大家好，我是地鼠，专注零基础小白 AI 编程教学及企业 AI 化提效。
上周有个朋友跟我说，他装了 OpenClaw，但感觉「也没那么神」。 我问他用的什么模型？他说Kimi K2.5。 我问他装了哪些 Skill？他说没装。
行，问题找到了。
OpenClaw 是个框架，不是开箱即用的产品。我们基于它搭了一个 AI 助理，叫地鼠精灵，接上了飞书、企业微信、日历这些工具。装上去只是第一步，真正决定它能干多少活的，是两件事：模型，和 Skill。
我们跑了将近一个月，踩了不少坑，这篇聊聊我们摸出来的规律。
1/ 模型决定上限
OpenClaw 跟 ChatGPT 的用法不一样。 ChatGPT 你问它，它答你，一问一答，完事。
OpenClaw 干的是「执行任务」。 你说一句「帮我整理今天大家的日报，汇总发给我」，它要自己去飞书拉数据、识别谁交了谁没交、整理成摘要、再通过企业微信发给你。 这是四步连续操作，中间任何一步出错都得重来。
这种场景对模型的要求，比普通对话高得多。
我们现在日常用 Claude Sonnet 4.6，复杂任务切 Opus 4.6。 Sonnet 4.6 处理多步骤工具调用基本一次过，参数填得准，中途不断。
K2.5 Thinking 理解指令没问题，但碰到需要连续调用四五个工具的任务，稳定性差一些。 简单的够用，复杂业务流容易翻车，需要你反复纠正。
Kimi Claw 我也测过，一键部署确实香，57 秒上手，这是真的。 但它锁死了 K2.5，这也是真的。想体验一下 OpenClaw 是什么感觉，够用。想真正跑业务，这是个硬限制。
模型不是越贵越好，是要跟任务类型匹配。日常消息收发、简单整理，Sonnet 够用，成本低。长文档分析、多步骤业务流，上 Opus，质量更稳。
2/ Skill 决定边界
模型再强，没有对应的 Skill，它就是个瞎子。
举个真实的例子。 让地鼠精灵直接读公众号文章，它做不到。 不是模型不够聪明，是微信公众号有反爬机制，无头浏览器根本进不去。 你得把文章内容复制过来，或者存成飞书文档再让它处理。
这就是 Skill 的边界。
Skill 是什么？就是给 AI 装的工具包。 有了飞书 Skill，它才能操作你的文档、日历、多维表格、工作汇报。 有了企业微信 Skill，它才能给团队成员发消息。没有对应的 Skill，模型再聪明也只能在对话框里空转。
我们现在装的 Skill 包括：飞书全套、企业微信消息、定时任务、图片生成、视频生成、网页抓取。每一个对应一类业务场景，缺一个就少一块能力。
Skill 还有一个容易被忽视的价值：业务知识沉淀。 我们把公司的产品定位、客户信息、工作流程、常用话术都写进了 Skill 文件。 AI 每次执行任务都会读取这些上下文，它才能真正「懂你的业务」，而不是每次都要你重新解释一遍背景。
这个差距，用过就知道。
3/ 正确的打开方式
我们这段时间帮企业落地 OpenClaw，核心就两件事。
第一，选对模型。根据任务类型匹配，不是越贵越好。 第二，装对 Skill。先梳理企业的核心业务流，再针对性地开发或安装对应的 Skill。飞书、企微、CRM、内部系统，能打通多少打通多少。
OpenClaw 的价值不在于「装上就能用」，在于「装对了能用好」。
这个差距，就是我们在做的事情。
我是地鼠，专注零基础小白 AI 编程教学及企业 AI 化提效。以上，如果对你有帮助，欢迎点赞转发鼓励我，谢谢！
