這篇文章整理自 YouTube 影片，聚焦可直接落地的方法與重點。

影片資訊

• 頻道：追日Gucci-AI效率革命聯盟
• 上架日期：2026-02-12
• 影片長度：39:16

---

一、OpenClaw 是什麼？為什麼它跟一般 AI 工具不一樣？

OpenClaw（也稱 ClawdBot）是開源 AI 助手框架，核心差異在於：支援自動排程（可設定晚上自動跑任務）、長期記憶（RAG 向量化，記憶 token 用量降 90%）、多模型分流（費用最低降 90%）。 不像 ChatGPT 等待你問才回答，OpenClaw 更像一個有工作排程的員工——你睡覺時，它在修 bug、整理數據、準備晨報。（2026/02 現況）

磨合兩週後，排程從 5 個擴充到 14 個，這篇文章完整公開這 14 個排程從晚上到隔天早上的完整運作邏輯，以及讓費用大幅降低的兩個核心技巧。

大部分人裝了 AI 助手，第一天就棄用了。問題不在工具，在於沒有搞清楚讓它自動跑的結構。

OpenClaw 的雙向協作模式：它擁有你的長期記憶，知道你最近在忙什麼；它不是等你問才動，而是主動追蹤你關注的 KOL，主動研究你設定的主題。但「有這個能力」跟「真的穩定跑起來」是兩件事——關鍵在 SOP，不在 prompt。

---

二、夜班時間表：你睡覺的時候，它才最忙

每天晚上去睡覺之後，AI 員工的夜班才正式開始。以下是完整的時間軸：

晚上 11 點｜Proactive Coder

第一個排程是 Proactive Coder，專門掃 GitHub 上的所有專案，找 bug、找可以最佳化的地方、找可以強化的功能。判斷邏輯是這樣的：如果是小功能，它直接修改完就上傳 GitHub；如果是比較大的改動，它會擬定完整計劃，等隔天早上問你哪些要做、哪些不做。這樣的設計有個好處——大改動不會在未經確認的狀況下執行，既保留了人的決策權，也大幅節省了不必要的 token 消耗。

跑完之後，它會傳 Telegram 通知，詳細內容則存進 Second Brain 的 Devlogs 裡，可以隨時去查。每天早上起來，可能就會看到幾個 bug 被修復，或者有一個意料之外的新功能出現了。這種感覺很奇妙：你的員工半夜在加班，而且你不用付加班費。

午夜 12 點｜Twitter Digest

Twitter Digest 做兩件事：一是深度閱讀你白天放進書籤的文章，二是追蹤你關注的 AI 相關 KOL 的發文。如果 KOL 發的是影片，它也會把影片下載下來完整看完，而不只是看文字說明，因為有時候文字寫得很簡短，反而會錯過重要的知識和洞察。每篇分析完之後，它會記錄這篇在講什麼、關鍵洞察是什麼、能不能轉化成創作素材。

凌晨 1 點｜Day 1 Wrap-up

把今天一整天跟 AI 的對話全部重新整理，萃取成一份精華。這個步驟的目的是讓記憶更乾淨，避免對話太雜亂導致後續提取記憶的時候出現干擾。

凌晨 2 點｜Overnight Sprint

功能和 Proactive Coder 類似，但維護的對象不同。Proactive Coder 管的是外部專案；Overnight Sprint 管的是跟 OpenClaw 直接相關的幾個 app，包括 Kanban、Second Brain、Analytics。等於兩組人馬分工，一組負責外部，一組負責內部系統的優化。

凌晨 3 點到 6 點｜資料處理系列

這一段時間有一系列資料處理任務：標題最佳化分析、知識庫索引更新、全平台資料重整，涵蓋 YouTube、Google Analytics、Google Search Console 的完整掃描，然後自動產出報告。這些工作的目的只有一個——為早上七點的晨報備料。

---

三、晨報：每天早上七點的完整情報

晨報是整個系統的「輸出介面」，它有兩個版本：Telegram 上是精簡版，適合快速掃過；Email 和 Second Brain 裡有完整版，適合需要深入看的時候。

晨報的完整版目前有十一個區塊，從小的到大的依序是：

1. To-do list：工作和生活的小事提醒
2. Gmail 摘要：重要 Email 提醒
3. AI 建議清單：根據你最近的思考和煩惱，整理出最多五條 AI 可以幫你的建議，你只需要回覆數字選你要做哪些
4. Perplexity 深度研究摘要：根據你設定的每日研究任務，AI 已經預先研究完畢並整理出創作靈感
5. 競品分析：分析跟你頻道相近的競爭者，哪些影片最近表現好
6. Gucci Skool 標題評分：用從大量歷史數據中萃取出來的演算法，對影片標題評分
7. 股票關注：前一天的股票表現和基本面重要資料
8. AI 趨勢與 Twitter KOL 精選：最近熱門的 AI 相關議題和你追蹤的 KOL 重點文章
9. 網站數據（GA4 + GSC）：流量相關數據
10. SEO 標題追蹤：哪些文章的標題建議修改，修改後的點擊率有沒有上升
11. Overnight 工作總結：夜班完成了哪些任務、有哪些大功能建議需要你審核決定

