OpenClaw 完整指南：從入門到真正用起來
整理版優先睇
調教OpenClaw核心：人格、記憶、Skills、心跳同模型路由，唔係剩係識得傾偈
呢篇文章嘅作者係OpenClaw用家，用咗幾星期，睇咗唔少社區帖，仲踩咗好多坑。佢發現預設設定只係用到兩成潛力，其餘八成收埋喺配置檔案入面。整體結論係：要令OpenClaw真正發揮，必須自己去寫SOUL.md、IDENTITY.md呢啲人格檔案，仲要建立分層記憶、自訂Skills、開心跳機制同模型分級。
文章詳細講咗幾個關鍵環節：人格設定可以令龍蝦由標準客服變成個人拍檔；分層記憶架構（MEMORY.md做索引，配合向量語義檢索）解決長期記憶問題；自家寫Skills比亂裝ClawHub安全好多；心跳機制令龍蝦由被動答問題變成主動巡檢；模型分級（Opus做複雜推理，Sonnet做具體任務）可以慳六成Token。最後畀咗設定清單同避坑貼士。
總括嚟講，OpenClaw嘅設計哲學係畀個框架你，由你定義佢係咩。核心在於理解每個檔案嘅作用，然後按自己需要定製。配置過程唔難，關鍵係搞清楚每個部份點樣配合。
- 調教OpenClaw嘅關鍵係自訂SOUL.md、IDENTITY.md等檔案，賦予佢人格同記憶，唔好剩係用預設
- 分層記憶架構：MEMORY.md做索引，其他分類記憶按需載入，配合向量語義檢索可以做到精準回憶
- 心跳機制令龍蝦由被動答問題變成7x24主動值班，適合定期檢查服務狀態
- 自己寫Skills最安全，ClawHub下載量可以造假，裝之前一定要睇清楚有冇額外代碼
- 模型分級：Opus管複雜推理同協調，Sonnet做具體執行，可以慳六到七成Token成本
開啟記憶沖洗配置對話
跟Openclaw對話：請升級我的OpenClaw記憶配置，在agents.defaults下啓用compaction.memoryFlush.enabled = true，這會在對話壓縮前自動儲存重要記憶。驗證配置之後，如有需要請重啓Gateway以套用變更。請確認：-配置已正確寫入 ~/.openclaw/openclaw.json-沒有 schema 驗證錯誤-重啓後功能正常運作
Memory Search 配置示例
memorySearch: { "enabled": true, "provider": "openai", "remote": { "baseUrl": "你的embedding API地址", "apiKey": "你的key" }, "model": "BAAI/bge-m3" }
模型路由配置示例
models: { "your-provider/strong-model": { "alias": "opus" }, "your-provider/medium-model": { "alias": "sonnet" }, "your-provider/light-model": { "alias": "haiku" } }
內容片段
MEMORY.md ← 索引層：只放最核心的信息和指向其他文件的索引memory/projects.md ← 項目層：每個項目的當前狀態和待辦memory/infra.md ← 基礎設施層：服務器配置、API地址等速查信息memory/lessons.md ← 教訓層：踩過的坑，按嚴重程度分級memory/YYYY-MM-DD.md ← 日誌層：每天發生了什麼畀佢一個人格：由工具變成拍檔
OpenClaw嘅workspace入面有三個關鍵人格設定檔：SOUL.md、IDENTITY.md同USER.md。預設嘅SOUL.md係空嘅，所以龍蝦回覆好似標準客服。改完之後，例如寫「別說很高興幫助您，直接幫」，成個風格即刻正常返。
SOUL.md 定義思維方式同表達習慣
IDENTITY.md 畀佢一個名同emoji，多輪對話一致性高好多
