I. 写在前面：为什么我们需要"不正经"的AI Agent？

去年年末，当我第N次在深夜改需求文档时，突然意识到一个问题：现有的AI助手都太"乖"了。它们总是彬彬有礼地告诉你"我理解您的 frustration"，但打工人真正需要的，可能是一个能陪你一起骂甲方、然后顺便把吐槽内容改写成哲学论文的赛博知己。

腾讯推出了QClaw（人称"小龙虾AI"）。这个基于OpenClaw生态的本地化Agent平台最吸引我的点在于：它支持微信直连+本地Skill开发，意味着我可以把各种脑洞大开的自动化场景做成可复用的技能包，而且数据完全不出本地。

于是，我花了两个周末，基于QClaw开发了三个"邪修"Agent：一个会把职场黑话转化为存在主义哲学的情绪垃圾桶、一个专门推荐"理论上能吃"的暗黑料理的厨房化学家，以及一个通过社死压力倒逼自律的睡眠督察员。

---

直达 qclaw

---

II. 环境准备：QClaw本地部署与开发环境配置

在动手写代码之前，我们需要先搞定基础环境。相比OpenClaw需要手动配置Node.js、Python环境和各种API Key的繁琐流程，QClaw的安装体验堪称"傻瓜式"——但这不意味着我们可以跳过对架构的理解。

核心组件解析

QClaw采用"本地客户端+微信远程"的双层架构。简单来说，你的电脑运行着一个轻量级的Agent Runtime（基于OpenClaw内核改造），它通过加密通道与腾讯的微信服务桥接。这意味着：

组件层级	功能定位	数据流向	安全边界
微信接入层	指令接收与结果推送	手机↔腾讯服务器	仅传输指令文本
QClaw Runtime	任务调度与Skill执行	本地电脑运行	文件/数据不出本地
Skill生态层	具体业务逻辑实现	本地沙箱执行	敏感操作需授权

安装与初始化流程

访问 https://qclaw.qq.com/ 下载对应系统的安装包。这里有个坑：如果你是macOS用户，在Apple Silicon芯片上运行时，需要在"系统设置-隐私与安全性"中手动允许辅助功能权限，否则后续的文件操作Skill会报权限错误。

安装完成后，首次启动会要求绑定微信。建议用一个工作微信扫码，因为后面的"睡眠拖延对抗Agent"需要给好友发消息，用自己的主号可能会造成不必要的社死。

接下来是模型配置。QClaw内置了Kimi、MiniMax、GLM等国产大模型，内测期间免费。但对于我们的"情绪垃圾桶"和"暗黑料理"场景，我建议在设置中切换到自定义模型，接入DeepSeek-R1或Claude 3.5 Sonnet，因为这两个场景对模型的创意生成能力要求较高，需要更强的"胡说八道"功底（划掉）创意发散能力。

III. 项目一：情绪垃圾桶Agent —— 从"国粹"到"国粹艺术"

需求分析与场景拆解

这个Agent的诞生源于一个具体的痛点：某周一早上，我收到了产品经理发来的第8版需求变更，其中有一句"我们要在保持极简的同时增加功能的丰富度"。在传统的情绪管理理论中，我应该深呼吸、喝口水、理性沟通。但实际上，我只想对着空气来一段单口相声。

于是，EmoBin（情绪垃圾桶） 的设计目标很明确：

功能模块	输入	处理逻辑	输出
毒舌接收	用户的纯文本吐槽	情感分析+脏话过滤	确认接收情绪
哲学升华	标记为"philosophy"	提取核心矛盾→映射存在主义/后现代理论	300字哲学短文
Rap转化	标记为"rap"	识别韵脚→套用Flow结构→添加Punchline	带标注的verse

Skill架构设计与Prompt工程

在QClaw中，一个Skill本质上是包含SKILL.md（元数据定义）和若干工具脚本的目录。我们在~/.qclaw/skills/emobin/下创建如下结构：

emobin/ ├── SKILL.md # Skill的元数据与触发词定义 ├── main.py # 主逻辑处理 ├── philosophy.py # 哲学升华模块 ├── rap_generator.py # Rap生成模块 └── config.json # 配置文件

