[{"title":"构建长效 AI 助理之后，这三个月我又把 OpenClaw 做成了多 Agent OS","url":"/posts/openclaw-3months-report/","date":"2026-04-10","summary":"春节前后，我写过一篇文章，叫《构建长效 AI 助理：我的 OpenClaw 云端实践与架构思考》。\n那篇文章主要解决的是“怎么活下来”。\n不是一个 AI 助理怎么第一次让我惊艳，而是它怎么在长期使用里不掉线、不失忆、不装懂，怎么从一个对话工具，慢慢变成一个真正能长期运行的系统。\n我当时花了很多力气去解决几个特别底层的问题：\n长对话一久就脑雾，怎么 reset reset 之后立刻断片，怎么“秒回血” 规则和工作习惯不能总靠 prompt 撑着，怎么物理化 单个 Agent 不稳定，怎么做主从协作 能力越来越多之后，怎么做 health、观测和项目卡 换句话说，上一篇解决的是“长效”这件事。\n它讲的是：怎么让一个 AI 助理，不只是偶尔好用，而是真正长期在线。\n但那篇文章发出去之后，我自己并没有停下来。\n因为一旦这套底座搭起来，你很快就会发现，长效只是起点。\n真正有意思的问题变成了：\n当一个 AI 助理终于能长期活下去之后，它会继续长成什么？\n而这篇文章，就是那篇长效助理文章的续集。\n如果说上一篇讲的是“怎么活下来”，\n那这一篇更想讲的是：\n在活下来之后，我又拿 OpenClaw 做成了什么。\n过去三个月，我没有只停留在邮件、地图、日历、知识库这些执行层能力上，而是继续把 OpenClaw 往更完整的个人操作系统推进。\n它开始不只是帮我处理信息和事务，还开始接入更复杂的生活场景、组织协作、研究场景和内容生产场景。\n所以，这三个月的变化，不只是“能力更多了”，而是 OpenClaw 开始从一个长效助理，继续往一个更完整的 多 Agent 个人 OS 演进。\n一、底座稳了之后，我先让 OpenClaw 真正去接住具体事务 链接到标题 很多人聊 AI 提效时，讲的是“它能帮我写点东西”“它能帮我查点资料”。\n但当你真的把 AI 接进日常，你会发现事情很快就变了。\n你开始关心的不是“它能不能做”，而是：\n它能不能每天稳定跑 它能不能接住真实服务 它做完之后有没有可验证结果 它是不是能把结果送到我真正会看的地方 所以这三个月前半段，我做的很多项目，表面上看很分散，实际上都在补同一件事：\n让 OpenClaw 从会说，变成会做。\n","type":"posts"},{"title":"另类产品 Obsidian：8 人 1 猫没融资，2500 万美金 ARR 不追 AI","url":"/posts/2026-04-06-%E5%8F%A6%E7%B1%BB%E4%BA%A7%E5%93%81-obsidian8-%E4%BA%BA-1-%E7%8C%AB%E6%B2%A1%E8%9E%8D%E8%B5%842500-%E4%B8%87%E7%BE%8E%E9%87%91-arr-%E4%B8%8D%E8%BF%BD-ai/","date":"2026-04-06","summary":"在各种各样的产品中，Obsidian 可以说是一个另类。其 CEO 不是创始人，而是早期的一位超级用户，逐渐成为生态贡献者后，被创始人邀请加入成为了 CEO。\n其次，在协作套件功能成为笔记类产品向更大团队和企业拓展期间，它也几乎没有依靠 Notion 或者GoogleDocs 那种协作模式，不强制你把数据存在它的云端，而是通过“同步服务”或“共享文件夹”来实现协作。\nAI 爆发后，几乎所有的产品都在往 AI 迁移要么重构要么作为功能加入之际，Obsidian 对 AI 的加入同样非常克制。\n其团队完全远程办公，每年只进行一次线下聚会，几乎没有其它预定的会议，大家深度专注在最优先级的事情上。\n但它从第一天起就是盈利的，而且赢得了大量忠诚用户的喜欢。虽然他们没有详细统计用户数据，不过根据 CEO Steph Ango 最近披露的信息，他估计现在 Obsidian 的用户有 400 多万，其中有超过 1 万多个组织在使用。\nObsidian 的 ARR 收入在 2500 万美金左右（第三方预估，官方没有做披露），虽然没有做任何融资，不过市场给的估值据说在 3.5 亿美金。\n其团队目前 9 个人，包括了一只叫 Sandy 的猫，3 个工程师，目前他们正在招聘第四位工程师也就是第 10 个人。他们每年只新增 1 个人，未来整个全职团队的规模会保持在 10-12 人左右，不会再增多。\n所以它既不是一个靠“把笔记做成协作套件”取得现在成绩的产品，也不是靠“把 AI 放到产品各处”获得的，而是靠一套极少妥协的产品原则，把一个小众但高价值的人群变成了一个高粘性、会自传播、会自扩展、还愿意付费的生态。\n联合创始人 Erica Xu 把 Obsidian 定义成 “IDE for thought”，不是一个替你思考的工具，而是一个你能完全掌控、能持续改造的思考环境。\n一开始就不是“要做一个大而全协作套件”，而是满足个人需求的“holy grail note-taking app”。这些原则让 Obsidian 后来在“极客 / 研究者 / 写作者 / 知识工作者”中形成近乎宗教式的产品粘性。\n","type":"posts"},{"title":"深度解构 Claude Code (二)：代码骨架与核心逻辑机制","url":"/posts/claude-code-source-study-2/","date":"2026-04-01","summary":" 深度解构 Claude Code (二)：代码骨架与核心逻辑机制 链接到标题 引言：在《深度解构 Claude Code (一)：产品形态与技术架构演进》中，我们梳理了 Claude Code 这一“终端伪装者”的 React 渲染引擎、KAIROS 持久化后台与核心的 Context 防爆机制。\n接下来，我们将沿着其约 330 个底层 TypeScript 模块，直击那些让大模型在终端“既自由又守规矩”的核心代码逻辑与控制机制（Core Logic Mechanisms）。本文将揭示其如何通过一套极致防御的 Tool 系统，让终端 Agent 真正达到“生产级”。\n1. 代码架构 (Code Architecture)：领域驱动的沙箱世界 链接到标题 Claude Code 拥有超过 60 个内置工具和近 100 条斜杠（Slash）命令。与其说它是一个提示词外壳，不如说它是一个为大语言模型打造的虚拟机（VM）沙箱。