最近跟不少人聊到 OpenClaw，發現一個很有趣的現象：大部分人對龍蝦的需求，其實就只是「自動化」。
不是即時溝通，不是多 Agent 協作，不是什麼複雜的工作流編排。就只是「我希望某件事定期自動跑完」。
說白了，殺雞用牛刀。
自動化和 Agent 為什麼會搞混？
這件事我覺得不能怪使用者。
過去幾個月，「AI Agent」這個詞被用得太廣了。不管是排程跑任務、自動回訊息、還是幫你寫週報，全部都被包裝成「Agent」。聽久了，大家自然會覺得「我要自動化，所以我需要一個 Agent 框架」。
但「自動化」和「Agent」其實是兩件事。
自動化的核心是「可預期」：你知道輸入是什麼、流程是什麼、輸出是什麼。設定好就不用管了。
Agent 的核心是「不可預期」：它需要根據當下的情境做判斷，可能走 A 路線也可能走 B 路線，甚至會主動決定下一步要做什麼。
如果你的需求是前者，那根本不需要後者的架構。裝一隻龍蝦來跑排程任務，就像買一台越野車來通勤上班。能開嗎？能。但你多花的時間和力氣，換來的功能你根本用不到。
CLI 排程工具就能搞定的事
如果需求是「定期跑某個重複性任務」或「讓 AI 按照固定流程完成工作」，現在 Gemini CLI 或 Claude Code 這類命令列工具就能搞定。
做法很直覺：
- 預裝好 Plugin — 擴充工具能力，像是讀寫檔案、呼叫 API、操作資料庫
- 寫好提示詞規則 — 把你的 SOP 寫成 AI 能理解的指令，固定行為模式
- 設定工作流程規範 — 加上驗證機制，確保產出品質不會亂飄
確認下指令後它能如期完成任務，接著在作業系統設定排程定期跑就完事了。Windows 用工作排程器，Mac 和 Linux 用 cron job。
這不是什麼新招。過去一年很多人就是這樣用的。
而且現在這些工具的排程生態已經很成熟。Claude Code 有 cron 排程、GitHub Actions 整合，甚至有專門的 scheduler plugin，可以用自然語言設定排程時間；Gemini CLI 也有 hooks 系統可以在執行的各個節點插入自訂邏輯，加上 MCP server 擴充，基本上常見的自動化場景都覆蓋得到。
工具鏈都到位了，差的只是你去設定而已。
那龍蝦適合什麼場景？
OpenClaw 的核心價值不在排程，而在「即時互動」和「動態決策」。
比方說：
- 你在 Telegram 上跟它對話，它需要根據你說的內容即時去查資料、做判斷、回覆你
- 一個任務有多個分支，走哪條路取決於中間步驟的結果，不是事先能寫死的
- 使用者需要「邊跑邊介入」，而不是「設定好就放著」
這些場景需要一個常駐的、有上下文記憶的、能即時回應的系統。龍蝦的 Heartbeat 排程器、AgentSkill 擴充、還有用通訊軟體當介面的設計，都是為了這種場景而生的。
但如果只是「每天早上 9 點跑一次某某任務」，一行 cron job 能解決的事，沒必要大費周章架一整套 Agent 系統。
選工具前，先搞清楚需求
這不只是龍蝦的問題。
對有些人來說，看到一個新工具火了，第一反應是「我要裝起來」，而不是「我需要它解決什麼問題」。結果花了時間裝好，才發現自己的需求用更簡單的方式就能搞定。
不是說龍蝦不好。三四十萬人在用，它確實解決了一群人的問題。但如果你的問題本身不複雜，解決方案也不需要複雜。
先問自己一個問題就好：「我的任務需要 AI 在過程中做判斷嗎？」
- 需要 → 龍蝦或類似的 Agent 框架值得研究
- 不需要 → CLI 工具加排程，省時省力
OpenClaw 新手資源推薦
千萬別來問我，我是從頭到尾自己開發的，跟 OpenClaw 沒有關聯。
但目前網路上有兩份我覺得蠻新手向的資源，推薦給有興趣的人：
- @cw.lin_ 的安裝手冊 — OpenClaw 安裝手冊（輸入 Claw 邀請碼免費取得，零工程背景可執行，含常見踩雷 FAQ）
- @pan_0709 的教學影片 — YouTube 教學
目前盡量參考安裝的部分就好，模型串接請避免用 Antigravity 或 Claude Code 這類訂閱型的服務，會被鎖。
先搞清楚自己要的是「自動化」還是「龍蝦」再動手。如果你想更深入理解龍蝦底下的 Agent 架構到底在做什麼，可以看這篇。這個判斷本身不花時間，但能幫你省下不少走彎路的力氣。