复制

SKILL.md 是QClaw识别Skill的核心文件，它需要定义触发条件和参数解析规则：

# EmoBin - 情绪垃圾桶与内容升华器 ## 描述 接收用户的职场/生活吐槽，将其转化为哲学思考或Rap歌词，实现情绪宣泄与素材积累的双重价值。 ## 触发词 - "吐槽" / "骂" / "烦死了" → 进入接收模式 - "升华一下" / "哲学模式" → 调用philosophy.py - "来段rap" / "diss一下" → 调用rap_generator.py - "保存到素材库" → 将内容追加到本地markdown文件 ## 参数 - content: 用户的原始吐槽内容（必需） - mode: 处理模式，可选"philosophy"或"rap"（默认philosophy） - intensity: 毒舌强度等级1-5（用于Rap生成时的攻击性调节） ## 示例 用户输入："吐槽 这个需求又要改，产品经理是不是觉得时间不是成本？ 模式：rap 强度：4"

复制

核心代码实现

现在来看main.py的实现。QClaw的Python SDK封装了本地文件操作和LLM调用接口，我们可以直接通过@qclaw.tool()装饰器将Python函数暴露为Agent可调用的工具。

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ EmoBin - 情绪垃圾桶主模块 基于QClaw SDK v1.x开发 """ import json import os from datetime import datetime from typing import Literal import qclaw from qclaw import Context, Tool # 初始化上下文 ctx = Context() class EmoBinProcessor: def __init__(self): self.storage_path = os.path.expanduser("~/Documents/EmoBin/") self.ensure_storage() def ensure_storage(self): """确保存储目录存在""" if not os.path.exists(self.storage_path): os.makedirs(self.storage_path) # 创建素材库主文件 with open(f"{self.storage_path}/materials.md", "w", encoding="utf-8") as f: f.write("# 情绪素材库\n\n> 自动收集的吐槽与升华内容\n\n") @Tool(description="分析用户情绪强度并分类") def analyze_emotion(self, content: str) -> dict: """ 使用本地LLM分析情绪类型与强度 QClaw会自动路由到配置的模型（DeepSeek/Claude等） """ prompt = f""" 分析以下吐槽文本的情绪特征： 文本："{content}" 请返回JSON格式： {{ "emotion_type": "anger/frustration/sarcasm/resignation", "intensity": 1-5, "keywords": ["关键词1", "关键词2"], "core_conflict": "核心矛盾总结（10字以内）" }} """ # 调用QClaw封装的本地LLM接口 response = ctx.llm.complete(prompt, temperature=0.3, json_mode=True) return json.loads(response.text) @Tool(description="将吐槽内容转化为哲学思考") def to_philosophy(self, content: str, emotion_data: dict) -> str: """ 哲学升华模块：将职场黑话映射到存在主义/后现代理论 """ philosophy_prompt = f""" 你是一位精通存在主义、后现代主义、法兰克福学派的哲学教授。 请将以下职场吐槽转化为严肃的哲学论述（300-400字）： 原始吐槽：{content} 核心矛盾：{emotion_data['core_conflict']} 要求： 1. 引用至少一位哲学家（海德格尔/萨特/福柯/鲍德里亚等） 2. 使用学术化的黑话体系（异化、规训、景观社会、单向度的人等） 3. 保持原文的核心诉求，但包装成"现代性困境"的批判 4. 结尾要有升华：从个人抱怨上升到人类普遍处境 风格参考：让·鲍德里亚《消费社会》的批判语调 + 微博哲学bot的犀利感 """ result = ctx.llm.complete(philosophy_prompt, temperature=0.8) return result.text @Tool(description="将吐槽转化为Rap歌词") def to_rap(self, content: str, intensity: int, emotion_data: dict) -> str: """ Rap生成模块：带Flow标注的说唱词创作 """ flow_styles = { 1: "Jazz Boombap, 慵懒叙事", 2: "Trap, 稳定八拍", 3: "Drill, 急促进鼓", 4: "Hardcore, 双韵脚快嘴", 5: "Death Grips式工业噪音流, 无规则Flow" } rap_prompt = f""" 你是一位underground battle MC。