OpenClaw第一次任务：让AI帮你整理资料

第一次任务怎么定：先让 AI 整理，而不是动手改

把 OpenClaw 这类工具接到真实工作流里，第一次任务最好选“整理资料”而不是“改代码”或“批量删文件”。原因很直接：整理任务的输入和输出都容易检查，错了也能回退，适合用来摸清工具的脾气。等跑通一次完整流程，再让它碰更敏感的操作。

先分清：输入什么、输出什么、谁来核验

开始之前，把任务拆成三个明确的部分。

输入侧，准备一段不含隐私的测试文字。这里说的“不含隐私”不只是不写密码和身份证号，还包括公司内部项目代号、未公开的产品参数、客户的联系方式。拿真实业务数据做测试，一旦输出被缓存或同步到云端，你控制不了它去了哪里。

输出侧，写清楚你要表格、列表还是段落。这个要求要写进给 AI 的指令里，而不是在心里想想。比如“把下面 20 条笔记分成三类，输出一个三列表格，每列写分类名和对应条目”，就比“帮我整理一下”清楚得多。

核验侧，明确人工检查的环节。AI 输出的分类和摘要，只能当草稿看。检查时逐条对照原始资料，确认没有把 A 类的内容塞进 B 类，没有在摘要里添加原文没有的信息。这一步不能省，尤其是资料后续要给别人看或用于决策的时候。

文件怎么设：源文件、测试文件、归档文件分开

整理资料听起来不像设计或建模那样需要“建项目”，但文件管理逻辑是一样的。建议先保存一份原始资料，文件名带 _source 后缀，放在不动它的目录里。再复制一份作为测试文件，所有操作都在副本上进行。这样即使 AI 理解错了指令、把内容改乱，原始资料还在，随时可以重来。

操作过程中会生成中间结果，比如 AI 输出的第一版分类、你修改后的第二版、最终确认版。这些版本不要覆盖保存，用 _v1、_v2 或日期区分。整理任务看起来简单，但分类标准可能在中途调整，比如一开始按工具类型分，后来发现按使用场景分更合理，没有版本记录就得从头再来。

指令怎么写：目标、材料范围、输出格式、失败处理

给 AI 的指令包含四部分，缺一不可。

第一是任务目标，写在最前面。例如“把以下学习笔记整理成三个分类，每个分类下按主题排序”。

第二是输入材料的来源和范围。说明这些文字是从哪里收集的、覆盖什么时间段、包含哪些主题。AI 不知道你的笔记里哪些是重点、哪些是随手记的临时想法，你不说它就会自己猜，猜的结果往往是把临时想法和正式结论混在一起。

第三是输出格式。要表格就说清楚列数、列名、是否要序号；要列表就说清楚层级和缩进方式。格式要求越具体，后期人工调整越少。

第四是失败处理。告诉 AI 遇到无法判断的内容时怎么办——是单独放到“待确认”分类，还是在输出末尾列出疑问清单。这个设置能避免 AI 硬把不确定的内容塞进某个分类，造成表面整齐、实际错位的整理结果。

操作顺序：先小后大，一次只改一个变量

第一次跑任务，不要一次性把 200 条资料全丢进去。先拿 5 到 10 条试运行，确认 AI 理解了你说的分类标准，再逐步增加数量。这个“先小后大”的原则适用于所有 AI 工具——小样本的错误容易定位，大样本的错误会互相掩盖。

操作过程中，一次只改一个变量。如果第一次输出分类太粗，先只调整分类标准的描述，其他指令不变，看输出是否改善。如果同时改了分类标准、输出格式、补充了背景说明，结果变好了也不知道是哪个改动起了作用，下次遇到类似问题还是得从头试。

检查清单：三类错误要分开看

人工核验时，把检查分成三个层面。

第一层是事实性错误。AI 可能在摘要里添加原文没有的细节，比如把“笔记中提到某软件支持导出”写成“该软件支持导出 PDF 和 PNG”，后者的具体格式原文没写，就是编造。逐句对照原始资料，凡是原文没有的信息一律删掉或标注为待确认。

第二层是结构性错误。分类之间有没有重叠？比如“AI 工具”和“软件教程”两个分类，某条笔记可能同时属于两者，需要你决定归到哪边，而不是让 AI 自己选。分类标准要互斥，这是整理任务的基本要求。

第三层是可用性检查。整理结果保存后，能不能再次打开修改？如果输出的是表格，用表格软件打开后格式是否错乱？如果后续要放进个人网站或笔记系统，复制粘贴后排版是否还在？这些问题在整理阶段就要验证，不要等到发布时才发现格式问题。

常见失败模式和处理方法

AI 整理资料最常见的失败有三种。

第一种是输出内容“飘”。指令写得太模糊，比如只说“整理一下”，AI 就可能自作主张添加分类、改变原文措辞、甚至补充它认为相关的背景知识。处理方法是把指令写具体，并在指令末尾加一句“只基于提供的材料输出，不要补充外部信息”。

第二种是分类标准前后不一致。前几条按工具类型分，后面的条目却按使用场景分。这通常是因为材料量太大，AI 在长上下文中丢失了最初的分类定义。处理方法是在指令中重复分类标准，或者把大任务拆成几个小任务，每个小任务只分一个类别。

第三种是输出格式不稳定。要求表格却输出列表，或者表格列数不对。处理方法是给一个期望输出的示例，AI 会模仿示例的格式。示例要简短，一两行就够，目的是定格式，不是定内容。

遇到问题先回到前一步检查，不要同时调整多个参数。确认基础流程没问题以后，再逐步增加任务复杂度。

整理完成后：源文件、结果、说明分开归档

任务完成后的归档方式，直接影响后续能否复用。

源文件单独保存，不做任何改动。最终整理结果保存为独立文件，文件名注明日期和内容范围。另写一份简短说明，记录这次任务的指令文本、分类标准、遇到的问题和调整方式。这份说明下次整理类似资料时可以直接复用，不用重新摸索指令怎么写。

如果整理结果要放进个人网站，公开的应该是整理后的内容，源文件和中间版本不要公开。整理说明里如果包含原始资料的来源信息，也要一并检查是否涉及隐私。

第一次任务跑通后，你会对工具的输入输出边界有实际感知。之后再尝试让它处理更复杂的任务，比如跨文档汇总或格式转换，就有了可对照的基准。