Harness 与 Agent 工程 · 运行控制与长任务 · 2026-03-07

OpenClaw 调教手册:从"能用"到"离不开"

OpenClaw进阶调教指南:让你的AI助手从"能用"到"离不开",7大技巧打造高效智能伙伴。

核心内容:

  1. 编写AGENTS.md行为宪法,明确AI工作流程与权限边界
  2. 记忆系统优化实现自动维护与秒级语义检索
  3. 多Agent协同与定时任务实现全天候自动化服务

OpenClaw 调教手册:从"能用"到"离不开"

上篇 《OpenClaw 刚配好就完了?几步调教让你的 AI 助手脱胎换骨》 教你给 AI 装上了人格和记忆。

但你可能发现——它还是只能等你说话才动,复杂任务经常翻车,token 费用蹭蹭涨。

这篇解决这些问题。

写在前面:这篇教程是折腾 OpenClaw 一个多月、踩了无数坑之后总结出来的实战经验。不是翻译官方文档,是真金白银的 token 烧出来的。每一个配置、每一个"推荐值"都是反复试错后的结论。

写这么长一篇不容易,如果对你有帮助, 恳请点个赞、留个评论,让更多人看到。有问题直接评论区问,看到都会回。白嫖可以,但互动一下更好——你的反馈也是继续写下去的动力


如果你还没看过上篇,建议先看完再来。本篇默认你已经:

本篇覆盖 7 个主题,每个都是 手把手级别,配置可以直接复制粘贴:

  1. AgentS.md — 给 AI 写一部行为宪法
  2. 记忆系统实战 — 让 AI 真正"记住",而且自己维护
  3. 子 Agent — 一个人变一支团队
  4. Cron 定时任务 — 精确到分钟的自动化
  5. Skill 开发 — 教 AI 学新技能
  6. 多渠道接入 — 随时随地找到你的 AI
  7. 配置速查表 — 把每个参数调到最优

先看一眼效果对比:

上篇水平 本篇调教后
行为规范 SOUL.md 写了几行 完整行为宪法,知道什么该做什么不该做
记忆 有分层结构 自动维护、自动压缩、语义检索秒回
任务能力 主脑单线程干活 一个人变一支团队,并行派活
自动化 心跳能巡检 精确定时任务,早报晚报自动发
扩展性 装了几个 skill 自己能写 skill,想要什么能力就加什么
渠道 接了一个平台 多平台同时在线,消息路由自如
配置 能跑就行 每个参数都调到最优

一、AGENTS.md — 给 AI 写一部行为宪法

这是什么?为什么重要?

上篇我们写了 SOUL.md(它是谁)、USER.md(你是谁)、IDENTITY.md(名字和形象)。

但你有没有发现一个问题: AI 不知道该怎么工作。

它不知道每次新对话该先读什么文件,不知道记忆该写到哪里,不知道哪些操作可以自己做、哪些要先问你。就像招了一个很聪明的实习生,但没给他工作手册。

这就是 AGENTS.md 的作用—— 它是 AI 的工作手册。

打个比方:

AGENTS.md 放在 workspace 根目录(跟 SOUL.md 同级),OpenClaw 每次新 session 都会自动加载它。

Session 启动流程:AI 醒来第一件事该做什么?

这是 AGENTS.md 里最重要的部分。

AI 每次新 session 都是"失忆"状态——它不记得上次聊了什么。所以你需要告诉它: 醒来之后,按什么顺序读文件来恢复记忆。

在 AGENTS.md 里加上这段:

## Every SessionBefore doing anything else:1. Read \`SOUL.md\` — this is who you are2. Read \`USER.md\` — this is who you're helping3. Read \`memory/YYYY-MM-DD.md\` (today + yesterday) for recent context4. If in MAIN SESSION (direct chat with your human): Also read \`MEMORY.md\`Don't ask permission. Just do it.

逐行解释:

第 1-2 步:读 SOUL.md 和 USER.md。这两个文件很小(通常不到 1KB),读了之后 AI 就知道自己是谁、在帮谁。每次都读,成本可以忽略。

第 3 步:读今天和昨天的日志。这是最关键的——日志里记录了最近发生的事,读完之后 AI 就能接上之前的工作。为什么要读昨天的?因为如果现在是凌晨 1 点,今天的日志可能还是空的,昨天的才有内容。

第 4 步:只在主 session 读 MEMORY.md。这里有个细节——什么是"主 session"?