请将以下职场吐槽改写为Rap Verse（16-20 bars）： 原始素材：{content} 攻击强度：{intensity}/5 推荐Flow：{flow_styles.get(intensity, "Trap")} 创作要求： 1. 每句用[ ]标注Flow技巧（如[停顿]、[三连音]、[加速]） 2. 使用多音节韵脚（multi-syllable rhymes） 3. Punchline要狠但保持隐喻（避免直接脏话） 4. 加入Ad-libs（如"skr"、"ey"）标注 5. 最后4 bars要有反转（从抱怨转向自我赋权） 输出格式： [Intro: 情绪氛围描述] [Verse 1] 歌词行1 [Flow技巧] ... [Outro] """ result = ctx.llm.complete(rap_prompt, temperature=0.9) return result.text @Tool(description="保存内容到本地素材库") def save_to_vault(self, original: str, processed: str, mode: str): """ 持久化存储到本地markdown QClaw确保所有文件操作在本地沙箱内完成 """ timestamp = datetime.now().strftime("%Y-%m-%d %H:%M") entry = f""" ## {timestamp} | {mode.upper()}模式 **原始吐槽：** > {original} **升华内容：** {processed} --- """ vault_path = f"{self.storage_path}/materials.md" # 使用QClaw的安全文件操作API ctx.file.append(vault_path, entry, encoding="utf-8") return {"status": "saved", "path": vault_path, "timestamp": timestamp} # 实例化处理器 processor = EmoBinProcessor() @qclaw.on_message() def handle_message(content: str, mode: Literal["philosophy", "rap"] = "philosophy", intensity: int = 3): """ QClaw消息入口函数 当用户在微信发送"吐槽 xxx"时被触发 """ try: # 1. 情绪分析 ctx.send_typing() # 发送"对方正在输入"状态到微信 emotion_data = processor.analyze_emotion(content) # 2. 根据模式处理 if mode == "philosophy": result = processor.to_philosophy(content, emotion_data) title = "🧠 哲学升华版" else: result = processor.to_rap(content, intensity, emotion_data) title = "🎤 Rap Battle版" # 3. 自动保存（可选） save_result = processor.save_to_vault(content, result, mode) # 4. 构造返回消息 reply = f""" {title} {result} --- 💾 已自动保存至素材库 | 情绪强度：{'⭐' * emotion_data['intensity']} 📝 核心矛盾：{emotion_data['core_conflict']} """ return reply except Exception as e: return f"❌ 情绪处理失败：{str(e)}\n建议：尝试降低毒性或使用更隐喻的表达方式" if __name__ == "__main__": # 本地测试入口 test_content = "这个需求又要改第八版，产品经理是不是觉得时间不是成本？" print(handle_message(test_content, mode="rap", intensity=4))

复制

部署与实测效果

将上述文件保存到~/.qclaw/skills/emobin/后，在QClaw客户端的"技能广场"点击"刷新本地Skills"，即可看到EmoBin卡片。点击启用后，我们在微信中测试：

输入：吐槽 周末又要加班改PPT，老板说要"对齐颗粒度"，我怀疑他根本不知道这个词什么意思 模式：哲学 强度：5

Agent返回：

电脑端：

看着这段文字，我突然觉得加班也没那么惨了——毕竟我已经用资本主义的批判理论武装了自己，这波不亏。

---

IV. 项目二：暗黑料理生成器 —— 厨房里的化学实验

产品设计逻辑

如果说EmoBin解决的是精神需求，那么DarkChef（暗黑料理生成器）瞄准的就是物理生存需求。每个租房打工人都经历过这样的场景：周五晚上打开冰箱，发现只剩下半个洋葱、两颗鸡蛋和一盒过期一天的酸奶。外卖软件上，配送费比食材还贵。

