一番折腾，试了百度云配置openclaw、阿里copaw、腾讯workbuddy，还有字节的trae cn。初步有感，openclaw的skills相当于成熟的技能操作手册，越垂直越专业。我用自然语言指令尝试命令爬取专业领域数据，copaw是表现最好的，自动爬取并整理汇总分析数据，并生成了数据文件以及分析简报，因为它安装了browser_visible等相关技能，但是消耗tokens很快，集成了AI的trae，自动反复的调试代码，最后还是没有成功，因为它本质是一个编码工具，对于垂直领域的代码设计还是依赖于人的精准指令。workbuddy表现介于两者之间，至于百度云配置openclaw不稳定，没敢尝试。
openclaw 配置
公开数据、新闻的获取指令，百度云配置openclaw表现是最好的，生成的简报专业、精准，这还是跟skills相关。
垂直专业研究报告的生成方面，我发指令，同时提供了参考版本，copaw也是表现最好的，虽然因为没有相关的垂直skills，也没有达到专业报告的标准。我也尝试了百度文档的橙篇，因为我想到它有百度文档的海量数据可以训练，表现也还可以。
openclaw的skills场景确实是一个AI应用的发展趋势，也是大模型收益变现的一个有力渠道，AI场景化配置平台也是大厂的一个发展方向，特别是对于垂直领域数据、场景丰富的大厂，如有海量的微信用户、丰富的小程序的腾讯，海量短视频的字节，（它那个seedance很不错，我试着做了生成了分身视频，可以以假乱真了呵呵），可能还有百度文库的百度？
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/275257.html原文链接：https://javaforall.net
