教學 on Justmaker's KB

用 OpenClaw 打造 AI 助理：從零開始

Fri, 04 Apr 2025 00:00:00 +0000

什麼是 OpenClaw？

OpenClaw 是一個開源的 AI agent 框架，可以讓 LLM（如 Claude、GPT）不只是聊天，還能實際操作你的電腦：讀寫檔案、執行指令、管理 Git、呼叫 API。

它不是另一個 ChatGPT 包裝，而是一個能幹活的 AI 助理。

核心概念

Agent ≠ Chatbot

一般 chatbot 只能接收文字、回覆文字。OpenClaw 的 agent 可以：

📁 讀寫你的檔案系統
🖥️ 執行 shell 指令
🔧 操作 Git（commit、push、建 MR）
🌐 瀏覽網頁、呼叫 API
📱 連接 Discord / Telegram 接收訊息
🧠 記住對話脈絡（透過 MEMORY.md）

Workspace 結構

~/.openclaw/workspace/
├── AGENTS.md # Agent 行為規範
├── SOUL.md # Agent 的個性設定
├── USER.md # 關於你的資訊
├── TOOLS.md # 可用工具說明
├── IDENTITY.md # Agent 的身份
├── TODO.md # 待辦事項
└── MEMORY.md # Agent 的記憶

這些 .md 檔案就是 agent 的「大腦」——每次啟動時讀取，形成行為模式。

能做什麼？

以我日常使用為例：

自動化開發

「幫我寫一個 KVM 效能監控腳本，放到 ~/scripts/ 裡」

Agent 會直接寫好腳本、設定執行權限、甚至幫你加到 crontab。

知識管理

「把今天 Discord #ai-tools 頻道的討論整理成一篇部落格文章」

Agent 讀取 Discord 訊息、整理成結構化文章、push 到 Hugo 部落格。

程式碼審查

「Review 一下最新的 MR」

Agent 會讀 MR diff、分析問題、留下 review comment。

適合誰？

工程師、開發者（最大受益者）
需要自動化重複工作的人
願意花時間調教 AI 行為的人

下一步

如果你對 OpenClaw 感興趣，可以到 GitHub repo 看看文件和範例。

後續文章會深入介紹進階功能：MCP server 串接、多 agent 協作、自動化工作流。

KVM 虛擬機效能調校指南

Thu, 03 Apr 2025 00:00:00 +0000

前言

KVM 虛擬機的預設設定通常不是最佳效能。透過一些調校，可以讓 VM 跑得更快、更穩。

這篇整理我實際工作中用過的效能調校技巧。

1. CPU 優化

CPU Pinning

預設情況下，vCPU 可以在任何 pCPU 上執行，這會導致 cache miss 和 NUMA 問題。

1
2
3
4
5
6
7
8


<!-- libvirt XML 設定 -->
<vcpu placement='static'>4</vcpu>
<cputune>
 <vcpupin vcpu='0' cpuset='2'/>
 <vcpupin vcpu='1' cpuset='3'/>
 <vcpupin vcpu='2' cpuset='4'/>
 <vcpupin vcpu='3' cpuset='5'/>
</cputune>

原則：

避免使用 CPU 0（留給 host）
同一 NUMA node 的 CPU 分配給同一 VM
查看 NUMA topology：lscpu | grep NUMA 或 numactl --hardware

CPU 模式

1
2


<!-- 使用 host-passthrough 取得最佳 CPU 指令集支援 -->
<cpu mode='host-passthrough' check='none' migratable='on'/>

host-passthrough 直接暴露 host CPU 特性給 VM，效能最好但會影響 live migration 相容性。

2. 記憶體優化

Hugepages

預設 4KB page 在大量記憶體時 TLB miss 嚴重。用 2MB hugepage 可以大幅改善：

1
2
3
4
5


# Host 設定 hugepages（例如分配 4GB = 2048 個 2MB pages）
echo 2048 > /proc/sys/vm/nr_hugepages

# 永久設定
echo "vm.nr_hugepages=2048" >> /etc/sysctl.conf

1
2
3
4


<!-- libvirt XML -->
<memoryBacking>
 <hugepages/>
</memoryBacking>

NUMA Aware Memory

1
2
3


<numatune>
 <memory mode='strict' nodeset='0'/>
</numatune>

確保 VM 記憶體分配在對應的 NUMA node 上。

3. 儲存 I/O 優化

virtio-blk vs virtio-scsi

特性	virtio-blk	virtio-scsi
效能	略快	接近
功能	基本	SCSI 命令、multi-queue
Discard/TRIM	支援	支援
熱插拔	有限	完整