传统的美食App在这种情况下基本没用，它们会告诉你"缺少关键食材，无法生成菜谱"。但DarkChef的核心哲学是：只要毒不死，就是新菜系。

食材知识图谱构建

这个Skill的难点在于"毒性评估"——我们需要建立一个食材搭配的禁忌知识库。不能真的把用户送进医院。我在config.json中定义了安全规则：

{ "dangerous_combos": [ { "ingredients": ["螃蟹", "柿子"], "level": 5, "reason": "鞣酸与蛋白质结合导致胃结石", "absolute_forbidden": true }, { "ingredients": ["蜂蜜", "洋葱"], "level": 3, "reason": "轻微氧化反应，可能导致腹泻", "absolute_forbidden": false } ], "toxicity_scale": { "1": "完全安全，只是口味猎奇", "2": "肠胃敏感者可能不适", "3": "建议准备健胃消食片", "4": "需要签订自愿参与协议", "5": "生化危机级别，严禁尝试" } }

复制

核心算法实现

dark_chef.py的核心是约束满足问题（CSP）求解。我们需要在"不购买新食材"的硬约束下，最大化"猎奇指数"同时确保"生存概率>90%"。

#!/usr/bin/env python3 """ DarkChef - 暗黑料理生成器 基于QClaw的食材剩余管理与黑暗料理推荐系统 """ import random import json from dataclasses import dataclass from typing import List, Tuple import qclaw from qclaw import Tool, Context ctx = Context() @dataclass class Recipe: name: str ingredients: List[str] steps: List[str] toxicity_level: int # 1-5星 flavor_profile: str survival_tips: str class DarkChefEngine: def __init__(self): self.config = self._load_config() self.cooking_methods = [ "爆炒", "乱炖", "微波加热", "空气炸锅", "搅拌机打成泥", "跨界fusion", "分子料理手法" ] def _load_config(self): skill_path = ctx.skill.get_path() # 获取当前Skill目录 with open(f"{skill_path}/config.json", "r", encoding="utf-8") as f: return json.load(f) def check_safety(self, ingredients: List[str]) -> Tuple[int, str]: """ 检查食材组合的安全性 返回：(毒性等级, 警告信息) """ max_level = 1 warnings = [] for danger in self.config["dangerous_combos"]: if all(ing in ingredients for ing in danger["ingredients"]): if danger["absolute_forbidden"]: return 5, f"🚫 致命组合：{'+'.join(danger['ingredients'])} - {danger['reason']}" max_level = max(max_level, danger["level"]) warnings.append(f"⚠️ {danger['reason']}") return max_level, "; ".join(warnings) if warnings else "✅ 理论上不会致死" @Tool(description="根据剩余食材生成暗黑料理方案") def generate_recipe(self, ingredients: str, mood: str = "绝望") -> Recipe: """ 主生成函数 ingredients: 逗号分隔的食材列表，如"鸡蛋,酸奶,老干妈" mood: 当前心情，影响料理疯狂程度 """ ing_list = [i.strip() for i in ingredients.split(",")] # 1. 安全检查 base_toxicity, warning = self.check_safety(ing_list) # 2. 如果检测到致命组合，直接拒绝 if base_toxicity == 5: return Recipe( name="生化危机预防协议", ingredients=ing_list, steps=["立即停止", "分开存放", "点外卖"], toxicity_level=5, flavor_profile="活着真好", survival_tips="请不要尝试任何组合" ) # 3. 调用LLM生成创意菜谱 prompt = f""" 你是一位疯癫的米其林黑暗料理主厨，擅长用奇怪的食材组合创造"理论上能吃"的食物。 剩余食材：{', '.join(ing_list)} 当前心情：{mood}（影响疯狂程度） 安全警告：{warning} 请生成一个料理方案，要求： 1. 菜名要有meme感或哲学隐喻 2. 烹饪步骤必须包含至少一个"邪门"操作（如"用咖啡机煮方便面"） 3. 口味描述要用通感修辞（如"像失恋的周二下午"） 4. 