后续跟进:CRMy,因为我的 OpenClaw 代理总是丢失客户上下文。寻求对最新版本的直言不讳的反馈。
摘要
CRMy 的作者正在寻求关于其架构和价值主张的反馈,这是一款专为 OpenClaw 工作流设计的客户上下文引擎。该工具旨在通过提供类型化、可审计的状态层,而非传统的 CRM 界面,来解决代理上下文保留和数据完整性问题。
**免责声明**:我是 CRMy 的维护者。我之前在这里发布过一个早期版本并获得了一些有用的反馈,所以我想带着更具体的问题回来,而不是仅仅甩出一堆功能列表。我一直在使用 OpenClaw 进行 GTM(Go-To-Market)/客户工作流,而难点并不在于“代理能否写电子邮件?”或“它能否调用工具?”真正的难点在于:在代理采取行动之前,它是否真的了解当前的客户状态?这个人是谁?上周发生了什么?代理在上一次运行中学到了什么?这些上下文信息仍然有效吗?是否有未处理的移交或审批阻碍了进度?它能否更新 CRM 而不创建重复、过时或矛盾的记录?大多数 CRM 感觉像是为人类点击仪表盘而构建的。后来它们又强行接上了 MCP。大多数代理记忆工具对于营收/客户工作来说显得过于非结构化。我构建了 **CRMy** 作为代理的客户上下文引擎/运营状态层。
**它能做什么:**
* 运行在您自己的 Postgres(或 Neon, Supabase 等)上
* 暴露 MCP 工具、REST API、CLI 和 Web UI
* 为代理提供类型化的对象:联系人、公司、商机、用例、活动、任务分配
* 拥有 `briefing_get` 工具,让代理在行动前能拉取相关的客户状态
* 通过陈旧度、置信度和审计历史来跟踪上下文条目
* 支持人机协作(human-in-the-loop)的审批和移交
* 拥有 OpenClaw 插件/技能,让代理知道如何使用它
我想测试的是这是否真的是正确的抽象方式。我不希望 CRMy 变成“又一个强行加上 AI 的 CRM”。其背后的理念是,代理需要持久、类型化、可审计的状态,才能被信任处理真实的客户工作流。而且由于客户数据敏感,我认为这些状态应该是可自托管且开放的,而不是被困在另一个 SaaS 层中。
我希望得到 OpenClaw 构建者的反馈:
1. 如果写入操作是有范围的、可审计的,并且可能需要审批,您会信任 OpenClaw 代理修改 CRM/客户数据吗?
2. 您希望它是一个独立的 CRM,还是更多作为一个与 HubSpot、Salesforce、Pipedrive 等同步的后台/记忆层?
3. 在真实的 OpenClaw 工作流中,什么会最先崩溃?
4. `briefing_get` 是正确的原语吗,还是代理应该通过更小的工具进行推理?
5. 什么样的集成会让它立即变得有用?
链接:
* GitHub: [https://github.com/crmy-ai/crmy](https://github.com/codycharris/crmy)
* npm (CLI): [https://www.npmjs.com/package/@crmy/cli](https://www.npmjs.com/package/@crmy/cli)
* npm (OpenClaw 插件): [https://www.npmjs.com/package/@crmy/openclaw-plugin](https://www.npmjs.com/package/@crmy/openclaw-plugin)
* 信息 [进行中]: [https://crmy.ai/](https://crmy.ai/)
请尽情抨击这个前提。比起“星标”,我更感兴趣的是“这会失败,因为……”
相似文章
OpenClaw 已超越聊天范畴,听我细说
作者探讨了通过 Telegram 等聊天界面使用 OpenClaw 管理 AI 代理工作流的局限性,倡导采用专用仪表板和标准化 UI。他们重点介绍了 Paperclip 和 Multica 等旨在解决代理管理问题的新兴工具。
大约 3 个月将 OpenClaw 作为我的日常代理系统运行。哪些有效,哪些出错,哪些仍然让我烦恼。
在 Raspberry Pi 上使用 OpenClaw 作为日常 AI 代理的 13 周回顾,强调了基于 cron 的自动化和记忆整理等优势,以及模型配置问题和子代理编排等痛点。
求反馈:我构建了一个支持MCP、工具和多提供商的桌面AI代理客户端(开源)
一位开发者分享了一个名为KainClaw的开源桌面AI代理客户端,基于Electron构建,支持MCP、多个AI提供商、工具以及后台任务。该项目仍处于早期阶段,正在寻求社区反馈。
@steipete:人们对我AI支出的反应很抓狂。但没人看到的是:让我如此兴奋地参与OpenClaw的部分原因是……
一位开发者分享了他们如何广泛使用多个Codex AI代理来自动化PR审查、问题去重、安全扫描等OpenClaw项目工作,同时介绍了用于远程代理工作区的工具Crabbox。
@RhysSullivan: https://x.com/RhysSullivan/status/2070311929038680262
作者反思了为什么模型上下文协议(MCP)会陷入困境,将其与基于CLI的代理工作流程进行对比,并主张更灵活的工具集成。他们建议代理应支持MCP、CLI、API等,并对MCP的未来表示乐观,尽管当前面临挑战。