《Ai(爱)上小龙虾©》—用penclaw打造个人超级助手

课程背景：

2026年，人工智能的发展已从“被动聊天”进化为“主动做事”。以penClaw为代表的开源自主代理人（Agentic AI）技术，正成为新一轮效率革命的核心工具。然而，大多数用户仍停留在用AI写文案、做翻译的初级阶段，未能让AI真正“动手”解决复杂工作。

penClaw（昵称：小龙虾）作为当前最受欢迎的开源自主代理框架，能够连接大语言模型与数字世界，让AI自主规划任务、调用工具、操控软件。本课程旨在帮助学员跨越“普通人”与“AI高阶玩家”之间的鸿沟，通过2天时间，亲手“烹饪”出一只属于自己的、能在真实工作场景中解决问题的“小龙虾”助手。

课程特色：

1.从“使用者”到“创造者”的跃迁：不再仅仅是AI的应用者，而是亲手构建一个属于自己的、24小时在线的数字员工。

2.双轮驱动：AI教你用AI：引入“AI协作文档”模式，教您如何利用ChatBx+DeepSeek等工具辅助编写代码和配置，让AI帮你搞定技术细节。

3.全链路真实场景实战：打通“即时通讯（飞书等）→ 任务规划（penClaw）→ 工具执行（电脑/网络）→ 数据记忆（数据库）”的完整闭环。

4.成果可视化：两天课程结束后，您将带走一个能听懂指令、能处理图片、能记录档案的专属智能体，可用于工作汇报或个人品牌展示。

课程对象：

效率追求者：希望从重复性工作中解脱出来的职场人士（行政、运营、数据分析师等）；

技术爱好者：对AI Agent技术感兴趣，想掌握2026年最新工具的开发生手；

团队管理者：希望引入数字员工，提升团队人效的领导者；

创意实践家：想让“一句话就让电脑自动干活”从梦想变为现实的普通人。

注：本课程为零基础友好设计，无需专业编程背景，但需具备基本电脑操作能力。

课程时长：

2天（沉浸式实战训练营，每日6小时，共12学时）

课程模型：龙虾烹饪法

本课程遵循“洗虾-拆虾-调味-上桌”的四步实战模型：

课程大纲

第一天：小龙虾上桌——环境搭建与远程控制

核心产出：一个能在飞书等群响应指令的基础版“小龙虾”助手

上午：理论奠基与环境“洗礼”

开场破冰：你的数字分身什么样？

第一讲：AI Agent的“新世界”

从ChatBt到Agent：AI进化论

认识penClaw（小龙虾）：为什么它是2026年最火的开源项目？

核心原理揭秘：Agent如何实现“任务拆解、工具调用、自我修正”？

第二讲：动手“养虾”——本地环境部署

沙盒安全机制：用Dcker打造隔离环境，不让“小龙虾”搞乱系统

实战操练：基于Dcker或本地虚拟机完成penClaw安装与配置

下午：打通任督二脉——连接聊天机器人

第三讲：给小龙虾装“微信”——LINE Bt实战

申请LINE Develpers账号，创建Message API

Webhk配置内网穿透（ngrk），让公网能访问你的本地“小龙虾”

实战操练：在群聊中@你的小龙虾，让它回应“/status”指令

第四讲：让它动起来——技能（Skill）开发入门

小龙虾的技能（Skill）机制解析

提示词工程进阶：如何写出让Agent能执行的SP指令

实战操练：设计第一个实用技能——【/readme】（读取网页链接并总结摘要）

晚间加餐（选修）：如何用AI辅助排查部署中的报错信息

第二天：龙虾强化——赋予视觉与记忆，部署全天候助手

核心产出：具备图片识别和云端记忆能力的超级助手

上午：点亮“虾眼”——视觉识别能力集成

第五讲：AI的“眼睛”——YLv10视觉识别入门

视觉识别在办公场景中的应用（截图识别、表情包分类、票据录入）

本地部署轻量化YL模型

第六讲：小龙虾看世界——接收图片并识别

实战操练：在LINE中发送一张图片

工作流解析：LINE接收图片 → penClaw调用YL → 识别结果返回聊天框

下午：装上“虾脑”——持久记忆与最终部署

第七讲：别让它失忆——Firebase云端数据库集成

为什么Agent需要记忆？场景：记录谁在何时传了什么图

配置Firebase实时数据库

实战操练：将每一次识别请求的时间、用户、结果存入云端

第八讲：终极整合——打造“视觉任务助理”

综合实战：串联LINE + penClaw + YL + Firebase

优化体验：让小龙虾不仅能识别，还能根据图片内容做出反应

示例：传一张会议截图，小龙虾自动提取会议时间并添加至待办清单

第九讲：放归“大海”——项目封装与展示

环境变量配置与后台运行（PM2/Systemd）

如何制作项目展示PPT（使用AI辅助生成汇报材料）

结业路演：展示你的“小龙虾”超级助手

【课程配套资源与工具包】

硬件要求：学员需携带符合虚拟化要求的电脑（Win10/MacS，16GB内存，50GB可用空间）

软件工具：Dcker Desktp、VSCde、LINE、Git、Pstman

AI协作文档：提供定制版AI提示词库，涵盖代码生成、错误调试、功能拓展场景

课后支持：课程社群 + 开源项目模板，确保学员回家后也能继续迭代

【课程产出】

模块 产出成果

第一天结束 一个连接到飞书的penClaw基础Agent，能执行预设的/status和/readme指令

第二天结束 一个具备图像识别能力、能将关键信息存储至云端数据库的完整Agent应用

课程总收获 一套完整的Agent开发思维框架 + 可直接复用的源码模版 + 个人IP展示案例