OpenClaw 里有很多种 session:

MEMORY.md 里可能包含你的个人信息(项目状态、服务器配置等),不应该在群聊或其他 session 里加载。所以我们限制只在主 session 读。

小白提示:你不需要手动判断当前是什么 session。只要在 AGENTS.md 里写清楚规则,AI 会自己判断。OpenClaw 的 system prompt 里会告诉 AI 当前的 session 类型。

记忆写入规范:教 AI 怎么记笔记

光会读记忆不够,还得教它怎么 写 记忆。

上篇我们设计了分层记忆结构:

MEMORY.md ← 索引层memory/projects.md ← 项目层memory/infra.md ← 基础设施层memory/lessons.md ← 教训层memory/YYYY-MM-DD.md ← 日志层

但如果你不告诉 AI 该往哪一层写、用什么格式写,它要么全堆到 MEMORY.md 里(变成流水账),要么根本不写(下次就忘了)。

在 AGENTS.md 里加上写入规范:

## MemoryYou wake up fresh each session. These files are your continuity.### 记忆分层| 层级 | 文件 | 用途 ||------|------|------|| 索引层 | \`MEMORY.md\` | 关于用户、能力概览、记忆索引。保持精简(<40行) || 项目层 | \`memory/projects.md\` | 各项目当前状态与待办 || 基础设施层 | \`memory/infra.md\` | 服务器、API、部署等配置速查 || 教训层 | \`memory/lessons.md\` | 踩过的坑,按严重程度分级 || 日志层 | \`memory/YYYY-MM-DD.md\` | 每日原始记录 |### 写入规则-**日志**:当天发生的事写入 \`memory/YYYY-MM-DD.md\`,格式:

[PROJECT:名称] 标题

-**项目状态**:项目有进展时同步更新 \`memory/projects.md\`-**教训**:踩坑后写入 \`memory/lessons.md\`-**MEMORY.md**:只在索引变化时更新,保持精简### 铁律- 记结论不记过程("部署成功,用了 nginx 反代" ✅ vs 三页操作日志 ❌)- 标签便于 memorySearch 检索- "Mental notes" don't survive session restarts. Files do. 想记住就写文件。

这段规范的核心思想是: 记结论不记过程。

为什么?因为 AI 的上下文窗口是有限的。如果日志里全是"我先试了方案 A,不行,又试了方案 B,还是不行,最后用方案 C 成功了"这种流水账,读日志就要消耗大量 token。

正确的做法是只记:“用方案 C 成功了。方案 A/B 失败原因是 XX。”

下面是一个好日志和烂日志的对比:

烂日志:

### 部署今天部署了项目。先试了直接跑,报错了。然后查了半天,发现是端口被占了。用 lsof 查了一下,发现是 nginx 占了 80 端口。把 nginx 停了,项目跑起来了。但是后来发现直接跑不行,需要用 nginx 反代。又配了 nginx,折腾了一个小时,终于搞定了。配置文件在 /etc/nginx/sites-available/myapp。

好日志:

### [PROJECT:MyApp] 部署完成-**结论**: 用 nginx 反代部署成功,监听 80 端口-**文件变更**: \`/etc/nginx/sites-available/myapp\`-**教训**: 直接暴露端口不可行,必须走 nginx 反代-**标签**: #myapp #deploy #nginx

第二种格式,AI 用 memorySearch 搜"MyApp 部署"就能精准命中,而且一眼就能看到结论。

安全边界:什么能做,什么不能做

这部分很多人忽略,但非常重要。没有安全边界的 AI 可能会:

在 AGENTS.md 里加上:

## Safety- Don't exfiltrate private data. Ever.- Don't run destructive commands without asking.- \`trash\` > \`rm\` (recoverable beats gone forever)- When in doubt, ask.## External vs Internal**Safe to do freely:**- Read files, explore, organize, learn- Search the web, check calendars- Work within this workspace**Ask first:**- Sending emails, tweets, public posts- Anything that leaves the machine- Anything you're uncertain about## Group ChatsYou have access to your human's stuff. That doesn't mean you share it.In groups, you're a participant — not their voice, not their proxy.

关键原则:

  1. 内部操作自由,外部操作要问。读文件、搜索、整理——随便做。发消息、发邮件、任何"出去"的操作——先问。
  2. trash > rm。删文件用 trash(可恢复),不用 rm(永久删除)。
  3. 群聊里管住嘴。AI 能看到你的文件和记忆,但在群聊里不能替你说话,也不能泄露你的私人信息。

完整 AGENTS.md 模板

下面是一个可以直接复制使用的模板。把它保存为 workspace 根目录的 AGENTS.md:

