使用篇——如何防止 AI 打工人“删库跑路”

部署只是第一步，真正的大坑在于“信任”。把系统控制权交给一个概率模型，你需要的是“监督”而非“放任”。

1. 权限策略：有限信任，而非完全放权

避坑实操：分级授权法

不要因为怕出错就锁死所有写权限（那还不如用 ChatGPT），也不要盲目给 sudo。

• 动作：建立“白名单”目录。例如，只允许它读写 /home/yourname/oc_workspace。对于删除操作、Git Push、发邮件等高风险动作，必须开启“确认模式”（Confirm: true），让它每一步都等你敲回车。

2. 幻觉与“偷懒”验证：别信它那张嘴

避坑实操：结果导向验证法

OpenClaw 经常会出现“幻觉完成”：你让它写代码，它说写好了，其实根本没动文件；你让它查数据，它给你编造一段。

• 动作：

  1. 不看日志不看结果：让它执行后，必须输出具体的文件路径或截图。命令 ls -la 确认文件真的生成了。

  2. 开启心跳：对于长任务（如爬虫），配置心跳机制（Heartbeat），每隔几分钟让它汇报进度，防止它“卡死”或“跑飞”。

3. 成本控制：Token 是无声的流血

避坑实操：日志监控与模型降级

你以为它在高效工作，其实它可能在用 Claude-3.5-Sonnet 写简单的 Hello World。

• 动作：

  1. 看账单：每天看一眼模型平台的消费日志。如果发现异常峰值，立刻停用并检查是不是陷入了死循环。

  2. 模型匹配：简单任务（整理文件）用本地小模型或便宜的 Kimi；只有复杂推理才切到 Claude。别让“杀鸡用牛刀”掏空你的钱包。

4. 数据隐私：你的聊天记录不是它的训练集？

避坑实操：断网测试与数据脱敏

虽然 OpenClaw 号称“本地优先”，但很多 Skill 会调用云端模型。

• 动作：

  1. 脱敏：绝对不要让它处理包含身份证、密码、内部代码的原始文件。处理前先用脚本替换关键信息。

  2. 审计：定期检查 ~/.openclaw/logs 下的日志文件，看看它到底把什么数据发给了第三方 API。

使用 OpenClaw 就像雇佣一个能力超强但偶尔会精神错乱的实习生。你可以让它干活，但每一份重要产出都必须复核，否则它随时可能把你的“项目大楼”拆了还告诉你“这是在装修”。