一切要从一个AI工具说起。

大概在今年年初，OpenClaw在中国火得一塌糊涂。到了八月，回头看去，这股热潮其实相当短暂，但在那个当下，感觉所有人都在聊它。亨利的公司也在大力推广，鼓励员工用OpenClaw、Hermes，或者飞书自带的AI工具来提高工作效率。

有一天，亨利把OpenClaw介绍给了我。我玩了一会儿，突然灵光一闪：这个东西能不能帮我练西班牙语？

我当时的西班牙语水平大概是中级偏下，能进行日常对话，但语法经常出错，词汇量也有限。我就想，如果让AI扮演一个耐心的西班牙语老师，根据我的水平来跟我对话，那不是比背课本有趣多了吗？

一开始，效果还不错。我给AI设定了很明确的指令：

“你是我的西班牙语老师。我们用西班牙语对话，你要纠正我的语法错误，每次对话结束后给我一个小总结。难度控制在我的水平，不要太简单也不要太难。”

AI回答得很认真，对话也很流畅。我觉得找到了一个很好的练习方式。

但问题很快就来了。

第一个问题是“记忆”。 聊着聊着，AI似乎慢慢忘记了我之前的要求。对话了几轮之后，它就开始用太复杂的词汇，或者忘记纠正我的语法错误。我不得不一次又一次地重新解释我想要什么样的练习方式。

第二个问题是费用。 这个说出来有点心疼。OpenClaw出了名的“吃token”，就是说它每次对话消耗的算力特别大。我们用了一个星期，在百炼平台上的token费用就花了将近180元人民币。

180块，一个星期。

如果一个月就是720块。一年就是将近9000块。

这个价格，说实在的，不太可持续。

但这次经历也不是没有收获。它给了我们一个非常重要的认知：AI确实可以做一个很好的语言导师，但需要一个非常清晰的“框架”。 不是让AI自由发挥，而是要给它一套精确的指令和约束。

有意思的是，后来我们了解到，这种给AI套上框架的新兴工作方式，业界已经有了一个专门的叫法，“Harness Engineering”（驾驭工程）。你看，连名字都这么形象。

我们开始反思：OpenClaw的问题在于，它太“全能”了。它什么都能做，有上千种技能，但让它专注于一个非常具体的功能，教一个中国人学西班牙语，就好像用一台超级计算机来算1+1。大量的算力和注意力都浪费在了不需要的地方。

那怎么办？我们需要一个更专注、更精准的方案。

这时候，我们想起了几个月前买的一个课程。是RingaTech的关于AI智能体（Agent）的课程。说实话，当时买这个课纯粹是跟风，2025年8月，到处都在聊AI Agent，我们也不太清楚Agent到底是什么，但觉得好像应该学一学。

那个课程有两条路线：一条是用n8n开发，一条是用Python开发。在我们家，没人会Python。所以很自然地，我们选了n8n。

于是，我们开始动手了。

我们用n8n搭建了工作流，连接了NextTalk（一个对话平台），然后开始反复迭代。改进逻辑流程、优化算法、打磨提示词（prompt）……

你猜怎么着？效果出奇的好！

经过好几周的反复调试，我们的算法已经有了四个不同的AI智能体在协同工作：

• 对话引导员：负责跟学生聊天，引导话题方向
• 语法纠正师：专门分析学生的语法错误并给出解释
• 词汇教练：根据对话上下文推荐合适的新词汇
• 总结复盘员：在每段对话结束后给出学习总结

四个角色各司其职，配合得天衣无缝。一个相当精致的语言学习助手就这样成型了。

回头看去，这段摸索的过程虽然花了不少时间（和一些钱），但每一步都是值得的。正是因为走了这些弯路，我们才真正理解了问题在哪里，也才找到了正确的方向。

下一篇，我来聊聊我们是怎么把这个“原型”变成一个真正的产品的。