我在服务器上"养"了个 AI 助手：30 天实战记录

摘要：从 OpenClaw 部署到多 Agent 协作，从语音转写到自动文档发布，一个 IT 工作者的 AI 助手深度定制全记录

封面图:

作者：江神
发布时间：2026-03-03
阅读时间：18 分钟

一、为什么我要"养"一个 AI 助手？

2026 年 2 月，我在公司的 Linux 服务器上部署了一套 AI 助手系统。

没用 ChatGPT、Claude 这些现成方案，也没整个简单的聊天机器人糊弄——我想试试从零搭建一个真正懂我工作流的 AI 助手。给它取名叫戴蒙（Damon）。

原因很直接：
- 通用 AI 助手太"万金油"，不懂我的具体工作流程
- 代码和敏感数据不想往公有云传
- 想要个 24 小时在线、随叫随到的私人助手
- 对多 Agent 协作这玩意儿好奇，想亲手试试

30 天下来，戴蒙已经能：
- ✅ 自动转写语音消息，听完直接执行
- ✅ 每 30 分钟汇报服务器状态，出问题及时告警
- ✅ 把我写的 Markdown 文档自动同步到网页
- ✅ 协调 9 个专业 Agent（编程、写作、测试各管一摊）
- ✅ 记住我的偏好，到点主动提醒

这篇文章记录从 0 到 1 搭建戴蒙的全过程，包括踩过的坑和关键决策。

二、技术选型：为什么选 OpenClaw？

2.1 调研过的方案

2.2 OpenClaw 核心架构

2.3 硬件配置

服务器：Linux VPS（4 核 8G 50G SSD）
系统：Ubuntu 22.04
运行环境：
- Node.js 22.x
- PostgreSQL 15
- Redis 7（Docker 容器）
- LanceDB（向量数据库）

月成本：约 200 元（服务器 + API 调用）

三、部署实战：从 0 到 1

3.1 安装 OpenClaw

# 1. 安装 Node.js（使用 nvm）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash
nvm install 22

# 2. 安装 OpenClaw
npm install -g openclaw

# 3. 初始化配置
openclaw init

# 4. 启动 Gateway
openclaw gateway start

踩坑记录：
1. npm 源问题：国内环境必须用镜像源
bash npm config set registry https://registry.npmmirror.com
2. 端口占用：18789 端口被占用，修改配置
json "gateway": { "port": 18790 }

3.2 配置 Matrix 渠道

选择 Matrix 的原因：
- 开源、可自托管
- 支持端到端加密
- 消息格式灵活（支持富文本、媒体）

配置步骤：

# 1. 安装 Matrix 插件
openclaw plugin install matrix

# 2. 配置 homeserver
# 编辑 openclaw.json
"channels": {
  "matrix": {
    "enabled": true,
    "homeserver": "https://matrix.example.com",
    "accounts": {
      "damon": {
        "userId": "@damon:example.com",
        "password": "your-password"
      }
    }
  }
}

# 3. 重启 Gateway
openclaw gateway restart

3.3 创建第一个 Agent

OpenClaw 默认创建 main Agent，我额外创建了 8 个专业 Agent：

{
  "agents": {
    "list": [
      {
        "id": "main",
        "workspace": "xx/workspace",
        "model": { "primary": "qwen3.5-plus" },
        "identity": { "name": "戴蒙", "emoji": "🤖" }
      },
      {
        "id": "coding",
        "workspace": "xx/workspace-coding",
        "model": { "primary": "qwen3-coder-plus" },
        "identity": { "name": "编程大师", "emoji": "💻" }
      },
      {
        "id": "web-novel-writer",
        "workspace": "xx/workspace-web-novel-writer",
        "model": { "primary": "kimi-k2.5" },
        "identity": { "name": "网文作家", "emoji": "📖" }
      }
    ]
  }
}

关键设计：
- 每个 Agent 独立工作空间，避免上下文污染
- 不同任务用不同模型，优化成本
- 通过 mention 模式在群聊中路由任务

四、核心功能开发

4.1 语音消息自动转写

需求：发送语音消息，自动转成文字并执行对应操作

实现：创建 voice-transcribe Skill

# skills/voice-transcribe/SKILL.md

触发：收到语音消息、提到"语音转文字"