另外，週一的晨報有加強版，會多兩個區塊：一是深度研究邀請（問你這週有沒有想深入研究的主題），二是內容靈感週報（根據資料分析，建議六個值得做的創作主題，每個都附上為什麼值得寫的原因）。

這十一個區塊不是一開始就規劃好的。一開始只有 Gmail 和天氣，然後每天看、每天思考，哪裡少了什麼、哪裡不方便，才一個一個慢慢加上去。

---

四、資料洞察、靈感生成、內容創作的完整閉環

晨報看完是白天，白天有 Kanban Patrol，每個小時都在巡視工作板，看有沒有新任務指派給它。它會看 Todo 裡有沒有內容，有就直接開始做，發現問題拉到 Pending，完成後拉到 Review 等你審核，你確認沒問題就拉到 Done。整個過程跟跟真正的同事協作非常像。

但影片真正想說的，是三個功能形成的完整閉環。

第一層：Data-driven 決策

AI 做了大量的資料分析後，給你的不是幻覺式的建議，而是有資料支撐的決策。它分析了你的 YouTube 頻道數據、Google Analytics、GSC、競品表現，才能說「這個主題現在值得做，因為你的數據顯示 X」。

第二層：靈感生成

有了資料洞察之後，AI 能提出真正適合你的創作建議——根據你的定位、受眾、最近在思考的方向，而不是隨機的通用建議。以前每週要看四五十部別人的影片才能決定要做什麼主題，現在這件事情 AI 幫你做了。

第三層：行動閉環

在 Second Brain 裡，選取任何你感興趣的內容，可以直接分流到：加進 Idea 清單、開一張 Kanban 卡、加入 Todo、發起深度研究。這讓從「看到靈感」到「開始行動」之間的摩擦力降到最低。

這個閉環每天跑，每次的創作都會回饋到數據裡，讓下一輪的建議更精準、品質更高。

如果你也想建立這樣的系統，⟪AI 效率革命聯盟⟫ 裡有完整的 14 個排程 prompt、Morning Brief 模板、省錢模型分流設定，可以直接拿去用，不用從零摸索。

---

五、兩個省錢技巧：模型分流 + 記憶向量化

這個系統運行兩週下來，有兩個技巧大幅降低了成本。

技巧一：Telegram 頻道分流

如果只用一個 Telegram 頻道跟 AI 互動，會有兩個問題：一是所有話題混在一起，訊息品質受到干擾；二是每個任務的複雜程度不同，卻用同樣的模型處理，費用會快速累積。

解決方法是建一個 Telegram 群組，裡面開五個不同主題的頻道，分別對應不同的模型：

• 複雜分析工作 → Opus
• 中等難度工作 → Sonnet
• 簡單問題 → GLM 4.7
• 監控和資料比對 → GLM 4.7 Flash（比 Haiku 再便宜 12 倍）

GLM 4.7 對很多人來說比較陌生，但它的價格只有 Sonnet 的十分之一，能力卻非常接近，部分任務甚至超越。用對工具，費用可以大幅降低。

技巧二：記憶 RAG 向量化搜尋

OpenClaw 可以擁有非常長期甚至永久的記憶。但問題是：當記憶累積越來越多，每次需要呼叫記憶時，傳統做法會撈出大量的記憶（可能高達一萬個 token），每次對話成本都很高。

解決方法是開啟 RAG 功能，讓記憶向量化。向量化後，問任何問題時系統會先做語義分析，只撈出最相關的記憶，從一萬個 token 降到一千個，成本直接砍掉九成。

設定方法是到 OpenClaw 的設定檔找到 memory，啟用 RAG 功能，指定向量化模型（目前用的是 Qwen embedding），然後在 memory 的 backend 加入 built-in（本機的話可以用 Qdrant）。

---

六、磨合兩週，最重要的兩個心得

心得一：AI 員工需要 SOP，不是 Prompt

很多人以為用好 AI 就是寫出一個很厲害的 prompt。但是當你要它二十四小時、一週七天、全年無休自動跑的時候，你需要的是 SOP。

比如競爭者掃描，你要掃哪些頻道？GitHub 巡邏，要看哪些專案？每個專案的優先級怎麼定？晨報的每個區塊要放什麼、資料從哪裡來、怎麼計算？這些都不是一句 prompt 能解決的，而是要像管理真正的員工一樣，把規則和流程都寫清楚。

