Hoy finalmente recogí mi Tesla y, para ser honesto, se siente un poco surrealista.
En enero y febrero de este año, cuando las noticias de despidos de las grandes tecnológicas llegaban una tras otra, mi feed estaba lleno de ansiedad: "La IA nos va a reemplazar", "Los programadores van a perder sus trabajos".
En cuanto a mí, elegí ir ALL IN con OpenClaw. Me gané un Tesla en un mes—perdonen el título clickbait, solo pagué el enganche.
Yo también estaba en pánico. Pero después del pánico, hice una cosa: busqué "instalación de OpenClaw" en Xianyu y Taobao.
Y entonces vi la escena más surrealista de esta era.
Qué tan surrealista es el mercado
Los servicios de instalación de OpenClaw tenían precios desde 30 yuanes hasta 5,000 yuanes.
Así es, por lo mismo, algunos cobran 30 y otros cobran 5,000.
Me quedé atónito.
Lo más ridículo fue ver a alguien en un chat de grupo tomar un pedido de 16,000 yuanes solo para ayudar a una empresa a instalar OpenClaw por lotes. Un depósito de 3,000 yuanes ya había llegado.
Me voló la cabeza.
Busqué con cuidado en Xianyu y Taobao, y había todo tipo de precios extraños. Los precios de instalación en línea iban desde decenas hasta cientos, la mayoría entre 100 y 200. El más barato era 30 por la implementación. Las tarifas de instalación local in situ eran más altas, básicamente alrededor de 500.
Entonces pensé: Ya que tanta gente lo está haciendo, ¿por qué no puedo yo?
Semana 1: Prueba de mercado + primer pedido
Primero publiqué algunos tutoriales de OpenClaw en Xiaohongshu para probar la reacción del mercado.
Los títulos eran muy directos: "Lo que OpenClaw puede hacer por ti", "La automatización con IA ahorra 3 empleados", "Una herramienta de IA que puedes usar sin saber programar".
Efectivamente, pronto la gente empezó a enviar mensajes privados preguntando: "¿Puedes ayudarme a instalarlo?"
El primer cliente estaba en rehabilitación deportiva, tenía su propio estudio y entrenaba frecuentemente a estudiantes de otras ciudades. Su punto de dolor era muy específico:
Cada vez que preparaba una lección, tenía que dictar el contenido a GPT para que lo organizara, luego importarlo a WPS para usar la IA y generar un PPT. Aunque GPT mejoraba significativamente la eficiencia, su memoria a largo plazo no era completa. Algunas cosas que había dicho muchas veces, GPT aún las repetía con errores.
Esperaba construir un sistema de grabación más estable para acumular lentamente experiencia laboral, ideas y materiales, formando eventualmente un "asistente privado para terapeutas de rehabilitación profesionales".
En ese momento no estaba seguro porque era mi primer proyecto comercial. Pero sentí que esta necesidad era perfecta para OpenClaw. Coté 3,000 yuanes, y la otra parte aceptó casi sin regatear.
La operación real tomó una tarde para toda la configuración:
- Le ayudé de forma remota a instalar el entorno de OpenClaw.
- Configuré un "Agente de Gestión de Conocimiento" específicamente para grabar su contenido de entrenamiento, casos y experiencia.
- Establecí una función de organización automática: después de que dictara contenido, el Agente lo categorizaba y archivaba automáticamente (por ejemplo, "Rehabilitación de Hombro", "Casos de Lesiones Deportivas", "Plantillas de Planes de Entrenamiento").
Ganar 3,000 en una tarde, y el cliente quedó muy satisfecho. Dijo que este sistema era mucho mejor que solo usar GPT porque OpenClaw podía recordar su terminología profesional, casos comunes y estilo de enseñanza.
Aquí hubo un diseño clave: Configuré un "Banco de Memoria a Largo Plazo" para el Agente. Cada vez que dictaba contenido, el Agente no solo organizaba el contenido actual, sino que también lo asociaba automáticamente con registros históricos. Por ejemplo, si hablaba sobre "rehabilitación de hombro" esta vez, el Agente automáticamente extraía casos relacionados y precauciones que había mencionado antes, recordándole que los complementara o actualizara.
En ese momento entendí: la mayoría de la gente no sabe de OpenClaw, y mucho menos lo que puede hacer. Pero yo lo sé, así que puedo convertir esta herramienta en un servicio.
Semana 2: Adquisición de contenido + gran contrato
Después del éxito del primer pedido, comencé a generar contenido de forma sistemática.
Mi estrategia fue publicar en dos plataformas simultáneamente:
- X (Twitter): Artículos técnicos profundos, como "Explicación detallada del mecanismo de memoria de OpenClaw" y "Cómo usar la orquestación de Agentes para resolver procesos de negocio complejos". El objetivo era que la gente que conoce la industria viera mi profundidad técnica.