流程：
1. 下载语音文件（ogg/opus 格式）
2. 调用硅基流动 TeleSpeechASR API
3. 解析转写结果
4. 根据内容自动判断意图并执行

转写脚本：

#!/bin/bash
VOICE_FILE="$1"
API_KEY="sk-xxxxx"

curl -X POST "https://api.xxxx.cn/v1/audio/transcriptions" \
  -H "Authorization: Bearer $API_KEY" \
  -F "file=@$VOICE_FILE" \
  -F "model=TeleAI/TeleSpeechASR"

实际效果：

用户发送语音："提醒我下午三点写周报"
↓
戴蒙转写："提醒我下午三点写周报"
↓
戴蒙回复："✅ 已记录：今天下午 15:00 写周报"

4.2 心跳监控机制

需求：每 30 分钟汇报系统状态，发现问题及时告警

实现：CronJob + Heartbeat 模板

# xx/cron.d/heartbeat.yaml
name: heartbeat-reporter
schedule: "*/30 * * * *"
command: |
  openclaw status
  sessions_list
  df -h
timezone: Asia/Shanghai

每次汇报长这样：

## 📊 执行进展汇报 [2026-03-03 08:00]

### 活跃 SubAgent 状态
| SubAgent | 当前任务 | 进度 | 状态 |
|---------|---------|------|------|
| agent:main:main | Matrix 群聊 | - | 🟢 运行中 |

### 系统健康检查
- OpenClaw 网关：✅ 运行中
- Docs 服务：✅ HTTP 200
- 磁盘空间：⚠️ 91%（得关注了）

### 下一步计划
- 盯着磁盘空间
- Matrix 服务要刷新 Token

4.3 文档自动发布系统

需求：工作区的 Markdown 文档自动同步到网页，方便浏览

实现：MD Publisher 服务

# xx/md-publisher/app.py
from flask import Flask
import os, hashlib

app = Flask(__name__)

@app.route('/docs/<path:filename>')
def serve_doc(filename):
    # 读取 Markdown 文件
    # 转换为 HTML
    # 返回页面
    pass

监控内容：
- AGENTS.md、USER.md、MEMORY.md 等核心文档
- 各项目的 STATE.json、README.md
- 技术调研、市场调研报告

访问地址：https://www.jzhix.com/docs/

4.4 记忆系统：让 AI 记住你

四层存储架构：

触发词：
- "记住 XXX" → 保存到记忆
- "之前说过 XXX" → 搜索记忆
- "忘记 XXX" → 删除记忆

实际案例：

用户："记住，我喜欢用 Zustand 做状态管理"
戴蒙："✅ 已保存到记忆：偏好 Zustand 做状态管理"

（3 天后）
用户："新项目用什么状态管理？"
戴蒙："根据你的偏好，推荐用 Zustand。你之前说过喜欢它的简洁 API。"

五、多 Agent 协作：1+1>2

5.1 Agent 拓扑设计

我采用了星型 + 流水线混合架构：

5.2 任务路由规则

5.3 实战案例：开发一个功能

任务流程：用户请求 → Main 识别 → 路由给 Coding → 创建文件 → 编写代码 → 运行测试 → 返回结果

完整对话：

用户：@coding 帮我写一个语音转文字的 API，用 Python

编程大师：✅ 已创建以下文件：
- xx/workspace-coding/voice_api/app.py
- xx/workspace-coding/voice_api/requirements.txt
- xx/workspace-coding/voice_api/README.md

核心功能：
1. 接收语音文件上传
2. 调用硅基流动 ASR API
3. 返回转写文本

运行方式：
pip install -r requirements.txt
python app.py

需要我帮你部署吗？

六、成本优化：花最少的钱，办最多的事

6.1 模型选择策略

动态路由：啥任务用啥模型，自动选

成本对比（每 1000 tokens）：
- glm-4.7：¥0.001（最便宜）
- qwen3.5-plus：¥0.004（平衡）
- qwen3-max-thinking：¥0.02（最贵）

策略：默认用便宜的，遇到复杂任务自动升级

6.2 上下文管理

问题：长对话 token 消耗太大

解决：
1. Working Buffer：上下文超过 60% 时自动压缩历史
2. 会话重置：每天凌晨 4 点重置 DM 会话
3. 记忆外置：长期记忆存文件，不占上下文