USER.md 寫你嘅時區、技術棧、溝通偏好，避免推薦錯方案
唔好睇小呢啲檔案，有名字嘅AI喺多輪對話中嘅一致性遠超無名嘅。呢步係最直接見效嘅。
建立記憶體系：呢步提升最大
會話壓縮後記憶會消失，冇寫到檔案嘅就等於冇發生過。好多人嘅龍蝦蠢，正正因為唔捨得用Token寫記憶，或者乜都塞曬入MEMORY.md變咗流水賬。
- MEMORY.md只做索引，放最核心嘅信息同指向其他檔案
- memory/projects.md、memory/infra.md、memory/lessons.md等分類存放具體內容
- memory/YYYY-MM-DD.md做日誌，等向量語義檢索可以精準揾返
配合memorySearch向量檢索，效果離譜：你話「上次個部署問題點解決」，龍蝦會語義搜索定位到對應日誌文件嘅具體行，精準回憶。推薦用SiliconFlow嘅免費bge-m3模型做embedding，零成本。
開啓compaction.memoryFlush，對話壓縮前自動儲存重要記憶
Skill擴展：自己寫最安全
Skill本質係一個SKILL.md檔案加可選嘅腳本。龍蝦收到相關請求會自動讀取對應嘅SKILL.md按指引執行。最好用嘅Skills，往往只係一個寫得清楚嘅SKILL.md，話畀Agent點用內置工具。
- 1 視頻下載：發個B站/YouTube連結，自動下載並生成分享連結
- 2 PPT生成：說「幫我做個關於XX嘅PPT」，直接生成.pptx文件
- 3 股票分析：問「XX股票可以買嗎」，跑量化模型畀預測
先停下來想想：用一段清楚嘅自然語言指令，Agent自己搞唔搞得掂？
把龍蝦當成新嚟嘅實習生——步驟寫得夠清楚，佢先至可以穩定執行。模糊嘅指令等於不穩定嘅結果。
Heartbeat心跳：由被動變主動
OpenClaw默認每30分鐘ping一次龍蝦，問佢有冇嘢要做。預設佢只係回個OK，但你可以寫HEARTBEAT.md，話畀佢心跳時檢查啲乜。
- 每次心跳：檢查XX服務是否在線（curl一下），掛咗就通知，但唔好自動重啓
- 每日一次：檢查有冇超過3日未更新嘅項目待辦
- 每週一次：整理最近7日日誌，提煉到長期記憶
心跳解決被動應答，令龍蝦可以自主活動，係佢同普通AI Chat最大分別之一
心跳適合「順便檢查」嘅輕量任務；cron適合精確定時嘅獨立任務（例如每週一早上9點發週報）。將類似檢查合併到同一個心跳，唔好搞到二十個分散Cron。
模型路由：Opus管協調，Sonnet幹活
如果你有多個模型可用，強烈建議配置模型分級：Opus做複雜推理同任務協調，Sonnet做具體執行（成本係Opus嘅1/5）。咁樣同樣任務量，Token消耗可以降六到七成。
大部分日常操作根本唔需要最強模型
配置好後，龍蝦派子Agent時會自動選合適模型。記得配模型Fallback，某服務商限速時可以自動切過去。
工程結構同配置清單
跑落嚟比較順手嘅目錄結構：~/workspace/ 下面放SOUL.md、IDENTITY.md、USER.md、MEMORY.md、ACTIVE-TASK.md、TOOLS.md、HEARTBEAT.md、AGENTS.md，同埋memory/同skills/資料夾。
按優先級做配置：先寫人格檔案（即時見效），再搞記憶結構，然後心跳、Skills、模型分級
避坑：任務執行中改配置會崩；kill進程喺macOS要用unload plist先；敏感操作（發郵件、推文）一定要加人工確認。
唔可以唔講，好多人裝完 OpenClaw，駁返釘釘或者飛書，傾到偈就覺得「搞掂曬」。
講真，嗰啲只係發揮咗佢 20% 嘅潛力。剩低嘅 80%，收埋喺幾個你可能未掂過嘅配置文件入面。
日日玩 OpenClaw 玩咗幾星期，社區帖文睇咗唔少，谷入面又同大家傾咗好多，再加埋自己撞過嘅板——今日整理嚇，將啲真係有用嘅嘢拎出嚟。
預設狀態 vs 調教之後
