收敛
山姆最近动作真快。GPT 5.4 一出来，我立马就感受到了质的提升。
说实话，之前虽然一直续着会员，但心里总觉得 GPT 也就在编程上靠 Codex 撑着场面，其他时候还是更愿意去找 Gemini 聊天。但这次不一样了，体验确实上了一个台阶。
最近和 GPT 5.4 对话时，我注意到它特别爱用一个词——“收敛”。上次听到这个词还是和损失函数放一起。
什么意思呢？
对话刚开始的时候，它的回答是发散的，天马行空，什么都能聊。但随着你不断追问、加约束条件，它的回答范围会越来越窄，最后精准地落在一个确定的点上。整个过程就像一个漏斗，从宽口慢慢收窄，最终汇聚到出口。
我盯着屏幕看了一会儿，突然意识到这个词用得太准了，还挺有意思的。
最近还是试了很多 ai 玩具，年后也随着大流养起来了龙虾宝宝 OpenClaw，取了一个小甜心的名字~我让她每 2 个小时都去社区上转悠一圈学习点新东西，然后记在笔记本。大概有种望子成龙的感觉把。
它在到处逛，到处试，在一片混沌中摸索，期待着某一天突然给我找到了有意思的新方向，又或者赚钱的新方向。
方向在哪儿？我和我的龙虾都还妹没散呢！
边界
折腾这些 AI 工具的过程，让我开始琢磨一个问题：这些工具的边界到底在哪儿？
从 GPT 到 Claude Code，从 Codex 到现在的 OpenClaw，每个工具都在说“我能帮你做更多事”。但“更多”到底是什么？没人给你答案。正是这种不确定性，让我一直往下挖。
OpenClaw 就是在这个背景下进入我视野的。说实话，刚开始我也不知道要拿它干嘛，就是看社区里大家都在讨论“养小龙虾”，我也跟风养了一只。
折腾到现在，我给它安排的活儿大概就这么几件：每天生成 AI 日报，从我关注的信息源里抓内容，按格式输出；设了个定时任务，让它每两小时出门转转，学点新技能，碰到有意思的东西就发给我；还有就是当灵感助理，我随手扔个想法过去，它帮我整理好塞进 Obsidian 笔记本。
听起来挺实用？
但冷静下来想想：前面那些事儿，用 Perplexity 或者一些开源的工具能搞定的棒棒的；笔记整理，说实话 Obsidian 已经绝中绝了。
可能是因为我平时也一直在用 Claude Code 和 Codex，OpenClaw 给我的感觉就是权限更大的 agent。惊艳，但没震撼。它把之前散落的能力拼到一起，给了更大的系统权限，但本质上还是那套逻辑：接指令、规划任务、调工具、返结果。
用“收敛”这个概念来理解的话，OpenClaw 给了我一个更大的发散空间，但没告诉我该往哪个方向收敛。
我开始问自己：我到底是在用 OpenClaw 做事，还是为了用 OpenClaw 而找事做？
克制
想到这里，我决定先停下来，诚实地面对一个问题。
最近我注意到一个挺有意思的现象：很多人其实连 AI coding 是什么都不太清楚，没听过 Claude Code，没用过 Cursor、Trae 这些 AI IDE，但他们直接就知道了 OpenClaw。有点像去年的 DeepSeek——出圈的不一定是最基础的，而是最有话题性的。这意味着有一批人是跳过了整个基础阶段，直接冲到了最前面。
所以我想先说清楚：这篇文章不是教程，不是教你怎么装 OpenClaw 的。 它就是我自己在学习和折腾过程中的一些小思考，想到哪写到哪。如果你也在摸索阶段，也许能有点共鸣；如果你已经玩得很溜了，当看个乐子就好。
说两句不太好听但可能是实话的话。
OpenClaw 对很多人来说，可能就是个玩具。它还没成熟到普通人能直接上手的程度。你得懂点编程，得知道 cron job 是什么，得会配环境变量，得明白 API 调用的逻辑。这些对极客来说不算事儿，但对普通用户来说，每一个都是劝退点。