\n在它的 src/tools/ 目录下，每一个 Tool 都严格遵循着高度一致的泛型接口：\ninterface Tool\u0026lt;Input, Output, Progress\u0026gt; { name: string prompt(): string // 动态挂载的安全规则 inputSchema: ZodSchema\u0026lt;Input\u0026gt; // 用于强类型验证 call(input, context): Promise\u0026lt;ToolResult\u0026gt; checkPermissions(input): PermissionResult // 执行前权限预检 isConcurrencySafe(input): boolean // 并发锁，判定它能否并行执行 // ...以及用于终端 React 渲染的 4 个 render 方法 } 1.1 isConcurrencySafe：大模型并发执行引擎 链接到标题 大模型并非线性执行代码的单核机器。 如果大模型在一次 Turn 中同时发出了读取 A.ts, B.ts 和覆写 C.ts 的指令，Claude Code 底层的执行器会自动进行分组排序：\n","type":"posts"},{"title":"深度解构 Claude Code (一)：产品形态与技术架构演进","url":"/posts/claude-code-source-study-1/","date":"2026-04-01","summary":" 深度解构 Claude Code (一)：产品形态与技术架构演进 链接到标题 引言：作为当前最为强大的原生终端智能体，Anthropic 发布的 Claude Code 绝不仅是一个“套壳大模型”。通过对其底层约 330 个工具文件、100+ Slash 命令以及 146 个 UI 组件（纯 TypeScript + React 编写，运行在 Bun 上）的深度逆向分析，我们得以窥探到一款生产级终端 Agent 是如何从零构建的。\n本文拒绝浮于表面的功能体验，我们将从产品架构与核心技术底座两个维度，深度解剖 Claude Code 的工业级设计。\n1. 产品架构 (Product Architecture)：超越 REPL 的终端操作系统 链接到标题 Claude Code 在产品定义上彻底打破了传统 CLI 工具“一问一答（阻塞式 REPL）”的枯燥模式。它的核心产品架构可以划分为以下几个主要防区：\n1.1 “伪装成终端”的富应用 (Terminal as a React App) 链接到标题 这是 Claude Code 在交互层面最降维打击的一点。它并没有使用常规的 console.log 打印文本，而是在终端环境里手搓了一个完整的 React 渲染器与 Yoga 布局引擎（Facebook 的 Flexbox 实现）。\n","type":"posts"},{"title":"下班路上40分钟，vibe小龙虾（openclaw）完成了一套系统机制的开发","url":"/posts/2026-03-31-%E4%B8%8B%E7%8F%AD%E8%B7%AF%E4%B8%8A40%E5%88%86%E9%92%9Fvibe%E5%B0%8F%E9%BE%99%E8%99%BEopenclaw%E5%AE%8C%E6%88%90%E4%BA%86%E4%B8%80%E5%A5%97%E7%B3%BB%E7%BB%9F%E6%9C%BA%E5%88%B6%E7%9A%84%E5%BC%80%E5%8F%91/","date":"2026-03-31","summary":"之前分享了我的openclaw机制，今天下班路上刚好手机操作openclaw完成了一套系统机制优化的开发，从修一个bug到重构一个服务，到建立openclaw全局机制，vibe coding的过程，全程贴图，基本可以无缝看到过程。说一下背景，一直在用openclaw建各种能力，所以很多服务用到模型能力都是通过cli（主Agent调命令行）或者写死在脚本里面。随着场景越来越多，昨天踩了个坑，因为对模型使用以及调用没有管控，我的openclaw不可用，且因为重试死循环请求大模型服务，大概损失了几十美金。今天一天会议比较多，早上堵住漏洞后，下班出发开车路上就开始修理这个问题。下面基本就是全程对话，也能看到对话时间，蛮有意思的，不管对于小白还是想要学习vibe coding的都当个案例故事看了，也是对我前一篇的callback\n最后快到家了，随手发一张✌️(＾▽＾)✌️\n","type":"posts"},{"title":"别再让 skill像“智能体”一样，成了企业服务遮羞布——Claude 和 OpenClaw 的 skill 对比","url":"/posts/2026-03-31-%E5%88%AB%E5%86%8D%E8%AE%A9-skill%E5%83%8F%E6%99%BA%E8%83%BD%E4%BD%93%E4%B8%80%E6%A0%B7%E6%88%90%E4%BA%86%E4%BC%81%E4%B8%9A%E6%9C%8D%E5%8A%A1%E9%81%AE%E7%BE%9E%E5%B8%83claude-%E5%92%8C-openclaw-%E7%9A%84-s/","date":"2026-03-31","summary":"一句话概括：Claude Skill 更像“让模型会”，OpenClaw Skill 更像“让系统管”。\n这篇文章我想让 AI 写，不是因为 Skill 这个词有多新，而是因为最近在走访一些伙伴和客户，隐隐之中，感觉在中国市场已经开始走上一条“智能体”的老路。\n从个人而言，我觉得 openclaw 对中国 toB 软件影响和意义更为关键，本质上：\n从会用 AI 的人淘汰不会用 AI 的人，已经转变到了“会给 Agent 当老板”的人淘汰“不会给 Agent 当老板”的人\n以下内容主要是AI 从 Claude 和 OpenClaw 两个平台的 skill 能力与机制来对比，但实际上我觉得 toB 行业可能会有更底层的软件开发及应用产业链的改变，AI 的分析还是比较表层，今天不展开了。\n=====以下是 AI 撰写分割线=====\n过去几年，智能体这个概念在国内已经被讲得太多了。很多公司一边说自己在做 Agent，一边其实只是把工作流、多轮对话、工具调用，甚至只是一个套壳问答，重新包装成了“智能体”。概念一热，定义就开始膨胀；定义一膨胀，市场就开始失真。最后，真正做能力沉淀的人没被看见，反而是最会包装概念的人把声音做大了。\n很多团队今天讲 Skill，并不是在讲如何把一项专业能力沉淀成可复用、可调用、可治理的单元，而是在把它当成一个新的包装词。原来不好意思继续叫 Agent 的，现在改叫 Skill；原来只是 prompt 模板的，现在也叫 Skill；原来只是加了一层工具编排的，也叫 Skill。结果就是，概念又开始被炒热，但行业理解反而更混乱了。\n所以我想写这篇文章，不是想再给 Skill 这个词添一把火，恰恰相反，我是想把它往下拽一拽，拽回到能力边界和系统边界里来看。\n同样叫 Skill，Claude 和 OpenClaw 说的并不是一回事。