一般用途用 virtio-blk，需要進階 SCSI 功能用 virtio-scsi。

I/O Thread

1
2
3
4
5
6
7
8
9


<iothreads>2</iothreads>
<disk type='file' device='disk'>
 <driver name='qemu' type='qcow2' cache='none' io='native' ioeventfd='on'/>
 <source file='/path/to/disk.qcow2'/>
 <target dev='vda' bus='virtio'/>
 <iotune>
 <iothread>1</iothread>
 </iotune>
</disk>

Cache 模式

模式	安全性	效能	適用場景
`none`	✅ 高	✅ 好	推薦 — Host cache bypass
`writethrough`	✅ 高	❌ 慢	資料安全優先
`writeback`	❌ 低	✅ 快	測試環境
`directsync`	✅ 高	❌ 最慢	極端安全需求

4. 網路優化

virtio-net + vhost-net

1
2
3
4
5


<interface type='bridge'>
 <source bridge='br0'/>
 <model type='virtio'/>
 <driver name='vhost' queues='4'/>
</interface>

vhost-net 把部分網路處理移到 kernel space，減少 context switch。

Multi-queue

多 queue 可以利用多核心平行處理網路封包：

1

<driver name='vhost' queues='4'/>

VM 內部也要啟用：

1

ethtool -L eth0 combined 4

5. 實測參考數據

以下是典型 KVM 調校前後的效能差異（僅供參考）：

項目	調校前	調校後	提升
sysbench CPU	1200 events/s	1450 events/s	+21%
fio 隨機讀 IOPS	45K	62K	+38%
iperf3 網路	8.2 Gbps	9.4 Gbps	+15%

總結

KVM 效能調校的核心原則：

減少共享：CPU pinning、NUMA 對齊
減少開銷：hugepages、vhost-net、io=native
用 virtio：不要模擬傳統硬體
量測為王：每個調校都要實測驗證

下一篇會講 GPU Passthrough 的設定。

鋼琴學習路線圖：從入門到進階

Sat, 01 Mar 2025 00:00:00 +0000

我的設備

目前使用 YAMAHA P85 電鋼琴，陪我走過好幾年：

時間	維修紀錄	費用
2022	換了控制板	$3,000
2024/04	換了琴鍵板	$4,000
2025/07	換了控制板	$3,500

2025/05/19 發現故障，上次維修是 2024/04/22，A3→E3 有異音。

即興教學影片推薦

學習流程與技術點

我認為學鋼琴的流程和技術點如下：

1. 手型、指法、手順、手腕、手臂、身形

這是一切的基礎：

和弦
音階：級進
琶音：跳進
輪指
重點：放鬆、避免受傷、獨立性、訓練強度
好看：起手、收手、移動、跳躍

2. 踏板

踏板的使用時機和深淺控制。

3. 視譜分析

看懂樂譜的結構、和弦、走向。

4. 視奏

邊看譜邊彈的即時反應能力。

輪指技巧

指尖觸鍵
按一半深度
向掌心方向收
手腕微抬

技術核心八要點

手臂放鬆 — 一切的前提
手型支撐 — 穩定的拱形結構
手指獨立 — 每根手指單獨控制
雙手配合 — 左右手的協調
激活三關節 — 指尖、指根、手腕
基本觸鍵 — 力度與音色控制
前臂的運用 — 大跳和力度變化
指尖的運用 — 精細的音色表現