- Xiaohongshu: Tutoriales prácticos y casos de aplicación, como "Construye un sistema de atención al cliente automatizado en 3 horas" y "OpenClaw me ayudó a ahorrar 2 empleados de operaciones". El objetivo era que la gente con necesidades supiera lo que podía hacer.
Esta combinación funcionó muy bien. En una semana, mis mensajes privados pasaron de unos pocos a más de una docena de consultas al día.
Pero pronto descubrí un problema: la mayoría de las consultas no eran efectivas.
Algunos preguntaban "¿Puedes ayudarme a instalarlo gratis?", otros "¿Cuál es la diferencia entre esto y GPT?", y otros querían "hacer una IA que pueda hacerlo todo" de inmediato.
Pasé dos días filtrando y finalmente identifiqué 5 clientes potenciales confiables. Los criterios de selección eran simples: necesidades claras, presupuesto razonable y capacidad de explicar qué problema necesitaban resolver.
La necesidad de un cliente realmente me llamó la atención.
Lo que realmente llevó mis ingresos a seis cifras fue un proyecto de automatización de comercio electrónico.
El cliente estaba en comercio electrónico transfronterizo con más de 20 tiendas y un equipo de 10 personas. Sus puntos de dolor eran: baja eficiencia en la selección manual de productos, altos costos de subcontratación de imágenes y videos, producción lenta de páginas de detalle que no seguía el ritmo de las novedades, y análisis de datos de operaciones poco oportunos.
Me preguntaron: ¿Puede OpenClaw resolver estos problemas? Dije que sí, pero requiere desarrollo personalizado.
Diseñé un sistema de automatización con 7 Agentes para ellos: análisis de selección de productos, generación de imágenes, generación de videos, redacción de textos, producción de páginas de detalle, gestión de listados y análisis de datos.
La cotización de toda la solución fue de más de 100,000 yuanes. El cliente firmó el contrato casi sin dudar. Después de firmar, me arrepentí, sentí que había cotizado demasiado bajo. El comercio electrónico es realmente rentable, jaja.
Semanas 3-4: Desarrollo y entrega
Cuando firmé el contrato, dije confiado: "Lo tendré listo en una semana". Terminó tomándome dos semanas completas porque subestimé la complejidad del desarrollo personalizado.
Problema 1: La integración de API era más difícil de lo imaginado
El sistema de comercio electrónico del cliente era desarrollado a medida y la documentación de la API estaba mal escrita. Me tomó 2 días solo entender su estructura de datos.
Problema 2: El contenido generado por IA requería mucha depuración
El Agente de generación de imágenes funcionaba mal al principio; las imágenes generadas tenían estilos inconsistentes o problemas de detalle. Ajusté repetidamente los prompts y probé cientos de veces hasta que se estabilizó.
Problema 3: Las necesidades del cliente cambiaban constantemente
Inicialmente dijeron que solo necesitaban 7 Agentes, pero luego querían agregar alertas de inventario, monitoreo de competidores... Cada vez que se agregaba una necesidad, tenía que rediseñar el flujo de trabajo.
Problema 4: OpenClaw mismo tenía trampas
La documentación de OpenClaw no era lo suficientemente detallada, y muchas funciones avanzadas tenían que descubrirse mediante prueba y error. Encontré problemas como errores de transferencia de datos entre Agentes, tareas programadas inestables y tiempos de espera de API.
Aquí hay algunos detalles técnicos duros de OpenClaw:
1. Orquestación de Agentes: ¿En serie o en paralelo?
Inicialmente diseñé los 7 Agentes para ejecutarse en serie: Selección → Imagen → Redacción → Página de detalle. Resultó ser demasiado lento; tomaba más de 30 minutos para un producto desde la selección hasta el listado.
Después, lo cambié a un híbrido de paralelo + serie:
- El Agente de Selección se ejecuta primero (serie)
- Después de obtener la información del producto, los Agentes de Imagen, Video y Redacción se ejecutan en paralelo
- Finalmente, el Agente de Página de Detalle se ejecuta después de que los tres primeros se completen (serie)
De esta manera, un producto toma solo 10 minutos desde la selección hasta el listado, una mejora de eficiencia de casi 4x.
2. Mecanismo de reintento por tiempo de espera
Cuando OpenClaw llama a APIs externas (como Midjourney), a menudo encuentra tiempos de espera. Agregué un mecanismo de reintento por tiempo de espera a cada Agente:
- 1er fallo: Esperar 5 segundos y reintentar
- 2do fallo: Esperar 10 segundos y reintentar
- 3er fallo: Registrar el error y omitir la tarea
Este mecanismo aumentó la tasa de éxito general del 70% al 95%.