给出具体的毒性自评（1-5星）和生存建议 返回格式： 菜名：xxx 难度：⭐⭐⭐ 毒性：⭐⭐（{base_toxicity}星基准） 风味档案：xxx 步骤： 1. xxx 2. xxx 生存贴士：xxx """ response = ctx.llm.complete(prompt, temperature=0.95) parsed = self._parse_recipe(response.text, ing_list, base_toxicity) # 4. 自动记录到"生存日志" self._log_attempt(parsed) return parsed def _parse_recipe(self, text: str, ingredients: List[str], base_toxicity: int) -> Recipe: """解析LLM返回的文本为结构化数据""" lines = text.strip().split("\n") name = lines[0].replace("菜名：", "").strip() if lines else "无名暗黑料理" steps = [] survival = "无" in_steps = False for line in lines: if line.startswith("步骤："): in_steps = True continue if in_steps and line.strip(): if line.startswith("生存贴士："): survival = line.replace("生存贴士：", "").strip() break steps.append(line.strip()) # 动态调整毒性：如果LLM给出的描述很可怕，加1星 toxicity_keywords = ["喷射", "住院", "洗胃", "幻觉"] bonus = 1 if any(k in text for k in toxicity_keywords) else 0 final_toxicity = min(5, base_toxicity + bonus) return Recipe( name=name, ingredients=ingredients, steps=steps, toxicity_level=final_toxicity, flavor_profile="猎奇向", survival_tips=survival ) def _log_attempt(self, recipe: Recipe): """记录到本地生存日志，用于后续优化""" log_entry = { "timestamp": ctx.time.now(), "recipe": recipe.name, "toxicity": recipe.toxicity_level, "ingredients": recipe.ingredients } log_path = f"{ctx.skill.get_path()}/survival_log.jsonl" ctx.file.append(log_path, json.dumps(log_entry, ensure_ascii=False) + "\n") # 初始化引擎 chef = DarkChefEngine() @qclaw.on_message() def cook(ingredients: str, style: str = "fusion"): """ QClaw入口：用户发送"今晚吃什么 鸡蛋,酸奶,老干妈" """ try: recipe = chef.generate_recipe(ingredients) # 构造可视化输出 toxicity_stars = "⭐" * recipe.toxicity_level + "☆" * (5 - recipe.toxicity_level) danger_level = ["绿色：可食用", "黄色：勇士专属", "橙色：肠胃挑战", "红色：生死状", "黑色：遗书预备"][recipe.toxicity_level - 1] reply = f""" 🍳 【{recipe.name}】 ━━━━━━━━━━━━━━━━━━━━ 🧪 食材：{' + '.join(recipe.ingredients)} ⚗️ 毒性评估：{toxicity_stars} ({danger_level}) 🎭 风味：{recipe.flavor_profile} 👨‍🍳 烹饪步骤： {chr(10).join(f" {i+1}. {step}" for i, step in enumerate(recipe.steps))} 💊 生存贴士：{recipe.survival_tips} ━━━━━━━━━━━━━━━━━━━━ ⚠️ 免责声明：本菜谱由AI生成，QClaw及开发者不对任何肠胃不适负责 """ # 如果毒性过高，追加安全警告 if recipe.toxicity_level >= 4: reply += "\n🚨 警告：检测到高危险操作，建议拍照留念后再食用" return reply except Exception as e: return f"厨房爆炸了：{str(e)}\n建议：还是点麦当劳吧" @qclaw.scheduled(cron="0 18 * * 5") # 每周五晚6点自动提醒 def friday_survival_check(): """ 定时任务：周五晚上检查冰箱并推送建议 QClaw支持Cron表达式定时触发 """ # 这里可以接入智能冰箱API或让用户提前拍照OCR # 简化版：随机推荐一个"周五特调" backup_ingredients = ["剩米饭", "鸡蛋", "辣酱", "可乐"] recipe = chef.generate_recipe(",".join(backup_ingredients), mood="周末前的绝望") return f""" 🍽️ 周五生存指南自动推送 检测到您可能面临"不知道吃什么"的 existential crisis。 推荐方案：{recipe.name} 毒性：{'⭐' * recipe.toxicity_level} 输入"查看详情"获取完整菜谱，或输入"外卖"放弃治疗。 """

