Heute habe ich endlich mein Tesla abgeholt, und ehrlich gesagt fühlt es sich etwas surreal an.
Im Januar und Februar dieses Jahres, als die Nachrichten über Entlassungen bei großen Tech-Unternehmen Schlag auf Schlag kamen, war mein Feed voller Panik: „KI wird uns ersetzen", „Programmierer werden ihre Jobs verlieren."
Was mich betrifft, ich habe mich entschieden, VOLL auf OpenClaw zu setzen. Ich habe mir in einem Monat ein Tesla verdient – vergebt mir die Clickbait-Überschrift, ich habe nur die Anzahlung bezahlt.
Ich hatte auch Panik. Aber nach der Panik habe ich eine Sache gemacht: Ich habe auf Xianyu und Taobao nach „OpenClaw Installation" gesucht.
Und dann habe ich die surrealste Szene dieser Ära gesehen.
Wie surreal der Markt ist
OpenClaw-Installationsdienste kosteten zwischen 30 Yuan und 5.000 Yuan.
Genau richtig, für die gleiche Sache verlangen manche 30, andere 5.000.
Ich war fassungslos.
Das Lächerlichste war, jemanden in einem Gruppenchat zu sehen, der einen Auftrag über 16.000 Yuan annahm, nur um einem Unternehmen zu helfen, OpenClaw in großen Mengen zu installieren. Eine Anzahlung von 3.000 Yuan war bereits eingegangen.
Es hat mich umgehauen.
Ich habe auf Xianyu und Taobao genau gesucht, und es gab alle möglichen seltsamen Preise. Online-Installationspreise lagen zwischen Dutzenden und Hunderten, meist zwischen 100 und 200 Yuan. Die billigste war 30 für die Bereitstellung. Lokale Vor-Ort-Installationen waren teurer, im Grunde um die 500 Yuan.
Dann dachte ich: Da es so viele machen, warum kann ich es nicht?
Woche 1: Markttest + Erster Auftrag
Ich habe zuerst ein paar OpenClaw-Tutorials auf Xiaohongshu gepostet, um die Marktreaktion zu testen.
Die Titel waren sehr direkt: „Was OpenClaw für dich tun kann", „KI-Automatisierung spart 3 Mitarbeiter", „Ein KI-Tool, das du ohne Programmierkenntnisse nutzen kannst."
Es dauerte nicht lange, da schickten mir Leute private Nachrichten: „Kannst du mir helfen, es zu installieren?"
Der erste Kunde war im Bereich Sportrehabilitation, betrieb sein eigenes Studio und trainierte häufig Studenten aus anderen Städten. Sein Schmerzpunkt war sehr spezifisch:
Jedes Mal, wenn er eine Unterrichtsstunde vorbereitete, musste er den Inhalt in GPT diktieren, um ihn organisieren zu lassen, dann in WPS importieren, um mit KI eine Präsentation zu erstellen. Obwohl GPT die Effizienz erheblich steigerte, war sein Langzeitgedächtnis nicht vollständig. Einige Dinge hatte er schon oft gesagt, aber GPT wiederholte trotzdem Fehler.
Er hoffte, ein stabileres Aufzeichnungssystem aufzubauen, um langsam Arbeitserfahrung, Ideen und Materialien zu sammeln und schließlich einen „privaten Assistenten für professionelle Reha-Therapeuten" zu bilden.
Ich war damals unsicher, weil es mein erstes kommerzielles Projekt war. Aber ich hatte das Gefühl, dass dieses Bedürfnis perfekt für OpenClaw war. Ich bot 3.000 Yuan an, und die andere Seite stimmte fast ohne Verhandlung zu.
Der tatsächliche Betrieb dauerte einen Nachmittag für die gesamte Konfiguration:
- Ich half ihm remote, die OpenClaw-Umgebung zu installieren.
- Ich konfigurierte einen „Wissensmanagement-Agenten", der speziell seine Trainingsinhalte, Fälle und Erfahrungen aufzeichnete.
- Ich richtete eine automatische Organisationsfunktion ein: Nachdem er Inhalte diktiert hatte, kategorisierte und archivierte der Agent sie automatisch (z.B. „Schultergelenk-Reha", „Sportverletzungsfälle", „Trainingsplan-Vorlagen").
