這個月，我幾乎把所有業餘時間都花在 Try and Error，用 OpenClaw。
起初只是好奇。我把這個開源 AI 代理平台裝上 Mac Mini M1，看著它在前台化身成能理解複雜指令的「代理人」，總有種奇妙的既視感。直到這週，我翻出 Raspberry Pi 4 刷上 Ubuntu Desktop，再次把 OpenClaw 塞進去——看著那塊小開發板流喚運轉「代理大腦」時，那個意象終於清晰起來：
這給我了想法，這不就是金庸《天龍八部》中的「小無相功」嗎？
無相無形，驅動萬法
「小無相功」的精髓在於：它沒有固定招式，卻能催動天下任何門派的外功。鳩摩智靠它模仿少林七十二絕技，讓旁人以為他精通各派武學。
OpenClaw 正是如此。
它不是一個「超級 AI 模型」——不是 GPT-4，不是 Gemini，也不是 Claude。它是一門 「內功心法」 ：在後台調用、整合各種頂尖模型，在前台展現成一個統一的「代理人」。
我在 Mac Mini 上用 OpenClaw，它在後台同時串接三四個 AI 服務：一個擅長推理，一個擅長程式碼，一個擅長寫作。但我在前台完全感受不到切換，只看到一個能理解複雜指令、自動拆解任務、漂亮完成的 「高手」。
從「問答機器」到「代理高手」，這就是質變。
代價：小無相功很吃內力
But 一個月的 try and error 讓我知道：這門神功，非常消耗內力。
小無相功催動少林絕技需要雄厚內力支撐，鳩摩智後來走火入魔，某種程度也是內力透支的結果。OpenClaw 也一樣——它很吃 AI Quota。
我曾經歷過這樣的場景：下午才充值好的 API 額度，傍晚就收到「餘額不足」的警告信。回頭檢查 log 才發現，我只不過讓它幫我做幾輪「研究某個主題、整理成報告、再根據報告寫一封郵件」的任務，它在後台卻已經來回調用了十幾次模型。
每一句話、每一個子任務、每一次重試，都在燃燒配額。就像鳩摩智每催動一次無相劫指，都在消耗一分真氣。
這週把 OpenClaw 搬上樹莓派後，我開始認真研究 「如何省內力 (AI model Quota)」：
首先是精準拆任務：不讓代理用「暴力調用」解決問題，而是先想清楚哪些步驟真的需要 LLM，哪些可以用規則處理。接著是設定明確邊界：告訴它「最多思考三輪，不行就認輸」，避免陷入無窮遞迴。同時要快取重複結果：同樣的問題不問第二次 (At Least I tried)。最後是選對模型：簡單任務用便宜的小模型 (Mini or Flash)，複雜任務才動用 GPT Pro。
這些都是血的教訓換來的。但話說回來，練功哪有不耗內力的？只是我現在學會了精打細算，不讓自己在每個小任務上都「放大招」。
Raspberry Pi 的小無相功
這週最讓我驚訝的，是 OpenClaw 在 Raspberry Pi 4 上的表現。
這塊小板的運算能力還不如我手機，但因為 OpenClaw 只負責「運功調度」，真正吃重的工作都在雲端完成，它依然能把「代理人」角色扮演得有模有樣。
看著那小小的電路板，藉由 OpenClaw 這門內功，調動地球上最頂尖的 AI 模型替我做事——這畫面本身就很魔幻。
結語：內功的代價與未來
一個月的 try and error 讓我體悟：OpenClaw 這樣的平台，標誌著 AI 發展的轉折。未來的江湖，比的不是哪個模型參數更多，而是 「內功」 的深淺——誰能更好整合百家之長，誰能用更少的「內力」辦更多的事。
而我還在學習，如何在額度燒乾前，把這門內功練得更純熟。
畢竟，誰不想擁有一套屬於自己的「小無相功」？只是別像鳩摩智那樣，練到走火入魔就好。