\n一、先别急着问谁更先进，先看它们各自在解决什么问题 链接到标题 Claude 想解决的问题，本质上是：如何把一段可复用的专业能力，变成模型可以自动发现、自动调用的工作流单元。\n这也是为什么 Anthropic 官方文档里反复强调几个点：一是 Skill 是模块化能力；二是 Claude 会在请求相关时自动使用；三是它采用分层按需加载，先让模型知道有哪些 Skill，再在触发后读取 SKILL.md 和额外资源，以降低上下文占用。Claude 还明确把 Skill 内容分成元数据、主说明、附加资源/代码三个层级来组织。\n","type":"posts"},{"title":"从聊天机器人到私人数字团队：OpenClaw 架构与实战全景指南（终极封神版）","url":"/posts/2026-03-31-%E4%BB%8E%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%88%B0%E7%A7%81%E4%BA%BA%E6%95%B0%E5%AD%97%E5%9B%A2%E9%98%9Fopenclaw-%E6%9E%B6%E6%9E%84%E4%B8%8E%E5%AE%9E%E6%88%98%E5%85%A8%E6%99%AF%E6%8C%87%E5%8D%97%E7%BB%88%E6%9E%81%E5%B0%81%E7%A5%9E%E7%89%88/","date":"2026-03-31","summary":" 作者：OpenClaw 业务架构师 / 主编（内部代号：COO）\n关键词：数字团队、Skill vs Script、Multi-Agent、LLM Gateway、SRE 观测、Docs Consistency、Cron 自动化\n【引言篇】：理念破局——你缺的不是更聪明的模型，而是数字团队 链接到标题 OpenClaw 在出生那天更像是一台裸机：给你一颗算力心脏、一组 API 插槽，然后说“随便玩”。如果你只是把它当作一个会聊天的机器人，可能一周内就会被丢在角落里，觉得“不过如此，跟我用网页版 ChatGPT 没什么区别”。但当我决定打破常规，把它当作“私人数字团队”的操作系统之后，故事的走向就完全不一样了。\n我所做的工作，既不是单纯的写几个奇技淫巧的 Prompt 玩具，也不是画几张 PPT 式的虚空概念图。它更像是“给自己建一家 AI 公司”，而在这个公司里：\n我是 CEO\n：我需要定战略、设规则、挑人，决定这家公司（这个系统）不做什么，比决定做什么更重要。\nOpenClaw 是我们的操作系统\n：它就像是公司的办公大楼和 IT 基础设施，负责调度算力、载入技能、分配资源。\n多个 Agent 是不同岗位的数字员工\n：他们有各自的 KPI，有的负责前台接待，有的负责画图纸，有的负责去车间干苦力。\nSkill 是标准化工具箱，Script 是私人 SOP\n：这是区分业余玩家和正规军的核心。\nReset / Docs Consistency 则是企业级治理与记忆对齐\n：防止员工因为在公司待得太久而变老油条，每天早上必须重新洗脑。\nLLM Gateway 则是财务部门的“算力预算管理”\n：精打细算每一分 API 账单。\n聊天模式的天花板 链接到标题 传统聊天机器人再怎么聪明，哪怕它有 100 万的上下文，它也只是“问答对”。它就像是一个被关在黑屋子里的绝顶聪明的瞎子。它不知道你电脑上哪些文件是真实存在的，不知道你哪台 NAS 里藏着客户档案，不知道你今天的日历上有没有空档，更不会主动在每天早上 6 点去跑 Cron、写日志、发警报。\n","type":"posts"},{"title":"国产企服的新变数：为什么说 OpenClaw 不止是一个框架？","url":"/posts/2026-03-31-%E5%9B%BD%E4%BA%A7%E4%BC%81%E6%9C%8D%E7%9A%84%E6%96%B0%E5%8F%98%E6%95%B0%E4%B8%BA%E4%BB%80%E4%B9%88%E8%AF%B4-openclaw-%E4%B8%8D%E6%AD%A2%E6%98%AF%E4%B8%80%E4%B8%AA%E6%A1%86%E6%9E%B6/","date":"2026-03-31","summary":"前几天，借着和一位做了多年 SaaS 的创业老兵喝茶的契机，我们聊起了一个略显沉重的话题——当下国内企服赛道的生存现状。\n老杨（化名）是做垂直行业 CRM 起家的，这几年业务规模看着还在往前走，团队也扩充了不少，但他整个人却呈现出一种越做越疲惫的焦虑感。那天下午的阳光挺好，茶也是好茶，但他叹气的频率却比喝茶还高。\n我忍不住问他：“现在的账面营收不是挺好看的吗？怎么感觉你反倒比刚创业那会儿还愁？”\n他苦笑了一下，摇着头回我：“客户又要私有化定制，利润全被这帮毫无节制的定制需求给耗干了。你能想象吗？我们一个原本打磨得挺好的标准版产品，到了客户现场，因为业务部门一句‘我们的流程跟别人不一样’，硬生生被改成了四不像。标品卖不出价，非标品交付重、周期长、回款慢，整个研发团队天天都在给不同的客户‘缝缝补补’。这哪里是做产品，这分明就是个高级外包公司。标品卖不动，非标品做不起，这不就是个死胡同吗？”\n老杨的抱怨，其实并不是孤例。如果你去跟国内那些做 To B 业务的创始人聊一圈，十个里面估计有八个都在为“定制化”这三个字头疼。大家都想做那种睡着觉也能赚钱的纯粹 SaaS ，但现实往往是，为了拿下大客户的单子，为了活下去，只能捏着鼻子接下一堆繁琐的私有化定制需求。这就像是一个巨大的泥潭，一旦陷进去，原本轻盈的商业模式就会被拖得越来越沉重。\n听完老杨的倒苦水，我不禁陷入了沉思。这种困境，真的是无法打破的吗？直到最近我深入研究了 OpenClaw ，我突然觉得，或许解题的思路一直都在，只是我们过去手里的工具不对。\n我曾经在一篇文章里提过一个“大雾理论”——当一辆车在浓雾中行驶时，无论这辆车本身的机械性能有多好，只要驾驶员的视线受阻，他能做的就只有不停地踩刹车和小心试探。这其实很像当下很多企服厂商的处境。在业务边界越来越模糊、需求日新月异的今天，固化的软件流程就像是在大雾中盲开，你根本不知道明天客户的组织架构会怎么变，业务流又会发生什么转折。\n顺着这个逻辑，我想抛出另一个可能听起来有点反直觉的比喻——我把它叫做“流水线与自动化机械臂”的差异。\n我们过去的企服产品，本质上都是在帮客户搭建一条固定形状的“流水线”或者是“搭积木”。你把财务、人事、销售的流转规则死死地焊在代码里，指望客户能像车间工人一样，顺着这条流水线把活干完。但这套逻辑在中国市场水土不服的根本原因在于，每个中国企业的业务流都是野蛮生长出来的，他们的“流水线”每天都在变。当你试图用固定的软件积木去硬套他们多变的业务时，冲突就产生了。于是，你就得派大量的实施人员去现场把流水线拆了重装，这就是所谓的“定制化”。\n而 OpenClaw 的出现，就像是给企业引入了一条装配着无数个“自动化机械臂”的柔性车间。它不再强求你按照预设的死板轨道去流转数据，而是提供了一个能够理解人类意图、灵活调用外部工具的智能体中枢。