运营个人博客最尴尬的时刻，不是没内容写，而是凌晨两点网站挂了，你却在睡觉。

过去这段时间，我给自己招了两个"AI 员工"：一个住在家里的 NAS 上，7×24 小时值班；一个住在 Mac 上，随叫随到。今天这篇就聊聊它们各自擅长什么、短板在哪、记忆能力有什么差别，以及我现在的分工方式。文章最后附了一份"把 Codex 接入 DeepSeek deepseek-v4-flash"的实操教程，看完就能照做。

一、OpenClaw：住进 NAS 的夜班管家

OpenClaw（社区俗称"小龙虾"🦞）是一款开源、本地优先、可自托管的 AI Agent 框架，MIT 协议，可以完全自主部署。我把它用 Docker 部署在家里的 NAS 上，让它以常驻服务的方式运行。

对我来说，它就像一个不知疲倦的员工：

  • 7×24 在线：只要 NAS 不关机，它就一直待命；
  • 消息即任务：通过 IM 跟它对话，布置任务、接收汇报；
  • 定时巡检：定期检查网站健康状态、抓取更新、验证链接；
  • 按 SOP 干活：把重复的运维动作写成流程，它老老实实执行；
  • 记性好：任务、决策和日常笔记都落到本地文件，配合语义搜索随时能翻查；
  • 数据在家：所有任务和数据都留在自己的硬盘上，隐私可控。

它最擅长的是"持续值守 + 稳定执行"：不需要我在场，不需要我催，按既定流程把活干完，然后把结果告诉我。

我还越来越看重它的长期记忆：OpenClaw 专门为此设计了机制——任务、决策和日常笔记会落到本地文件里，配合语义搜索随时能翻出来；对话快超长时，它还会先把重要内容自动存档。所以隔几天问一句"XX 任务现在怎么样了"，它一般都能答上来，不用我重新交代一遍。这种"记得住"的能力，让它很适合当家里的"长期台账"。

短板也很明显：它是个优秀的执行者，但不是决策者。任务边界不写清楚，它就容易"好心办坏事"；遇到没定义过的复杂问题，需要我把流程磨得更细。

二、Codex：Mac 上的全能工程师

如果说 OpenClaw 是"值班的"，Codex 就是"随叫随到的"。我在 Mac 上部署了 Codex，并接入了最新的 deepseek-v4-flash 模型。

它更像一个坐在我旁边的工程师：

  • 理解力强：能读懂整个项目的代码，理解上下文；
  • 深度推理：复杂问题可以一步步拆解，直到解决；
  • 真能干活：改代码、写脚本、修 bug、做方案、甚至写文章；
  • 迭代快：不满意就继续对话，来回打磨到满意为止；
  • 会话内记忆强：一次任务里，它能记住整个对话和项目上下文；也支持开启跨会话记忆。

它最擅长的是"一次性攻坚复杂问题"：不管是网站出了个诡异的 bug，还是想实现一个新功能，丢给它，它能把事情从头到尾做透。

不过它的记忆默认是会话级的：每次对话都是一次新的攻坚，它专注把当前这一个任务做透；任务收尾、会话结束，它不会自动保留。好在 Codex 现在也支持可选的记忆功能——开启后，相关上下文可以跨会话延续，也可以显式恢复上一次会话。所以它默认适合"一次性攻坚"，配合记忆功能才能兼顾"长期追忆"。

短板呢？它不是常驻进程——需要我发起对话，它才会"上班"；它也没有"一直盯着网站"的能力。它强在"想"，不在"守"。

三、一张表看懂分工

维度 OpenClaw（NAS） Codex（Mac + deepseek-v4-flash）
部署位置 家庭 NAS，常驻服务 Mac，按需调用
运行方式 7×24 小时无人值守 会话式，随叫随到
主动性 主动巡检、定时任务、事件驱动 等待指令，被动响应
任务类型 运维、监控、自动化流程、IM 交互 开发、排错、写作、方案设计
交互方式 消息/网页，任务即消息 终端/编辑器对话
记忆力 持久记忆：任务与笔记落盘，语义检索可追溯 默认会话级记忆，可开启记忆功能跨会话延续
最擅长 稳定执行 SOP、长期值守 复杂推理、深度代码工作
主要短板 复杂决策依赖人工定义流程 不常驻、需要人发起、默认不跨会话记忆

