如何让 OpenClaw等AI Agent 从“能用”走向“可控、可引导、可落地”
tigerclaw-mail
如何让 OpenClaw等AI Agent 从“能用”走向“可控、可引导、可落地”
在 AI Agent 快速发展的今天，很多开发者已经开始接触类似OpenClaw这样的系统。
它们的特点是：
- 能力很强
- skill 很多
- 生态丰富
但在实际使用中，尤其是面向企业落地时，会遇到一个非常现实的问题：
❗ Skill 能跑 ≠ Skill 能用
一、AI Agent的一个重点是重做“使用方式”
AI Skill甚至MCP都在各个方向有了落地，但是OpenClaw存在配置麻烦，甚至有人提出“未来的AI是Cmd时代”。我们愿意回到“Dos”那个黑漆漆的Cmd时代，才能够让诸多的Skill用起来吗？
所以，这次发布的 我们的核心目标不是“更多能力”，而是：
✅让 skill 真正可用，而不是可配置
在新的AI入口的核心设计理念是：
- local-first（本地优先）
- low-token（低成本）
- workflow 驱动
- capability + prerequisite 预检
- 引导式交互（重点）
二、为什么 OpenClaw 很强，但很多人用不起来？
我们以一个最简单的场景为例：
👉 “读取未读邮件并生成摘要”
在 OpenClaw 中，通常需要：
- 安装 mail skill
- 编辑 skill 配置
- 填写：
- IMAP host
- port
- username
- password
- 确保 env / config 正确
- 手动测试
这个过程的问题在于：
- ❌ 用户必须理解 skill 结构
- ❌ 必须知道配置项
- ❌ 出错时不知道哪里错
- ❌ 完全没有引导
👉 本质问题：
系统在等用户“会用 skill”
三、引导式 Skill 使用，将是AI Agent入口的核心突破：
我们正在做到系统的设计反过来：
❗ 不要求用户会配置 skill
✅ 系统主动引导用户完成配置
四、真实演示：从 0 开始配置 Mail（核心亮点）
在本次 附着的的演示视频中，我们做了一件非常关键的事情：
🎬 场景：用户第一次使用邮件功能
用户输入：
读取今天未读邮件并生成摘要
第一步：系统不执行，而是检查条件
首先，我的理念不会直接尝试连接 IMAP，而是：
👉 检查 skill prerequisites：
- 是否存在邮箱账号？
- 是否配置 host？
- 是否配置密码？
第二步：返回引导信息
系统返回：
outcome = needs_user_input
并附带：
- issues（缺什么）
- suggestedPreferenceKeys（需要配置什么）
- remediationHint（怎么做）
第三步：进入“引导式对话”
然后，开始像一个助手一样引导：
请输入邮箱地址
👉 用户输入：xxx@sina.com
系统：
已识别邮箱提供商，推荐 IMAP 配置
（内置 provider hint，而不是让用户自己查文档）
接下来：
请输入密码（已自动掩码）
第四步：自动完成配置并重试
用户完成输入后：
- 自动写入 SQLite preferences
- 自动重新执行 workflow
- 返回结果
🎯 关键体验变化
| 传统方式（OpenClaw） | 我的理念 |
|---|---|
| 配置 skill | 使用 skill |
| 查文档 | 跟着走 |
| 手动 debug | 系统提示 |
| 一次性配置 | 按需引导 |
五、为什么这件事很重要？
因为这解决了 AI Agent 的一个核心问题：
❗ 用户不会“配置能力”，但用户会“表达需求”
那么，我的设计理念是：
用户只负责说“要做什么”，系统负责引导“怎么做”
六、技术背后的关键机制
我的系统之所以能做到这一点，依赖三个核心设计：
1️⃣ Prerequisite 体系
每个 skill 定义：
- 必须配置什么
- 必须具备什么能力
2️⃣ Capability Preflight
在执行前：
- 检查环境
- 检查资源
- 检查策略
3️⃣ needs_user_input 机制
统一返回结构：
{
"outcome": "needs_user_input",
"issues": [...],
"suggestedPreferenceKeys": [...]
}
👉 这让 UI / CLI 都可以做引导式交互
七、未来方向（非常关键）
这次的发布是一个“可控起点”，但不是终点。
🚀 下一阶段能力
1. 多 Intent
从：
一句话 → 一个 intent
到：
一句话 → 多 intent 拆解
例如：
“帮我查未读邮件，然后整理成日报并发给老板”
2. 多 Workflow 编排
从：
单 workflow 顺序执行
到：
多 workflow 串联 / DAG 执行
3. 更智能的引导系统
未来不仅是：
- 缺配置 → 提示
而是：
- 自动推荐配置
- 自动生成默认值
- 自动修复错误
4. 标准化 Skill 交互规范（重点）
👉 这是最重要的一点：
所有 TigerClaw Skill 都必须支持“引导式使用”
八、关键理念：重新定义 Skill
OpenClaw 的 skill 更像：
一个可以被调用的工具
TigerClaw 的 skill 更像：
一个可以“被用户学会使用”的能力
九、总结（核心观点）
最后总结一句话：
❗ OpenClaw 解决的是：AI 能做什么
✅ 我解决的是：用户怎么用 AI
本次 Mail 示例的真正意义
🎯 我的系统通过 prerequisite + 引导式对话
👉 让 skill 从“需要配置”变成“自然使用”
十、结语
这次的版本不是一个“更强的 Agent”，而是一个：
更容易被用户真正用起来的 Agent Runtime
Github 地址：tigersaint88-app/tigerClawRuntime