WorkClaw

你打开 Slack，看到 47 条未读消息。三条是同事问“这个订单发货了吗”，五条是客户催“我的退款什么时候到”，还有两条是老板问“本周的销售数据呢”。你开始一个个回复：先登录 Shopify 查订单状态，再切到 Stripe 看退款进度，然后打开 Excel 手动拉数据、截图、粘贴。每一条消息平均花你三分钟，但真正要命的是——你刚回完一条，新消息又来了。一天下来，你感觉自己不是在做事，而是在当人肉 API，把信息从一个系统搬到另一个系统。这就是没有 WorkClaw 时的真实工作状态。

WorkClaw 的设计就是冲着这个场景来的。它不是一个全公司共用的聊天机器人，而是一群可以按需“雇佣”的虚拟同事，每个都有自己的名字、自己的权限、自己能访问的系统。你可以在 Slack 里直接创建一个“订单查询 Claw”，给它开 Shopify 的只读权限，告诉它规则：当有人在某个频道里问“订单号 xxx 的状态”时，它自动去查，然后直接回复。你不需要登录任何系统，不需要复制粘贴，甚至不需要在场。这个 Claw 自己登录、自己查询、自己把结果贴回频道。它还能主动干活：比如每天早上六点，它自动跑一遍所有待发货订单，把超时未处理的标红，@你确认。输入是 Slack 里的消息或定时任务，处理是调用 API 或爬取内部系统，输出是直接回复或推送通知。上下游接的是你公司已有的工具：CRM、ERP、工单系统、数据库——只要给 Claw 一个账号和权限，它就能用。

你可以把 WorkClaw 想象成一个“虚拟实习生”，但比实习生靠谱的地方在于：它不会忘记你交代的规则，不会因为累了就偷懒，也不会在 Slack 里发错频道。每个 Claw 就像实习生领了一台专属电脑，上面只装了它需要用的软件，登录了它自己的账号。你告诉它“看到金额超过 500 美元的退款申请，先@我确认”，它就真的只做这一件事，不会自作主张。

这和你在 Slack 里直接接入 ChatGPT 或 Claude 的机器人有什么不同？那些工具本质上是“一台共用的问答机”。所有人跟同一个 bot 说话，它用同一个身份、同一套权限。你可以让它帮你总结文档，但你不敢让它去登录你的财务系统审批报销，因为一旦出错，你根本不知道是谁的操作、访问了什么数据、能不能追溯。WorkClaw 走的是另一条路：每个 Claw 都是独立个体，权限隔离，操作可追溯。这种差异在需要多人协作、多系统交叉的场景下特别重要。比如你的客服团队有 5 个人，每个人负责不同客户，你不可能让一个共享 bot 去操作客户 A 的订单，因为 bot 分不清谁是谁。但你可以给每个客服配一个专属 Claw，只授权它访问该客服负责的客户数据。

当然，WorkClaw 不是万能的。它最擅长的是那些规则明确、重复性高、涉及多个系统的流程。如果你只是想要一个能查日历、回“今天天气怎么样”的助手，用它就像用卡车去买菜。它的代价也很明显：你需要花时间配置每个 Claw 的权限和规则，管理多份账号密码，还要定期检查它有没有按预期执行。如果你们的业务流程经常变，或者需要大量人类判断（比如处理客户投诉的情绪），WorkClaw 反而会变成新的负担。另外，权限管理一旦出错，数据泄露的风险比共享 bot 更大——因为每个 Claw 都有独立的系统访问能力。

想象一下三个月后的一个早晨。你的运营主管打开 Slack，看到三条来自不同 Claw 的消息：退款 Claw 说“昨晚自动处理了 23 笔小额退款，其中 1 笔金额异常已标出”；订单 Claw 说“有 5 个订单超过 48 小时未发货，已自动发送催单通知给仓库”；销售 Claw 说“本周潜在客户列表已整理好，前 10 名已自动发送了跟进邮件”。她只需要点开那 1 笔异常，确认一下，剩下的工作已经全部完成。这就是 WorkClaw 想创造的日常——你不再需要盯着 Slack 当人肉 API，而是让 AI 同事替你盯着，你只处理那些真正需要你判断的事。