最近刷到一个视频，作者是 Alex Finn，一个靠 AI 应用年入 30 万美金的独立开发者，同时也在运营自己的 Vibe Coding Academy。

无为有为

最近刷到一个视频，作者是 Alex Finn，一个靠 AI 应用年入 30 万美金的独立开发者，同时也在运营自己的 Vibe Coding Academy。


他在 YouTube 上分享了一期关于 OpenClaw 的内容：如果你在用 OpenClaw，你现在就得把这件事做了。


这期视频讲的核心话题是 Mission Control，翻译过来就是任务控制台。


简单来说，就是在 OpenClaw 里面搭一个完全定制化的仪表盘，让你的 AI 代理不再只是一个聊天窗口，而是变成一个有组织、有记忆、有分工的数字工作系统。


我把整期视频看完，越看越觉得这个思路挺有意思。


Alex Finn 自己也说了，他没写一行代码，所有工具都是让 OpenClaw 自己造出来的，这一点确实让我有点意外。


1️⃣ 任务板：让你的 AI 代理不再是个黑箱


Alex Finn 在视频里提到的第一个工具就是任务板（Task Board）。这是一个看板式的界面，长得有点像项目管理工具 Linear 或者 Trello，每个任务卡片上标注了由谁负责，做到哪一步了。


他说很多人对 OpenClaw 最大的抱怨就是不知道它到底在干嘛，有没有把事情做完，还是做到一半就丢下了。


任务板就是解决这个透明度问题的。


左边有一个实时活动流，能看到代理每一步在做什么。


任务完成后会自动往右移动，需要人工审核的就停在审核栏等你确认。


他把任务板和 OpenClaw 的心跳机制挂钩了。


每次心跳的时候，代理会自动检查任务板上有没有分配给自己的新任务，然后自动去执行。


你只需要在任务板上建一个任务，剩下的事代理自己就搞定了。这个思路其实就是把传统项目管理的流程搬到了人机协作上。


2️⃣ 日历屏幕：你的代理说它会做，但它真的做了吗？


第二个工具是日历。


不过这个日历不是给人看日程的，而是用来监控 OpenClaw 的定时任务（也就是 cron jobs）。


Alex Finn 分享了一个很现实的问题：有些时候你跟 OpenClaw 说每天早上帮我做一件事，它回复说好的没问题，但实际上它根本没有真的去安排这个定时任务。


日历屏幕就是用来抓这种情况的，你可以一目了然地看到所有已经安排好的定时任务，如果发现少了某个任务，就可以立刻让代理去补上。


这个工具背后有一个很重要的理念，就是信任但要验证。


AI 代理现在还没到百分百可靠的地步，给它一个可视化的校验机制其实非常有必要。


用过 AI 代理的人应该都有这种感受：它有时候会很认真地告诉你它已经做了，但你仔细一查，啥也没发生。


3️⃣ 记忆屏幕和文档屏幕：给 AI 代理装上外脑


记忆屏幕和文档屏幕我放在一起聊，因为它们解决的是同一类问题，就是信息散落在各处找不到。


OpenClaw 本身有一个很强的记忆系统，它会记住你们所有对话内容。


但问题是这些记忆通常存在一个乱糟糟的 markdown 文件里，想找什么东西基本靠翻。


记忆屏幕把这些内容按天整理好，就像一本数字日记，你可以很方便地回顾某一天聊了什么、做了什么决定。


Alex Finn 甚至说他期待十年后回头翻看这些记忆，简直就是一部个人数字生活的编年史。


文档屏幕也是类似的逻辑。


OpenClaw 会帮你写各种文档，产品需求文档、架构设计、周报、甚至 newsletter 初稿。


但这些东西通常就丢在聊天记录里，想找回来得翻好久。文档屏幕把所有生成过的文档集中管理，支持搜索和自动分类。


Alex Finn 每周四让 OpenClaw 帮他写 newsletter 草稿，然后直接去文档屏幕找出来复制到 Substack 里编辑发布，整个流程特别顺滑。


4️⃣ 团队屏幕与使命宣言：把 AI 代理当公司来管


这是我个人觉得最有想象力的一个工具。


团队屏幕展示了所有代理的组织架构，谁是主代理、谁是子代理、各自负责什么、跑在哪台设备上。


Alex Finn 给他的代理团队设定了一个使命宣言，大意是建立一个 7×24 小时自主运作、持续产出价值的 AI 代理组织。


所有代理在空闲的时候，都可以围绕这个使命去思考接下来该做什么。


他会用反向提示问代理：根据我们的使命宣言，现在做什么任务最能推进目标？


这个思路其实已经超越了把 AI 当工具用的阶段，更像是在经营一个由 AI 组成的小团队。


每个代理有明确角色，有共同目标，有协作机制。虽然听起来有点科幻，但 Alex Finn 确实在视频里演示了这套系统在运作。


Alex Finn 特别强调了一件事，他说你不要照抄我的设置。


他给出的建议是用反向提示。


在搭好基础的 Mission Control 之后，直接问你的 OpenClaw：根据你对我的了解，我们的工作习惯和目标，你觉得还应该造哪些工具？让代理来帮你想，而不是你自己硬憋。这个方法可能比任何教程都管用，因为它真正做到了个性化。


从这个视频能看到一个越来越清晰的趋势：AI 代理正在从单次对话工具演变成长期运行的数字协作者。


它们需要被管理、被监督、被赋予目标，就像管理一个远程团队一样。


而 Mission Control 这种思路，本质上就是在搭建人和 AI 之间的协作基础设施。