我养的这只小龙虾，干了件让我笑出声的事：它居然开始跟我讲实话。
以前我让它干活，它一失败就甩锅给"环境问题""权限问题""上游异常"，一套组合拳下来，你根本不知道是它不行还是我不行。这波更新里加了个小东西——/tools 现在会列出"这个 Agent 此刻真正能用的工具"，界面上还专门开了一块 Available Right Now 区域。
就这一下，性质变了。以前是"我觉得它能"，现在是"它自己承认它不能"。像实习生突然学会开工前先说一句："老板，这活我能干，但那个数据库我连不上。"你会骂他，但会更信任他。
一、新闻：这一波最值得说的三件事
1. OpenClaw 装上了 OpenAI 的皮，能被别人当模型服务器用
网关层新增了 /v1/models 和 /v1/embeddings，/v1/chat/completions 和 /v1/responses 还会把显式指定的模型名透传下去。
说人话：你可以把自家这台跑着 OpenClaw 的小机器，塞进任何支持 OpenAI 协议的工具里当后端用。RAG 客户端、聊天前端、各种"接个 API 就活"的第三方应用，扔个 base_url 就能跑。
我的用法是：把"读文章 + 写文章 + 发文章"整套流程锁在一台机器内网里，不外发一个 token。数据不出门，工具还全是我自己的。以前得自己折腾一层反向代理，现在网关自己干了。
2. 飞书的"幽灵连接"终于被掐死了
这个修复很小，但我踩过。飞书这边 WebSocket 连接在 monitor 停止或中断时没有关闭，残留下来之后表现为：同一条消息偶尔被处理两遍，或者重启之后事件莫名多出来一批。
还有个更隐蔽的：以前入站消息的时间戳用本机当前时间，离线重投的消息会带着"现在"的时间戳进来。要是那条消息里裹着一条过期指令，就可能在你没防备时触发一次错误动作。现在改成用消息自带的 create_time。
用错时间戳的 bug 比一百个崩溃都可怕：崩溃你会发现，时间戳错了你不会。
3. 图像生成和命令行容器化
MiniMax 加上了 image-01 图像生成 provider，文生图、图生图都行，还能控宽高比。同时它的模型目录被砍到只剩 M2.7，M2、M2.1、M2.5、VL-01 全部下架。
下架这事有人骂，但我觉得该砍。模型目录里挂着七八个祖型号，就像手机设置里还留着"3G 网络"开关，真按下去发现早没信号了。
另外 openclaw 命令支持 --container 和 OPENCLAW_CONTAINER，能直接在跑着的 Docker 或 Podman 容器里执行 CLI 命令。听着像小事，但我那些"宿主机折腾、容器里跑"的半吊子环境终于名正言顺了。
二、新玩法：技能市场开始长出"反向技能"
这波最让我新鲜的发现，不是哪个新模型，而是技能市场里的技能开始反过来针对人了。
以前的技能，逻辑都是"你提需求，AI 干活"。现在有一批是"AI 审你"。举几个我从技能市场里翻出来的实例：
- grill-me：AI 追着你问，一个问题接一个问题，把你的方案里的每个分支都逼出来，直到双方理解对齐。你说"我有个想法"，它不鼓掌，它开始盘问。
- ghostwriter：不直接写。它先采访你，把你脑子里的料问出来，用你自己的话拼成文章。
- deja-search：搜索你过去的 AI 会话，找那些"当时讨论过但没写进仓库"的决定——命名规矩、试过并否决的方案、合并前必须跑的检查。触发时机很妙：第一次动代码前、宣布"搞定"前、推荐某个工具前。
- i-have-adhd：直接约束输出结构——先给结论，段落切碎，不要铺垫。
- pre-compact：在上下文被压缩之前，先把关键信息写下来。
- agent-slim：只读盘点一个 Agent 的常驻上下文、技能、插件和废弃会话，给出一份 Token 与磁盘的分账报告。
你有没有发现，这批技能构成了一个完整闭环：先审你 → 再问你 → 记着你 → 压缩前抢救 → 定期体检。
这跟"AI 越来越能干活"是两条完全不同的叙事。以前我们焦虑 AI 会不会替代人，现在这些技能在解决另一个问题：怎么防止一个越来越能干的 AI，把你变成一个只会说"帮我写一下"的废物。