把 AI 助手變成真正有用的員工，關鍵不在於問好問題，而在於給它完整的工作手冊。

心得二：像疊樂高一樣，一塊一塊加

看完這篇文章可能會覺得這個系統很複雜。但它不是一次到位的，是花了兩三個禮拜才做到現在這個樣子。一開始真的只有 Gmail 和天氣。

每天用、每天思考哪裡不夠用，然後一個一個加上去。這個迭代過程本身也是一種磨合，你越用越有感覺，越有靈感想到 AI 還可以幫你多做什麼。

如果你現在用 AI 助手覺得好像沒什麼用，問題很可能不是工具能力，而是你們還磨合得不夠久。給它兩週，每天花十分鐘看看它做了什麼、想想還可以加什麼，你會很驚訝它能進化到什麼程度。

---

行動清單

• 先從一個排程開始（推薦從 Morning Brief 入手）
• 觀察兩週，每天記下覺得哪裡不夠用
• 一個一個加，像疊樂高一樣

---

準備好開始了嗎？

讀到這裡，你已經看完了一個完整系統的運作邏輯。但知道跟做到之間，還有一段距離。

最難的部分通常不是技術，而是「第一步：搞清楚你想讓 AI 幫你做什麼」。

如果你是數位創作者、一人公司或知識工作者，想用 AI 打造一個「自己會跑的系統」，⟪AI 效率革命聯盟⟫ 裡有完整的資源：14 個自動化排程的 prompt、Morning Brief 的 11 個區塊模板、省錢模型分流設定、Telegram 分流教學，以及記憶 RAG 向量搜尋設定指南。

你不需要從零開始摸索兩週，可以直接拿磨合兩週的成果來用。

還沒準備好加入付費社群也沒關係，免費的 ⟪AI 效率啟動營⟫ 裡有 5 個 APP 的建置 Prompt（Second Brain、Kanban Dashboard、Mission Control、Content Analytics、Stock Watchlist），丟進 OpenClaw 幾分鐘就能建好你自己的版本。

加入 ⟪AI 效率革命聯盟⟫ →

---

常見問題

OpenClaw 和 ClawdBot 是同一個東西嗎？

是的，OpenClaw 和 ClawdBot 指的是同一個開源 AI 助手框架。OpenClaw 是官方名稱，ClawdBot 是部分使用者的習慣稱呼。兩者功能完全相同：支援自動排程、長期記憶、多模型分流、Telegram 整合。

使用 OpenClaw 14 個排程大概要花多少錢？

取決於模型分流設定。以本文的分流策略為例：複雜任務用 Opus、中等用 Sonnet、簡單任務用 GLM 4.7（約 Sonnet 的十分之一價格）、監控任務用 GLM 4.7 Flash（比 Haiku 再便宜 12 倍）。搭配 RAG 記憶向量化（token 用量降 90%），整體費用約為全用 Sonnet 的 10-20%。

沒有程式背景可以設定 OpenClaw 嗎？

OpenClaw 本身需要基本的 JSON 設定能力，安裝需要使用命令列。對沒有技術背景的人來說門檻略高，但不需要寫程式。大部分功能透過設定檔和 Prompt 工作手冊完成，AI 效率革命聯盟社群內有完整的設定模板和逐步教學。

OpenClaw 跟 n8n 或 Make 的自動化工具有什麼不同？

n8n / Make 是「流程觸發式」自動化（A 發生 → 觸發 B），沒有長期記憶和主動推理能力。OpenClaw 是「有記憶的 AI 員工」，能根據你的歷史對話和長期設定做主動判斷，更適合需要持續學習和迭代的個人知識工作場景。兩者可以互補，不是替代關係。

Morning Brief 的 11 個區塊可以客製嗎？

可以。本文的 11 個區塊是 Gucci 磨合兩週後的結果，你可以從最基本的（Gmail 摘要 + To-do）開始，每天觀察哪裡不夠用再加入新區塊。AI 效率革命聯盟社群內有完整的 Morning Brief 模板，可以直接下載修改。

---

關於作者：追日Gucci（Gucci Chang）

前美商 Micron 大數據工程師，2019 年離開穩定高薪，專職投入內容創業。2023 年 AI 浪潮興起，憑藉數據工程背景快速切入——從 Make、n8n、Flowise 到 Vibe Coding、AI Agent，持續站在 AI 應用的最前線。

透過 YouTube 頻道《AI 效率革命聯盟》（5.3 萬訂閱）和 500+ 學員的實戰驗證，幫助數位工作者用 AI 系統取代蠻力——有系統地把工作效率槓桿數十倍。

YouTube 頻道 | ⟪AI 效率革命聯盟⟫

---

觀看完整影片