果你受够了 /My Pack 越堆越乱、每次都得 手动挪文件。且常使用pikpak存片、并且会使用 OpenClaw,那么用它后能把My Pack新内容自动归档到到电影、剧集、动漫这些目录,播放器挂载 WebDAV 基本就是 直接看

 pikpaktui真正有特色的是:TUI 全键盘操作,CLI 也给了 JSON、dry-run 和并发下载,整理、搬运、离线拉资源都能写进脚本;再加上它是 纯 Rust、少装依赖,使用体验不是很磨人

🔎 官网 · 📖 GitHub · 🪟 下载

😌频道 |🙂群聊 |😋中文包 |☺️搜索
🦞OpenClaw CN,OpenClaw汉化版:开源个人 AI 助手中文版,全流程搭建教程,以及排错指南!

特点说明
开箱即用
npm 一键安装 / Docker 一键部署,不需要手动打补丁
实时同步
每小时自动从官方仓库拉取最新代码并构建
双版本
stable(稳定版)和 nightly(最新版)可选
深度汉化
CLI + Dashboard 全中文界面


🏷标签:#AI #OPENCLAW #汉化 #教程

链接:点击获取

频道 😮群聊 投稿 🌍中文
awesome openclaw usecases:Openclaw案例合集,收集了 OpenClaw 真实应用案例

🏷标签:#AI #OPENCLAW #案例 #合集

链接:点击获取

频道 😮群聊 投稿 🌍中文
OpenClaw 小龙虾的几个网站

OpenClaw101:小龙虾资源聚合
https://openclaw101.dev/zh

ClawHub:Skill 聚合
https://clawhub.ai/

标签:#AI #OpenClaw #网站
所以你真正該問的問題只有一個:「我的一個小時值多少錢?」如果你是開發者、是創作者、是任何用時間換錢的人,請認真算這筆帳。用便宜模型省下的 API 費用,可能還不到你多花的時間值的十分之一。



#我的模型分層策略

基於目前的測試結果,我暫時是這樣分配的:

日常快速回覆:Grok 4.1 Fast。速度快、價格低、品質堪用,適合處理不需要太高智商的日常任務。

需要深度思考的任務:看情況切回 Sonnet 4.5,或者等 DeepSeek V3.2 速度改善後再考慮。有些任務就是需要聰明的腦子,這上面不能省。

最頂級的任務:Claude Sonnet 4.5,甚至 Opus。寫長文、做複雜分析、處理需要高度理解力的工作,頂級模型的品質差距在這些場景最明顯。

核心邏輯就是:用任務的重要程度來決定用哪個等級的模型,而不是一刀切只用最便宜或最貴的。



#給同樣在找替代方案的人的建議

如果你也在考慮從頂級模型往下探索便宜的替代方案,以下是我的幾個建議:

第一,先想清楚你的時間值多少錢。這是所有決策的起點。如果你的時間很值錢,省 API 費用的同時浪費大量時間來引導模型,是一筆虧本的買賣。

第二,Benchmark 分數不等於實際使用體驗。MiniMax M2.5 的跑分看起來不錯,但實際用起來跟頂級模型差很遠。別被數字騙了,自己試過才知道。

第三,不要期待一個模型通吃所有場景。這是我目前最大的心得。不同等級的模型適合不同的任務,學會分層使用才是最有效率的策略。

第四,如果只能試一個,先試 Grok 4.1 Fast。以 Budget 等級來說,它目前是我測過最均衡的選項。速度、價格、品質三個維度都有一定水準。

我還在持續測試更多模型,之後有新的發現會再更新。對了,已經有大神問我 Qwen3 Coder Next 測過了沒,還有最近剛推出自家 Claw 的 MoonshotAI Kimi K2.5 我也還沒試。下一步可能會接著測測看這兩個,目前就先用 Sonnet 4.5 跟 Grok 4.1 Fast 撐著,等有新心得再來更新。

#OpenRouter #OpenClaw #AIAgent #Claude #Grok #DeepSeek #LLM #模型比較 #AI助理
 
 
Back to Top