先睇對比，直接感受嚇個差距有幾大：
差天共地，係咪？下面一步步嚟。
畀佢一個人格：由「工具」變成「拍檔」
OpenClaw 嘅 workspace 入面有三個關鍵嘅人格設定檔：
• SOUL.md— 定義佢嘅諗嘢方式同表達習慣• IDENTITY.md— 名、形象、專屬 emoji• USER.md— 你嘅資訊，等佢更明你
默認的 SOUL.md 基本上係空嘅模板，所以 OpenClaw 覆你嗰陣好似個標準客服——「尊貴嘅用戶您好」嗰種。
改完之後呢？舉個例，我喺 SOUL.md 度寫咗呢幾句：
# 核心原則
- 別說"很高興幫助您"，直接幫
- 允許有自己的觀點和偏好
- 先自己查，查不到再問我
- 簡潔，該詳細時詳細，該簡短時簡短就咁幾行，回覆風格即刻變返正常人講嘢。
IDENTITY.md 更簡單——幫佢改個名，揀個 emoji，佢就有咗「自我認知」。唔好睇少呢樣，有名嘅 AI 喺多輪對話入面嘅一致性遠遠好過冇名嘅。之前文章都提過，靈魂文件解決嘅就係千人千面嘅問題。
USER.md 度寫低你嘅基本資料：時區、技術棧、溝通偏好。咁樣佢唔會半夜 send 訊息畀你，亦唔會同一個 Go 開發者推薦 Java 方案。
建立記憶體系：呢步提升最大
會話一旦壓縮（Compaction），入面嘅記憶就會消失。冇寫落文件嘅，等於冇發生過。
呢個係新用戶最常犯嘅錯誤，冇之一。
之前都講過，人哋嘅 OpenClaw 好聰明，自己嗰個又蠢又鈍？好大可能係「飼養方式」嘅問題——孤寒 Token 消耗，唔捨得用高推理模型累積記憶，寫啲亂七八糟嘅嘢落去，點會唔蠢？
預設嘅 OpenClaw 有個 MEMORY.md，但大多數人唔係唔寫，就係乜都塞曬入去，最後變成無人問津嘅流水帳。
分層記憶架構
我嘅做法：
MEMORY.md ← 索引層：只放最核心的信息和指向其他文件的索引
memory/projects.md ← 項目層：每個項目的當前狀態和待辦
memory/infra.md ← 基礎設施層：服務器配置、API地址等速查信息
memory/lessons.md ← 教訓層：踩過的坑，按嚴重程度分級
memory/YYYY-MM-DD.md ← 日誌層：每天發生了什麼核心諗法：MEMORY.md 淨係做索引，唔堆內容。每次新 session 起動時淨係加載索引，需要具體資訊時先按需讀取。
仲有一個關鍵點：叫 Agent 喺任務執行期間就寫入檢查點，唔好等任務完咗先保存。 中途斷咗乜都揾唔返。記憶係寶貴資產，建議用 git + GitHub 私有倉庫做版本管理，模型運作唔穩定，可能一嘢刪咗記憶或者寫入壞記憶，備份回滾好有必要。
開啓向量語義檢索
配合 OpenClaw 嘅 memorySearch（向量語義檢索），效果好到離譜：
你話「上次嗰個部署問題點解決㗎」，OpenClaw 唔需要翻曬所有日誌，而係語義搜尋 → 定位到 memory/2026-02-18.md 第 47 行 → 精準回憶。
配置範例（openclaw.json）：
"memorySearch": {
"enabled": true,
"provider": "openai",
"remote": {
"baseUrl": "你的embedding API地址",
"apiKey": "你的key"
},
"model": "BAAI/bge-m3"
}推薦用 SiliconFlow 嘅免費 embedding API（bge-m3 模型），零成本就可以有語義記憶。
另外建議開啓 compaction.memoryFlush，上下文就快滿嘅時候，OpenClaw 會自動將重要資訊寫入嗰日嘅日誌，避免長對話導致嘅「失憶」。
開啓方法，同 OpenClaw 講：
請升級我嘅 OpenClaw 記憶配置，喺agents.defaults 下面開啓compaction.memoryFlush.enabled = true，呢個會喺對話壓縮前自動儲存重要記憶。
