Jacobsklug这位创作者搭建了一个完整的 AI 操作系统，用来管理他的整个生活和业务。
这套系统通过 CloudBot Astra 这个 AI 代理运行，不仅能处理日常任务，还能自动生成内容、管理会议记录，甚至帮团队成员协同工作。
最关键的是，这套系统已经支撑了一个月收入超过 25 万美元的业务运营。
记忆系统：AI 的大脑架构
整个系统的核心在于 OpenClaw 的记忆管理机制。
他创建了两个基础文件夹：
（1）Soul 文件夹定义了 AI 的行为方式
（2）User 文件夹则存储了关于使用者的基本信息，包括时区、个人偏好等。
这两个文件夹构成了 AI 理解自己身份和服务对象的基础。
记忆系统的架构设计得相当精细。
● Index 文件夹
○ 像是一个目录索引，每次接收到新指令时，AI 会通过这个索引快速定位需要访问的具体文件夹。
● Daily 文件夹
○ 存储每日简报，这个设计特别关键。他发现如果没有持续更新的日常文档，AI 在一天之内就会开始遗忘早上发生的事情。因此每天都会创建新的日常简报，并在全天持续更新，让 AI 保持连贯的思维线索。
● Projects 文件夹
○ 用于存放详细的项目信息，比如代理业务或内容创作相关的工作项目。
● References 文件夹
○ 则像是一个学习资料库，存储 YouTube 视频、外部数据等参考资料
● Meetings 文件夹
○ 设计体现了他对信息分类的深度思考。这个文件夹连接了 Fathom API，可以自动记录所有会议内容，并按照 agency、content、external、internal 等子分类进行组织。当 AI 需要回答关于代理业务的问题时，它会自动查找 agency 文件夹下的会议记录。
● Archive 文件夹
○ 则用于存放超过七天的旧日报，这种自动归档机制确保了系统始终优先处理最相关的信息。
CloudBot 在 Slack 中运行，并且可以访问团队成员的频道。这意味着 AI 能够交叉引用不同团队成员的会议记录，当团队成员在 Slack 中交流时，AI 可以调取相关的会议内容提供上下文支持。
自动化任务：让 AI 自己工作
自动化任务的设置展现了这套系统的实用价值。
● 每天早上 7 点，AI 会创建当日笔记，发送三个最重要的优先事项，并在 Notion 中创建新的日常简报。每隔三小时，系统会更新这份简报，确保信息始终保持最新。
● 晚上 9 点，AI 会拉取所有 Fathom 会议记录，进行分类整理。
● 凌晨 3 点，系统会总结当天完成的工作，归档旧笔记，进行系统清理。之所以选择凌晨 3 点，是因为他有时会工作到很晚，需要捕捉到当天最后的活动。
● 每隔六小时，AI 会扫描 YouTube 频道，如果发现新发布的视频，会自动发布到社区。
● 每周日早上 9 点，AI 会自动起草所有内容。这个周日自动化任务支撑了他整个内容业务的运行，可以说是最关键的自动化设置之一。
心跳检测机制每 30 分钟检查一次 Slack，回复未读消息，同时轮询邮件和日历。
他还创建了一个 API 参考文档，因为发现 OpenClaw 有时会忘记自己可以使用哪些工具，甚至会忘记 API 密钥。这份文档包含了所有的使用说明和加密密钥，避免了 AI 反复询问 API 凭证的情况。
个性化训练：教 AI 学会你的风格
为了让 AI 学会他的写作风格，他向系统输入了 85 条 Twitter 和 LinkedIn 上表现最好的帖子。AI 通过分析这些内容，形成了自己的写作风格模型，用于每周日的内容自动生成。他还设定了一些具体的写作规则，比如不使用破折号，不使用“不是……而是”的句式。
团队协作方面，他给代理团队的 Aaron 和 Tom 开放了 CloudBot 的访问权限。这两位团队成员可以向 AI 提问，AI 也会在各自的文件夹中存储相关数据。系统还存储了一些可重复使用的资产，比如代理业务的所有案例研究，这样在处理新项目时可以随时调取相关背景信息。
可视化界面：用 Lovable 突破限制
尽管 OpenClaw 的功能已经很强大，但他发现缺少一个可视化的管理界面。最初他尝试让 OpenClaw 自己构建平台，但遇到了几个问题。
首先是本地托管的限制，系统只能在他的 Mac Mini 上运行，无法在其他设备上访问。虽然可以通过 Cloudflare 等服务部署到域名上，但配置过程相当繁琐。其次是设计质量不够理想，功能实现也存在诸多不便。
这时候 Lovable 成为了解决方案。Lovable 提供了更强的控制能力，不需要担心托管和数据库配置问题，视觉设计也更加出色。最重要的是，不需要在本地计算机上运行就能看到效果。经过对比测试，他发现用 Lovable 构建要容易十倍，唯一需要额外做的就是连接数据库，这个步骤其实相当简单。
构建过程：从对话到成品
构建过程从与 CloudBot 的对话开始。
他在 Slack 中向 AI 说明想要构建一个工具来管理任务、项目、内容和文档，并且会使用 Lovable 开发，需要连接到 Supabase 数据库。AI 首先询问了这是演示项目还是实际使用的系统，因为这会影响某些设计决策。
在明确了需求后，AI 提出了详细的功能范围建议，包括任务管理、项目跟踪、内容管理和文档存储。他进一步要求使用看板视图作为主界面，并以 Linear.app 的设计风格作为参考。AI 理解了这些要求，提出了默认视图显示待办、进行中、已完成三个列，支持拖拽操作，以及项目详情页面等功能。