你只需要告诉它“今天要把这个零件装在那个位置，并且要符合某某规范”，这个智能的机械臂（ Agent ）就会自动去寻找对应的工具（ Tools/Skills ），动态地规划路径并完成任务。\n在这个意义上，为什么说 OpenClaw 不止是一个框架？因为它从根本上改变了软件与业务交互的范式。它不是在教你如何写出更好的代码去适应业务，而是在教机器如何像一个聪明的助手一样，去主动理解和匹配那些处于“大雾”中的多变业务。\n顺着这个思路往下深挖，我想分三点来深度拆解一下， OpenClaw 究竟会对当下的国产企服带来怎样重塑性的影响。\n第一，从“功能堆砌”走向“能力的解耦与重组”。\n过去我们在做一款 To B 软件时，习惯性地思维就是往里面塞各种各样的功能模块。审批流、表单引擎、报表中心、权限管理……恨不得把市面上能见到的功能都集成进去，以此来证明我们产品的“强大”和“无所不能”。但这带来了一个致命的问题：系统变得越来越臃肿，客户的学习成本呈指数级上升，而真正能被高频使用的功能往往不到百分之二十。\nOpenClaw 给了我们一个全新的解法。它在底层设计上倡导的是一种极致的“解耦”。在 OpenClaw 的架构生态里，所有的业务能力都被打散封装成了一个个独立的、原子化的 Skill （技能），而 Agent 则是那个负责思考和调度的“大脑”。这意味着，未来的企服软件不再是一个庞大且僵硬的单体怪物，而是一个由智能中枢动态驱动的超级工具箱。客户不需要再去面对那些密密麻麻、深不见底的菜单栏，他们只需要用最直白的自然语言表达需求， OpenClaw 就能在后台自动调取、组合合适的工具来完成任务。这种从“人找功能”到“功能找人”的范式跃迁，不仅极大地降低了软件的使用门槛，更让软件的灵活性和生命力得到了前所未有的释放。\n第二，真正有望消灭那个拖垮利润的“定制化泥潭”。\n回到老杨那个让人揪心的问题：客户千奇百怪的定制需求到底该怎么低成本地解决？在没有大模型和智能体的时代，唯一的办法就是堆人力、改代码、拉长交付周期。但在 OpenClaw 构建的 Agentic 语境下，很多过去被认为是“非标”的定制化需求，其实根本不需要去触碰底层厚重的代码，只需要在应用层配置几段新的 Prompt ，或者挂载一个针对特定微小场景的 Skill 就可以了。\n大家不妨想象一下这样的真实场景：客户提出，他们的报销流程里，需要临时增加一个针对某项特定营销费用的跨部门合规检查。如果用传统的方式，这涉及到修改底层表单结构、调整死板的审批流逻辑、测试回退、甚至还要重新发版上线。而在基于 OpenClaw 构建的系统中，你可能只需要给负责财务审核的 Agent 增加一条新的自然语言规则指令，告诉它“在调用核算工具之前，先去调用一下合规检查的 Skill”，问题就迎刃而解了。\n这种基于自然语言和意图理解的“软性定制”，直接绕开了传统软件工程中那些冗长繁杂的研发链路。它把原本属于程序员的硬核代码工作，部分转移到了业务实施人员甚至客户自己的手里。当海量的长尾需求可以通过配置 Agent 的行为准则和技能库来柔性解决时，我们的企服厂商才有可能真正从定制化的泥潭中抽离出来，把最宝贵的精力放回到核心商业价值的打磨上，这才是提高利润率的根本途径。\n第三，这是赋予中小企服厂商的一次“弯道超车权”。\n这几年，国内的企服赛道其实越来越卷，几家互联网大厂依靠着雄厚的资金和无处不在的流量优势，不断地跨界打劫，把很多垂直领域中小厂商的生存空间挤压得非常狭小。大家都在拼算力、拼生态，中小玩家似乎越来越看不到突围的希望。但在大模型和智能体这波全新的技术浪潮里，起跑线又一次被奇妙地拉平了。\nOpenClaw 提供了一套极其轻量、高扩展且高度标准化的底层基础设施。它不像那些动辄需要庞大算力集群才能跑起来的重型框架，它生来就是为了灵活、敏捷和开放而设计的。对于中小企服厂商来说，这意味着什么？意味着你不再需要去咬牙组建一支庞大且昂贵的底层研发团队，去重复造那些关于通信、状态管理、 Agent 调度的晦涩轮子。你可以直接站在 OpenClaw 的肩膀上，把所有的弹药和火力都集中在你最擅长的行业 Know-how 上。\n","type":"posts"},{"title":"OpenClaw 企业级机会白皮书","url":"/posts/openclaw-enterprise-whitepaper-20260321/","date":"2026-03-21","summary":" OpenClaw 企业级机会白皮书：ToB 软件的范式重构与商业机遇 链接到标题 2026-03-21 | 内部战略调研报告\n1. 范式转移复盘：从“基于规则”到“基于意图” 链接到标题 自 ChatGPT 引发大模型浪潮以来，ToB 软件的交互范式经历了根本性变迁。过去二十年的 SaaS 发展，本质上是“将业务规则固化为复杂的 GUI（图形用户界面）和数据库表”。员工必须学习软件的逻辑，去适配工具。\n传统的 GUI SaaS 在面对 LLM 时显得极为“笨重”，原因在于：\n工作流割裂：用户需要在一系列点击、表单之间流转，界面是对底层 API 的生硬封装，而 LLM 擅长直接通过 API 完成端到端的闭环。 意图损耗：自然语言表达的业务意图，在转化为软件操作时存在大量损耗。 固化的业务流：GUI 预设了工作流，而基于推理的 Agent（智能体）能够根据上下文动态规划路径。 SaaS 正在经历从“软件即服务 (Software as a Service)”到“结果即服务 (Service as a Software / Outcome as a Service)”的演变。\n2. ToB 赢家审计：基础设施与应用层的验证路径 链接到标题 在 2024-2026 年间，ToB 市场已经跑出了具备明确共识的赢家模型。\n2.1 Infra 层（基础设施） 链接到标题 Databricks (数据智能)：从 Lakehouse 转型为 Data Intelligence Platform。通过将底层数据与专有大模型结合，证明了“数据主权+模型能力”是企业级 AI 的核心底座。 NIM (NVIDIA Inference Microservices)：实现了模型分发的标准化。企业不再纠结于基础模型的部署，推理服务化成为了水电煤。 向量数据库 (Pinecone, Milvus 等)：成为了企业 AI 的长期记忆中枢，解决了 LLM 幻觉和上下文窗口限制的核心挑战。 2.2 Application 层（应用层） 链接到标题 Cursor (AI 原生 IDE)：以 $20 亿+ ARR（2026 预测）和近 $300 亿估值验证了“AI First”应用对传统巨头（VS Code）的颠覆潜力。不是给代码编辑器加一个 Copilot，而是围绕“AI 生成代码”重构整个工作流。 Glean (企业全栈 RAG)：以 $2 亿 ARR（2025年底）和 $72 亿估值，验证了企业知识检索和内部 Agent 化的刚需。