驗證配置之後，如果有需要請重啓 Gateway 嚟套用變更。
請確認：
-配置已正確寫入 ~/.openclaw/openclaw.json
-冇 schema 驗證錯誤
-重啓後功能正常運作
Skill 擴展：令 OpenClaw 真正「動手做嘢」
OpenClaw 內置咗幾個 skill（天氣、新聞等），但真正強大嘅係自定義 skill。
Skill 本身係一個 SKILL.md 檔案 + 可選嘅腳本/工具。OpenClaw 收到相關請求時會自動讀取對應嘅 SKILL.md，按指引執行。
我用緊嘅幾個：
• 影片下載：send 個 B站/YouTube 連結，自動下載並產生分享連結 • PPT 生成：話「幫我做個關於 XX 嘅 PPT」，直接生成 .pptx 檔案 • 股票分析：問「XX 股票買唔買得」，行量化模型俾出預測 • 新聞摘要：每日自動拎熱點新聞，生成摘要
基本結構：
skills/
my-skill/
SKILL.md ← AI 讀這個文件來了解怎麼執行
script.sh ← 可選的執行腳本
README.md ← 可選的說明文檔SKILL.md 度寫清楚觸發條件、執行步驟、輸出格式。OpenClaw 會嚴格跟住你寫嘅流程嚟做。
關鍵心得
最好用嘅 Skills，好多時只係一個寫得清楚嘅 SKILL.md，話畀 Agent 點樣用內置工具。
幾個例子：
• 瀏覽 Reddit：直接用 web_fetch訪問 Reddit 嘅公開 JSON 接口——任何 Reddit 連結後面加.json就拎到數據• 股票數據： yfinance開箱即用• 網絡調研： web_search+web_fetch覆蓋絕大多數場景
冇鑑權，冇 API Key，冇額外嘅攻擊面。
如果你嘅 Skills 需要兩百行 Python 腳本，先停一停諗嚇：用一段清楚嘅自然語言指令，Agent 自己搞唔搞得掂？
將 OpenClaw 當成一個新嚟嘅實習生——步驟寫得夠清楚，佢先至穩定執行。模糊嘅指令 = 唔穩定嘅結果。
ClawHub 上嘅 Skills，唔好亂裝
呢條單獨拎出嚟講，因為真係好重要。
ClawHub 上有幾百個 Skills，其中相當一部分有問題。之前有人特登用刷量手段將一個帶後門嘅 Skills 頂到下載榜第一，結果七個國家嘅開發者都走去裝——正一韭菜行為。
下載量可以造假。目前嗰啲「信任度」指標基本上都係擺設。
咁點算？自己寫。SKILL.md 本身就係一個 Markdown 檔案，寫清楚指令就得，唔需要任何代碼。
如果某個 Skills 入面帶咗 scripts/ 目錄，有可以執行嘅代碼，裝之前每一行都要自己睇一次。淨係用內置工具（web_fetch、web_search、exec）嘅 Skills，自然比嗰啲附帶 Python 腳本嘅安全得多。
最安全嘅 Skill，係零依賴嗰種。
Heartbeat 心跳機制：OpenClaw 主動做嘢
OpenClaw 有個心跳機制：每隔一段時間（預設 30 分鐘），系統會 ping 一下 OpenClaw，問佢有冇嘢要做。
預設情況下，OpenClaw 收到心跳就回個 HEARTBEAT_OK，乜都唔做。但你可以寫一個 HEARTBEAT.md，話畀佢心跳時要檢查啲咩：
# HEARTBEAT.md
## 每次心跳
- 檢查 XX 服務是否在線（curl 一下）
- 如果掛了，通知我，但不要自動重啓
## 每天一次
- 檢查有沒有超過 3 天沒更新的項目待辦
## 每週一次
- 整理最近 7 天的日誌，提煉到長期記憶咁樣你嘅 OpenClaw 就變成咗一個 7x24 嘅值班員。你瞓覺嗰陣佢喺度巡檢，你起身就睇到報告。
之前講架構嘅時候都講過，心跳解決咗被動應答模式，令 OpenClaw 可以自主活動——呢個係佢同普通 AI Chat 最大嘅分別之一。