接下来的关键步骤是让 AI 制定一系列提示词，用于输入到 Lovable 中。这个策略很聪明，因为 Astra 已经深入了解了他的工作方式和功能需求，让 AI 来设计架构和思路，而把 Lovable 纯粹作为开发工具使用，可以充分发挥各自的优势。AI 生成了几个阶段的提示词，他建议将这些提示词合并，最终得到了三个主要的开发指令。
（1）第一个提示词要求构建一个具有 Linear 风格的项目管理应用，包括深色模式和看板视图。他将这个提示词输入 Lovable 后，利用 Lovable 的队列功能，继续添加了第二和第三个提示词。
（2）第二个提示词添加了项目、内容、文档三个额外的页面视图。
（3）第三个提示词涉及数据库连接，但他决定先观察前两个提示词的执行效果。
Lovable 快速生成了第一版界面，深色模式、拖拽功能、任务详情页面都已经就位，视觉效果非常接近 Linear 的设计风格。项目页面、内容页面也都生成了出来，整体框架已经相当完整。
数据库连接：打通双向通信
下一步是连接 Supabase 数据库。
他选择手动创建 Supabase 数据库，因为这样可以获得更多控制权。在 Lovable 中连接到新创建的项目后，他要求系统移除所有模拟数据，创建并连接真实的数据表，将相应的数据显示到各个页面上。Supabase 中迅速生成了所需的所有数据表。
为了让 OpenClaw 能够通过 REST API 与平台通信，他设置了行级安全策略，并创建了登录凭证。登录后，界面变成了空白状态，这是正常的，因为还没有实际数据。他向 AI 询问如何为每个数据表设置 REST API 端点。
从 Supabase 的设置页面中，他获取了 API 密钥和各个数据表的端点地址，并将这些信息提供给 Slack 中的 Astra。经过一些行级安全策略的调整以允许 API 访问后，CloudBot 成功获得了对平台的访问权限。
实战测试：验证系统能力
测试时刻到了。
他让 AI 创建一个测试任务，刷新页面后，看到了“test task from Astra”这条记录。
当他在界面上将这个任务拖到“已完成”列时，再询问 AI 这个任务的状态，AI 准确地回答了“done”。
这证明了双向通信已经建立，AI 既可以向平台写入数据，也可以从平台读取状态。
接下来是一个更复杂的测试。
他要求 AI 创建一个任务，内容是编写一份关于如何用 Lovable 和 OpenClaw 创建操作系统的手册，并在 Notion 中创建文档，将文档链接到任务中。
不到一分钟，这个新任务就出现在了看板上，任务描述中包含了 Notion 文档的链接。虽然文档内容还是空白的，但这证明了系统的自动化能力已经完全打通。
扩展潜力：无限可能
这个操作系统的扩展潜力是巨大的。
● 可以添加活动动态流，实时显示 AI 正在执行的操作。
● 可以集成目标管理功能，展示更详细的项目追踪信息。
● 可以在界面中直接显示每日简报。
这些功能的实现都是可行的，关键在于根据实际需求逐步构建。
发布过程在 Lovable 中非常简单，只需要点击发布按钮，几秒钟后就能获得一个可以在浏览器中访问的 URL。这样就拥有了一个完整的、可以控制 AI 代理的操作系统。
核心价值：从对话到可视化
这套系统的价值在于它将 AI 的能力从纯粹的对话界面扩展到了可视化的管理平台。
你不再需要通过聊天来查看所有信息，可以直接在看板上看到任务状态，可以拖拽任务改变优先级，可以查看项目详情，所有这些操作都会自动同步到 AI 的记忆系统中。
AI 也可以主动在这个平台上创建任务、更新状态、添加文档链接，形成了一个真正的双向协作系统。
对于想要构建类似系统的人来说，关键步骤可以总结为几个方面。
（1）首先是建立清晰的记忆架构，通过文件夹分类和自动归档机制，确保 AI 能够高效地存储和检索信息。
（2）其次是设置合理的自动化任务，让 AI 在适当的时间点执行特定的操作，减少手动干预。（3）第三是训练 AI 的个性化能力，通过输入大量的个人内容样本，让 AI 学会你的风格和偏好。
（4）第四是构建可视化界面，使用 Lovable 这样的工具快速搭建管理平台，通过 API 实现 AI 与平台的双向通信。
这套系统已经支撑了一个月收入超过 25 万美元的业务运营。从任务管理到内容创作，从会议记录到团队协作，几乎所有的业务流程都整合在了这个 AI 操作系统中。
这不仅仅是一个技术演示，更是 AI 代理在实际商业场景中的深度应用案例。
AI 代理的下一个进化方向就是这种可控制、可视化的操作系统。
当 AI 不再局限于对话框，当它可以主动管理任务、生成内容、协调团队，它就真正成为了业务运营的核心引擎。
这个案例展示的不只是技术的可能性，更是一种全新的工作方式。
关于关于杰森 AI 出海的 AI 出海圈
我们专注于 AI 出海的实战经验分享，提供：
● 课程：推特 IP 涨粉变现实战
● 咨询：3 次 1V1 深度咨询
● 圈子：3 年社群陪伴
● 资讯：AI 技术趋势
想了解更多？加入我们的出海圈，一起在 AI 时代掘金全球市场。
本文基于针对 @Jacobsklug的教程进行深度解读：
https://x.com/Jacobsklug/status/2023400725061959748
如果觉得有价值，欢迎转发给更多需要的程序员朋友。