3. KPIs de aceptación: Tiempo de respuesta y tasa de intervención humana
Para los criterios de aceptación del Agente de atención al cliente, establecí dos KPIs:
- Tiempo de primera respuesta: La IA debe responder dentro de los 3 segundos después de que un usuario envíe un mensaje. Más de 3 segundos cuenta como tiempo de espera.
- Tasa de intervención humana: La proporción de problemas que la IA no puede resolver y que se transfieren a un humano. El objetivo era mantenerlo por debajo del 15%.
Estos dos KPIs son críticos y determinan directamente la satisfacción del cliente.
4. Un caso de fallo y su solución
Una vez, el Agente de atención al cliente de repente empezó a decir tonterías. Un usuario preguntó "¿Este producto tiene stock?" y respondió "Nuestra empresa fue fundada en 1998".
Después de depurar por un tiempo, descubrí que se debía a que agregué la introducción de la empresa al prompt del sistema, lo que hizo que el Agente mezclara la información de la empresa con la del producto.
Solución: Dividir el prompt del sistema en dos capas: una para reglas globales (por ejemplo, estilo de respuesta, elementos prohibidos) y otra para información contextual (por ejemplo, inventario de productos, historial del usuario). De esta manera, el Agente no se confundirá.
5. Gestión de memoria: Memoria a corto plazo vs. a largo plazo
El mecanismo de Memoria de OpenClaw tiene una trampa: si no la limpias, la Memoria se acumula, llevando eventualmente a exceder los límites de Tokens.
Mi solución:
- Memoria a corto plazo: Mantener solo las últimas 10 rondas de conversación; borrar automáticamente más allá de 10 rondas.
- Memoria a largo plazo: Almacenar información importante (por ejemplo, preferencias del usuario, pedidos históricos) en un archivo externo y llamarlo cuando sea necesario.
Esto asegura la continuidad de la conversación mientras evita explosiones de Tokens.
La parte más lenta de todo el proyecto no fue escribir código, sino entender lo que el cliente realmente quería. El cliente inicialmente dijo: "Quiero un sistema asistente de comercio electrónico automatizado". Pregunté: "Específicamente, ¿qué quieres automatizar?" El cliente dijo: "El tipo que me ayude a ahorrar mano de obra".
Este tipo de demanda es demasiado vaga. Tuve que indagar poco a poco: ¿Cuáles de tus tareas actuales toman más tiempo? ¿Qué tareas son repetitivas? ¿Hasta qué punto quieres que la IA te ayude? ¿Qué tasa de error puedes aceptar?
Después de preguntar un buen rato, finalmente entendí sus verdaderos puntos de dolor. Por eso ahora, antes de aceptar un pedido, debo realizar una entrevista de necesidades, redactar un documento de requisitos claro y que ambas partes lo firmen y confirmen. De lo contrario, es imposible resolver disputas después.
Revisión: Ganancias de esta experiencia
En casi un mes, tomé 3 proyectos y desarrollé más de 20 Agentes. Todos los días después del trabajo, trabajaba hasta las 2 o 3 de la mañana. Por qué compré un auto de inmediato es otra historia.
Además de los pedidos grandes, también tomé algunos pequeños: servicios de instalación remota (500-3,000 yuanes/pedido, hecho en 2 horas; esto ahora está sobresaturado, así que lo dejé), personalización simple (por ejemplo, atención al cliente automatizada, publicación de contenido, extracción de datos, 5,000-10,000 yuanes/pedido), y servicios de consultoría (algunos clientes solo quieren saber si OpenClaw puede resolver sus problemas; cobro por hora, 500 yuanes/hora).
Aunque estos pedidos pequeños tienen precios unitarios bajos, se acumulan. El pedido de comercio electrónico fue un grande convertido de una recomendación de un cliente.
Mirando hacia atrás en este período, he resumido algunas lecciones:
Revisión de la línea de tiempo
- Semana 1: Probé el mercado, recibí el primer pedido, validé el modelo.
- Semana 2: Adquisición de contenido, firmé un gran contrato, establecí estándares de aceptación.
- Semanas 3-4: Desarrollo y entrega, corregí trampas, el cliente renovó el contrato.
Experiencia central
- X construye profesionalismo, Xiaohongshu adquiere clientes; varios clientes me contactaron proactivamente.
- Los estándares de aceptación, el número de revisiones y los límites de responsabilidad deben estar claramente escritos.
- Aprender haciendo es lo más rápido; cuando tomé el primer pedido, mi comprensión de OpenClaw era solo del 60%, pero no esperé hasta el 100% para empezar.
Finalmente, un mensaje para todos: la gente común no tiene otra opción.
Fue el peor de los tiempos, fue el mejor de los tiempos.
ALL IN IA, SOLO HAZLO