复制

实战案例：冰箱剩余物资拯救计划

上周实测时，我的冰箱里正好有：半根胡萝卜、 yesterday's 披萨、一罐啤酒、两个鸡蛋。

输入：今晚吃什么 胡萝卜,剩披萨,啤酒,鸡蛋

DarkChef返回：

说实话，这道菜的味道介于"还能吃"和"我是谁我在哪"之间，但确实解决了我周五晚上的生存危机。更重要的是，这个过程中我完全没有打开外卖App，省下了30块配送费——这就是Agent带来的"降本增效"（物理意义上）。

V. 项目三：睡眠拖延对抗Agent —— 用社死战胜熬夜

行为设计学原理

这是三个项目中最"邪门"的一个。SleepGuard（睡眠督察员）基于一个简单的心理学原理：损失厌恶（Loss Aversion）。当我们面临"损失50元"的风险时，规避损失的动机强度是"获得50元"的两倍。

传统的睡眠App只能提醒你"该睡了"，但你可以无视它。SleepGuard的做法是：如果你不在设定时间内回复验证消息，它会自动给你的微信好友发送"我熬夜了，请罚我50块"的社死认证。

技术架构与权限设计

这个Skill涉及定时任务+微信消息发送，是QClaw中权限要求最高的操作。需要在SKILL.md中明确声明权限需求：

## 权限声明 - schedule: 需要创建定时任务 - notification: 需要发送系统通知 - wechat: 需要发送微信消息（仅向指定好友） - file: 需要读写本地睡眠日志 ## 安全机制 - 所有消息发送需用户预先配置"监督人"白名单 - 每日最多发送1条惩罚消息，避免骚扰 - 提供"紧急取消"指令（睡前5分钟内有效）

