实例经验

自动化 Agent 最需要稳定执行和确定输出，OpenClaw 恰恰做不到：同样任务结果不同，失败不通知，无法保证成功。我们的解法是加巡查记录和失败通知、处理过程脚本化、提示词模板化、输出 JSON 化并严格校验。

飞文同学的反馈：以前遇到问题到处搜，前后要几个小时；现在打开大模型三分钟解决疑虑，学习效率快多了。我们拆开看为什么快，以及怎么用才能又快又对：说全背景、一次问一件、追问原理、关键处核实。

一篇经验（会员可读）：偶尔用（聊天、写文案、改代码）API 更便宜；高频批量（每天转写、分类、处理大量资料、固定工作流）本地可能更划算。核心分界线是每月 Token 消耗量，加上任务是否需要顶级模型质量。文中把两边的账和隐性成本算给你看。

一条经验：模型会自信地把错的说成对的。给一句可直接粘贴的提示词，逼它根据权威文献、新闻和公开讨论分正反两面求证、给出处、分清事实和推测，并说明还缺什么信息。附使用注意：很多模型并不真联网，出处要自己点开核对。

有的源码可过cloudflare的人机验证，但是Claude这样的模型道德感太高，拒绝帮你绕过，建议用其他模型

2026 年 11 月 6 日实测：开几个网页、做几个极简单的任务，Grok bot 的额度两天就快见底，当前已用掉 35%。11 月 5 日下午 5 点更新后，工作台一直打不开。已向 X 官方反馈，暂无回应。

一位同学把 Claude 写的初稿几乎原样交了上去，三天后收到学术诚信约谈通知。这篇复盘讲清楚：为什么会被发现、代价是什么、以及 AI 在写论文这件事上到底该怎么用。