heartbeat vs cron 點揀？
• 心跳：適合「順便檢查嚇」嘅輕量任務，可以批量執行 • cron：適合精確定時嘅獨立任務（例如「逢星期一早上 9 點出週報」）
將類似嘅檢查任務合併到同一個心跳入面，唔好搞到二十個分散嘅 Cron Job，淨係會令自己頭痛。
模型路由：Opus 管調度，Sonnet 做嘢
如果你有多個模型可以用（例如經 API 中轉站），強烈建議配置模型分級：
配置範例（openclaw.json）：
"models": {
"your-provider/strong-model": { "alias": "opus" },
"your-provider/medium-model": { "alias": "sonnet" },
"your-provider/light-model": { "alias": "haiku" }
}然後在 AGENTS.md 度寫低分配策略，OpenClaw 派子 agent 時就會自動揀合適嘅模型。
效果：同樣嘅任務量，token 消耗可以降 60-70%。大部分日常操作根本唔需要用最強模型。
社區入面有人分享咗配置，驗證完確實掂：Opus 負責複雜推理同任務協調，Sonnet 負責具體執行（成本係 Opus 嘅 1/5，聚焦任務時表現仲好啲）。呢個都印證咗之前講嘅——高推理模型負責決策並寫入記憶，低推理模型負責日常任務執行。
另外，記得配好模型 Fallback。某個服務商限速嗰陣，你希望 OpenClaw 可以自動切過去，唔係就咁卡死喺度。
工程結構
行落覺得比較順手嘅目錄結構：
~/workspace/
├── SOUL.md # Agent 的人格設定
├── IDENTITY.md # 名字和形象
├── USER.md # 你的信息
├── MEMORY.md # 長期記憶索引
├── ACTIVE-TASK.md # 當前任務的工作記憶
├── TOOLS.md # 本地工具說明
├── HEARTBEAT.md # 定期檢查任務
├── AGENTS.md # 行為規範和安全規則
├── memory/ # 每日日誌和分類記憶
└── skills/ # 自己寫的 Skills呢啲坑遲早會踩到你
幾個容易出問題嘅地方，提前講清楚：
任務執行期間改配置，可能會令佢直接死喺中途。
信 ClawHub 嘅下載量，唔好信。上面講過。
裝之前唔睇 Skills 內容，遲早會蝕底。
叫 Agent 自動 send 電郵或出推文，一定要設定成需要人手確認先執行。我哋一方面想 OpenClaw 有探索精神，另一方面又想佢安全——呢個本身就係矛盾。敏感操作一定要加人手確認，呢個係寫入「基因」嘅安全意識。
用 kill 殺咗個進程，喺 macOS 上，launchd 會自動重新拉起。正確做法係先 unload plist，再 kill。否則就係打地鼠，殺咗又起返。
配置 Checklist
按優先級排：
•寫好 SOUL.md/IDENTITY.md/USER.md（立竿見影）•設計分層記憶結構，開啓 memorySearch•配置 HEARTBEAT.md•自己寫 2-3 個常用 skill（唔好從 ClawHub 亂裝） •配置多模型分級（如果有多個模型可用） •完善 AGENTS.md入面嘅行為規範同安全規則
就係咁多。
核心就幾件事：自己寫 Skills，所有嘢落碟，Opus + Sonnet 組合用，定時任務排入心跳或 Cron，ClawHub 嘅嘢唔好亂裝。
OpenClaw 嘅設計哲學係「畀你一個框架，你嚟定義佢係邊個」。預設配置只係起點，真正嘅價值在於你點樣調教佢。
配置過程其實唔難，關鍵係理解每個檔案嘅作用，然後根據自己嘅需求去定製。其他細節用用嚇自然就會摸清楚。
點睇？快啲動手試嚇啦。
