OpenClaw 与 Claude Code/Codex 协同使用：一个两全其美的实际应用案例

我最近在这里看到很多“Claude Code/Codex vs OpenClaw”的争论，但我觉得这种框架本身就不对，至少我没见过合理解释。它们不是竞争对手。我一直在为我参与的一家企业同时使用这两者，合理的分工是项目成功的关键。这完全就是确保每项工作都使用正确工具的问题。我想在这里分享这个架构，因为我没见过有人这样写过。为了省去你通篇阅读的麻烦，TLDR 总结如下： - 供应商线索抓取 - 客户线索抓取 - 线索丰富与分类 - 针对每种客户的外发邮件序列 - 跟踪回复并监控回信 - 根据回复和回复者信息分配线索 - 使用自定义 CRM 管理所有事务 所用工具： - Nylas（免费）连接真实邮箱 - ApiTap 进行抓取（通过 GitHub 免费获取） - Scrapling 进行抓取（通过 GitHub 免费获取） - BraveAPI 进行网络搜索（$5/月） - Apollo 进行线索丰富（约$100/月） - Claude Code Max 订阅（$100/月）用于构建 - OpenAI Codex Pro 订阅（$100/月）用于 OpenClaw - 运行所有内容的本地电脑 如果这些内容让你感兴趣，那就继续看吧 :) ----- **用例** 一家批发/分销企业需要一个外发销售引擎。任务是找到合适的客户来销售成品，并找到制造商/供应商来购买产品或推销服务，然后端到端地运行整个外联循环——找线索、丰富信息、写邮件、发送、读取回复、起草回复、获得批准、重复。整个过程每月运行成本不到$400（包括 token 和 API 费用），替代了一个全职 SDR 岗位，并且在头三周内就产生了真实回复。 **构建前的准备**\n我们有一批整理好的线索，以及一些过去使用过、显示出一定潜力的不同冷外联序列。 **分工** Claude Code 负责构建。包括 CRM 数据库、抓取逻辑、Nylas 邮箱集成、序列引擎、丰富管道 schema。任何与代码、仓库工作、schema 设计或一次性“构建这个模块”任务相关的内容都交给终端中的 Claude Code，我用它来构建在本地机器上运行的 Web 应用。 OpenClaw 负责实际业务运营。三个代理处理循环的不同部分： * **抓取代理** —— 每日提取合格的供应商和在线商家，存入 CRM * **丰富代理** —— 自定义 OpenClaw 子代理，接收原始线索并进行深度挖掘：收入区间、公司规模、目标匹配度、邮件中值得引用的信号 * **外联代理** —— 从数据库中选择合适的序列，根据丰富数据调整消息，通过 Nylas 连接的邮箱发送，跟踪发送状态，收到回复后读取，起草回复，并推送到 Telegram 等待批准 回复率会被持续监控。当某个序列表现不佳时，OpenClaw 会标记并提议调整消息。我批准更改后，它会重写邮件，然后我们重新开始流程。 **每项工作的最佳工具** 单靠 Claude Code 可以构建一个漂亮的 CRM，但什么实际工作都不做。单靠 OpenClaw 会花费数天时间尝试编写它本不适合编写的代码，并在此过程中烧掉 token。以下是设置方案： * 用 Claude Code 构建。用 OpenClaw 运行。 * 代码密集、一次性、结构性和数据库任务：Claude Code * 持久化、多通道、“需要持续进行”的任务：OpenClaw Claude Code（或 Codex）在编写代码方面总是比 OpenClaw 做得更好，因为它从根本上就是为此设计的。OpenClaw 则设计用于持续监控、反复迭代并不断改进。如果你使用像我创建的 [Engram 记忆系统](https://github.com/nanoflow-io/engram)（自荐一下），它会随着时间变得更好。 关键要点：**使用 Claude Code 构建框架和护栏，然后让 OpenClaw 在框架指南中反复执行流程。** 这样能让 OpenClaw 保持专注，防止漂移——它的工作就是在 Claude Code 构建的框架内持续执行相同任务。 我很乐意深入讨论任何部分——丰富子代理、Telegram 批准流程、序列调整逻辑，或者两个工具之间的切换结构。只需在评论区提问或给我发私信。谢谢