复制

核心代码：社死驱动的自律系统

#!/usr/bin/env python3 """ SleepGuard - 睡眠拖延对抗系统 通过社交压力与经济损失预期倒逼自律 """ import json import time from datetime import datetime, timedelta from typing import List import qclaw from qclaw import Tool, Context, scheduler ctx = Context() class SleepGuardian: def __init__(self): self.config_path = f"{ctx.skill.get_path()}/sleep_config.json" self.state_path = f"{ctx.skill.get_path()}/sleep_state.json" self.load_config() def load_config(self): """加载用户配置""" try: with open(self.config_path, "r", encoding="utf-8") as f: self.config = json.load(f) except FileNotFoundError: # 默认配置 self.config = { "bedtime": "23:30", "supervisors": [], # 监督人微信ID列表 "fine_amount": 50, "challenge_msg": "我如果1小时内不回消息就给你转{amount}块", "grace_period_minutes": 5 } self.save_config() def save_config(self): with open(self.config_path, "w", encoding="utf-8") as f: json.dump(self.config, f, ensure_ascii=False, indent=2) @Tool(description="设置睡眠监督参数") def setup(self, bedtime: str, supervisors: List[str], fine: int = 50): """ 初始化配置 bedtime: "HH:MM"格式 supervisors: 监督人微信昵称或备注名列表 """ self.config.update({ "bedtime": bedtime, "supervisors": supervisors, "fine_amount": fine }) self.save_config() # 注册定时任务：在睡前15分钟发送预警 bedtime_dt = datetime.strptime(bedtime, "%H:%M") warning_time = (bedtime_dt - timedelta(minutes=15)).strftime("%H:%M") scheduler.daily(warning_time, self.send_bedtime_warning) scheduler.daily(bedtime, self.initiate_sleep_challenge) return f""" 🛡️ 睡眠监督系统已激活 ⏰ 就寝时间：{bedtime} 👥 监督人：{', '.join(supervisors)} 💰 违约罚金：{fine}元 ⚠️ 系统将在每天{warning_time}发送预警，{bedtime}启动挑战协议 """ @Tool(description="发送睡前预警") def send_bedtime_warning(self): """睡前15分钟提醒""" ctx.notification.send( title="🌙 睡眠预警", body=f"还有15分钟就{self.config['bedtime']}了，请准备进入睡眠模式。关闭手机或回复'准备睡觉'以取消挑战。", urgency="high" ) return "预警已发送" @Tool(description="启动睡眠挑战协议") def initiate_sleep_challenge(self): """ 核心逻辑：发送社死挑战消息给监督人 """ # 检查是否已经标记为已睡 state = self.get_today_state() if state.get("status") == "sleeping": return "用户已确认入睡，跳过挑战" # 构造挑战消息 challenge = self.config["challenge_msg"].format( amount=self.config["fine_amount"] ) full_msg = f""" 【SleepGuard自动消息】 我是{ctx.user.name}的AI睡眠督察员。 {challenge} 时间戳：{datetime.now().strftime("%H:%M:%S")} 如{self.config['grace_period_minutes']}分钟内未收到回复，视为违约。 （此消息由QClaw自动发送，用于睡眠习惯养成） """ # 发送给所有监督人 sent_count = 0 for supervisor in self.config["supervisors"]: try: ctx.wechat.send_message( to=supervisor, content=full_msg, confirm=True # 需要二次确认，防止滥用 ) sent_count += 1 except Exception as e: ctx.log.error(f"发送给{supervisor}失败: {e}") # 更新状态 self.update_state("challenge_sent", datetime.now().isoformat()) # 设置延迟检查任务 scheduler.once( delay_minutes=self.config["grace_period_minutes'], task=self.check_challenge_result ) return f"挑战已发送给{sent_count}位监督人，{self.config['grace_period_minutes']}分钟后检查回复状态" @Tool(description="检查挑战结果并执行惩罚") def check_challenge_result(self): """ 检查用户是否在规定时间内回复 如果没有，发送"社死确认"消息 """ state = self.get_today_state() if state.get("replied_in_time"): return "用户已及时回复，挑战通过" # 用户未回复，发送社死升级消息 shame_msg = f""" 【SleepGuard违约通知】 时间：{datetime.now().strftime("%H:%M")} 状态：{ctx.user.name}未在规定时间内证明已入睡 处罚：请监督执行{self.config['fine_amount']}元转账 备注：熬夜伤身，金钱伤心，望周知 🌚 """ for supervisor in self.config["supervisors"]: ctx.wechat.send_message(supervisor, shame_msg) # 记录违约 self.log_violation() return "违约处理完成" @Tool(description="用户回复验证") def verify_sleep(self, reply_code: str = ""): """ 用户收到挑战后回复此指令 """ state = self.get_today_state() if state.get("status") != "challenge_sent": return "当前没有待处理的睡眠挑战" # 检查时间是否在宽限期内 challenge_time = datetime.fromisoformat(state["challenge_time"]) if datetime.now() - challenge_time > timedelta(minutes=self.config["grace_period_minutes"]): return "⏰ 超时！宽限期已过，违约记录已生成" self.update_state("replied_in_time", True) self.update_state("status", "sleeping") # 通知监督人解除警报 for sup in self.config["supervisors"]: ctx.wechat.send_message(sup, f"✅ {ctx.user.name}已确认进入睡眠模式，今晚的社死危机解除") return "🎉 验证成功！祝你好梦。明早见。" def get_today_state(self): """获取今日状态""" try: with open(self.state_path, "r") as f: all_states = json.load(f) today = datetime.now().strftime("%Y-%m-%d") return all_states.get(today, {}) except: return {} def update_state(self, key, value): """更新状态""" today = datetime.now().strftime("%Y-%m-%d") try: with open(self.state_path, "r") as f: all_states = json.load(f) except: all_states = {} if today not in all_states: all_states[today] = {} all_states[today][key] = value with open(self.state_path, "w") as f: json.dump(all_states, f) def log_violation(self): """记录违约历史""" log_path = f"{ctx.skill.get_path()}/violations.jsonl" entry = { "date": datetime.now().isoformat(), "amount": self.config["fine_amount"], "supervisors_count": len(self.config["supervisors"]) } ctx.file.append(log_path, json.dumps(entry) + "\n") # 初始化 guardian = SleepGuardian() @qclaw.on_message() def handle_sleep_cmd(command: str, *args): """ 命令分发 支持： - "设置睡眠 23:30 监督人A,监督人B 50" - "准备睡觉"（验证回复） - "查看违约记录" """ if command.startswith("设置睡眠"): # 解析：设置睡眠 HH:MM 监督人列表 金额 parts = command.split() if len(parts) < 3: return "格式错误。示例：设置睡眠 23:30 张三,李四 50" time_str = parts[1] supervisors = parts[2].split(",") fine = int(parts[3]) if len(parts) > 3 else 50 return guardian.setup(time_str, supervisors, fine) elif "睡觉" in command or "睡了" in command: return guardian.verify_sleep() elif "违约" in command: # 简单统计 log_path = f"{ctx.skill.get_path()}/violations.jsonl" try: with open(log_path, "r") as f: lines = f.readlines() total = len(lines) total_fine = sum(json.loads(l)["amount"] for l in lines) return f"📊 历史违约{total}次，累计应罚{total_fine}元（赶紧给监督人转账吧）" except: return "暂无违约记录，继续保持！" else: return "可用指令：\n1. 设置睡眠 [时间] [监督人] [金额]\n2. 准备睡觉（收到挑战后回复）\n3. 查看违约记录" if __name__ == "__main__": # 测试设置 print(guardian.setup("23:30", ["TestUser"], 50))