不得不說，很多人裝完 OpenClaw，接上釘釘或飛書，能聊天了就覺得"搞定了"。
說實話，那只是發揮了它 20% 的潛力。剩下的 80%，藏在幾個你可能還沒碰過的配置文件裏。
天天跑龍蝦好幾周了，社區帖子看了不少，羣裏也跟大家聊了很多，加上自己踩的坑——今天整理一下，把真正有用的東西拿出來。
默認狀態 vs 調教後
先看對比，直觀感受一下差距有多大：
天壤之別吧？下面一步步來。
給它一個人格：從"工具"變成"搭檔"
OpenClaw 的 workspace 裏有三個關鍵的人格配置文件：
• SOUL.md— 定義它的思維方式和表達習慣• IDENTITY.md— 名字、形象、專屬 emoji• USER.md— 你的信息，讓它更懂你
默認的 SOUL.md 基本是空模板，所以龍蝦回覆你的時候像個標準客服——"尊敬的用戶您好"那種。
改完之後呢？舉個例子，我在 SOUL.md 裏寫了這麼幾條：
# 核心原則
- 別說"很高興幫助您"，直接幫
- 允許有自己的觀點和偏好
- 先自己查，查不到再問我
- 簡潔，該詳細時詳細，該簡短時簡短就這麼幾行，回覆風格立刻變成正常人說話了。
IDENTITY.md 更簡單——給它起個名字，選個 emoji，它就有了"自我認知"。別小看這個，有名字的 AI 在多輪對話中的一致性遠超無名的。之前文章裏也提過，靈魂文檔解決的就是千人千面的問題。
USER.md 裏寫上你的基本信息：時區、技術棧、溝通偏好。這樣它不會半夜給你發消息，也不會跟一個 Go 開發者推薦 Java 方案。
建立記憶體系：這步提升最大
會話一旦壓縮（Compaction），裏面的記憶就消失了。沒寫到文件裏的，就等於沒發生過。
這是新用戶最常犯的錯誤，沒有之一。
之前也聊過，別人的龍蝦聰明，自己的又蠢又笨？很可能就是"飼養方式"的問題——吝嗇 Token 消耗，不捨得用高推理模型積累記憶，寫入一些亂七八糟的東西，能不笨嗎？
默認的 OpenClaw 有個 MEMORY.md，但大多數人要麼不寫，要麼什麼都往裏塞，最後變成無人問津的流水賬。
分層記憶架構
我的做法：
MEMORY.md ← 索引層：只放最核心的信息和指向其他文件的索引
memory/projects.md ← 項目層：每個項目的當前狀態和待辦
memory/infra.md ← 基礎設施層：服務器配置、API地址等速查信息
memory/lessons.md ← 教訓層：踩過的坑，按嚴重程度分級
memory/YYYY-MM-DD.md ← 日誌層：每天發生了什麼核心思路：MEMORY.md 只做索引，不堆內容。每次新 session 啓動時只加載索引，需要具體信息時再按需讀取。
還有一個關鍵點：讓 Agent 在任務執行過程中就寫入檢查點，別等任務結束才保存。 中途斷了什麼也找不回來。記憶是寶貴資產，建議用 git + GitHub 私有倉庫做版本管理，模型工作不穩定，可能一鍵刪除記憶或寫入壞記憶，備份回滾很有必要。
開啓向量語義檢索
配合 OpenClaw 的 memorySearch（向量語義檢索），效果好到離譜：
你說"上次那個部署問題怎麼解決的"，龍蝦不需要翻遍所有日誌，而是語義搜索 → 定位到 memory/2026-02-18.md 第 47 行 → 精準回憶。
配置示例（openclaw.json）：
"memorySearch": {
"enabled": true,
"provider": "openai",
"remote": {
"baseUrl": "你的embedding API地址",
"apiKey": "你的key"
},
"model": "BAAI/bge-m3"
}推薦用 SiliconFlow 的免費 embedding API（bge-m3 模型），零成本就能擁有語義記憶。
另外建議開啓 compaction.memoryFlush，上下文快滿的時候，龍蝦會自動把重要信息寫入當天日誌，避免長對話導致的"失憶"。
