装完 OpenClaw 之后，我把它变成了办公助手——一个月真实体验

装完 OpenClaw 之后，我把它变成了办公助手——一个月真实体验

导语

OpenClaw 装好了，Skills 也配了一堆，然后呢？

这是我一个月前的状态。装完之后兴奋了两天，新鲜劲一过，发现自己还是在用老方法干活——开 Chrome 查资料、开飞书看消息、开 Excel 对数据、开邮箱回邮件。OpenClaw 在后台安安静静地跑着，像一个被冷落的新员工。

直到有一天加班到晚上 11 点，对着一堆待整理的会议纪要发呆，随手对 OpenClaw 说了一句："帮我把今天三个会的录音转成纪要，按 TODO、决策、待跟进三个维度整理。"

五分钟后，三份格式统一的会议纪要摆在桌面上。

那一刻我意识到——不是 OpenClaw 没用，是我一直在用对待 ChatGPT 的方式对待它。 它不是一个问答机器，它是一个真的能帮你跑腿的助手。

这篇文章不是教程，也不是 Skills 推荐（那些之前写过了）。我想分享的是：过去一个月，我是怎么一步步把 OpenClaw 融入日常办公的，哪些场景真的好用，哪些是我交了学费之后放弃的。

一、先说心态：别想着"自动化一切"

刚开始用的时候，我犯了一个典型错误：试图让 OpenClaw 接管我所有的工作流。

邮件让它回、会议让它记、日报让它写、代码让它审…… 搞了三天，效果一塌糊涂。邮件回复的语气不对被同事吐槽，代码审查漏了关键 bug，日报写得像 AI 八股文被领导点名。

后来我想明白了一件事：OpenClaw 不是来替代你的，它是来帮你处理那些"烦但不难"的事情的。

什么叫"烦但不难"？就是你完全有能力做，但每次做都觉得烦、浪费时间、没啥技术含量的活。整理信息、格式转换、数据汇总、定期检查——这些才是 AI 助手的主场。

想清楚这一点之后，我的使用思路完全变了。

二、每天早上：5 分钟搞定"信息早餐"

以前怎么干

每天到公司第一件事：

  1. 打开邮箱，翻 30-50 封邮件，找出重要的
  2. 打开飞书，翻各种群消息，怕漏掉 @我的
  3. 打开浏览器，刷一遍 Hacker News、GitHub Trending
  4. 打开项目管理工具，看看今天有什么 deadline

这套操作下来至少 30-40 分钟。而且经常翻着翻着就走神了——本来是看邮件，结果顺手点进了一篇技术文章，一晃 20 分钟过去了。

现在怎么干

我给 OpenClaw 设了一个 Autopilot 任务，每天早上 8:30 自动执行：

每天早上 8:30 执行以下任务：
1. 检查 Gmail 邮箱，筛选出标记为重要的、来自 xxx@company.com 和 xxx@partner.com 的邮件，生成摘要
2. 汇总 GitHub 上我关注的仓库在过去 24 小时内的更新（新 Issue、新 PR、新 Release）
3. 抓取 Hacker News 前 15 条，筛选与 AI、区块链、Go 语言相关的内容
4. 把以上内容整合成一份早报，保存到 ~/Documents/daily-brief/ 目录，文件名为日期

到公司打开电脑，早报已经躺在那了。5 分钟扫一遍，重要的标记处理，不重要的跳过。

省下来的不只是时间，更重要的是注意力。 以前早上最清醒的半小时全花在翻垃圾信息上了，现在可以直接进入工作状态。

踩过的坑

邮件摘要一开始做得太简略，只给我一行标题。后来我在 prompt 里加了一句"对于带附件的邮件，列出附件名称和大小；对于需要回复的邮件，标注建议回复时间"，就好多了。

还有一个坑：GitHub 更新太多的时候，早报会变得很长。后来我加了条规则"每个仓库最多列 3 条最重要的更新"，控制住了篇幅。

经验：prompt 不是一次写好的，得根据实际效果反复调。就跟带新人一样，你得明确告诉它你要什么、不要什么。

三、会议纪要：从最烦的事变成最省心的事

我每周大概有 8-10 个会。每个会结束后要整理纪要，分发给相关方，跟进 TODO。

说实话，整理会议纪要可能是我工作中最讨厌的事情之一。听完一个小时的会，再花 20 分钟回忆谁说了什么、定了什么结论、有什么待办——头都大了。

现在的流程

  1. 开会时用飞书/腾讯会议录音（大部分会议工具自带转写功能）
  2. 会后把转写文本丢给 OpenClaw：
这是今天产品评审会的录音转写，帮我整理成会议纪要，格式如下：