An einem Nachmittag 3.000 Yuan verdient, und der Kunde war sehr zufrieden. Er sagte, dieses System sei viel besser als die alleinige Nutzung von GPT, weil OpenClaw sich seine Fachbegriffe, häufigen Fälle und seinen Unterrichtsstil merken konnte.
Es gab hier ein entscheidendes Design: Ich habe dem Agenten eine „Langzeitgedächtnis-Bank" eingerichtet. Jedes Mal, wenn er Inhalte diktierte, organisierte der Agent nicht nur die aktuellen Inhalte, sondern verknüpfte sie automatisch mit historischen Aufzeichnungen. Wenn er zum Beispiel diesmal über „Schultergelenk-Reha" sprach, holte der Agent automatisch verwandte Fälle und Vorsichtsmaßnahmen hervor, die er zuvor erwähnt hatte, und erinnerte ihn daran, diese zu ergänzen oder zu aktualisieren.
In diesem Moment verstand ich: Die meisten Leute wissen nichts über OpenClaw, geschweige denn, was es kann. Aber ich weiß es, also kann ich dieses Tool in einen Dienst verwandeln.
Woche 2: Content-Akquise + Großer Vertrag
Nach dem Erfolg des ersten Auftrags begann ich mit systematischer Content-Produktion.
Meine Strategie war, auf zwei Plattformen gleichzeitig zu pushen:
- X (Twitter): Tiefgehende technische Artikel, wie „Detaillierte Erklärung des Speichermechanismus von OpenClaw" und „Wie man Agent Orchestrierung nutzt, um komplexe Geschäftsprozesse zu lösen." Das Ziel war, Leute, die die Branche kennen, meine technische Tiefe sehen zu lassen.
- Xiaohongshu: Praktische Tutorials und Anwendungsfälle, wie „Ein automatisiertes Kundenservice-System in 3 Stunden aufbauen" und „OpenClaw hat mir geholfen, 2 Mitarbeiter im Betrieb einzusparen." Das Ziel war, Leuten mit Bedarf zu zeigen, was ich tun kann.
Diese Kombination funktionierte sehr gut. Innerhalb einer Woche gingen meine privaten Nachrichten von ein paar vereinzelten auf über ein Dutzend Anfragen pro Tag hoch.
Aber ich entdeckte bald ein Problem: Die meisten Anfragen waren ineffektiv.
Manche fragten „Kannst du mir helfen, es kostenlos zu installieren", manche fragten „Was ist der Unterschied zwischen diesem und GPT", und manche wollten sofort „eine KI, die alles kann".
Ich verbrachte zwei Tage damit, zu filtern, und sicherte schließlich 5 zuverlässige potenzielle Kunden. Die Auswahlkriterien waren einfach: klare Bedürfnisse, angemessenes Budget und die Fähigkeit, zu erklären, welches Problem gelöst werden musste.
Ein Kunde mit seinen Bedürfnissen fiel mir wirklich ins Auge.
Was mein Einkommen wirklich in sechsstellige Bereiche trieb, war ein E-Commerce-Automatisierungsprojekt.
Der Kunde war im grenzüberschreitenden E-Commerce tätig, mit über 20 Shops und einem Team von 10. Ihre Schmerzpunkte waren: geringe Effizienz bei der manuellen Produktauswahl, hohe Kosten für die Auslagerung von Bildern und Videos, langsame Produktion von Detailseiten, die mit den Neueingängen nicht Schritt halten konnten, und nicht zeitnahe Analyse der Betriebsdaten.
Sie fragten mich: Kann OpenClaw diese Probleme lösen? Ich sagte ja, aber es erfordert eine kundenspezifische Entwicklung.
Ich entwarf für sie ein Automatisierungssystem mit 7 Agenten: Produktauswahl-Analyse, Bildgenerierung, Videogenerierung, Texterstellung, Detailseiten-Produktion, Listing-Management und Datenanalyse.
Das Angebot für die gesamte Lösung lag bei über 100.000 Yuan. Der Kunde unterschrieb den Vertrag fast ohne Zögern. Nach der Unterschrift bereute ich es, weil ich dachte, ich hätte zu niedrig angeboten. E-Commerce ist wirklich profitabel, haha.
Woche 3-4: Entwicklung & Auslieferung
Als ich den Vertrag unterschrieb, sagte ich selbstbewusst: „Ich erledige das in einer Woche." Es dauerte am Ende zwei volle Wochen, weil ich die Komplexität der kundenspezifischen Entwicklung unterschätzt hatte.
