Shruti Mishra 坦言開始研究時抱持懷疑態度。社群媒體充斥 Mac Mini 設定截圖與「自動化一切」的模糊宣稱，卻無人解釋背後重要性。這令她決定投入 40 小時深挖文件、分析案例及觀看教學影片，試圖找出被刻意忽略的真相。
最關鍵發現：即用功能與建構需求的巨大落差
研究後 Mishra 發現，最少人說明的重點是：Clawdbot 有兩個截然不同能力層級。第一層級確實可立即使用，如整理下載資料夾、搜尋最新新聞、摘要文章、讀取行事曆與郵件、執行簡單腳本或監控網站變化，這些功能安裝後幾分鐘內即可運作。然而社群媒體大肆宣傳的進階功能，實際上需要數小時至數天自訂建構。自動分類數千封郵件、即時監控市場異常交易、多平台社群媒體自動發文、建立完整應用程式及管理 GitHub 程式碼庫，皆非安裝後馬上實現的魔法。它們需要 API 存取權限設定、自訂整合方案開發、反覆測試改良與持續維護。Mishra 強調這與許多使用者分享「一鍵自動化所有工作」的印象有明顯落差。
驚艷案例背後的真實工作量
Mishra 深入分析令人印象深刻的使用者證言時，發現每個案例背後皆有大量未提及的前置工作。聲稱「清空一萬封郵件，收件匣減少 45%」的用戶，實際上花數小時設定郵件客戶端 CLI 及建立自訂過濾規則，才實現完全自動化。那位「臥床看 Netflix 時透過 Telegram 重建整個網站」的使用者，本身是經驗豐富開發者，具備深厚技術知識與既有網站結構基礎。最令 Mishra 印象深刻的評論來自用戶 tobi_bsf：「我能想像的事」與「實際運作的功能」之間差距從未如此之小。她認為這句話真實詮釋是關鍵——前提是必須理解什麼是可能的，並能清楚表達需求。若自身不知道需要什麼，Clawdbot 無法讀心。這些成果屬實，但是清晰需求、技術理解、迭代改良與時間投入的結果。
新手建議第一步
Mishra 發現最關鍵成功因素是「從極簡單任務開始」。她建議新手不要一開始嘗試複雜自動化，而是先執行三個基本測試。第一是檔案管理，例如「列出下載資料夾內容」或「按類型整理下載資料夾」，這能立即見效且不需額外設定。第二是基本研究，如「搜尋過去一週關於某主題新聞並摘要」，以測試資訊處理能力。第三是簡單定期任務，例如「每天早上 8 時告訴我今日行事曆」，體驗自動化價值。她強調獲得第一次成功體驗至關重要。看到 Clawdbot 完成任務，即使只是整理資料夾，也能建立信心動力繼續探索。相反若起步即嘗試建立複雜交易監控系統或社群媒體自動發文，很可能因挫折放棄。成功關鍵是先取得小勝利，逐步增加複雜性。
「技能」系統實際運作方式
Mishra 發現「技能（Skills）」是 Clawdbot 最強大但也最易被誤解的功能。技能本質上是可重複使用工作流程，可要求 Clawdbot 建立技能，在適當引導下，它能撰寫程式碼、安裝並開始使用。如有使用者詢問「你能存取我的大學課程表嗎？」Clawdbot 回答「目前不行，但我可以建立一個技能做到這件事」，經迭代後真的創建了整合功能。但她強調這非一鍵完成。建立有效技能需要清晰指示、理解需求、反覆測試與改良，有時需數小時調整。技術背景較強使用者能更快速指導 Clawdbot 建立正確技能，非技術使用者則需要更多次迭代。關鍵要明確表達目標，提供足夠上下文並準備除錯。過程本身即是學習，隨著經驗累積，建立技能速度將顯著提升。
成本與時間投資誠實計算
許多宣傳忽略了成本與時間投資真相。雖然軟件開源免費，但 API 成本採按使用量付費制，典型使用者每月約 15 至 50 美元（約港幣 HK$117 至 HK$390），重度使用者可能達 50 至 150 美元（約港幣 HK$390 至 HK$1,170），甚至有極端案例消耗 1.8 億個 token。她建議使用者首月必須密切監控 API 使用量。時間投資方面，基本設定需 30 分鐘至 2 小時，學習實驗需 2 至 4 小時，建立進階工作流程各需數小時至數天，且維護是持續工作。她提供實際學習時間軸：第一個自動化流程可能需 2 小時摸索除錯，第二個約 1 小時，到第十個可能只需 20 分鐘。學習曲線遞減意味初期投資會隨經驗累積快速回報。她亦計算投資回報率：若透過基本自動化每週節省 5 小時，以每小時 50 美元時間價值計算，每週價值 250 美元（約港幣 HK$1,950）或每月 1,000 美元（約港幣 HK$7,800）。扣除 API 成本約每月 30 美元（約港幣 HK$234）與初期時間投資（假設 10 小時設定學習，約港幣 HK$3,900 機會成本），首月可能接近打平。但次月開始，每月淨收益約 970 美元（約港幣 HK$7,566）。
