Kimi上線了OpenClaw手機版，給大家分享5種知識管理的神級技巧

最近沉迷Obsidian，

OpenClaw+Claude Code的組合可以定時幫我把所有信息都存到Obsidian里，提示語放里頭，內容選題放里頭，郵箱里的訂閱也都搞里頭，今天先就來說說我的階段性踩過的坑，

用Agent做知識管理！

把URL，文件，圖片啥的丟給OpenClaw讀取只是第一步，用好定時和記憶系統(tǒng)才是真的爽。比方說做個第二大腦 or 定時定點追蹤某一個領域的熱門視頻，

入庫的知識還能自動去重 or 在一個基礎信息源的基礎上直接迭代出一大堆有用的定時任務。

等等等等，

這次所有的提示語和安裝細節(jié)我都整理到文檔了，還是公眾號回復kimiclaw就好了

我用的是新的手機對話端，KimiClaw，好處就是沒有飛書的一堆權限也可以在手機上用上，很多人會覺得工作屬性太強就沒興趣了。

Kimi選了一種更輕的方式，來駕馭我已經(jīng)養(yǎng)了很久的OpenClaw。

預測一把，會有更多家模型App把類似OpenClaw這樣的Agent作為一個子功能，就跟之前App只能用來對話，現(xiàn)在還可以生圖生視頻生代碼一樣。

先說結論，

KimiClaw提供了兩種接入方式。第一種是一鍵部署，自帶聯(lián)網(wǎng)搜索和Clawhub來安裝Skills，還有40G云盤存儲。它會直接在云端幫你跑一個全新的OpenClaw實例，并且自動配好了K2.5 Thinking模型和Kimi Search聯(lián)網(wǎng)搜索。整個過程大概一分鐘就能搞定。

對我來說，更有吸引力的是第二種，關聯(lián)已有實例。如果你像我一樣，本地已經(jīng)有了一個養(yǎng)了很久的OpenClaw，你所有的配置，記憶，和已經(jīng)安裝的Skill都會被完整保留，這樣就不需要看一個新教程配置又配置一個新的，一直持續(xù)迭代一個主力openclaw就可以了。

OKOK，硬件準備就緒，上狠活，

首先是信息的快速消化。

春節(jié)這幾天我特無助，每天看到隔壁更新了四個視頻，今天凌晨看到Gemini 3.1 Pro更新了12分鐘大聰明就出稿子了，我合理懷疑OpenClaw成他數(shù)字分身了。

我想了個招，把任何我覺得會是一個長期信息獲取的任務，都給加上定時和記憶功能。

這幾天，我裝了個專門處理YouTube視頻的Skill。我給它的指令是，每天早上8點，去抓取我關注的幾個頻道的最新視頻，然后為每條新視頻生成一份核心報告，我甚至可以讓它記住我的頻道偏好列表，方便我后續(xù)隨時增刪。

安裝這個skills：https://clawhub.ai/therohitdas/youtube-full

每天早上 8 點，抓取下面YouTube頻道的最新視頻，生成一份包含核心摘要：
@mreflow

針對每條新視頻（過去 24-48 小時內發(fā)布）：
獲取視頻字幕。
用2-3個要點總結核心內容。
附上視頻標題、頻道名稱及鏈接。

特殊說明：
如果某個頻道ID無法識別，請通過搜索找到正確的頻道。
請記住我的頻道列表，方便我后續(xù)增刪。

不想浪費Token的話還有一招，

讓KimiClaw主動維護一個已處理過的視頻列表，來避免重復生成。

每天上午9:00，在 YouTube 上搜索關于“OpenClaw”的新視頻。

排重機制：
維護一個名為 seen-videos.txt 的文件，記錄已處理過的視頻 ID。
僅針對該文件中不存在的新視頻獲取字幕。
處理完成后，將新視頻 ID 存入 seen-videos.txt。

單條視頻處理要求：
獲取視頻字幕。
生成3個要點的精簡摘要。
標注出任何與我工作相關的內容。

這種主動性，還可以更進一步。

我可以讓KimiClaw轉職成目標管理教練，把我的個人長期目標，從職業(yè)發(fā)展，產品發(fā)布，到個人成長，全都告訴了它。然后，我讓它每天早上8點，根據(jù)我的這些長期目標，主動為我策劃它今天可以在我電腦上完成的任務。

這是我的個人目標，記下來并在后續(xù)所有任務中作為默認參考：

職業(yè)發(fā)展：
1 小紅書賬號做到10萬訂閱
2 建立可復現(xiàn)的內容方法論與系列欄目，持續(xù)增長與穩(wěn)定爆款

產品發(fā)布：
1 在Q3前發(fā)布我的產品
2 以跑通核心閉環(huán)的MVP為交付標準，優(yōu)先可用與迭代

個人成長：
1 每月閱讀1本設計相關書
2 每本書輸出結構化筆記，并落地到內容或產品中

決策原則：
1 優(yōu)先做能同時推動增長與產品的事
2 優(yōu)先做可復現(xiàn)可沉淀的事

每天早上 8:00，請根據(jù)我的長期目標，主動策劃 4-5 項你今天可以在我電腦上完成的任務。

如果你打算開發(fā)自己的產品的話，還可以在剛剛的提示語下面加一句：

根據(jù)今天我跟你對話信息開發(fā)一個能解決我問題的小應用原型（MVP）

相信我，馬上就不缺靈感了。

KimiClaw里面也支持HTML預覽，所以這些任務系統(tǒng)還可以做成看板展示，

請使用 Next.js 為我構建一個看板（Kanban Board），用于展示你正在處理的所有任務。


功能要求：
狀態(tài)分列： 看板需包含“待辦 (To Do)”、“進行中 (In Progress)”和“已完成 (Done)”三個列表。
實時更新： 當你完成任務時，看板狀態(tài)必須實時同步更新。