## 会议信息
- 时间/参与人/主题

## 关键决策
- 列出会上明确做出的决策

## TODO 清单
- 列出每个待办事项，标注负责人和截止时间

## 分歧与待定
- 列出没达成共识的问题，以及下一步计划

语气正式但不要太僵硬，像是项目经理写的，不是 AI 生成的。
  1. 纪要出来后，我花 2-3 分钟过一遍，改几个细节，直接发群里。

效果

一场一小时的会，原来整理纪要要 15-20 分钟，现在连审核带修改不超过 5 分钟。

一周 10 个会算下来，每周省下来两个多小时。这两个小时用来写代码不香吗？

要注意的

录音转写的质量直接决定纪要质量。如果转写错误太多（比如把人名听错、把数字听错），AI 整理出来的纪要也会有问题。所以我现在会重点检查两个地方：人名和数字。

另外，有些会议涉及敏感内容，我不会用云端模型处理。这种情况下切到 Ollama 本地模型，虽然慢一点，但数据不出本机。

四、周报和日报：终于不用绞尽脑汁了

写周报大概是打工人最痛苦的事情 top 3。不是不知道自己干了什么，而是要把干的事情"包装"成领导爱看的格式，还得显得有条理、有产出。

我的做法：

  1. 每天随手在一个 txt 文件里记几句关键词——"上午：修了用户登录的 bug"、"下午：和产品对了推荐算法需求"。几秒钟的事，不用在意格式。

  2. 周五下午让 OpenClaw 处理：

把这周的工作记录整理成周报。要求：
1. 按项目分组
2. 每个项目下列出本周完成的事项和进行中的事项
3. 如果有阻塞或风险，单独列一个"风险项"
4. 语气参考这个范例：[贴一段之前写过的周报片段]
5. 不要用"赋能"、"抓手"、"闭环"这类词

第 5 条是我后来加的，因为有一次 AI 给我写了一堆互联网黑话，差点被同事截图发朋友圈。

进阶用法

后来我发现一个更好的办法：让 OpenClaw 直接从 Git 提交记录里提取信息。

读取 ~/projects/xxx 目录下本周的 git log（我的提交），结合我的工作记录文件，
生成周报。重点突出：完成了哪些功能、修了哪些 bug、推进了哪些技术方案。

Git 记录不会骗人，而且比手动记录精确得多。这一招强烈推荐给程序员。

五、处理表格和数据：比打开 Excel 快

我不是做数据分析的，但工作中免不了要处理各种表格。导出一份 CSV，做个汇总，算个占比，画个图表——每次都得打开 Excel 折腾一阵。

现在这类事情我基本都丢给 OpenClaw：

打开 ~/Downloads/sales-q1.csv，做以下处理：
1. 按区域汇总销售额
2. 计算每个区域的环比增长率
3. 找出销售额 top 5 的客户
4. 结果保存为新的 CSV，同时生成一份简要分析文字

它会直接写 Python 脚本处理数据，输出结果文件。整个过程不到一分钟。

当然，复杂的数据分析（涉及建模、多维交叉分析什么的）还是得用专业工具。但对于日常的"看看数据、算个数"，这已经够用了。

一个真实案例

有一次运营同事发了一份 5000 行的用户反馈 Excel，让我"帮忙看看技术相关的反馈有哪些"。以前这种事情我得花一两个小时逐行扫。

我直接把文件丢给 OpenClaw："从这份用户反馈表中，筛选出与技术问题相关的反馈（包括 bug、性能、兼容性等），按严重程度分类，统计每类的数量和典型描述。"

10 分钟搞定。运营同事问我怎么这么快，我说"手速快"。

六、文档翻译和整理

做技术的，免不了读英文文档。虽然英文阅读没什么障碍，但看到一份 30 页的技术白皮书，还是会下意识地想拖到明天再看。

我现在的习惯是先让 OpenClaw 做一轮预处理：

读取这份 PDF（或者给一个 URL），做以下处理：
1. 先给我一份 500 字以内的摘要，讲清楚这篇文档的核心观点
2. 列出文档的大纲结构
3. 标注我可能最感兴趣的章节（你知道我关注 AI 和区块链方向）
4. 如果有关键数据或图表，单独提取出来

有了摘要和大纲之后，我可以快速判断这份文档值不值得精读，以及应该重点看哪些章节。以前可能要花一两个小时通读，现在 15 分钟就能抓到重点。

翻译也是。虽然 OpenClaw 翻译不如专业译者，但对于内部参考级别的文档已经够用了。比如把一篇英文技术博客翻译成中文分享给团队，5 分钟搞定，比我自己翻快太多。

