他让AI代理递归进化，直到真的接管了他的生意

大多数人还在“用”AI代理，Ras Mic已经在让AI“改造自己”。这支视频抛出一个反直觉的做法：不要追求一次性完美，而是让OpenClaw在真实业务中递归进化，最终跑起整个系统。

最反直觉的一点：先接受一个“很差”的AI代理

视频一开场，Ras Mic就抛出一个让很多从业者不舒服的事实：你第一次用OpenClaw，体验几乎一定很糟。他明确说，“Initial experience is not going to be the best”。这不是调参不够，也不是模型不行，而是路径选错了。

多数人试图在一开始就写出完美Prompt、搭好完美流程，但Ras的做法恰恰相反：先让代理在真实业务中跑起来，哪怕磕磕绊绊。因为只有在真实任务中，AI代理才会暴露出它的短板，而这些短板，正是后续递归改进的燃料。

递归改进的核心：把“成功一次”变成“可复用技能”

真正让人眼前一亮的，是Ras对“递归改进”的定义。他不是简单地反复调Prompt，而是给AI代理一个清晰闭环：完成任务 → 判断是否成功 → 成功后立刻文档化。

在视频中，他提到，当代理成功完成一次关键任务后，他会把整个过程记录为一个“skill”。这一步极其关键。它意味着改进不是靠记忆，而是靠结构化积累。久而久之，你得到的不是一个聪明点的代理，而是一套不断增长的能力库。

这种方式下，AI不再只是执行者，而是逐步变成一个懂你业务逻辑的系统组件。

提示工程不是写得巧，而是嵌进工作流

Ras展示了一个他在Notion里发给代理的Prompt示例，但重点并不在具体措辞，而在“位置”。Prompt不再是一次性输入，而是存在于业务工具里的长期接口。

这透露出一个重要信号：提示工程正在从“文案技巧”进化为“系统设计”。当Prompt嵌进日常工具，AI代理就不再是偶尔调用的助手，而是持续参与决策和执行的角色。也正因为如此，递归改进才有了现实土壤。

关于模型选择，他的回答反而最冷静

几乎每个观众都会问：“你用的是什么模型？”Ras在视频里也正面回应了这个问题，但语气非常克制。他没有把成功归因于某个特定模型，而是强调整体方法。

这其实是在给行业泼一盆冷水：如果你的系统不能自我改进，换模型只能带来短暂提升；而一旦递归机制成立，模型反而成了可替换件。

总结

这支视频最有价值的地方，不在于OpenClaw本身，而在于一种工作方式的转变：别再追求“第一次就对”，而是设计一个能持续变好的系统。对AI从业者来说，真正值得行动的，是建立任务闭环、记录成功路径、让代理在真实业务中成长。可以留给你的思考是：如果你的AI代理今天成功了一次，你有没有把这次成功变成明天的默认能力？

关键词： AI Agent， OpenClaw， 递归改进， 提示工程， 自动化工作流

事实核查备注： 需要核查：视频发布时间是否为2026-02-20；Ras Mic是否明确表示OpenClaw正在运行其业务；是否使用Notion向代理发送Prompt；“skill”是否为其原话或概念描述