OpenClaw养虾实战：1小时做出双色球分析网站！实现财务自由？

2026年3月15日2026年3月15日 lingshun

⚠️ 免责声明：以下内容纯粹学习参考，不构成任何投资建议。买不买彩票是你的事，赢了记得请吃饭，输了别找我。

你会学到什么

这个项目表面上是在做一个彩票预测网站，实际上你会经历：

在 OpenClaw 中手动创建自定义技能
用 LSTM 深度学习模型处理时间序列数据
前后端整合，跑起一个完整的 Web 应用

预测准不准？说实话，LSTM 模型在随机性极高的数字组合面前，理论上和用脚随机踩差不多。但这个系统会稳定地给你一个结果，而不是每次都不同——这一点，已经赢了好多人的直觉。

Part 0：让 OpenClaw 自动创建技能

不知道从何入手？其实不用急，你大可以直接问它：

创建一个技能的步骤是什么？详细说出每一个操作步骤。

它会一五一十地列出来。然后你再叫它整一个示例，完成后告诉你保存在哪、怎么调用——等于叫它先示范一次，你在旁边看着学。

有了这个底，再去手动创建自己的技能。

先去视频看看：

Part 1：在 OpenClaw 手动创建技能

技能文件夹在哪

macOS 用户，工作空间藏在用户目录下一个隐藏文件夹 .openclaw 里面：

~/.openclaw/workspace/

进入之后新建一个 skills 文件夹，结构大概是这样：

skills/
└── 你的技能名称/
    ├── SKILL.md        ← 技能核心指令
    └── 其他配套文件      ← （可选）可以是没有的

SKILL.md 就是你和 AI 之间的「工作协议」——你写清楚要它做什么、怎么做、注意什么，它就照单抓药。

SKILL.md 要写什么

最低限度要包含：

字段	作用
技能名称	AI 识别用
触发条件	什么时候调用这个技能
执行步骤	分步指令
注意事项	哪些事情不要做

Part 2：安装技能生态（ClawHub）

单靠手动创建的技能，能做的事情有限。要跑一个完整的 Web 项目，还需要 App Builder 和 Tailwind CSS 这类技能包——而这些都要经过 ClawdHub 来安装。

第一步：安装 ClawHub 本体

这个要在终端（命令行）操作，输入：

npm i -g clawhub

安装完成后，执行登录命令：

clawhub login

这里会弹出一个浏览器页面，要求绑定 GitHub 账户。绑定完成，ClawdHub 才算真正激活。

为什么要登录？ ClawdHub 的技能库托管在远端服务器，未登录的状态下，它压根找不到任何技能，安装指令自然全部失败。好多人卡在这一步，以为是网络问题——其实只是漏了一个 clawhub login。

第二步：安装项目所需技能

登录之后，回到 OpenClaw 的对话框，发指令：

帮我安装 App Builder 和 Tailwind CSS 这两个技能

正常情况下会自动下载完成。如果遇到失败，按顺序排查：

确认已登录 ClawdHub——十次有八次都是这个原因
检查网络——部分地区访问 ClawdHub 服务器不稳定，等一等再试
手动安装——访问 clawhub.ai 找对应的技能，直接将技能文件夹复制到 skills/ 目录，跳过网络这一关（文件结构参考 Part 1）

验证技能是否到位

全部安装完成后，问一句：

你现在有什么技能？

它会列出所有已加载的技能名称。你装的技能在清单里面出现了，才能开工。

Part 3：LSTM 模型——它究竟在这里做什么

为什么不用普通统计方法

最直觉的做法是统计每个号码的出现频率，找出「热号」和「冷号」。问题是，这种方法暗地里假设每次开奖都受历史影响——但彩票摇球是物理随机过程，上一期出了 7 号，不代表这一期 7 号会多出或少出一丁点。频率统计在这里做的，本质上是一件自我感觉良好的事。

LSTM 不同。它不假设规律存在，而是从数据里面自己去找——如果真的有某种时间上的关联，它会学到；如果没有，它学不到，那就算了。至少态度诚实。

LSTM 的工作方式（不背公式版）

LSTM 是 Long Short-Term Memory 的缩写，中文叫「长短期记忆网络」。

普通神经网络处理数据的时候，每一条输入都是独立的，上一条发生了什么，对下一条毫无影响。LSTM 的特别之处在于有一条「记忆线」贯穿整个序列。

你可以想象成一个编辑在处理一份连载故事。普通网络是每次都不记得之前发生了什么，每次重头读过。LSTM 则会保留一份「手记」，记下哪些情节重要、哪些可以忘记，读到新的一回的时候，才决定要更新还是丢弃手记里面的内容，再做判断。

落实到彩票数据：把过去 N 期的开奖记录作为输入序列，LSTM 在训练过程中自动调整权重，尝试找出期与期之间的数值变化规律，然后用这个规律预测下一期。

（讲到这里，我自己都开始云里雾里……）

模型结构（简化版）

历史开奖记录（过去 N 期）
        ↓
  数据预处理 + 归一化
        ↓
   LSTM 层（学习序列规律）
        ↓
   Dense 输出层（生成预测值）
        ↓
  反归一化 → 最终号码