開啓方法，跟Openclaw對話：
請升級我的 OpenClaw 記憶配置，在agents.defaults下啓用compaction.memoryFlush.enabled = true，這會在對話壓縮前自動儲存重要記憶。
驗證配置之後，如有需要請重啓 Gateway 以套用變更。
請確認：
-配置已正確寫入 ~/.openclaw/openclaw.json
-沒有 schema 驗證錯誤
-重啓後功能正常運作
Skill 擴展：讓龍蝦真正"動手做事"
OpenClaw 內置了幾個 skill（天氣、新聞等），但真正強大的是自定義 skill。
Skill 本質是一個 SKILL.md 文件 + 可選的腳本/工具。龍蝦收到相關請求時會自動讀取對應的 SKILL.md，按指引執行。
我在用的幾個：
• 視頻下載：發個 B站/YouTube 連結，自動下載並生成分享連結 • PPT 生成：說"幫我做個關於 XX 的PPT"，直接生成 .pptx 文件 • 股票分析：問"XX 股票能買嗎"，跑量化模型給出預測 • 新聞摘要：每天自動抓取熱點新聞，生成摘要
基本結構：
skills/
my-skill/
SKILL.md ← AI 讀這個文件來了解怎麼執行
script.sh ← 可選的執行腳本
README.md ← 可選的說明文檔SKILL.md 裏寫清楚觸發條件、執行步驟、輸出格式。龍蝦會嚴格按你寫的流程來。
關鍵心得
最好用的 Skills，往往只是一個寫得清楚的 SKILL.md，告訴 Agent 怎麼用內置工具。
幾個例子：
• 瀏覽 Reddit：直接用 web_fetch訪問 Reddit 的公開 JSON 接口——任何 Reddit 連結後面加.json就能拿到數據• 股票數據： yfinance開箱即用• 網絡調研： web_search+web_fetch覆蓋絕大多數場景
沒有鑑權，沒有 API Key，沒有額外的攻擊面。
如果你的 Skills 需要兩百行 Python 腳本，先停下來想想：用一段清楚的自然語言指令，Agent 自己能不能搞定？
把龍蝦當成一個新來的實習生——步驟寫得足夠清楚，它才能穩定執行。模糊的指令 = 不穩定的結果。
ClawHub 上的 Skills，別亂裝
這條單獨拎出來說，因為真的很重要。
ClawHub 上有幾百個 Skills，其中相當一部分有問題。之前有人專門用刷量手段把一個帶後門的 Skills 頂到了下載榜第一，結果七個國家的開發者都跑去裝了——妥妥的韭菜行為。
下載量可以造假。目前那些「信任度」指標基本都是擺設。
那怎麼辦？自己寫。SKILL.md 本質上就是一個 Markdown 文件，寫清楚指令就行，不需要任何代碼。
如果某個 Skills 裏帶了 scripts/ 目錄，有可執行代碼，裝之前每一行都要自己看一遍。只使用內置工具（web_fetch、web_search、exec）的 Skills，天然比那些附帶 Python 腳本的安全得多。
最安全的 Skill，是零依賴的那種。
Heartbeat 心跳機制：龍蝦主動幹活
OpenClaw 有個心跳機制：每隔一段時間（默認 30 分鐘），系統會 ping 一下龍蝦，問它有沒有什麼要做的。
默認情況下，龍蝦收到心跳就回個 HEARTBEAT_OK，啥也不幹。但你可以寫一個 HEARTBEAT.md，告訴它心跳時該檢查什麼：
# HEARTBEAT.md
## 每次心跳
- 檢查 XX 服務是否在線（curl 一下）
- 如果掛了，通知我，但不要自動重啓
## 每天一次
- 檢查有沒有超過 3 天沒更新的項目待辦
## 每週一次
- 整理最近 7 天的日誌，提煉到長期記憶這樣你的龍蝦就變成了一個 7x24 的值班員。你睡覺的時候它在巡檢，你醒來就能看到報告。