Problem 1: API-Integration war schwieriger als gedacht
Das E-Commerce-System des Kunden war individuell entwickelt, und die API-Dokumentation war schlecht geschrieben. Ich brauchte 2 Tage, um nur ihre Datenstruktur zu verstehen.
Problem 2: KI-generierte Inhalte erforderten umfangreiches Debugging
Der Bildgenerierungs-Agent lieferte anfangs schlechte Ergebnisse; die generierten Bilder hatten entweder inkonsistente Stile oder Detailprobleme. Ich passte die Prompts wiederholt an und testete hunderte Male, bevor es stabil wurde.
Problem 3: Die Kundenbedürfnisse änderten sich ständig
Anfangs sagten sie, sie bräuchten nur 7 Agenten, aber später wollten sie Lagerbestandswarnungen, Wettbewerbsüberwachung hinzufügen ... Jedes Mal, wenn ein Bedarf hinzugefügt wurde, musste ich den Workflow neu entwerfen.
Problem 4: OpenClaw selbst hatte Fallstricke
Die Dokumentation von OpenClaw war nicht detailliert genug, und viele erweiterte Funktionen mussten durch Trial-and-Error herausgefunden werden. Ich stieß auf Probleme wie Datenübertragungsfehler zwischen Agenten, instabile geplante Aufgaben und API-Timeouts.
Hier sind einige harte technische Details zu OpenClaw:
1. Agent Orchestrierung: Seriell oder Parallel?
Ich entwarf die 7 Agenten zunächst seriell: Auswahl → Bild → Text → Detailseite. Es stellte sich heraus, dass es zu langsam war; es dauerte über 30 Minuten für ein Produkt von der Auswahl bis zum Listing.
Später änderte ich es in eine Mischung aus parallel + seriell:
- Der Auswahl-Agent läuft zuerst (seriell)
- Nach Erhalt der Produktinformationen laufen die Bild-, Video- und Text-Agenten parallel
- Schließlich läuft der Detailseiten-Agent, nachdem die ersten drei abgeschlossen sind (seriell)
Auf diese Weise dauert ein Produkt nur 10 Minuten von der Auswahl bis zum Listing, eine Effizienzsteigerung von fast 4x.
2. Timeout-Wiederholungsmechanismus
Wenn OpenClaw externe APIs (wie Midjourney) aufruft, kommt es oft zu Timeouts. Ich fügte jedem Agenten einen Timeout-Wiederholungsmechanismus hinzu:
- 1. Fehlschlag: 5 Sekunden warten und wiederholen
- 2. Fehlschlag: 10 Sekunden warten und wiederholen
- 3. Fehlschlag: Fehler protokollieren und Aufgabe überspringen
Dieser Mechanismus erhöhte die Gesamterfolgsrate von 70% auf 95%.
3. Abnahme-KPIs: Reaktionszeit und menschliche Eingriffsrate
Für die Abnahmekriterien des Kundendienst-Agenten setzte ich zwei KPIs fest:
- Erste Reaktionszeit: Die KI muss innerhalb von 3 Sekunden antworten, nachdem ein Benutzer eine Nachricht gesendet hat. Über 3 Sekunden gilt als Timeout.
- Menschliche Eingriffsrate: Der Anteil der Probleme, die die KI nicht lösen kann und an einen Menschen weitergeleitet werden. Ziel war es, unter 15% zu halten.
Diese beiden KPIs sind entscheidend und bestimmen direkt die Zufriedenheit des Kunden.
4. Ein Fehlerfall und seine Behebung
Einmal begann der Kundendienst-Agent plötzlich, Unsinn zu reden. Ein Benutzer fragte: „Ist dieses Produkt auf Lager?" und es antwortete: „Unser Unternehmen wurde 1998 gegründet."
Nach einer Weile der Fehlersuche fand ich heraus, dass es daran lag, dass ich die Unternehmensvorstellung in den System-Prompt eingefügt hatte, was dazu führte, dass der Agent Unternehmensinformationen mit Produktinformationen vermischte.
Behebung: Den System-Prompt in zwei Ebenen aufteilen: eine für globale Regeln (z.B. Antwortstil, verbotene Dinge) und eine für kontextuelle Informationen (z.B. Produktbestand, Benutzerhistorie). Auf diese Weise wird der Agent nicht verwirrt.