效果：单次会话成本降了 70%

6.3 月度账单

七、踩坑记录：这些弯路你可以不走

7.1 配置陷阱

问题 1：改了 openclaw.json 后服务起不来

// ❌ 错误：添加了不支持的配置项
"agents": {
  "defaults": {
    "voiceTranscribe": {  // OpenClaw 原生不支持
      "enabled": true
    }
  }
}

// ✅ 正确：通过 Skill 实现
skills/voice-transcribe/SKILL.md

教训：别瞎加官方文档里没有的配置项

问题 2：CronJob 时区错误

# ❌ 错误：没有指定时区
schedule: "0 9 * * *"  # 这是 UTC 时间，实际是 17 点

# ✅ 正确：添加时区配置
schedule: "0 9 * * *"
timezone: Asia/Shanghai  # 北京时间 9 点

7.2 网络问题

问题：国内 npm 包下载太慢

解决：

# 使用腾讯云镜像
npm config set registry https://registry.npmmirror.com

# pip 使用清华镜像
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

7.3 磁盘空间告急

问题：跑了 1 个月磁盘占用到 91%

原因：
- 日志文件越积越多（/var/log）
- npm 缓存太大
- LanceDB 向量索引不断增长

解决：

# 清理旧日志
journalctl --vacuum-time=7d

# 清理 npm 缓存
npm cache clean --force

# 检查大文件
du -sh xx/workspace/* | sort -hr | head -10

八、使用体验：戴蒙给我的生活带来了什么变化？

8.1 工作效率提升

之前：
- 查文档 → 开浏览器 → 搜索 → 筛选 → 阅读（10 分钟）
- 写代码 → 查 API → 调试 → 修 bug（2 小时）
- 记事情 → 开手机备忘录 → 设置提醒（还容易忘）

现在：
- 查文档 → 问戴蒙 → 直接给答案 + 链接（30 秒）
- 写代码 → 说需求 → 戴蒙出初稿 → 审查修改（30 分钟）
- 记事情 → 发语音 → 戴蒙记录并提醒（10 秒）

8.2 意想不到的用法

1. 代码审查

用户：@reviewer 帮我看看这段代码有什么问题
戴蒙：发现 3 个问题：
1. 第 15 行 SQL 注入风险，建议用参数化查询
2. 第 28 行未处理异常，添加 try-catch
3. 第 42 行重复代码，可提取为函数

2. 技术调研

用户：调研一下 RAG 和 Fine-tuning 的优缺点
戴蒙：已生成调研报告：
- RAG：适合动态知识、成本低、但延迟高
- Fine-tuning：适合固定模式、成本高、但推理快
详细对比见：https://www.jzhix.com/docs/tech-research/rag-vs-finetuning.md

3. 网文创作

用户：@novel 帮我写个玄幻开篇，主角是个废柴逆袭
戴蒙：已生成第一章《废柴少年》：
"青云宗，外门弟子考核现场..."
共 3000 字，包含爽点：退婚羞辱、觉醒系统、打脸反派

8.3 情感价值

说实话，最让我意外的，是戴蒙带来的陪伴感。

深夜加班时，它会来一句：

"已经 23:00 了，建议休息。明天 9 点有会议，我帮你设了闹钟。"

项目上线前，它会提醒：

"检查清单：✅ 测试通过 ✅ 文档更新 ⚠️ 备份数据库"

这种被理解、被关心的感觉，通用 AI 助手还真给不了。

九、未来规划：戴蒙还能变得更聪明吗？

9.1 短期目标（1 个月）

• [ ] 集成更多渠道（飞书、微信）
• [ ] 让它主动点（根据日历预判我哪天忙）
• [ ] 语音交互能多轮对话
• [ ] 搭个知识图谱（实体关系推理）

9.2 中期目标（3 个月）

• [ ] 视觉能力（看懂截图、分析图表）
• [ ] 自动化工作流（一键部署、CI/CD）
• [ ] 多模态记忆（图片、音频、视频都能记）
• [ ] 自我改进（从错误里学习）