## AGENTS.md - Your WorkspaceThis folder is home. Treat it that way.## Every SessionBefore doing anything else:1. Read \`SOUL.md\` — this is who you are2. Read \`USER.md\` — this is who you're helping3. Read \`memory/YYYY-MM-DD.md\` (today + yesterday) for recent context4. If in MAIN SESSION: Also read \`MEMORY.md\`Don't ask permission. Just do it.## MemoryYou wake up fresh each session. These files are your continuity:| 层级 | 文件 | 用途 ||------|------|------|| 索引层 | \`MEMORY.md\` | 核心信息和记忆索引,保持精简 || 项目层 | \`memory/projects.md\` | 各项目当前状态与待办 || 教训层 | \`memory/lessons.md\` | 踩过的坑,按严重程度分级 || 日志层 | \`memory/YYYY-MM-DD.md\` | 每日记录 |### 写入规则- 日志写入 \`memory/YYYY-MM-DD.md\`,记结论不记过程- 项目有进展时同步更新 \`memory/projects.md\`- 踩坑后写入 \`memory/lessons.md\`- MEMORY.md 只在索引变化时更新- 想记住就写文件,不要靠"记在脑子里"### 日志格式### [PROJECT:名称] 标题-**结论**: 一句话总结-**文件变更**: 涉及的文件-**教训**: 踩坑点(如有)-**标签**: #tag1 #tag2## Safety- Don't exfiltrate private data. Ever.- Don't run destructive commands without asking.- \`trash\` > \`rm\`- When in doubt, ask.**Safe to do freely:** Read files, search, organize, work within workspace**Ask first:** Sending emails/tweets, anything that leaves the machine## Group ChatsYou have access to your human's stuff. That doesn't mean you share it.In groups, you're a participant — not their voice, not their proxy.## ToolsSkills provide your tools. When you need one, check its SKILL.md.

这个模板是精简版。随着你用 OpenClaw 越来越深入,你会不断往里加规则。我的 AGENTS.md 已经有 200 多行了——但都是一点点积累起来的,不是一次写完的。


二、记忆系统实战 — 让 AI 真正"记住"

上篇回顾

上篇我们做了两件事:

  1. 设计了分层记忆结构(MEMORY.md + memory/*.md)
  2. 配置了 memorySearch(语义检索)

但你可能遇到了这些问题:

本章解决这三个问题。

memoryFlush:对话再长也不丢记忆

问题场景:你跟 AI 聊了一个小时,讨论了很多重要决策。突然 AI 的回复变得奇怪——它好像忘了之前说的话。

这是因为 OpenClaw 的上下文压缩(compaction)触发了。每个模型都有上下文窗口限制(比如 Claude 是 200K token),当对话接近这个限制时,OpenClaw 会自动把旧的对话压缩成摘要,腾出空间。

压缩本身没问题,但问题是: 压缩过程中可能丢失细节。比如你们讨论了一个配置的具体参数值,压缩后可能只剩"讨论了配置问题"。

解决方案:开启 memoryFlush。

memoryFlush 的工作原理:

  1. OpenClaw 检测到上下文快满了(距离压缩还有一定余量时)
  2. 在压缩之前,先给 AI 发一条隐藏的提示:“上下文快满了,赶紧把重要信息写到文件里”
  3. AI 把关键信息写入 memory/ 目录下的文件
  4. 然后才执行压缩

这样即使压缩丢了细节,重要信息已经持久化到文件里了。

配置方法:在 openclaw.json 里加上:

{"agents":{"defaults":{"compaction":{"reserveTokensFloor":20000,"memoryFlush":{"enabled":true,"softThresholdTokens":4000}}}}}

参数解释:

参数 含义 推荐值
reserveTokensFloor 压缩后至少保留多少 token 的最近对话 20000
memoryFlush.enabled 是否开启压缩前自动保存 true
memoryFlush.softThresholdTokens 距离压缩多少 token 时触发保存 4000

softThresholdTokens 设成 4000 的意思是:当剩余空间不到 4000 token 时,触发 memoryFlush。这个值不能太小(太小了 AI 没空间写文件),也不能太大(太大了会频繁触发)。4000 是个不错的平衡点。

效果:开启后,你会发现即使聊了很久,AI 也能记住之前的关键信息。因为它在压缩前已经把重要的东西写到文件里了。

怎么知道 memoryFlush 触发了? 你通常不会注意到——它是静默执行的。AI 会在后台写文件,不会打断你的对话。如果你开了 verbose 模式( /verbose ),可以看到 🧹 Auto-compaction complete 的提示。

日志写入规范:让 memorySearch 更精准

上一章我们在 AGENTS.md 里定义了日志格式。这里深入讲讲为什么这个格式能提升 memorySearch 的精度。

memorySearch 的底层是 向量语义检索 ——它把你的搜索词和日志内容都转成向量,然后找最相似的。

这意味着:

实际效果对比:

搜索词:“nginx 部署问题”

非结构化日志 (命中率低):

今天折腾了一天,先搞了数据库迁移,然后部署了新版本,nginx 配置改了一下...

