Kimi Claw 是 Kimi 旗下让 AI 替你动手操作任务的形态：你不只是问它问题，而是把一个任务整段交出去，由它规划步骤、调用工具、逐步执行并交付结果，比如整理资料、生成文档、完成一套流程化的操作。它把大模型从「答」推进到「做」，用好它的关键是三件事：会交代任务、会监督过程、会验收结果，下面把这三件事拆开讲。
它适合接哪类任务
判断标准有三条：步骤可描述，你能把要做的事拆成一两句清楚的要求；结果可检查，产出是文档、表格、清单这类能一眼核对的东西；过程低风险，出错不会造成难以挽回的后果。符合这三条的典型任务如：把一批资料整理成结构化笔记、按模板生成周报初稿、收集公开信息做成对比表格。反过来，涉及资金操作、敏感账号授权、不可撤销动作的任务，现阶段都应该留在人工手里，这是使用边界也是安全底线。把这三条标准记熟，接任务前先自检一遍，能过滤掉大半不合适的委托。
交代任务时怎么下指令
好的任务指令包含四要素：目标，做成什么样子；范围，包含什么不包含什么；格式，产出物的具体结构；验收标准，怎么算完成。举例：「把这十篇文档整理成表格，列为标题、核心观点、可用数据三栏，观点用自己的话概括不超过三十字，完成后先给我看前五行确认格式」。对比「帮我整理下这些文档」，前者的返工率低得多。第一次用某类任务时，先小规模试一遍再放量，摸清它的理解偏差在哪里。指令里写清产出用途也很有用，比如「表格用来内部汇报」，它会主动调整详略。
执行过程的监督与介入
委托之后别当甩手掌柜。观察它的执行计划是否偏离你的本意，发现方向不对随时插话纠正，成本远低于做完返工；长任务设置检查点，比如「每完成一部分先汇报再继续」；留意它在卡壳时的行为——好的表现是停下来问你，需要警惕的表现是自作主张绕过去。AI 替你操作，责任还在你：涉及对外发送、发布、删除等动作，执行前的人工确认一步都不要省，图省事省掉的是你的兜底机会。重要任务全程开着执行日志，事后有据可查，纠纷和误操作都有迹可循。
结果验收的核对习惯
拿到产出后按三条线核对：事实线，抽查关键信息与原始资料是否一致，AI 整理时可能张冠李戴；完整线，对照任务要求逐条检查有没有漏项；格式线，产出结构是否符合你要的样子，能不能直接进入下一步使用。发现问题的修正指令要具体到点：「第三行数据来源标错了，应为文档五」比「有错误改一下」高效得多。同一类任务跑熟之后，把验证过的指令存成模板，下次直接复用，效率会越滚越高。模板库里按任务类型分文件夹，找起来更快，团队共用时也便于交接。
Kimi Claw 使用的三个疑问
- 它执行任务时会看到我的哪些数据？：执行范围内打开的页面与文件内容都在其工作范围内，敏感任务前先缩小授权范围，用完可在设置里清理记录，具体以官方说明为准。
- 任务做到一半失败了怎么办？：让它汇报当前进度和已完成的部分，再从断点继续，比从头重跑省时间；反复失败说明任务拆分不够细，改用分步指令。
- 和普通对话模式比，差别在哪？：对话模式一次一答，产出靠你自己组装；任务模式由它规划多步操作并交付结果，适合流程明确的成套任务，不适合开放式讨论。