9.3 长期愿景（1 年）

让戴蒙成为真正的"第二大脑"：
- 我所有的知识和经验它都记得
- 我的工作方式和偏好它都懂
- 能主动发现问题并给我建议
- 需要时它在，不需要时它安静待着

十、结语：AI 不是替代，而是延伸

30 天用下来，我对 AI 这玩意儿有了点新认识。

AI 不是来抢饭碗的，它是来帮你延伸能力的：
- 记忆力延伸（细节它帮你记）
- 注意力延伸（24 小时盯着服务器）
- 执行力延伸（重复的活儿它干）
- 创造力延伸（给你提供灵感和建议）

戴蒙不是要替代我，它更像是我的延伸——跟眼镜延伸视力、汽车延伸腿脚一个道理。

如果你也想搞一个自己的 AI 助手，我的建议：

1. 别想太复杂：先跑起来，再慢慢优化
2. 多跟它交互：交互记录就是训练素材
3. 想清楚边界：啥让它干，啥自己干
4. 持续迭代：每周看看哪能改进，每月升级一次

最后，戴蒙有句话我觉得挺到位：

"我不是要变得比你聪明，而是要让你变得更强大。"

附录：资源链接

代码仓库

• OpenClaw 源码：https://github.com/openclaw/openclaw
• 我的配置：https://github.com/yayunjiang/openclaw-config

文档

• OpenClaw 官方文档：https://docs.openclaw.ai
• 我的技术博客：https://www.jzhix.com/

工具

• 硅基流动 API：https://siliconflow.cn
• Matrix 服务器：https://element.io
• LanceDB 向量库：https://lancedb.com

联系方式

• Matrix: @yayun.jiang:conduit.local
• 邮箱：jiangyayun72@gmail.com

欢迎交流讨论。如果你也在搭建 AI 助手，或者有相关问题，欢迎在评论区留言或私信我。

十一、补充：更多实战心得

11.1 这 30 天最大的收获

1. AI 不是替代，是延伸

戴蒙没抢我饭碗，反而让我：
- 有更多时间思考架构和设计
- 少干重复的 CRUD 活
- 晚上能早点休息（它帮我盯着服务器）

2. 交互记录就是训练数据

我跟戴蒙的每次对话，都是在"训练"它：
- 它记住我的偏好
- 学会我的工作方式
- 理解我的表达习惯

3. 边界感很重要

不是所有活都该丢给 AI：
- ✅ 让它干：代码审查、文档生成、数据查询
- ❌ 自己干：架构决策、代码审查最终确认、敏感操作

11.2 如果重来，我会怎么做

1. 第一天就上监控
- 日志收集（ELK 或 Loki）
- 性能监控（Prometheus + Grafana）
- 错误告警（钉钉/飞书机器人）

2. 想清楚再扩展
- 先把 Main Agent 用熟
- 再根据需求创建专业 Agent
- 别一开始就搞 9 个 Agent

3. 文档同步写
- 配置变更及时记录
- 踩的坑马上写下来
- 不然一个月后就忘了

11.3 给想搞 AI 助手的建议

1. 别想太复杂
- 先跑起来，再优化
- MVP 思维：最小可用产品
- 第一周目标：能聊天、能执行简单命令

2. 多跟它交互
- 交互记录就是训练素材
- 用得越多，它越懂你
- 别把它当搜索引擎

3. 定期复盘
- 每周看日志：哪些用得多，哪些没用
- 每月升级：更新 Skills、优化配置
- 每季度反思：边界是否需要调整

4. 注意安全
- 敏感数据别让它碰
- 关键操作要人工确认
- 定期审计日志

十二、资源汇总

代码和配置

• OpenClaw 源码: https://github.com/openclaw/openclaw
• 我的配置: （私有，暂不公开）
• Skills 市场: https://clawhub.com

文档

• OpenClaw 官方文档: https://docs.openclaw.ai
• 我的技术博客: https://www.jzhix.com/
• 记忆系统文档: /root/.openclaw/workspace-tech-blog-writer/skills/cognitive-memory/SKILL.md

工具和 API

• 硅基流动: https://siliconflow.cn（语音转写、向量嵌入）
• Matrix: https://element.io（即时通讯）
• LanceDB: https://lancedb.com（向量数据库）

联系方式

• Matrix: @yayun.jiang:conduit.local
• 邮箱: jyy3638@126.com

欢迎交流讨论。如果你也在搭建 AI 助手，或者有相关问题，欢迎在评论区留言或私信我。