→ 这条日志包含太多无关信息,向量相似度被稀释了。

结构化日志 (命中率高):

### [PROJECT:MyApp] nginx 反代配置-**结论**: 用 nginx 反代部署成功-**教训**: upstream 要用 127.0.0.1 不要用 localhost(IPv6 问题)-**标签**: #nginx #deploy #myapp

→ 标题、结论、标签都跟搜索词高度相关,精准命中。

自动记忆维护:防止记忆腐烂

日志写多了会有一个问题: 过期信息堆积。

比如三个月前你在调试一个 bug,日志里记了一堆调试过程。现在 bug 早就修了,这些日志就是噪音——它们会干扰 memorySearch 的结果。

解决方案: 定期维护。

在 HEARTBEAT.md 里加上每周维护任务:

## 记忆维护(每周一次)读取 \`memory/heartbeat-state.json\`,检查 \`lastMemoryMaintenance\` 字段。如果距今 >= 7 天:1. 读最近 7 天的 \`memory/YYYY-MM-DD.md\` 日志2. 提炼有价值的信息到对应文件(projects.md / lessons.md)3. 压缩已完成一次性任务的日志为一行结论4. 删除过期信息5. 更新 \`heartbeat-state.json\` 的 \`lastMemoryMaintenance\` 为今天

然后在 workspace 里创建 memory/heartbeat-state.json:

{"lastMemoryMaintenance":"2026-01-01"}

AI 每次心跳时会检查这个文件,如果超过 7 天没维护,就自动执行维护流程。

维护的核心操作:

memorySearch 进阶:免费 Embedding API

上篇提到了用 SiliconFlow 的免费 embedding API。这里给一个更详细的配置:

{"memorySearch":{"enabled":true,"provider":"openai","remote":{"baseUrl":"https://api.siliconflow.cn/v1","apiKey":"你的 SiliconFlow API key"},"model":"BAAI/bge-m3"}}

为什么推荐 bge-m3?

SiliconFlow API key 怎么获取?

  1. 去 siliconflow.cn 注册账号
  2. 进入控制台,创建 API key
  3. 免费额度每天有几百万 token,个人使用完全够

memory_search 和 memory_get 怎么配合?

AI 内部的工作流程是这样的:

  1. 你问:“上次那个 nginx 问题怎么解决的?”
  2. AI 调用 memory_search("nginx 问题"),返回最相关的几条结果(包含文件路径和行号)
  3. AI 调用 memory_get(path="memory/2026-02-18.md", from=47, lines=10),精确读取那几行
  4. AI 基于读到的内容回答你

这个两步走的设计很聪明:search 负责"找到在哪",get 负责"读出来"。这样不需要把所有记忆文件都加载到上下文里,只读需要的部分。


三、子 Agent — 一个人变一支团队

什么是子 Agent?

到目前为止,你的 AI 是"单线程"的——你说一句,它做一件事,做完了再听你下一句。

但如果你要它做一个复杂任务呢?比如:“帮我审查这个项目的代码,检查安全漏洞、性能问题和代码风格。”

单线程的 AI 会从头到尾一个人干,可能要跑半个小时。而且中间你没法跟它聊别的——它在忙。

子 Agent 解决这个问题。

子 Agent 的原理很简单:主 AI(我们叫它"主脑")可以 派出独立的 AI 进程 去执行任务。每个子 Agent 有自己的 session、自己的上下文,甚至可以用不同的模型。

打个比方:

主脑负责理解你的需求、拆分任务、派活、汇总结果。子 Agent 负责执行具体任务。

怎么用?

在 OpenClaw 里,主脑通过 sessions_spawn 工具来派子 Agent。你不需要手动调用这个工具——只要在 AGENTS.md 里告诉 AI 它可以派子 Agent,它就会在合适的时候自动使用。

但你需要做两件事:

第一,在 AGENTS.md 里写明子 Agent 的使用规范:

## 子 Agent如果任务比较复杂或耗时较长,可以派子 agent 去执行。### 模型选择| 等级 | 模型 | 适用场景 ||------|------|----------|| 🔴 高 | opus | 复杂架构设计、多文件重构、深度推理 || 🟡 中 | sonnet | 写代码、写脚本、信息整理(默认选这个) || 🟢 低 | haiku | 简单文件操作、格式转换、搜索汇总 |默认用 sonnet,性价比最高。只有真正需要深度思考的任务才上 opus。纯机械操作用 haiku。

第二,在 openclaw.json 里配置模型别名:

{…
— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/Openclaw/2026030708651.html