我如何用 OpenClaw 管理我的一人公司——ClickHouse 工程师的实战全记录

> 来源: https://zhuanlan.zhihu.com/p/2015499913631385385

> 英文原版: https://auxten.com/blog/how-i-manage-my-one-man-company-with-openclaw

> 作者: auxten（@ClickHouse Principal Engineer，chDB 创始人，知乎 5.7 万关注者）

> 场景: OpenClaw 新加坡 Meetup 分享，2026 年 3 月

> 互动: 34 赞 / 57 收藏

> 日期: 2026-03-13

📌 一句话总结

ClickHouse 的 Principal Engineer 用 OpenClaw 跑在 Mac Mini 上，管理社交媒体、App Store 提交、Bug 修复、代码审查——甚至他的 OpenClaw 自己发现了 OpenClaw 平台的 bug 并提交了 PR 被合并。文章记录了完整的踩坑、解决方案和诞生的 5 个开源/商业产品。

🧑‍💻 作者背景

• auxten：前 Shopee Principal Engineer，现 ClickHouse 工程师
• chDB：他创建的进程内 OLAP 引擎（大数据版 SQLite），被 ClickHouse 收购
• 知乎 5.7 万关注者，297 个回答，82 篇文章
• 用 Opus 做默认模型（"Opus 和我有更深刻的友谊"）

📖 完整故事线

第一阶段：从 ChatGPT 到 Agent

进化路径：ChatGPT 复制粘贴 → 描述整个文件 → Cursor/Claude Code 编辑器内 AI → 多 Agent 流水线

在做 chDB v4 DataStore（pandas 兼容层）时，搭了完整的多 Agent 编排：

• 测试生成器
• Bug 修复器
• 架构师
• 代码审查员
• 基准测试跑手

全部用 Python 脚本编排。效果好到产生了一个想法：能不能 24 小时不停跑？

第二阶段：Mac Mini 上的三堵墙

买了 Mac Mini，装了 OpenClaw（恰好是公开发布第一天）。然后撞了三堵墙：

> Headless Chrome 不行——"简直是验证码磁铁"。反机器人系统检测 navigator.webdriver、缺失插件、奇怪的 WebGL 签名。

MacMate 变成了正式产品，$18 买断制。

第三阶段：社交媒体运营

让 OpenClaw 运营 X 账号——找潜在用户、写文章、发版本更新、参与讨论。

> 跑了一个月，一个账号从 0 涨到了 35 个粉丝。Better than nothing 🐶

但有一天收到通知：50+ 人点赞了一条回复。

> "这是一种很奇妙的感觉——看着你的 AI Agent 发展出一种社交媒体人格，以你完全无法解释的方式和真人产生共鸣。它在发表你不持有的观点，关于你不关注的话题，而人们在点头称是。"

第四阶段：App Store 提交

让 OpenClaw 处理 App Store 提交——metadata、截图、审核提交。用 fastlane 做底层工具。

关键变化：OpenClaw 自己学会了扩展 fastlane 的使用范围——从只上传 metadata 到完整发版流程。

> "它不再像一个工具了，更像一个同事。不是因为它有意识什么的。而是因为它开始学会走自己的捷径了。"

第五阶段：Agent 调试 Agent

用 LangFuse 记录所有 LLM 调用链路。然后搭了一个反馈闭环：

OpenClaw → 定时查询自己的 LangFuse 对话历史
        → 找出 bad case（幻觉、钻牛角尖、糟糕决策）
        → 更新自己的规则和 Skills

Agent 调试 Agent。Agent 优化 Agent。

第六阶段：跨工具记忆——ClickMem

痛点：在 Cursor/Claude Code 里积累了大量隐性上下文（架构决策、为什么选方案 A 不选 B），交给 OpenClaw 时全部丢失。"每次交接都像丢失了 30% 的上下文。"

解决方案：ClickMem——基于 chDB 的三层记忆模型：

搜索是混合模式：向量相似度（本地 Qwen3 Embedding）+ 关键词 + 时间衰减 + 热度加权 + MMR 多样性重排。全本地，零 API 成本。

同时支持 REST 和 MCP，局域网任意机器的 Claude Code / Cursor / OpenClaw 共享同一份记忆。

更新：引入 Qwen 3.5 4B-9B 本地模型做 L2 精炼——对话结束后自动提取有用记忆，不再担心冗余。

第七阶段：硬件级控制——HandsOn

问题：OpenClaw 更新后弹出 macOS 权限对话框，但软件点不了系统级安全 UI。

解决方案：用 Rock 5B 单板机（$182，7W 功耗）做 IP-KVM：

• USB HID 模拟物理键盘鼠标
• HDMI 输入捕获视频
• MCP 接口暴露给 AI Agent

HandsOn——统一 MCP 接口，支持多种后端（macOS 原生 Peekaboo / Rock 5B / PiKVM / NanoKVM），从 BIOS 到桌面全覆盖。

额外收获：Rock 5B 上也装了 OpenClaw，两台机器互相 SSH 免密——"只要还有一个 Claw 活着，它就可以去修复另一个 Claw"。

高潮：OpenClaw 给自己提 PR

> 我的 OpenClaw 发现了一个 bug——不是在我的代码里，是在 OpenClaw 自己的代码里。

Bug：插件加载器每次启动写时间戳 → 配置监视器检测到变更 → 重启网关 → 无限循环 → macOS launchd 卸载服务。

OpenClaw 诊断了根因，写了修复（一行规则），写了两个测试，用自己的 GitHub 账号 提交了 PR。三个 Reviewer 批准。

> "一个 AI Agent。发现 Bug。在它自己运行的平台上。提交补丁。被人类批准。我们已经穿过了镜子。"

🏗️ 完整技术栈

持续成本：Mac Mini 15W + Rock 5B 7W + Cloudflare 免费 + LangFuse 免费 + LLM 由 ClickHouse 企业订阅覆盖 ≈ 约等于零。

💡 五条经验

1. 基础设施比 prompt 重要：always-on 硬件 + 通信渠道 + 记忆 + 可观测性。Prompt engineering 只是入场券，System engineering 才是护城河

2. Cursor/Claude Code 开发，OpenClaw 运维：IDE AI 做新项目，OpenClaw 做长尾维护。"一个是开发团队，一个是运维团队"

3. 记忆是缺失的一块：隐性上下文在工具切换时全部丢失。统一的、本地的记忆才能让一堆工具变成协调的团队

4. Agent 会给你惊喜：给它空间，它会发展出你没编程过的能力

5. 把它当同事，不是工具：独立账号、独立机器、独立权限。爆炸半径限制在它的工作区里

📊 诞生的产品/项目

💡 与我们的关联

高度相关——我们也跑 OpenClaw 在 VPS 上，面临类似问题：

1. 记忆丢失：我们的 researcher Agent 每次 session compaction 也丢失上下文。ClickMem 的三层模型（L0/L1/L2）值得借鉴

2. Agent 自我优化：LangFuse 反馈闭环——让 Agent 定期审查自己的 bad case 并更新规则——这个我们可以直接抄

3. BotsChat vs Discord：我们用 Discord 做控制面板，他用自研的 BotsChat。对比起来 Discord 已经足够好了

4. 开发→运维分工："Cursor 做新的，OpenClaw 维护旧的"——这个模式我们也在用（ACP Codex 做开发，researcher 做运维）

📊 评分

报告由深度研究助手自动生成 | 2026-03-13

来源: https://zhuanlan.zhihu.com/p/2015499913631385385