老实说，我一开始并不太喜欢「在终端里跟 AI 打交道」。

在真正用上 OpenClaw 之前，我对 Claude Code 这类工具一直有点抗拒——不是能力不行，而是交互方式不符合视觉型创作者的直觉。终端不是我的主场。

直到我花了几天时间，认真把 OpenClaw 搭起来，用它跑完整个设计 + 产出流程，我才意识到一件事：

这不是又一个 AI 工具，而是一个可以住进你电脑里的“工作代理”。

下面我会先讲 OpenClaw 如何改变我的日常工作流，再说 Codex 在其中扮演的角色。

---

我正在替换掉的工具，以及原因

很多所谓的「AI 工具」，本质上只是胶水：

• 在不同 App 之间 copy / paste

• 在聊天窗口、文档、终端之间频繁切换

• 靠记忆去管理“东西到底放哪了”

OpenClaw 做的不是再加一层胶水，而是把胶水本身干掉：

一个助手，能在清晰的安全模型下，直接访问你真实的工具：

文件、Shell、浏览器、消息系统、本地资源。

这件事一旦成立，很多工具的定位就会发生变化。

---

Notion → 本地 Markdown + Obsidian

我依然喜欢 Notion，但我已经不再把它当作「唯一真相源」。

现在我的写作流程是：

• 在 OpenClaw 的对话里直接写 Markdown

• 保存为本地文件，进入项目目录

• Git 管理、版本可追溯

• 用 Obsidian 快速预览、做轻量视觉调整

• 一键导出成 HTML / 预览站点 / 正式站点

我现在信任的是一个混合式写作循环：

• AI 修改的是本地 Markdown

• 我在 Obsidian 里做最后的人工微调

• 预览速度极快，质量控制成本很低

最大的好处只有一句话：

内容和项目放在一起，本地化、可搜索、可脚本化、可长期维护。

---

Midjourney / Krea → Nano Banana Pro（通过 Codex + Telegram）

我以前是 Midjourney 的重度用户，每个月订阅费接近 200 美金。

但实际体验一直有几个问题：

• 手、细节、真实感不稳定

• 反复 reroll，时间成本高

• 更适合“灵感图”，不太适合生产级输出

后来我把图像生成几乎全部换成了 Nano Banana Pro，并通过 Codex + Telegram 跑 API 工作流。

这一步，对我影响非常大。

Nano Banana Pro 在这些方面明显更强：

• 手部、细节、真实场景的成功率更高

• 审美更贴近真实的产品 / 营销网站

• 很少出现明显的“AI 破绽”

但真正的杀手级能力不是「画得好不好」，而是整条流水线：

• 从我本地任意参考图生成

• 锁定分辨率 / 比例

• 本地自动归档

• 批量生成变体（夜间跑，成本更低）

• 结果直接回传 Telegram，手机上就能快速放大、筛选

• 需要时一键生成可浏览图库

核心依然是两件事：

好的 Prompt + 好的参考库

Prompt 示例：

Generate 5 images inspired by this reference.

No UI, no text, no logos. No collage.

Don’t copy, only use as a reference, be creative.

Maintain the same visual style.

Use varied aspect ratios: 16:9, 4:3, 1:1, 3:4, 9:16.

Make details ultra-sharp.

