以為寫完了：Claude Code 觀測 digest 的兩次設計
我一直以為 Claude Code 在靜默觀測我做的每件事。裝了 continuous-learning-v2 這個 skill，規則寫著「每輪對話自動抽取模式」、「任務結束時主動寫入知識庫」，加上 auto-skill 把產出綁到 Obsidian Vault——聽起來就像我敲的每一行指令都會被默默萃取成經驗。 然後我打開 Vault 的 auto-skill/experience/ 看一眼。 7 筆。 9 天 7 筆，其中 6 筆是某個下午當場叫 Claude 記的。真正「自動」產出的是 0 筆。 我愣了一下——這兩週敲出來的幾千次工具呼叫到底去了哪裡？還是根本沒被記？ 規則沒壞，但產出為零auto-skill 的規則是這樣設計的：每輪對話抽關鍵詞、判斷話題切換、符合條件才主動問使用者要不要寫入。理論上很精巧，每次任務結束都會評估一下「這次解決的問題下次還能用嗎」，可以就寫。 問題是這個評估是我執行的，而我是一個對話結束就消失的程序。每一代 session 用自己那輪的「品質標準」判斷，標準會漂移，多數日常工作我會覺得「這沒什麼特別」就跳過。結果 9 天產出 1...
用兩個 AI 建立自動化工作流：讓龍蝦當 PM，Claude Code 當工人
凌晨三點，你的電腦正在幫你分析美股、寫技術文章、整理筆記。早上七點，一份完整的晨報自動推送到你的 Notion。白天你在 Telegram 對一隻機器龍蝦說「幫我查一下 NVIDIA 最新財報」，它寫好任務單，另一個 AI 在背景默默把事情做完。 這不是科幻小說，這是我用 Claude Code 和 OpenClaw 搭出來的雙 AI 工作流。 為什麼要用兩個 AI？一個 AI 做所有事情聽起來很美好，但實際跑起來會撞到幾個牆： Claude Code（CC） 是命令列工具，擅長深度工作——寫程式碼、分析資料、產出長篇內容。但它沒有常駐能力，不能 24 小時掛在那裡等你的訊息。 OpenClaw（龍蝦） 是 Docker 容器裡的常駐 AI 閘道，可以接 Telegram、Discord、Slack。它 24 小時在線，隨時能回你訊息。但它的強項是溝通和協調，不是深度工作。 把兩者組合起來：龍蝦當 PM 負責接單和調度，CC 當工人負責執行，各做各擅長的事。 整體架構12345678910111213141516你（Telegram） │ ▼龍蝦（OpenClaw...