以前拼的是能力上限，现在拼的是"还能不能让你保持思考"。
三、我自己在玩的几个野路子
玩法一：让 AI 审我，而不是我审 AI
我写文章有个反直觉的习惯：初稿写完先不自己看，先让一个"评审团"互相挑刺——一个挑逻辑漏洞，一个挑套话废话，一个检查有没有把话说满。这套下来比我自己读十遍都狠。
用久了会发现一个规律：AI 最容易糊弄的地方是形容词。"非常强大""业界领先""极大地提升了效率"这类词，只要出现三处以上，基本可以判定这段是编的。把它当检测器用，比什么"AI 味检测"靠谱得多。
玩法二：把文章生产做成一条确定性流水线
我的产出流程是：定时器到点 → 拉素材 → 走评审 → 排版成 HTML → 发布 → 写回记录。每步独立可重跑，任何一步失败都能从那步重来，而不是从头再来。
最关键的一点是：别让大模型去调度大模型。让它每次自己"想下一步该干嘛"，就有一半概率跳步骤、重复劳动、把 token 烧在重复解释上。把流程写成管子，模型只负责管子里那一小段活。
这跟写代码一模一样——没人会在 CI 里写一堆 if 让脚本决定下一步跑哪个测试，大家会把顺序写死在配置里。AI 编排也是同一回事，只是很多人还没转过这个弯。
玩法三：临时插问不污染主线
我很看重的一个设计：侧问。在干活干到一半的时候，突然想问一句"刚才那个参数到底是什么意思"，但又不想让这个问题变成正式对话的一部分，把后面的上下文搅乱。
做法是：快照当前上下文 → 单独跑一次不带工具的提问 → 只答这一个问题 → 问答都不进历史，只作为侧结果飘出来。
用起来像什么？像旁边坐了个同事，你头也不抬地问一句"那个报错码 422 是啥意思"，他回你一句，然后你们俩的对话主线纹丝不动。
这设计在长任务里最见价值：上下文是你最贵的资源，任何一句废话进了历史，后面每一轮都在为此付费。
四、忍不住要吐槽的几件事
吐槽一：技能市场开始有了"应用商店味儿"
版本更新里给一批内置技能加了一键安装依赖配方，技能卡片还分了状态标签：全部 / 就绪 / 需要配置 / 已禁用，点开能看到缺什么、API key 去哪拿、存在哪个路径。
好，真贴心。但我看着这界面越看越像手机应用商店。而应用商店每次火起来，后面就会跟上一堆"刷榜""同名套壳""评论造假"。
逛技能市场已经能看出这苗头：同一个用途的技能，描述写得像模像样，正文一眼就知道是套模板生成的。让 AI 写工具说明，它写出来的全是"这个技能旨在赋能你的工作流""无缝集成到你的日常流程"——这种句子我自己在文章里都删过。
吐槽二：所有东西都想叫自己"智能体"
插件、渠道、技能、MCP 服务器、沙箱、工作流运行时……每层一套新名词，每套里又有几十个子概念，像在打一场"给类目起名"的地狱。
得罪人的话：大部分人用到的是最后 5% 的功能，却要先消化 100% 的名词表。我见过太多人打开配置看一眼就默默关掉了。
吐槽三：所有"全自动"的广告都在偷换概念
什么叫"AI 帮你搞定一切"？翻译过来通常是：AI 生成了一份你要逐行读、逐行改、逐行确认的代码，然后你自己合并。
我更认那些诚实的自动化：明说哪几步它做、哪几步要你点头、哪步失败回滚到哪。我宁愿要一个会停下来问我的工具，也不要一个假装全自动、最后让我从头查的工具。
说到底，一个会申请审批的 AI，比一个假装什么都行的 AI 更有用。
五、一点小结
这一波下来，我最实在的三个感受：
- 工具开始变得诚实了。能告诉你现在能用什么、缺什么配置、哪个 API key 没填——这比多十个花哨功能有价值得多。至少你不再是在跟一个会硬撑的同事打交道。
- 生态的重心在往"反向"跑。审你的方案、盘问你、记住你上次的决定、给你做上下文体检——这些技能比"帮我写个正则"有意思多了。
- 确定性永远比聪明值钱。让模型去做判断，让管道去做执行。这是我踩了足够多坑之后，唯一敢写进工作流的信条。
最后还是那句老话：工具越强，你越要把判断留在自己手里。
不然某天你打开电脑，看见一篇文章已经发上去了，署名是你的，但你完全不记得自己写过它。那种感觉，比 AI 不干活还可怕。
