在技术领域，2026年的第一季度属于OpenClaw，近期我也开始了自己的“养龙虾”之旅。
我个人非常不愿意在个人设备上给予AI过多的权限（比如屏幕读取和文件系统权限），所以选择了在一台云服务器安装“龙虾”。作为一个TypeScript实现的node.js服务，原版的OpenClaw需要消耗相当高的服务器资源（运行时占用1GB以上的内存）。考虑到我的云服务器只有4GB内存，我最终选择安装配置了zeroclaw（一个rust实现的轻量级OpenClaw同类产品）。
运行ZeroClaw服务仅需一个约15MB大小的二进制文件，安装配置流程极为简便，运行时只需要不到10MB的内存，并且可以通过zeroclaw service install命令自动配置systemd服务。
ZeroClaw支持多种AI服务提供商，我使用的火山引擎的方舟Coding Plan（支持豆包模型以及Deepseek、GLM、Minimax等国产主流模型）。经过我的一番测试，我发现Doubao 2.0 Pro模型的表现比GLM 4.7和Minimax M2.5好一点。
OpenClaw类产品比起Claude Codede的一个显著优势就是可以通过即时通信软件直接和AI进行交互，支持用户随时随地通过个人设备调用AI执行自动化任务。
我给自己的ZeroClaw服务配置了QQ机器人的接入，值得注意的是我的ZeroClaw服务是通过Cloudflare Tunnel暴露到公网上的，域名没有进行备案，所以只能通过WebSocket方式接入QQ机器人，不能通过配置Webhook的方式接入（腾讯最近推出的 Workbuddy 和 QClaw 服务接入 QQ 机器人，提供了官方 Webhook 链接用于配置。）。
由于没有运行在个人设备上，无法管理个人文档和数据，我主要利用ZeroClaw进行一些定时的自动化信息获取任务。我配置了一个每天早上的“晨间播报”定时任务，推送当天的天气情况，待办事项和日程安排等信息。
我还配置了一个每天获取当天的AI资讯的定时任务，并且迭代了很多次。
一开始是直接通过ZeroClaw自己的搜索工具获取AI相关资讯，但发现获取到的资讯质量很不可控。
后来编写了一个Python脚本，直接从RSS源获取相关资讯，让ZeroClaw定时执行这个脚本，测试时发现 AI 竟然在无监督的情况下‘自作主张’修改了脚本中的 RSS 源列表，替换成了36氪和其他部分国内媒体的RSS源，这些媒体有相当一部分的报道是带有商业推广倾向的（即通常所说的“软文”），质量参差不齐。
我从这个案例学到一个深刻的教训，和使用Github Copilot或Claude Code等工具进行开发工作不同，在具备写权限和执行权限的环境中不能随意让AI在无监督的情况下运行AI自生成的代码（或者修改现有代码）。
最终我选择了使用crontab定时运行Python脚本获取RSS源的更新，将内容写到文本文件中，在定时任务中让ZeroClaw直接读取文本文件中的信息，精选出当天高价值的资讯推送给我。
总的来说，ZeroClaw 是一个非常有潜力的个人 AI 基础设施。这次‘养龙虾’之旅不仅帮我建立了一个趁手的自动化助手，也让我对 Agent 时代的权限隔离和确定性工程有了更直观的体悟。未来我会继续探索和利用这个工具来提升我的工作效率和生活品质。