复制

实战效果：社死是第一生产力

设置了我的室友和一位关系铁的同事作为监督人，罚金设定为50元。第一周的数据如下：

日期	挑战结果	就寝时间	备注
3/25	✅ 成功	23:28	收到挑战后立刻回复，避免社死
3/26	✅ 成功	23:15	提前入睡，系统未触发挑战
3/27	❌ 违约	00:15	打游戏忘记时间，触发社死广播
3/28	✅ 成功	23:35	室友收到违约消息后加强了监督

3月27日的违约事件尤其值得记录。当时我在打《艾尔登法环》，完全没看微信。结果23:45时，我的手机疯狂震动——室友在群里@我："睡了吗？没睡的话50块先转给我？"同事也发来一个"？"。那一刻的羞耻感，比任何睡眠App的提醒都管用。

VI. 总结：Agent的边界与可能性

通过这三个项目，我深刻体会到QClaw作为本地化Agent平台的独特价值。它不仅仅是一个"能聊天的AI"，而是一个真正可以调用本地资源、执行本地任务、管理本地数据的操作系统扩展。

项目	核心技术点	QClaw能力依赖	实用性评级
EmoBin	Prompt工程+文本生成	LLM路由、文件持久化	⭐⭐⭐⭐
DarkChef	知识库检索+创意生成	结构化输出、定时任务	⭐⭐⭐
SleepGuard	状态机+社交触发	微信消息、Cron调度、权限管理	⭐⭐⭐⭐⭐

当然，这些"邪修"用法也提醒我们：Agent的伦理边界需要开发者自己把握。SleepGuard的社死机制虽然有效，但如果滥用，可能会对人际关系造成真实伤害。因此我在代码中加入了"每日限额"和"紧急取消"机制——技术应该服务于人，而不是成为社交暴力的工具。

2026年被很多人称为"Agent元年"，但真正让技术落地的，往往不是宏大的叙事，而是这些能解决具体痛点、甚至带点幽默感的"小工具"。当AI学会"发疯"，当代码懂得"社死"，或许这才是人机共生的正确打开方式。

毕竟，能让一个打工人既发泄了情绪、又吃上了晚饭、还早睡了半小时的AI，才是好AI。

---

参考资料与链接：

• QClaw官网：https://qclaw.qq.com/

---

免责声明：DarkChef生成的菜谱仅供娱乐；SleepGuard造成的友谊破裂开发者概不负责；EmoBin生成的哲学内容请自行承担责任。