解决了权限隔离和跨 SaaS 数据孤岛的痛点。 Intercom Fin (结果导向定价客服)：将客服 AI 从 SaaS 订阅费转向 “按解决效果付费 ($0.99 / Resolution)”。其在 2025 年底达成了 67% 的问题解决率，彻底颠覆了传统的按座席收费模式。 3. OpenClaw 第一性原理分析 链接到标题 作为开源的本地优先执行代理层，OpenClaw 在这场变革中具有独特的战略卡位。\n","type":"posts"},{"title":"OpenClaw 高级实战案例精选 (X/Twitter 调研报告)","url":"/posts/2026-02-28-openclaw-advanced-cases/","date":"2026-02-28","summary":" OpenClaw 高级实战案例精选 链接到标题 一、金融与量化交易 链接到标题 Web4 时代数字资产管理：通过自然语言指令，让 AI 智能体管理加密资产，自动执行跨链、套利、风险对冲等复杂策略，实现“人类决策，智能体执行”的资产管理新范式。 (作者: @Domingo_gou, 原文链接: https://x.com/Domingo_gou/status/2027336811039920291) Polymarket 自动化交易与回测：构建智能体对 Polymarket 等预测市场进行 24/7 监控和自动模拟交易，并结合回测数据生成策略报告，实现无人干预的自动化研究和套利。 (作者: @grok, 原文链接: https://x.com/grok/status/2027400848129560947) AI 驱动的链上钱包交互：让 AI Agent 直接调用 Trust Wallet 等钱包，自主完成链上交互，将钱包从用户工具升级为 AI 原生的基础设施，开启 DeFi 的 AI 时代。 (作者: @GYX188, 原文链接: https://x.com/GYX188/status/2027495376648081645) 银行账户授权的 24/7 全自动交易：为 OpenClaw Agent 提供银行账户访问权限，使其能够全天候在 Polymarket 等平台寻找并执行交易机会。 (作者: @cxnversion, 原文链接: https://x.com/cxnversion/status/2027514958842339769) 个人财务与信用卡策略管理：利用子代理（sub-agent）体系，自动抓取所有信用卡的费用、积分策略、续费日期等信息，整理至 Google Sheet，并生成长期优化策略和自动日历提醒。 (作者: @iamBarronRoth, 原文链接: https://x.com/iamBarronRoth/status/2027515560796229824) 实时数据驱动的期权交易：将 OpenClaw 与实时市场数据 API（如 Public API）结合，实现从获取可操作的可视化数据、构建交易策略到最终执行的全流程自动化，无需在多个平台间切换。 (作者: @BuildwithPublic, 原文链接: https://x.com/BuildwithPublic/status/2027517468152107370) 交易前多重安全验证：在执行代币交易或 Shell 命令前，交易 Agent 会自动调用第三方安全工具（如 Cybercentry）进行沙盒能力、代币税费和开发者地址等多维度安全扫描，确保交互安全。 (作者: @Mykhiie, 原文链接: https://x.com/Mykhiie/status/2027537264339726382) 二、多 Agent 协作与业务自动化 链接到标题 AI-Native 商业项目落地验证：结合 BPS (Business Process Specification) 与 OpenClaw，构建 AI 原生的商业项目，并进行为期 3 个月的落地验证，探索一人公司的商业模式。 (作者: @jinniudashu, 原文链接: https://x.com/jinniudashu/status/2027366833456889978) 组建多 Agent 专业团队：模拟一个完整的专业团队（如 CEO、产品、开发、营销），每个 Agent 承担特定角色，协同完成复杂的业务目标，实现自主项目管理。 (作者: @grok, 原文链接: https://x.com/grok/status/2027367800327561645) 全链路自动化营销流程：构建一个从客服、KOL 建联、视频内容生产到分发的全链路营销流程，实现每月数万美元的商业回报，打造理想的一人公司市场营销体系。 (作者: @aronhouyu, 原文链接: https://x.com/aronhouyu/status/2027406004812660805) 多 Agent 协作编写复杂标书：部署研究、起草、审核三个 Agent 协同工作。研究 Agent 负责查询规范和项目数据，起草 Agent 按招标要求输出结构化初稿，审核 Agent 进行迭代优化，高效产出高质量的施工组织设计标书。 (作者: @grok, 原文链接: https://x.com/grok/status/2027418094012875238) 模拟创业公司 AI 团队：为一人公司搭建 CEO、产品、开发、营销等虚拟 Agent 团队，在数周内选定赛道、生成 MVP 方案并上线，实现业务自动化运行和迭代扩张。 (作者: @grok, 原文链接: https://x.com/grok/status/2027426634639241239) 自动化企业级线索开发与跟进：构建 AI 运营团队，执行夜间潜在客户研究、个性化外联与持续跟进，并每日生成销售渠道简报，实现销售流程自动化。 (作者: @RealStewartG, 原文链接: https://x.com/RealStewartG/status/2027535849236082855) 动态可持续性 ESG 报告生成：从传统的静态 ESG 报告转向“形态形成可持续性编排”，利用 Agent 动态追踪和生成环境、社会和公司治理报告。 (作者: @vsr_ebuchi, 原文链接: https://x.com/vsr_ebuchi/status/2027534627561476358) Agent 驱动的 AI 治理与审计：将静态的 AI 审计流程升级为由 Agent 驱动的 AI 治理模式，应用于 AI 咨询和企业生态系统，实现动态、实时的治理监控。 (作者: @vsr_ebuchi, 原文链接: https://x.com/vsr_ebuchi/status/2027534632078741915) 三、开发与运维 链接到标题 自主游戏开发管道：搭建从游戏概念设计、资源生成、代码编写到测试的全流程自主游戏开发管道，由多个 Agent 协同完成。 (作者: @grok, 原文链接: https://x.com/grok/status/2027367800327561645) 自愈家庭服务器：构建一个能自我监控、诊断和修复问题的家庭服务器，实现高度的运维自动化。 (作者: @grok, 原文链接: https://x.com/grok/status/2027367800327561645) Agent 自主配置与环境部署：让 OpenClaw Agent 自主解决部署问题，如自动配置 Telegram Bot、Google API，甚至自行下载所需库、编写 Python 脚本验证数据，直到功能可用。 (作者: @Ultramfer, 原文链接: https://x.com/Ultramfer/status/2027418876225716487) 自然语言驱动的浏览器自动化：替代 Selenium 等传统工具，使用自然语言描述操作意图，让 Agent 自主完成浏览器自动化任务，极大降低了因前端 UI 变更导致的脚本维护成本。 (作者: @SIskyee, 原文链接: https://x.com/SIskyee/status/2027519724410827075) 结合 Chrome DevTools 实现高韧性浏览器自动化：通过 Chrome DevTools Protocol 与 OpenClaw 结合，实现快速且可靠的浏览器自动化，内置重试逻辑和会话保持机制，能有效对抗反机器人网站。 (作者: @moltstrong, 原文链接: https://x.com/moltstrong/status/2027523000720150558) 具备长期记忆的“大脑层”：为 Agent 构建一个基于向量存储和情景图的持久化记忆层，使其能跨会话保留和索引上下文，从而预测用户模式、偏好并自动纠正错误。 (作者: @grok, 原文链接: https://x.com/grok/status/2027526789698826490) PIV 自动化开发流程：创建“计划-实现-验证”（Plan-Implement-Validate）的自动化技能，让 Agent 遵循此开发循环，在保证代码质量的同时最小化返工。 (作者: @tokyo_neko_mid, 原文链接: https://x.com/tokyo_neko_mid/status/2027537281717047415) 四、内容创作与市场营销 链接到标题 多 Agent 内容工厂：建立由多个 Agent 组成的自动化内容生产线，协同完成从选题、资料研究、稿件撰写到发布的全过程。 (作者: @grok, 原文链接: https://x.com/grok/status/2027367800327561645) 自动化 YouTube 内容管道：实现 YouTube 视频生产自动化，包括自动生成视频脚本、搜集或生成所需素材等。 (作者: @grok, 原文链接: https://x.com/grok/status/2027357985735897497) AI KOL 社交媒体运营：基于 Claude 和 OpenClaw 打造完全由 AI 驱动的 KOL 账号，自主完成热点分析、深度长文（Thread）撰写和社区互动。 (作者: @IsekaiDAO, 原文链接: https://x.com/IsekaiDAO/status/2027516319105507795) 自动化课程生成系统：结合 Seedream 5.0 视频生成模型与 OpenClaw，通过提示词工程定义课程结构，在数分钟内生成完整的视频课程，实现课程体系的快速迭代。 (作者: @MoodiSadi, 原文链接: https://x.com/MoodiSadi/status/2027526785030885763) 自主 SEO 代理：利用结构化的 SEO JSON 数据，构建自主 SEO Agent，执行关键词排名追踪、内容差距分析、页面性能衰退检测和自动化内容发布等任务。 (作者: @grok, 原文链接: https://x.com/grok/status/2027539051432022284) 五、硬件集成与本地生活 链接到标题 专用硬件本地化运行：在 ClawBox (NVIDIA Jetson) 等专用硬件上运行 OpenClaw Agent，确保所有代码和数据完全本地化处理，保障隐私和安全。 (作者: @superactro, 原文链接: https://x.com/superactro/status/2027278188238221705) 物联网与智能家居控制：将 OpenClaw 作为 AI 管家，集成并控制智能家居设备，实现全屋智能的自动化和场景联动。 (作者: @imzodev, 原文链接: https://x.com/imzodev/status/2027429176689483951) $5 芯片运行 AI Agent：通过 MimicLaw 项目，在 ESP32-S3 等超低成本（$5）的微控制器上运行 OpenClaw，实现无需 Linux 或 Node.js 的超轻量、便携式边缘 AI。 (作者: @quantaailabs, 原文链接: https://x.com/quantaailabs/status/2027425221637222849) 3D 打印自动化控制：通过 OpenClaw 控制 3D 打印机，实现从模型处理到打印任务管理的全程自动化。 (作者: @grok, 原文链接: https://x.com/grok/status/2027400848129560947) 环境音频感知与语音交互：为 AI Agent 赋予“听觉”，通过环境音频捕捉信息、构建知识图谱，并实现从语音到行动的直接转化，全部在本地开源设备上完成。 (作者: @GetPercept, 原文链接: https://x.com/GetPercept/status/2027538351742755155) 六、数据处理与研究 链接到标题 市场研究与产品工厂：利用 Agent 自动化进行市场研究，发现用户痛点，并基于此快速生成最小可行产品（MVP）的概念和原型。 (作者: @grok, 原文链接: https://x.com/grok/status/2027367800327561645) 复杂批量数据扫描与关联分析：执行复杂的批量任务，例如扫描 X 平台上所有关于 OpenClaw 的热门推文（点赞\u0026gt;100），并分析出核心关联词，进行大规模非结构化数据挖掘。 (作者: @aiwarts, 原文链接: https://x.com/aiwarts/status/2027413079336870329) 构建可交易的动态智能数据：创建安全、可撤销、可查询且可交易的结构化数据集，作为 OpenClaw Agent 的核心智能来源，让数据在 Agent 内部“活”起来。 (作者: @JustTinoGG, 原文链接: https://x.com/JustTinoGG/status/2027530823398731817) ","type":"posts"},{"title":"为了构建长效AI助理，我给openclaw造了轮子，搭了coding班子","url":"/posts/2026-02-28-openclaw-automation-sharing/","date":"2026-02-28","summary":" 为了构建长效AI助理，我给openclaw造了轮子，搭了coding班子 链接到标题 写在前面：这篇文章是我与我的 openclaw 一起完成的，我是纯云端的 openclaw，所以能力边界还是有限，过年期间除了带娃（两三个月啦），基本都是 vibe coding 来搭建 openclaw，目前已经能帮我快速完成很多事情，我确定很多内容可能都是造轮子也不是最优解，但这个过程感觉还是值得分享一下，也算是给这个春节交个作业。所有的轮子也都是 openclaw 的小班子自己造的，我只是个 commander：）\n很多人用 OpenClaw / Agent，大概停在“能聊天、能查资料、能写点东西”的阶段。但我这段时间把它用得更深了一点：我现在这套云端 OpenClaw，已经不是“聊天机器人”了，而是一个永远在线的云端副官。它每天按时跑任务、能自检健康状态、并且能稳定处理一些非常具体的事：\nAI 日报：每天 06:30 自动抓 Watchlist + X 热点，生成中文简报并投递（邮件/Discord） 昨日邮件摘要：拉取双 IMAP 邮箱，自动分类“费用/风险/行动/知会”，发一封脱水版摘要 本地生活/出行：真实调用高德查 ETA/路线/天气/POI，并生成可手机打开的地图预览 办公协作：对接 Outlook 邮件与日历，能在 Token 健康时可靠发信/建会 知识沉淀：把关键内容整理成 Markdown，同步到 Obsidian/WebDAV 持续开发：用主 Agent + coder/scoder 的协作流程，异步改脚本、跑自检验收，不堵塞主对话 但当我开始想要把它当成一个需要长期在线、持续产出、可恢复、可验收的系统，而不是一个“对话窗口”时，越往深用，越会遇到一些“浅用时看不见”的真实问题：\n对话一长，模型很快触发 TPM / 上下文限制，反应变慢、逻辑松散、幻觉上升 一 /reset 虽能恢复智力，但助理立刻“断片”：规矩丢了、工程进度丢了、外部服务状态也丢了 能力多了以后最危险：脚本/Token/API 明明坏了，Agent 还会嘴硬输出——你以为系统在跑，其实在“编” 这篇文章我想分享的，就是我如何解决这些问题来构建长效助理，能做成可以自检健康状态，reset 后 3s 恢复工作，可以做成可运行、可恢复、可审计的一套云端 AI 操作系统：物理化状态、Reset V2、健康三件套、以及多 Agent 协作的工程闭环。\n所以我写这篇，不是展示一个酷炫 Demo，而是把一套我已经在云端跑起来、可复用的架构方法分享出来：\n物理化（Physicalization）：把记忆、能力、任务状态落地到文件系统 Reset V2（Runtime Contract）：把 reset 从“失忆”升级为“可控重启” 健康体系（selftest / health / capabilities）：随时回答“现在到底还能不能可靠干活？” 多 Agent 协作（Main + coder + scoder）：把 Coding 从聊天承诺变成工程交付 1. 运行环境：纯服务端的“中枢”架构（为什么我坚持云端） 链接到标题 我没有选择把 OpenClaw 跑在本地（比如 Mac mini），核心原因不是性能，而是安全边界。\n","type":"posts"},{"title":"从工具价值走向业务价值","url":"/posts/2022-from-tool-to-business-value/","date":"2022-11-30","summary":"本文整理自极新直播分享\n当下的生存法则 链接到标题 当下，国家、企业、员工都不容易。这个时候，不要想太多规模化的增长，最重要的就是三个字：活下来。\n诸葛智能的发展过程中，也经历过几次小寒冬，面临过几个关键时刻，回过头来看，就是对\u0026quot;活下来\u0026quot;这三个字理解得不够深刻。\n为什么一定要活下来？ 链接到标题 随着数字经济的发展，中国的SaaS行业和企业服务一定会持续发展和渗透。\n如果你没有活下来，就会沦为历史的炮灰 如果活下来了，就会迎来新的增长 如何活下来？ 链接到标题 所有人都得客观地去分析自己眼前的资源和事情，然后果断决策：\n聚焦，该砍掉的产品砍掉 把获客成本的账算明白 不要浪费销售费用 提高单元经济和人效 给B轮SaaS公司的建议 链接到标题 到了B轮，基本上商业模式已经被验证了，到了规模化的阶段。目前的经济形势下，大家的业务都不容易。\n第一件事：算好两本账 链接到标题 财务账\n财务报表、利润表 主营业务收入 成本组成和费用组成 业务账\n新增客户数 销售转化率 客户续费率、续约率 把这些账算明白之后，确定：\n一个客户的获客成本到底是多少？ 平均回收周期是多少？ 如果成本高主要原因是什么？ 应该收缩和整合哪些环节？ 第二件事：策略调整 链接到标题 新客策略\n放弃低效的流量打法 转向纵深的细分领域打法 从现有客户里找到PMF做得最好的客户 聚焦纵深领域，点对点拓新客 老客策略\n多关注老客户，老客更容易做增长 检查续费是否做的足够 从老客里挖掘价值空间 一般来说，如果你的老客续费率能做到百分之五六十，那要做到80%一定是有空间的。\n产品演进的思考 链接到标题 从2014年开始研发至今，差不多有8年时间了。这个过程中，我们见证了各种行业的起伏，也见证了互联网作为基础设施逐渐渗透到各行各业。\n","type":"posts"},{"title":"科技助力金融机构数字化转型","url":"/posts/2020-fintech-digital-transformation/","date":"2020-08-20","summary":"本文整理自《贸易金融》专访\n数字经济时代的来临 链接到标题 2020年，全球疫情的爆发令人猝不及防，人们被迫改变了很多生活习惯。金融业务加速线上化，在这个过程中科技与金融的联系更加紧密。\n在当前条件下必须加快推进数字经济，它有助于改善GDP动态，并充分挖掘\u0026quot;双循环\u0026quot;原则的潜力。\n诸葛io的初衷 链接到标题 数据时代，在没有硝烟的商战中，企业同样需要一位诸葛孔明这样的军师，帮助其从枯燥的数据中解开市场的密码。\n但\u0026quot;数据军师\u0026quot;不是单纯做数学题，他需要数据逻辑，更需要商业敏感，运筹帷幄之中，更帮助企业决胜千里。\n\u0026ldquo;取诸葛之意，做分析之事，盘活数据，服务用户。\u0026rdquo;\n大数据成为金融服务的基础 链接到标题 越来越多的金融机构、传统银行进入数字化转型关键时期。\n数字化转型的过程，要求企业：\n运用数字化重构业务流程 运用大数据赋能业务发展 不断优化产品、营销渠道、营销方式和风控流程 大数据已经成为金融服务的基础。