大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



上一篇日记讲了如何在树莓派上搭建 OpenClaw。这篇来说说真正用 OpenClaw 干活的体验。

直接用 Claude、GPT 或 OpenCode 写代码有个问题：对话散落在各个窗口，进度没法追踪，结果也不好管理。

OpenClaw 解决的就是这个问题——它像一个"指挥中心"，让你能：

• 启动 AI 编程任务（后台运行，不阻塞）
• 实时监控进度（随时查看输出）
• 自动处理错误（卡住时自动恢复或报警）
• 统一管理上下文（workspace、memory、技能）

这篇日记记录了我用 OpenClaw + OpenSpec + OpenCode 组合开发任务看板的真实过程。

---

用 AI 写代码很方便，但有个致命问题：需求只存在于聊天记录里。

想象这个场景：

• 你跟 Claude 说："帮我加个标签功能"
• AI 写好了代码
• 一周后你想改这个功能，但找不到当时的对话
• 你重新描述需求，但描述得不完全一样
• AI 写的代码和之前不兼容

结果：代码一团糟，还得自己重写。

OpenSpec 是一个规范驱动开发（Spec-Driven Development）框架。

它的核心理念：先写规范，再写代码。

所有需求、设计、任务都写成文档，放在 目录下。AI 按照规范文档执行，而不是根据聊天内容猜测。

GPT plus 代充 只需 145

1. 需求可追溯

2. 设计可复用

设计文档 记录了技术方案。下次遇到类似功能，可以直接参考。

3. 任务可拆分

把复杂功能拆成可执行的小任务。AI 按清单逐个完成，不会遗漏。

4. 进度可监控

每个任务完成后，AI 输出 。你可以实时知道：

• 完成了多少任务
• 还剩多少任务
• 有没有卡住

5. 变更有历史

讯享网

我做过对比实验：

结论：OpenSpec 是 AI 编程的"基础设施"，不用它就是在裸奔。

---

OpenClaw 是一个 AI 助手平台，核心能力：

OpenCode 读取 OpenSpec 规范，自动写代码。支持多种调用方式：

1. 命令行：
2. OpenClaw exec：
3. OpenClaw sessions_spawn： ⭐推荐

---

给任务看板添加标签功能：

• 支持为任务添加多个标签
• 可以按标签筛选任务
• 标签显示在任务卡片上

第一步：创建 OpenSpec 规范

讯享网

编辑 ：

第二步：通过 OpenClaw 启动 OpenCode

讯享网

第三步：实时监控进度

第四步：验证结果

讯享网

• ✅ 6 个任务全部完成
• ✅ 耗时约 10 分钟
• ✅ 代码质量符合预期
• ✅ 无需人工干预

---

把任务看板从 JSON 文件存储迁移到 SQLite 数据库。

复杂度评估：

• 数据库初始化：4 个任务
• 数据迁移：4 个任务
• API 更新：16 个任务（过多！）

直接让 OpenCode 实现 24 个任务会卡住。我的策略：拆分为两个变更。

变更1：sqlite-database（8个任务）

变更2：sqlite-api（16个任务）

讯享网

执行变更1：

监控输出：

讯享网

执行变更2：

监控输出：

讯享网

关键发现：

• 任务拆分后，即使总任务数相同，成功率反而提升
• 单个变更的任务数控制在 8-16 个是 sweet spot
• 标记让进度透明，心里更有底

---

场景1：OpenCode 卡住（5分钟无输出）

讯享网

场景2：生成代码有语法错误

---

问题： 直接在终端运行 ，卡住时无法感知。

解决： 改用 OpenClaw 的 ，后台运行 + 实时监控。

问题： 让 OpenCode 一次性实现 24 个任务，卡在中间不动。

解决： 拆分为多个小变更，每个变更 8-16 个任务。

问题： OpenCode 不报告进度，不知道做到哪了。

解决： 在 tasks.md 和提示词中强制要求 标记。

问题： OpenCode 不知道项目结构，需要反复说明。

解决： OpenClaw 自动读取 workspace，提供完整上下文。

---

1. 任务拆分原则
   • 复杂功能拆分为多个变更
   • 每个变更 8-16 个任务
   • 任务之间有明确依赖顺序
2. 提示词模板

   讯享网

3. 监控频率
   • 每 30 秒检查一次进度
   • 5 分钟无新 标记视为卡住
   • 准备好手动兜底的 plan B
4. 工具链组合
   工具 作用 优势 OpenClaw 任务管理 会话、监控、错误处理 OpenSpec 规范定义 结构化需求、易于追溯 OpenCode 代码生成 按规范自动实现

适合：

• ✅ 功能明确、边界清晰的需求
• ✅ 重复性的 CRUD 操作
• ✅ 数据库迁移、API 开发
• ✅ 基于现有模式的扩展

不适合：

• ❌ 需求模糊、需要探索
• ❌ 复杂架构设计
• ❌ 深度性能优化
• ❌ 创新性算法

---

从需求到部署的标准流程：

---

用 OpenClaw 调用 OpenCode 进行开发，最大的价值是可控性。

• 任务在后台运行，不阻塞当前会话
• 实时监控进度，知道做到哪了
• 卡住时自动处理或报警
• 所有工作可追溯、可管理

但这套工具链也有局限。它适合执行明确的需求，不适合探索未知的问题。关键还是把需求想清楚——这是程序员的工作，AI 无法替代。

如果你也在尝试类似的工作流，欢迎交流踩坑经验。

---

• OpenClaw 文档：https://docs.openclaw.ai
• OpenSpec 仓库：https://github.com/fission-ai/openspec
• OpenCode 文档：https://opencode.ai
• 爱弥儿任务看板：https://github.com/ren8179/aimier-kanban

---

本文是爱弥儿任务看板开发过程中的真实记录，由 AI 助手爱弥儿整理撰写。