安全與私隱實際考量
Mishra 提醒，給予 AI 代理電腦存取權是重大決定。Clawdbot 運行於本地機器，能存取檔案、應用程式與資料，功能強大同時伴隨風險。她建議使用者仔細閱讀安全文件，理解分享資料內容，並使用配對模式（pairing mode）保護私人訊息安全。她觀察到本地運行雖比雲端服務提供更多控制權，但也代表使用者需自行負責安全設定。若在高度監管環境工作，或公司有嚴格 IT 政策，未必適合使用。此外，因所有指令經 Anthropic 的 API 傳送至 Claude，使用者需理解資料在本地機器與 API 間的傳輸影響。（編者按 :很多新手沒有把預設中門大開的 18789 Port 處理，令到用家容易控制到用家電腦及偷去 API 及密碼等)
事情出錯的現實情況
Mishra 強調自動化系統會失效。當 API 更新、網站重新設計、服務條款改變或連線問題，原本運作良好的流程可能突然停止。成功使用者共通點是預期出現問題，並願意投入時間除錯。她建議不要將關鍵任務完全依賴自動化。高風險決策仍需人工審查，因為 AI 可能自信地犯錯。此外，建立流程時應包含錯誤處理機制，如步驟失效時發送通知，避免流程靜默停止。防禦性設計思維是長期成功使用工具的關鍵。
誰應投入，誰該等待
經過 40 小時研究，Mishra 認為完美對象是熟悉命令列開發者、技術使用者、有特定重複任務者、願為長期收益投入時間者及早期採用者。願學習的半技術使用者、有明確目標且能遵循文件的人亦能獲得價值，但需更多耐心。目前不適合命令列新手、期待立即進階自動化、不願投入時間、處於嚴格 IT 政策環境及期待即插即用完美體驗的人。這工具需要承諾，半調子嘗試不會帶來實質效果。
沒人告訴你的維護現實
維護是持續工作。API 會改，網站會變，原本正常的技能可能突然失效。自動化流程非一次性設定後永遠運作。她亦指出並非所有任務皆易自動化，某些工作需過多人類判斷，必須挑選適合戰場。技術使用者能快速獲得驚人成果，非技術使用者進展較慢但仍有價值。成功者是從簡單開始、逐步學習、迭代改良並保持投入的人；掙扎者則是期待即時魔法、不願學習、一次失敗即放棄且不閱讀文件的人。
與現有 AI 工具根本差異
理解 Clawdbot 與其他工具差異很重要。ChatGPT、Claude 網頁版屬對話式，提供建議但需手動執行。Clawdbot 革命性在於實際執行——不只教你整理檔案，而是直接整理；不只生成程式碼，而是執行它。但對特定需求，專門工具可能更合適。如主要需求是社群媒體內容創作與發文，Postey.ai 等工具已處理好特定流程，不需自訂技能或管理 API。Clawdbot 擅長通用電腦自動化，而非每項任務的最佳方案。
「心跳」功能實用性評估
「心跳」（heartbeat）是定期檢查機制，Clawdbot 可主動通知更新或建議改良。使用者 HixVAC 表示喜歡這種主動聯繫，但 Mishra 澄清這不代表它會持續監看每件事。實際應用需配置監控對象與頻率。例如設定每日檢查網站更新或監控資料夾變化。這是主動協助而非全知自動化，需要前期思考與配置。
社群資源與學習路徑
官方文件與社群支援至關重要。她建議加入 Discord 社群分享工作流程及解決技術問題。技術背景者可利用 GitHub 程式碼庫與議題討論。觀察他人實作是加速學習最有效方法。看到別人如何設定流程與處理錯誤，能幫助理解可能性並避坑。新手應先在社群學習他人的配置範例，再建立自己的複雜自動化流程。
對未來工作模式深層分析
Mishra 認為 Clawdbot 預覽了未來 2 至 3 年工作模式。AI 發展從 2020 年撰寫文字、2023 年生成圖像、2024 年編寫程式碼，到 2025 年自主執行任務，預計 2027 年執行將成標準。我們正經歷從「AI 協助」到「AI 行動」的轉變。現在學習與 AI 代理協作，猶如 1985 年學習試算表或 1998 年學習搜尋引擎。早期採用者正發展未來必備技能，建立肌肉記憶。雖然大多數人會因無法立即解決問題而放棄，但優勢屬於願從簡單案例開始、逐步投入時間學習的人。今日起步者將在兩三年後擁有難以追趕的經驗優勢。
40 小時結論：從懷疑到認可
Mishra 結論是：Clawdbot 具重大意義，雖不完美亦非魔法，但核心承諾屬實——一個能完成任務的 AI 助手。稱其「革命性」者沒錯，但稱其「即插即用」者不對，真相介於兩者之間。炒作既真實又誇大，關鍵在於全心投入。問題不在於自主 AI 代理是否成標準，而是你想現在學習，還是在兩年後才追趕。最好的開始時間是去年，第二好是今天，前提是願意適當學習。這需要決心與承諾，對於願投入者，回報實質且持久。
分享到 :
最新影片