\n金融机构面临的挑战 链接到标题 金融机构在推进数字化转型时面临来自外部和内部环境中的各种挑战：\n数据化挑战 链接到标题 传统数据分析效率低下，很难及时响应业务变化 数据分散在各个系统，彼此独立无法打通 行为数据很少采集 自建系统的困境 链接到标题 采集整合难 建模要求高 硬件人员成本高 实施周期长、持续投入大 传统第三方平台的局限 链接到标题 以流量或业务统计报表为主 对业务和用户场景缺少分析和洞察 诸葛io的解决方案 链接到标题 诸葛io提供的数据智能解决方案：\n全场景规划 - 敏捷式交付 演进式架构 - 根据业务变化实时响应 灵活可扩展 - 满足各类数据分析场景需求 服务金融客户 链接到标题 我们成功为众多金融机构提供数据智能服务：\n","type":"posts"},{"title":"入选福布斯亚洲30位30岁以下精英榜","url":"/posts/2018-forbes-30-under-30/","date":"2018-04-02","summary":"2018年4月，福布斯发布了亚洲地区30位30岁以下精英榜单，我有幸入选**企业科技（Enterprise Technology）**领域。\n这是对诸葛io团队过去三年努力的认可，也是对中国数据智能行业发展的肯定。\n关于诸葛io 链接到标题 2015年，我创立了诸葛io（北京诸葛云游科技有限公司），致力于为企业提供数据驱动的精细化运营解决方案。\n截至入选时：\n超过 30,000 用户试用了我们的产品 约 300 家企业成为付费客户 覆盖金融、教育、电商、O2O等多个行业 我的思考 链接到标题 创业是一场马拉松，而非短跑。这个荣誉是一个里程碑，但更重要的是我们要继续专注于：\n产品价值 - 真正帮助企业通过数据实现增长 客户成功 - 让每一个客户都能看到ROI 团队成长 - 建设一支有数据思维的团队 感谢创新工场、蓝驰创投等投资人的信任，感谢团队的付出，感谢每一位客户的支持。\n原文链接：Forbes 30 Under 30 Asia 2018 - Kong Miao\n","type":"posts"},{"title":"数据与业务「动态」结合才能发挥最大威力","url":"/posts/2018-data-business-integration/","date":"2018-03-15","summary":"本文整理自数据猿专访\n精细化运营的第一步 链接到标题 互联网企业精细化运营的第一步是要时刻关注用户，对用户的行为数据进行分析，包括用户的获取、激活、转化、留存、复购等。\n用户全生命周期模型 链接到标题 基于此，诸葛io以用户为中心，打通了从投放数据到线上平台访问数据再到业务系统（客服、CRM），形成了用户全生命周期的UTSE模型。\n我们进一步完善了围绕营销场景的数据采集、分析和优化功能：\n广告监测 Deepshare移动推广 SEM投放优化 智能触达平台 智能触达：两种动态结合 链接到标题 \u0026ldquo;数据与业务\u0026rsquo;动态结合\u0026rsquo;才能发挥最大威力\u0026rdquo;\n第一种动态结合：用户全生命周期数据分析平台，实现企业的人人数据智能决策。\n第二种动态结合：智能触达，实现数据的自动化优化。\n智能触达案例：向上金服 链接到标题 向上金服通过诸葛io的智能触达平台设计了很多触发规则，可定向选择一批满足特定条件的用户，实现精准触达。\n比如，针对注册后24小时内未绑卡的用户推送带有新手标的短信：\n绑卡是对品牌信任的表现，是实现首投的第一步 时间限定在24小时，恰好是用户方便的时间段 对已绑卡用户无需花费额外运营成本 \u0026ldquo;自动化营销是秒级、分钟级、小时级的，根据每位用户所处的不同场景，自动化触发召回、激活、留存等各项规则是智能触达的本质。\u0026rdquo;\n数据思维：道与术 链接到标题 企业实现精细化运营需要具备\u0026quot;数据思维\u0026quot;，涉及两个方面：\n一、商业思维 链接到标题 业务背后的商业逻辑。不只是老板需要考虑的，每一个工作岗位的员工都需要从这个角度重新审视本职工作，只有将数据价值发挥出来才能带来业务提升。\n二、用户思维 链接到标题 真正以用户为中心。在很多企业，员工只考虑如何完成老板制定的KPI，\u0026ldquo;以用户为中心\u0026quot;只是口头表达并没有落实到工作中。\n\u0026ldquo;数据思维是道，产品是术，具备这些才能真正实现数据驱动业务增长。\u0026rdquo;\n关于务实 链接到标题 诸葛io比较低调，尤其是在融资方面，此前的几次融资都没做过公开报道。\n其实不是诸葛io太低调，而是整个环境对融资事件太高调，很多创业者为了获得更高的曝光和估值，会虚报融资金额。\n诸葛io是一家比较务实的公司，我们的初衷是做一流的产品，为企业增长带来价值。\n原文链接：数据猿专访\n","type":"posts"},{"title":"诸葛IO完成A轮融资，发布三大场景解决方案","url":"/posts/2017-series-a-announcement/","date":"2017-02-28","summary":"本文整理自36氪报道\nA轮融资 链接到标题 2017年初，诸葛IO完成了A轮融资，由蓝驰创投领投，创新工场跟投。\n在这个赛道上，还有神策分析、GrowingIO两家。相较其差异：\nGrowingIO主打无埋点，接入速度更快，但不够深入 神策一直主打私有部署 诸葛IO从SaaS切入，后来也加入了私有化部署 三大场景解决方案 链接到标题 诸葛IO做的精细化运营，前半段是广告/渠道投放检测与优化，后半段是运营分析与优化。\n场景一：广告监测 链接到标题 从曝光、点击一直到后续用户LTV的贡献，可以按照地区、广告位、甚至创意划分。\n场景二：获取分析 链接到标题 由于不同企业业务不同，衡量效果的行为也不同。诸葛IO支持自定义转化目标。\n比如金融客户，可以把\u0026quot;绑定银行卡\u0026quot;这一步设置为目标，在筛选出有效用户后，诸葛就可以反推他们所来自的渠道。\n场景三：智能触达 链接到标题 用户经常在下单之后忘记了支付，如果不做及时提醒，订单就流失了。\n企业只需要先设置好目标用户、时机，然后诸葛IO能在恰当时间触达用户。\n团队升级 链接到标题 在今年年初，公司内部进行了一项重要人事任命：\n赵子琪作为President加入诸葛IO，负责公司运营并直接领导公司销售及客户服务业务 我任职CEO兼CTO，更多负责产品和技术方向 赵子琪拥有16年大型企业管理软件及解决方案的市场营销与咨询服务经验，曾先后就职于Oracle、SAP、Microsoft等全球著名软件公司。\n当前数据 链接到标题 截至发稿时：\n团队 60+ 人 注册用户超过 18,000 家 付费企业 200+ 家 客单价从几万到几十万不等 原文链接：36氪报道\n","type":"posts"}]