大家好，我是双越。wangEditor 作者，前百度 滴滴 资深前端工程师，慕课网金牌讲师，PMP，前端面试派 作者。
我正致力于两个项目的开发和升级，感兴趣的可以私信我，加入项目小组。
本文是我 openclaw 的真实使用记录，我用它来搜索、分析和整理 前端 vs 全栈 的招聘岗位。
现在 AI 编程普及，前端转全栈是一个整体趋势，我们看看网上真实的招聘数据如何。
适合 OpenClaw 的应用场景
OpenClaw 最适合的场景之一就是：搜索 整理 分析
如果用人工操作，首先成本太高，要搜很多资料，整理很多数据，做很多纬度的分析，而 AI 可以自动处理，效率高。其次不同人，执行能力和理解能力都不一样，输出的数据也会参差不齐，而 AI 就可以标准化。
如果用其他 AI 工具，如豆包 千问等，它们的搜索质量不好把控，因为现在搜索 API 都是要付费的，它们内部都是免费的。而且，我们不太好自己控制流程和要求，非常依赖于这 app 自己的理解能力。而 OpenClaw 可以使用本地浏览器搜索，搜索质量和人工相似，我们还可以自定义 Skill 来规定流程和要求，让 AI 能更好的理解需求。
创建 skill
这是一个比较复杂的任务，先不急于操作，先创建 Skill 。给 openclaw 输入
在当前 AI 编程普及的情况下，前端工程师 纷纷转行为 全栈工程师。
我想让我帮我搜索并整理：全栈工程师的招聘情况，各个城市的数量、薪资、技能等，以及前端工程师的数量、薪资和技能。然后两者做对比。
而且我打算每个月就让你做 1-2 次这个工作，所以最好能整理成一个 Skill ，这样可复用。
对于这个 skill ，你有什么想法？从哪些方面考虑？怎样的流程？
PS. 先不要去执行搜索、也不要直接写 skill ，先说你的思路
注意，最后一定要加上一句 PS. 先不要去执行搜索、也不要直接写 skill ，先说你的思路 否则 AI 会非常激进的直接开始搜索 。激进，也可能是为了多消耗一点 token ，让你多花点钱。
AI 给出的回复，我感觉还是比较全面的，包含
- 数据源
- 输出格式
- 可用性设计
- 流程设计
继续优化
现在有了初步的结果，现在换一个角度，从阅读者的角度，让输出内容更有价值。
你的设计我非常认同。另外，我会把这个报告发布到博客或公众号，请你再站在阅读者的视角，帮我优化一下，看是否哪里还有缺失？
AI 根据我的要求，增加了一些优化建议。甚至还思考了前端转全栈的建议。
生成 skill
根据以上的分析和优化，让 Openclaw 生成一个 skill ，这也是 Openclaw 的核心功能之一。
生成过程比较慢，中间卡了几分钟，因为这个 skill 内容比较多。
生成的 skill 很全面，有流程、数据源、还有处理方法、和产出 markdown 的方法。考虑的如此全面，还是比较出乎我意料的。
在 openclaw 的配置文件目录中可以看到 skill 的内容
测试 skill
Skill 生成的很理想，但效果如何不知道。开始测试一下，先搜索北京的职位，看看效果。
上来就翻车了，skill 默认推荐的数据源是 boss 直聘，但它反爬很严格，获取不到数据。
后来经过 AI 推荐，我改用了拉勾网和猎聘网，最终获取到了数据，skill 测试成功。
执行搜索和分析
测试 skill 没问题之后，开始整体执行。首先采集各个城市的前端和全栈数据
最后分析结果，生成一个 markdown 文件，汇总了详细的岗位数量和对比。
从上图数据可以看到，前端招聘数量是全栈的 4.75 倍，这和我们现实中的感觉形成了强烈的反差。
对此大家怎么看呢？欢迎在评论区留言讨论。
最后
我从头到尾大概 1 个多小时，通过 openclaw 完成了这项任务。总花费大概 5 元钱，使用 kimi 2.7
因为首次使用，需要创建 skill 花费了很多时间和 token ，下次再使用就会很快出结果了。