彈奏範圍建議

Bass / Chord / Melody 範圍：倍低音 A 到最高音 C
伴奏範圍：最佳為低音 F 到中音 E；次佳為低音 C 到中音 G
主奏範圍：最佳為中音 G 到倍高音 E
- 男聲：低音 C 到中音 E
- 女聲：低音 G 到高音 C
- 主旋律會和伴奏打架，因此最好移高八度
高音盡量加和弦

初級歌曲建議

月亮代表我的心
成都
給愛麗絲（分三階段練：右手 → 左手 → 踏板）

圍棋學習路線圖：從入門到升段

Sat, 01 Feb 2025 00:00:00 +0000

圍棋三大要素

棋感 — 直覺判斷，第一感
判斷 — 形勢分析，大小判斷
計算 — 死活、對殺、變化圖

圍棋十訣

不得貪勝
入界宜緩
攻彼顧我
棄子爭先
捨小就大
逢危須棄
慎勿輕速
動須相應
彼強自保
勢孤取和

自創：跟隨 AI 學習步驟

Step 1：學定式

星位、小目、高目各記住至少一個可用的掛角或點三三方式
掛角遞角點入被夾後續定型

Step 2：學布局

推薦工具：電腦 KataTrain、安卓 BadukAI

上述有一邊、兩邊、邊上配合的選擇
- 進階：分遠配合、近配合
對角、對角+一邊、對角+兩邊配合的選擇
遇到不會對付的布局，先去看影片學習
- 例如：二連星、三連星、中國流（含高、迷你）、小林流、向小目、錯小目、星無憂角、對角星

Step 3：學中盤

和 AI 下棋，先從自己剛好打不過的難度開始（推薦 OGS 不限時）
下完一種策略後，從布局再出發嘗試另一種策略（OGS 分支對局功能）
- 例如：策略一先撈實空、策略二先建模樣、策略三打入對方模樣
收官可以自己下省時間，初期可用實體棋盤輔助後續變化圖
成果檢驗成功後往下一個等級或下一個帳號挑戰

等級成果檢驗

不開狗連續戰勝該等級三盤為通過標準
- 持黑持白至少各一以上
可以採用不限時（建議段位以上慢慢嘗試使用預設時長）
可以用實體棋盤輔助變化（建議段位以上慢慢嘗試不用）

新的學習方式：讓 AI 手把手教學

建立符合自己風格的好棋觀：

先想自己的想像落點（第一感 + 推測可能落點，只開 Next Moves）
和 AI 對答案（開 Top Moves）
釐清自己的想像落點為什麼不好，記錄下來
- 尤其第一感必須仔細檢視自己的感覺和邏輯
- 必須弄清楚後續幾手雙方應對，和 AI 確認想像是否有誤
- 無法釐清就標上問號，待以後回頭再釐清
把所有可能選點都想過（利用 Policy Moves）
選一個勝率降不多（<5%）且自己可以理解的解法，嘗試吸收
吸收後才去落子
- 整盤和局部的形勢（當下狀況）及方向（後續重點）都要思考
- 最好能把後續幾步變化也吸收
- 每一步都去對答案效果比較差
著重檢討自己的想像落點
- 不要學習對手落點（低段 AI 俗手連發很常見）
- 學習重點在己方如何應對敵方落子（待 AI 調高段後再學對手應對）

優缺點

優點：

對手穩定且省時間
一盤棋可以學到大量知識
在實戰中學到好的棋、好的方向
避免初期一直輸棋不知從何檢討
以一步或幾步為單位學習，而非整盤
提早學會覆盤
同樣的招式不會中第二次

缺點：

一盤棋花很長時間（數小時到數天）
需要大量耐心、自我檢討和積極學習
自制力不好不適用
沒有老師帶，要自己悟

須注意

不能取代詰棋，做題練細算很重要
成果檢驗需嚴謹，過不了就繼續留在該等級
不可躁進，沒有吸收就去走棋沒有意義
開狗只適用和電腦下，和人下開狗沒有意義

學棋重點

初期不了解定式無妨，先記住基本掛角和點三三方式
棋感優先 — 如果預想落點大都是紅黃，自己下棋只會俗惡手連發

升段重點

中盤戰鬥、攻殺

圍棋五階段

布局 → 序戰 → 中盤 → 終局戰 → 官子