一个诚实的说明

这个模型在训练集上表现可以相当不错——毕竟是用历史数据训练，再回头预测历史，当然有一定命中率。

但真正考验是在未来数据上。彩票号码理论上独立同分布的随机变量，LSTM 能学到的「规律」很可能只是数据里面的噪音，模型误以为是信号——就像你看云朵看出一只龙，但天从来不是这么打算的。

所以这个系统的价值，与其说是「预测工具」，不如说是一个时间序列建模的完整练习——数据处理、模型训练、结果评估、前后端整合，一条龙走一遍，才是真正学到的东西。

Part 4：用对话创建双色球预测系统

这个部分的重点不是代码，而是怎么和 AI 合作完成一个完整项目。

整个过程你需要做的事情只有三样：讲清楚要什么、验收结果、反馈问题。代码由它写，架构由它搭，你的角色更接近一个项目负责人，而不是开发者。

有一个前提：你要对一些技术名词——例如 Next.js、Tailwind CSS——有大概的认知。不一定要会写，不一定要看得懂代码，但要知道这些东西是做什么的、有什么技术路径可以选。而这类问题，正是 AI 最擅长回答你的。

第一步：发任务说明

不要逐句逐句地交代，一次把整个项目的需求讲清楚。以下是我发给 OpenClaw 的提示词：

用 app-builder 和 tailwindcss 帮我开发一个双色球统计预测网页前端
（Next.js + Tailwind CSS + Chart.js）：

1. 必须集成我已有的 ssq-lstm-predict Skill
   （路径：~/.openclaw/workspace/skills/ssq-lstm-predict），
   在页面调用它的 lottery_lstm.py 来获取：
   - 所有号码当前遗漏次数（红球 1-33 + 蓝球 1-16）
   - 最新一期红球均值
   - 热号（遗漏少）/ 冷号（遗漏多）
   - LSTM 预测的下一期号码

2. 页面布局：
   - 顶部：标题「双色球统计与预测系统」
   - 中间：遗漏次数表格（可排序）、热冷号柱状图（Chart.js）
   - 下面：最新均值显示 + 大红色「一键预测下一期」按钮
     （点击调用 LSTM，返回红球 6 个 + 蓝球）
   - 响应式，手机友好，彩票红色主题

3. 项目创建在 ~/.openclaw/workspace/ssq-predict-web

4. 完成后本地运行 npm run dev，给我 localhost 预览链接

5. 代码要干净、可手动修改，完成后告诉我怎么继续开发或调试

一次讲清楚，胜过来回十次补充。 AI 处理信息的方式是整体理解再执行，需求越完整，第一次出来的结果越靠谱，你返工的次数自然越少。

第二步：验收——看它交的东西

它说完成之后，不要急着说「好的」。逐一核对：

它给的网址能不能访问？
页面有没有数据？
核心功能（预测按钮）有没有反应？
结果稳不稳定，还是每次点都不同？
是不是你想要的？还差什么没实现？

我第一次验收的结果，是五样全部有问题——网址端口写错（300 写成 3000）、页面空白、按钮无反应、结果每次不同，还有些功能完全没有出现。

这个完全正常。第一次出来的东西有问题，不是 AI 能力差，而是复杂项目本来就需要迭代。关键在于你能不能精确描述问题在哪。

第三步：反馈——讲现象，不要讲感受

「不行啊」、「有问题啊」是最没用的反馈。它不知道你说的是哪里不行、什么问题。就算你用尽世间最毒辣的语言去鞭打它，对这件事一点帮助都没有——AI 不会痛，但你会浪费时间。

把你观察到的现象逐一列出：

有以下问题需要修复：
1. 你给的网址端口是 300，实际应该是 3000，访问不到
2. 页面加载后没有任何数据显示
3. 点击预测按钮没有反应
4. 修复后请确认：多次点击预测，结果应该保持一致

问题描述越具体，它修复的准确率越高，你来回的次数越少。

第四步：再验收，直到满意为止

它修复完之后，重复第二步的清单。

我这次来回了几轮：端口问题它改了几次都搞不定，最后只有自己直接访问 3000 端口；预测结果稳定性的问题修完之后就正常了。最终页面有数据、预测稳定、功能到位——项目完成。

整个过程，我没有写过一行代码。但我清楚知道每个环节在做什么、出了什么问题、应该怎么描述。

这个能力，比会写代码更难培养，但更值钱。读书时老师讲过：「学问，学问，就是学会提问。」观察到核心问题，正确描述它，经过验证辨析变成知识——这件事，AI 帮不到你，要自己练。

最后

这个系统的价值不是它预测有多准——而是你亲身经历了一个完整项目从无到有的过程。

提示词和数据都在上面，照着做一次，你会发现自己明白的东西比想象中多。

感兴趣的话，关注我的频道，我会持续更新：

🎬 YouTube：lingshunlab
📺 Bilibili：凌顺实验室

参考

GitHub 分享的 Skill 文件，包含 2003-01-01 至 2026-03-15 的双色球历史开奖数据文件：
lingshunlab / ssq-lstm-predict