還有一個大類就是讓KimiClaw過濾郵件長文，

單獨給AI配一套賬號還是有好處的，我可以先用Playwright MCP訂閱Andrej Karpathy大神推薦的92個長文訂閱里有郵件訂閱的，其實做個RSS訂閱也行，但目前還是容易斷連，如果有解決方案的我們可以一起討論討論。

https://gist.github.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b

然后再總結我這個獨立郵箱的內容，

我希望你每天晚上 8 點運行一次定時任務，讀取過去 24 小時內的所有訂閱郵件（Newsletter）。

用Clawhub搜索合適的skills完成這個任務。

執(zhí)行細節(jié)：

整理一份核心要點摘要，并附上原文鏈接以便深度閱讀。

完成后詢問我對本次內容篩選的評價。

根據(jù)我的反饋更新你的記憶，不斷優(yōu)化篩選偏好。

到這一步就開始要記不住KimiClaw每天都存了多少定期任務了，

所以我們需要一個第二大腦來降低記憶的摩擦力，抓信息就應該像發(fā)微信一樣簡單，搜索長期記憶就應該簡化一個網(wǎng)站里，

我想搭建一個第二大腦系統(tǒng) (Second Brain)，用于復盤我們所有的筆記、對話記錄和記憶碎片。使用 Next.js 完成開發(fā)。

功能清單：

全量列表： 一個支持搜索的列表，展示所有記憶點和歷史對話。

全局搜索 (Cmd+K)： 支持通過快捷鍵喚起全局搜索，覆蓋系統(tǒng)內所有內容。

多維篩選： 支持按日期和內容類型進行過濾。

設計風格： 界面需保持極致簡約（Minimal UI）。

我轉到KimiClaw的網(wǎng)頁版打開給大家看看，

這個比我純用RSS或者純用網(wǎng)頁版的Gemini上總結多個網(wǎng)頁的內容好用很多，OpenClaw畢竟是有長期記憶的，能根據(jù)我的反饋來優(yōu)化我的篩選偏好。

那如果我沒有AJ大神推薦的好文，平時也沒有積累一大堆RSS，

有沒有辦法可以快速豐富我們的知識庫呢？

對一些我不熟悉但又需要持續(xù)關注的領域，我就要搬出我最近新看到的左腳踩右腳，原地飛天提示語，用一段時間一兩百個優(yōu)質信息源簡簡單單兒。

每周日18:00，運行一次Cron Job執(zhí)行以下操作：
財報檢索： 搜索下周科技與AI公司的財報日歷。
目標篩選： 過濾出我關注的公司（如 NVDA, MSFT, GOOGL, META, AMZN, TSLA, AMD 等）。
人工確認： 等待我確認具體要追蹤哪幾家公司。

追蹤邏輯（當我回復要追蹤的公司后）：
精準調度： 為每家公司的財報發(fā)布時間分別設置一個單次定時任務（One-shot Cron Job）。
結果抓取： 財報發(fā)布后，立即搜索業(yè)績結果。
格式化摘要： 整理一份包含以下內容的報告：超預期/遜于預期（Beat/Miss）、營收、每股收益（EPS）、核心指標、AI 相關亮點以及業(yè)績指引（Guidance）。
偏好記憶： 記錄我常追蹤的公司，以便每周自動向我推薦。

它會為每家公司的財報發(fā)布時間，分別設置一個精準的單次定時任務。

一旦財報發(fā)布，它會立刻抓取結果，并為我整理一份格式化的摘要報告。

最后的最后，

給大家超前預告?zhèn)€小彩蛋，

KimiClaw連上電腦本地的OpenClaw后，

可以安裝obisdian-direct Skill把obisdian作為知識庫，這也就是為什么我廢那么大勁要把這個鏈路打通。

回過頭來看，

每一個新產品出現(xiàn)，

都在改變著我們跟信息互動的方式。

聯(lián)網(wǎng)搜索解決了模型實時獲取信息的問題，Deep Research解決了短時間獲取大規(guī)模專業(yè)知識的問題，

而一個帶定時任務和長期記憶的Agent，

讓我不需要擔心輸入過多看了就忘，

也不用花心思去反復打磨所謂的知識庫，

知識庫是給AI看的，

我們看它就好。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標

如果你有更有趣的玩法，歡迎在評論區(qū)聊聊

更多的內容正在不斷填坑中……