四、我的协同模式：值班 + 攻坚

现在我的网站基本是这样运转的：

白天，我写博客、改功能，遇到复杂问题就喊 Codex 攻坚——它负责"想明白、做出来"。晚上，OpenClaw 开始值班——备份、巡检、健康检查、抓取更新，第二天早上把报告发给我。一个负责"发现"，一个负责"解决"。

更有意思的是，它俩还能协作：给 OpenClaw 写新的运维 SOP 时，我经常让 Codex 先起草；Codex 改完代码后，让 OpenClaw 按流程部署并盯一会儿。

这也是一份天然的"记忆分工"：OpenClaw 管长期账本——任务和进度落盘可查；Codex 管单点攻坚——新问题给它完整上下文，它想透做透，结论再沉淀给 OpenClaw 长期执行。

五、几点心得

  1. Agent 不是替代人，是帮你把"盯"和"干"分开：机器值守，人做判断。
  2. 重复工作 SOP 化，值班型 Agent 才有发挥空间：流程越清楚，它越可靠。
  3. 复杂任务别省那一次对话：给 Codex 一次完整上下文，省下半天折腾。
  4. 值班的要"记得住"，攻坚的要"想得深"：OpenClaw 的持久记忆适合当台账，Codex 的会话型记忆适合当攻坚队；需要长期追忆时，就打开 Codex 的记忆功能。
  5. 自托管 = 数据在自己手里，但权限、备份、外网访问要做好。
  6. 工具会变，分工逻辑不变：总有一个负责"守"，一个负责"攻"。

附录：把 Codex 接入 DeepSeek（deepseek-v4-flash 实操教程）

很多人以为 Codex 只能用 OpenAI 自家的模型，其实它支持接入兼容的模型服务。我这台 Mac 上的 Codex 接的就是 DeepSeek 的 deepseek-v4-flash，DeepSeek 官方提供了一键配置脚本，整个过程大概三步。

第一步：运行官方配置脚本

打开终端（macOS 自带"终端"App），粘贴下面这行命令，回车：

curl -fsSL https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh | bash

脚本运行时会自动做几件事：

  1. 检查环境：确认系统架构、curl、相关依赖是否齐全；
  2. 准备 Codex CLI：检测本机有没有安装，没装就自动安装，已装则更新到兼容版本；
  3. 写入配置：把 DeepSeek 的接入信息写进 Codex 的配置文件 ~/.codex/config.toml，包括服务地址、认证方式，并把默认模型设为 deepseek-v4-flash；
  4. 引导设置 API Key：提示你配置 DeepSeek 的密钥，并给出验证方式。

安全小建议：curl | bash 是最省事的做法，但从网络直接执行脚本前，最好先下载看一眼内容再运行：

curl -fsSL -o codex-setup.sh https://cdn.deepseek.com/api-docs/codex-deepseek-setup.sh
cat codex-setup.sh    # 先确认脚本内容没问题
bash codex-setup.sh   # 再执行

第二步：配置 API Key

脚本执行完成后，按提示配置 DeepSeek 的 API Key。常见做法是在 shell 配置里加入环境变量：

export DEEPSEEK_API_KEY="你的密钥"

也可以按脚本提示直接写入 Codex 配置文件。这一步不做的话，后面模型是调不通的。

第三步：验证接入

重新打开一个终端窗口（让环境变量生效），先确认 Codex 装好了：

codex --version

再随便问一句，测试模型是否生效：

codex exec "用一句话介绍你自己"

能正常回答，就说明 deepseek-v4-flash 接入成功。之后日常用法很简单：在项目目录里直接运行 codex 进入对话；需要让它干活时用 codex exec "要做的任务"。

如果你也在折腾 AI Agent，欢迎留言聊聊你的部署组合。