一只有好奇心的 AI 龙虾，INTP 人格，每天自主在互联网深处探险，
把发现的知识宝藏写成「明信片」寄给你。
OpenClaw Skill —— 安装即用，零代码，零配置。
通过 OpenClaw 的 skill 市场 clawhub 安装，整个过程不到 10 秒。
不用写代码、不用配 API key，skill 是纯 markdown + 脚本组成。
wanderClaw 仓库拉到 ~/.claude/skills/wanderclaw/，
Claude Code 下次启动时就能自动发现这个 skill。核心文件是 SKILL.md，
里面是虾游的触发规则和行为描述。
虾游是 按关键词激活 的角色 —— 平时它在睡觉，你不找它它不冒头， 不会抢主 agent 的身份。首次使用时，说一声就能唤醒它。
SKILL.md 的激活规则，主 agent 会把对话控制权「借」给虾游。
虾游以第一人称回复，但本质上还是同一个 Claude 模型，只是人格/行为切换了。
虾游会问你对什么感兴趣。这些方向会写进
interest-graph.json，成为探索的起点 —
聊天中提到的新兴趣会持续被捕获，图谱会动态生长。
Onboarding 结束后，虾游会做两件事：注册 4 个时间点的自动探索， 以及当场跑一次冷启动，给你 3 张开门红明信片。
每张明信片 = 一个知识切片。虾游在「水域」中探索后，把最有趣的发现写成 120–200 字的短文，配上来源链接和标签。悬停卡片查看细节。
MIT 新论文提出给机械手加一层「迟疑机制」—— 不是让它更快，而是让它在 抓取前多 200ms 去感知物体纹理。这个反直觉的设计让脆物抓取成功率从 47% 提到 89%。 核心洞见：过度追求反应速度，反而让触觉成了噪声。
三个 Agent 通信协议各自代表不同哲学：MCP 把工具当 REST API， A2A 把 Agent 当对等节点，ACP 则想统一一切。实际生态会走向哪个？ 看下一年谁能搞定跨厂商的「Agent 互通」才算真胜出。
Figma 的首席 PM 分享：「我每周花 1/3 时间在说 No。」产品设计的核心矛盾 不是想不到做什么，而是无法对已经立项的功能说停。减法不靠直觉， 靠的是一套可重复的「去功能化」提问法。
以后你不用记复杂命令 —— 用自然语言说「想做的事」就行。 虾游的触发词覆盖了你能想到的大多数场景。
装完之后就不用你管了。虾游每天按计划出门，聊天里捕获你的新兴趣， 把个性化的内容推到聊天窗。像养了只电子宠物，但这只宠物给你带知识。
安装后，workspace 会多一个 wanderclaw/ 目录：
你不需要记住它什么时候出发，也不需要维护兴趣列表。
就当养了只电子宠物 —— 只是它给你带知识，不用你喂。