之前聊架構的時候也說過，心跳解決了被動應答模式，讓龍蝦可以自主活動——這是它跟普通 AI Chat 最大的區別之一。
heartbeat vs cron 怎麼選？
• 心跳：適合"順便檢查一下"的輕量任務，可以批量執行 • cron：適合精確定時的獨立任務（如"每週一早上 9 點發週報"）
把類似的檢查任務合併到同一個心跳裏，別搞出二十個分散的 Cron Job，那隻會讓自己頭大。
模型路由：Opus 管調度，Sonnet 幹活
如果你有多個模型可用（比如通過 API 中轉站），強烈建議配置模型分級：
配置示例（openclaw.json）：
"models": {
"your-provider/strong-model": { "alias": "opus" },
"your-provider/medium-model": { "alias": "sonnet" },
"your-provider/light-model": { "alias": "haiku" }
}然後在 AGENTS.md 裏寫上分配策略，龍蝦派子 agent 時就會自動選合適的模型。
效果：同樣的任務量，token 消耗能降 60-70%。大部分日常操作根本不需要最強模型。
社區裏有人分享了配置，驗證下來確實好使：Opus 負責複雜推理和任務協調，Sonnet 負責具體執行（成本是 Opus 的 1/5，聚焦任務時表現往往更好）。這也印證了之前說的——高推理模型負責決策並寫入記憶，低推理模型負責日常任務執行。
另外，記得配好模型 Fallback。某個服務商限速的時候，你希望龍蝦能自動切過去，而不是直接卡死在那裏。
工程結構
跑下來覺得比較順手的目錄結構：
~/workspace/
├── SOUL.md # Agent 的人格設定
├── IDENTITY.md # 名字和形象
├── USER.md # 你的信息
├── MEMORY.md # 長期記憶索引
├── ACTIVE-TASK.md # 當前任務的工作記憶
├── TOOLS.md # 本地工具說明
├── HEARTBEAT.md # 定期檢查任務
├── AGENTS.md # 行為規範和安全規則
├── memory/ # 每日日誌和分類記憶
└── skills/ # 自己寫的 Skills這些坑遲早會踩到你
幾個容易出問題的地方，提前說清楚：
任務執行中改配置，可能導致直接崩在中途。
相信 ClawHub 的下載量，別信。上面說過了。
裝之前不看 Skills 內容，遲早吃虧。
讓 Agent 自動發郵件或發推文，務必配置成需要人工確認後才執行。我們既想讓龍蝦有探索精神，又想讓它安全——這本身就是矛盾的。敏感操作一定要加人工確認，這是寫入"基因"的安全意識。
用 kill 殺掉進程，在 macOS 上，launchd 會自動重新拉起。正確的姿勢是先 unload plist，再 kill。否則就是打地鼠，殺了又起來。
配置 Checklist
按優先級排序：
•寫好 SOUL.md/IDENTITY.md/USER.md（立竿見影）•設計分層記憶結構，開啓 memorySearch•配置 HEARTBEAT.md•自己寫 2-3 個常用 skill（別從 ClawHub 亂裝） •配置多模型分級（如果有多個模型可用） •完善 AGENTS.md裏的行為規範和安全規則
就這些。
核心就幾件事：自己寫 Skills，所有東西落盤，Opus + Sonnet 組合用，定時任務排進心跳或 Cron，ClawHub 的東西別亂裝。
OpenClaw 的設計哲學是"給你一個框架，你來定義它是誰"。默認配置只是起點，真正的價值在於你怎麼調教它。
配置過程其實不難，關鍵是理解每個文件的作用，然後根據自己的需求去定製。其他細節跑着跑着自然就摸清楚了。
怎麼樣？趕緊動手試試吧。