这基本替代了我过去对 Midjourney / Krea 的大部分需求。

---

Cursor / v0 / Lovable / Aura → 真正能交付的工作流

Cursor 我还在用，但更多用于大规模代码 diff 的审查。

Codex 非常擅长“外科手术式修改”，但 UI 比较极简；当代码库变大时，Cursor 在审查层面依然更舒服。

v0、Lovable、Aura 对我来说属于同一类工具：

• 快速原型

• 构建完整网站

• 直接发布

（说明一下：Aura 是我参与构建的产品，确实有偏见）

真正重要的不是“生成”，而是闭环能力：

• 模板与设计变体

• 可复用资产与引用

• 接近 Figma 的手动精修层

• 发布 / 域名 / CMS / 协作

如果工具只追求生成，而不解决这些“硬问题”，很快就会被下一个 AI 模型淘汰。

---

Figma 与 Nano Banana Pro 的现实分工

Figma 依然是精细手动修改的王者，我还在付费。

但在第一版生成上：

• 网站、Slides、原型、动画 → Codex / v0 / Aura

• 图像与营销物料 → Nano Banana Pro

Nano Banana Pro 的进化速度很快：

• 排版已经不错

• UI 表现逐步稳定

• 参考图 + Prompt 的乘数效应非常明显

餐厅等位时，用 Telegram 生成的图像

---

为什么 Codex 在这个组合里很关键

OpenClaw 给我的是机器上的代理，

Codex 给的是真正的代码执行力。

我不是只在“问想法”，而是在要求它：

• 改真实文件

• 写能编译、能上线的代码

• 不破坏现有结构

• 在我保持设计状态的同时，把东西交付出来

这让它更像一个队友，而不是聊天机器人。

---

Codex vs OpenClaw：我的理解方式

• Codex：代码专家，repo 级别思考，强审查、强可见性

• OpenClaw：代理层，跨 App、跨日常工作，更“贴身”

Codex 的优势在于：

你能看到它跑了什么命令、改了哪些文件、diff 一目了然。

OpenClaw 则更像“你已经在用的环境里多了一个能力”。

如果认真交付复杂产品，代码审查这件事现在仍然重要。

---

我现在真实在交付什么

以前，一个类似规模的产品，需要 5–10 人团队、3 个月。

现在：

• 同级别产品 → 约 1 周

• 设计提速更夸张

• 模板直接上线、带内容、带分发

我现在是并行交付：

• 功能

• 设计模板

• 图像资产

• 内容、视频、社交、长文

效率大概是：

在两年前基础上，再快 2 倍以上。

Aura 上正在交付的模板

---

一周内上线的真实功能例子

• CMS：AI 生成集合 / 从 Notion、Sheets 导入

• 自定义域名：以前完全不会，现在能独立完成

• Skills 系统：管理页 + Prompt 引用

• Playwright 截图：替代一堆效果很差的方案

甚至老项目的修改，现在也变成：

告诉它 app + repo + feature → 修 → 跑 → 部署

---

为什么“跑在你电脑上”这么重要

一句话总结：

只要在你本地存在的东西，它就能操作。

我现在常用的场景包括：

• 打印 / 作业 / PDF

• 项目初始化 + GitHub 推送

• 报销、文件整理

• 本地图像批处理

• 语音 → Markdown 内容结构

这本质上是在降低生活到产出的摩擦系数。

---

Telegram 成了我的控制中心（以及为什么拆成 4 个 Bot）

真正的难点不是 AI 能不能做，而是上下文会不会乱。

我把 Telegram 拆成 4 个 Bot：

• Shiori：写作与叙事

• Komori：图像与资产

• Sakura：设计评审

• Shimo：运维与系统

这不是仪式感，而是降低 AI 猜测“我现在想干嘛”的成本。

---

SOUL + Projects + Files：正在成为标准形态

现在越来越多 AI 工具都在往同一个模型收敛：

• 记忆

• 人格

• 工作流规则

• 技能

• 全部写进文件

这不是角色扮演，是隔离与安全。

---

不爽的地方（真实存在）

• 没有流式输出

• 仍然需要权限确认

• 单任务执行（没有真正并发）

• 安全是你的责任

所以我现在是：

• Codex / OpenClaw / 其他工具并行使用

• 定期跑安全审计

openclaw security audit --fix

结语：我不认为 AI 会吃掉 UI

我反而认为：

我们正在创造比过去更多的 UI。

变化发生在编码层：

• 用意图驱动

• 用 diff 审查

• 用 AI 执行

人类角色变成：

• 质量控制

• 测试

• 审美

• 研究

• 判断

结果非常现实：

做得更多，质量更好，还能留出生活时间。

对我来说，这才是 AI 工具真正值得兴奋的地方。