七、这些场景我试了，但放弃了

诚实地说，不是所有办公场景都适合交给 OpenClaw。以下是我试过但最终放弃的：

自动回复邮件 ❌

试过让它帮我回邮件，哪怕我给了模板和风格参考，回出来的内容还是差点意思。不是说写得不对，而是缺少那种"人味"——同事之间的邮件有语境的，有上下文的，有微妙的人际关系在里面。AI 把握不了这些。

现在我只让它帮我起草，最终发送前我都会自己改一遍。这个"最后一公里"不能省。

帮我写代码审查意见 ❌

试过让它 review PR，给出的意见要么太泛（"建议增加错误处理"这种废话），要么太死板（纠结命名风格但漏掉逻辑问题）。代码审查需要理解业务上下文，这不是 AI 看几个文件就能搞定的。

代码它可以写，审查还是得自己来。

自动整理桌面文件 ❌

让它把 Downloads 文件夹按类型整理——PDF 放一个目录、图片放一个目录。听起来很美好，实际操作的时候它把一份重要的合同 PDF 和垃圾 PDF 放到了一起，差点找不到。

文件整理这事，涉及到"这个文件对我有没有用"的主观判断，AI 做不了。

八、我的日常工作流总结

用了一个月之后，我的 OpenClaw 使用已经稳定下来了。把真正好用的场景列在这里：

场景 频率 每次省多少时间 满意度
每日信息早报 每天 25-30 分钟 ⭐⭐⭐⭐⭐
会议纪要整理 每周 8-10 次 每次 15 分钟 ⭐⭐⭐⭐⭐
周报生成 每周 1 次 30 分钟 ⭐⭐⭐⭐
数据/表格处理 每周 2-3 次 每次 20-40 分钟 ⭐⭐⭐⭐
文档摘要和翻译 每周 3-5 次 每次 30-60 分钟 ⭐⭐⭐⭐
邮件起草 每天 3-5 封 每封 5 分钟 ⭐⭐⭐
信息搜索和整理 随时 视情况 ⭐⭐⭐⭐

粗略算下来，每周大概能省 6-8 小时。这不是理论值，是我真实体验下来的数字。

当然，前提是你得花一两周时间去"调教"——写好 prompt、调整 Autopilot 任务、根据实际效果迭代。这个过程本身也要花时间，但这是一次性投入，后面会越用越顺。

九、几条实用建议

1. 给 OpenClaw 明确的"人设"

我在配置里写了一段 system prompt：

你是我的工作助手。我是一个后端工程师，主要用 Go 语言，关注 AI 和区块链方向。
整理内容时用简洁的中文，不要用"赋能"、"抓手"、"链路"、"闭环"等词。
表格用 Markdown 格式，代码用代码块。默认不加 emoji。

这段话让后续所有任务的输出质量提高了很多。

2. 敏感数据走本地模型

涉及公司内部信息、客户数据、合同文件的处理，切到 Ollama 本地模型。慢一点没关系，数据安全比效率重要。

3. 重要输出一定要人工审核

AI 会犯错，而且犯错的时候很"自信"。数字、人名、日期这些关键信息，发出去之前一定要核实。

我吃过一次亏：OpenClaw 帮我整理的会议纪要里，把"预算 300 万"写成了"预算 30 万"（转写错误导致的）。幸亏发之前我扫了一眼。

4. 建立自己的 prompt 库

好用的 prompt 存下来，下次直接复用。我现在有一个 ~/prompts/ 目录，按场景分类存了十几个常用模板。

5. 不要过度依赖

这一条说起来有点矛盾，但确实重要。用 OpenClaw 处理事务性工作是提效，但如果连思考都交给它，那就是偷懒了。

分析问题、做判断、做决策——这些事情不应该外包给 AI。它帮你省下来的时间，应该用在更有价值的事情上。

写在最后

有时候我觉得，OpenClaw 对于办公就像洗碗机对于做饭——不会让你变成大厨，但把最烦的那部分给解决了，你就有更多心思琢磨菜品本身了。

一个月下来，我的感受很简单：

它不是万能的，但在那些"烦但不难"的事情上，确实好用。

装完 OpenClaw 不知道干什么的朋友，不用想太多，从你每天最烦的那件事开始，让它试试。好用就留，不好用就换个场景。

工具嘛，用着顺手就行，没必要非得用出花来。

关注公众号「coft」，获取更多 AI 实战干货和 OpenClaw 深度教程。

posted @ 2026-03-06 19:22  warm3snow  阅读(172)  评论(0)    收藏  举报