还有就是，很多应用落地场景，可能真的就是极客玩玩的。我看社区里那些“酷炫应用”，仔细想想，有多少是真解决了实际问题，又有多少只是“因为能做所以做了”？就像我让龙虾每两小时出门学习，听起来很酷，但它带来的价值真的抵得上我配置它花的时间吗？
这两句话听起来挺丧。但承认了这一点，我反而能更清醒地看待 OpenClaw 的定位：它现在还是个需要你投入时间去“养”的宠物，不是拿来就能用的工具。
如果你问我普通人该怎么入门，我会说，别直接上 OpenClaw。从 Claude Code 或者 Codex 或者一些编程 IDE 开始，学习曲线会平缓很多。先熟悉 AI 辅助的基本逻辑，再去搞自动化脚本，理解任务编排和工具调用，最后再碰 OpenClaw 这种自由度高的东西。
但这个渐进式的路径本身也是个收敛过程。你从一个广阔的可能性空间开始，通过不断试错和加约束，慢慢找到适合自己的用法。我现在还在这个过程的早期，还在到处试探边界。（对了，如果真想装的话，建议先装个 Claude Code 或者 AI IDE 比如 Trae，然后让它们帮你装 OpenClaw，省心很多。）
瑞士军刀与添堵
现在我 tokens 拉满了，Claude 4.6 + GPT 5.4 + GLM5 fallback，我却不知道该拿它们干嘛。
有点感觉自己陷进了一个怪圈：有了一个牛逼的工具，却不知道用它来解决什么问题。
可能我还在探索各种可能性的阶段 haha，但始终没找到那个让我愿意深入下去的方向。
偶然有一次，我刷到阑夕写的一条微博。他说他最近被各种 AI agent 搞得很烦——有人让 AI 自动回复邮件，结果给他发了一堆格式化的废话；有人让 AI 批量生成内容，结果到处都是似是而非的垃圾信息。他的结论特别扎心：
“你们这些玩 AI 的，能不能别老想着‘我能用它做什么’，先想想‘我会不会给别人添堵’？”
我看完愣了一下。
这有点像我玩 ai 嘎。拿着瑞士军刀到处翻刀片，焦虑找不到钉子；而在别人眼里，我可能就是那个拿着刀到处乱戳，还问“这刀够不够锋利”的人。
这个视角给了我一个意外的启发：也许“收敛”的方向，不是找到一个牛逼的应用场景，而是学会克制——知道什么时候不该用工具。
我能想到的场景还是太局限了，基本都集中在信息整理和笔记管理上。但 OpenClaw 这么大的权限，应该能做更多事儿吧？自动化的数据分析和可视化？跨平台的内容聚合和分发？个性化的学习路径规划？创意项目的自动化执行？每一个方向听起来都很诱人，但现在我多了一个判断标准：这件事做出来，会不会给别人添堵？抛开花里胡哨的，对我自己真的有用吗？
想明白这一点之后，我反而不那么焦虑了。
回到开头“收敛”这个概念，我突然想明白了一件事：也许我现在就应该处于发散阶段。但这个发散不是盲目的乱撞，而是带着边界意识的探索——我可以继续试各种可能性，但要时刻问自己：这个方向对吗？会不会越界？
让龙虾宝宝每两小时出门转转，让它自己去学习、去发现——这本身就是个发散的过程。我自己到处薅羊毛，试各种 AI 工具，探它们的边界——这也是发散。也许玩 OpenClaw 的意义，不在于立刻找到一个明确的目标，而在于通过这种发散式的探索，慢慢积累经验，慢慢理解这些工具的本质，然后在某个时刻，自然而然地收敛到一个我真正想做的方向上。
发散
最近我也在到处翻 OpenClaw 的应用案例，就想找点有意思的玩法。说白了就是把它当个玩具，边玩边找方向。这个过程本身就像打游戏一样——刷图、试错、攒经验，从发散慢慢收敛。
所以，有好玩的案例记得发我。
也许这种煎熬本身，就是收敛之前必经的发散阶段吧。
就先这样。