5. Speicherverwaltung: Kurzzeit- vs. Langzeitspeicher
OpenClaws Memory-Mechanismus hat eine Falle: Wenn man ihn nicht bereinigt, sammelt sich Memory an, was schließlich dazu führt, dass die Token-Limits überschritten werden.
Meine Lösung:
- Kurzzeitspeicher: Nur die letzten 10 Gesprächsrunden behalten; automatisch löschen, wenn mehr als 10 Runden.
- Langzeitspeicher: Wichtige Informationen (z.B. Benutzerpräferenzen, historische Bestellungen) in einer externen Datei speichern und bei Bedarf abrufen.
Dies gewährleistet die Gesprächskontinuität, während Token-Explosionen vermieden werden.
Der zeitaufwändigste Teil des gesamten Projekts war nicht das Schreiben von Code, sondern zu verstehen, was der Kunde eigentlich wollte. Der Kunde sagte anfangs: „Ich möchte ein automatisiertes E-Commerce-Assistenten-System." Ich fragte: „Was genau möchtest du automatisieren?" Der Kunde sagte: „Die Art, die mir hilft, Arbeitskräfte zu sparen."
Diese Art von Anforderung ist zu vage. Ich musste nach und nach nachbohren: Welche deiner aktuellen Aufgaben nehmen die meiste Zeit in Anspruch? Welche Aufgaben sind repetitiv? In welchem Umfang möchtest du, dass die KI dir hilft? Welche Fehlerrate kannst du akzeptieren?
Nachdem ich herumgefragt hatte, verstand ich endlich ihre wahren Schmerzpunkte. Deshalb mache ich es jetzt, bevor ich einen Auftrag annehme, unvermeidlich: ein Bedarfsinterview führen, ein klares Anforderungsdokument schreiben und beide Parteien unterschreiben und bestätigen lassen. Sonst kann man später Streitigkeiten nicht klären.
Rückblick: Erkenntnisse aus dieser Erfahrung
In fast einem Monat nahm ich 3 Projekte an und entwickelte über 20 Agenten. Jeden Tag nach der Arbeit arbeitete ich bis 2 oder 3 Uhr morgens. Warum ich sofort ein Auto kaufte, ist eine andere Geschichte.
Zusätzlich zu den großen Aufträgen nahm ich auch einige kleine an: Remote-Installationsdienste (500-3.000 Yuan/Auftrag, erledigt in 2 Stunden; dies ist jetzt übersättigt, also habe ich es aufgegeben), einfache Anpassungen (z.B. automatisierter Kundenservice, Content-Publishing, Datenscraping, 5.000-10.000 Yuan/Auftrag) und Beratungsdienste (manche Kunden wollen nur wissen, ob OpenClaw ihre Probleme lösen kann; ich berechne stündlich, 500 Yuan/Stunde).
Obwohl diese kleinen Aufträge niedrige Stückpreise haben, summieren sie sich. Der E-Commerce-Auftrag war ein großer, der aus einer Kundenempfehlung konvertiert wurde.
Wenn ich auf diese Zeit zurückblicke, habe ich ein paar Lektionen zusammengefasst:
Zeitplan-Rückblick
- Woche 1: Markt getestet, ersten Auftrag erhalten, Modell validiert.
- Woche 2: Content-Akquise, großen Vertrag unterschrieben, Abnahmekriterien festgelegt.
- Woche 3-4: Entwicklung und Auslieferung, Fallstricke behoben, Kunde verlängerte Vertrag.
Kernerfahrung
- X baut Professionalität auf, Xiaohongshu akquiriert Kunden; mehrere Kunden haben mich proaktiv gefunden.
- Abnahmekriterien, Anzahl der Überarbeitungen und Verantwortungsgrenzen müssen klar festgehalten werden.
- Lernen durch Tun ist am schnellsten; als ich den ersten Auftrag annahm, war mein Verständnis von OpenClaw nur etwa 60%, aber ich wartete nicht, bis ich 100% erreicht hatte, um zu starten.
Abschließend eine Botschaft an alle: Gewöhnliche Menschen haben keine Wahl.
Es waren die schlechtesten Zeiten, es waren die besten Zeiten.
ALL IN KI, MACH ES EINFACH
