夜雨聆风
AI 助手为什么总像刚入职?我在 OpenClaw 里给它搭了个工位
👆 关注我，持续分享 AI 在真实工程中的落地实践
问题不在模型。
而在它根本没有一个固定工位。
有一次，我连续两天让同一个内容助手帮我推进公众号草稿。
第一天，它知道我的账号定位、最近选题、历史文章，甚至知道草稿该放哪里。
第二天，我开了个新会话。
它又开始问：
-
• 你的账号定位是什么？ -
• 这篇和上一篇会不会重复？ -
• 你喜欢什么风格？ -
• 文件要保存到哪？
那一刻我就意识到，问题不是它不够聪明。
而是它根本没有一个稳定的工作环境。
上一篇我写的是， 我怎么用 OpenClaw + 飞书把内容流程串起来。
所以这篇文章，我想讲的不是怎么再写一句更长的 prompt。
我更想讲清楚一件事：
如果你想让 AI 真正进入工作流，你就得先给它一个工作空间。
一、为什么光靠 prompt 不够
很多人以为，AI 助手不稳定，是因为 prompt 不够细。
但 prompt 本质上只解决一件事：
让 AI 在这一轮对话里表现得更像你想要的样子。
它解决不了长期协作。
长期协作需要的是：
-
• 稳定身份 -
• 固定记忆 -
• 明确规则 -
• 清晰产出路径
如果一个同事每天上班都失忆一次，你不会给他一张更长的纸条。
你会给他岗位、手册、资料和流程。
AI 其实也是一样。
它需要的不是更多临时说明，而是一个文件化、结构化、可读写的工作空间。
二、在 OpenClaw 里，Agent 和 workspace 不是一回事
我专门回去翻了 OpenClaw 官方文档。
它对这件事定义得很清楚：
workspace 是 agent 的 home。
它同时承担三件事：
-
• file tools 默认使用的工作目录 -
• workspace context 的来源 -
• agent 的记忆承载位置
所以如果用工程化的话概括：
-
• Agent：负责执行任务的运行角色 -
• workspace：这个角色长期工作的环境、上下文和记忆载体
这两个东西必须配套看。
没有 Agent，这些 Markdown 文件不会自己干活。
没有 workspace，Agent 也很难稳定继承规则、记忆和产出路径。
还有一个边界也很关键：
workspace 不等于 ~/.openclaw/。
后者更像系统后台，放配置、凭证和会话状态。
前者更像协作现场，放规则、记忆、规划、草稿和复盘。
（openclaw 中 Agent 与 workspace 关系图）
三、我现在怎么搭这套 workspace
我现在这套内容助手，工作空间大致是这样：
workspace/├── SOUL.md├── USER.md├── AGENTS.md├── MEMORY.md├── memory/├── knowledge/├── planning/├── drafts/├── reviews/└── assets/
它看起来只是一些 Markdown 文件。
但实际上，我把它拆成了三层。
1. 身份层
这一层是：
-
• SOUL.md -
• USER.md -
• AGENTS.md
它们解决的是：
-
• 它是谁 -
• 我是谁 -
• 应该按什么规则开始工作
这样一来，AI 不需要每次重新理解账号定位和写作边界。
2. 记忆层
这一层我拆成两种：
-
• MEMORY.md：长期稳定事实 -
• memory/YYYY-MM-DD.md：当天决策和上下文
前者放账号定位、内容主线、风格标准。
后者放今天选了什么题、改了什么标题、下一步准备做什么。
这一步非常关键。
因为长期事实和当天决策本来就不是一回事。
混在一起，系统很快就会失焦。
3. 生产层
这一层包括：
-
• knowledge/ -
• planning/ -
• drafts/ -
• reviews/
它解决的是内容生产的完整流转：
-
• 规则从哪里读 -
• 选题从哪里取 -
• 草稿往哪里放 -
• 复盘往哪里记
这时候 AI 就不再只是“吐一段文本”。
它开始知道，结果要落到哪个阶段。
四、一个很具体的协作片段
就拿你现在看到的这篇文章来说。
它并不是“我问一句，AI 回一句”就结束了。
实际流转更像这样：
-
1. 先读 SOUL.md、USER.md、knowledge/writing-style.md，确认账号定位和写作边界 -
2. 再读上一篇已发布文章的结尾，确认这篇要承接“工作空间怎么设计得更稳”这条线 -
3. 草稿落到 drafts/in-progress/ -
4. 压缩和精修后整理到 drafts/ready/ -
5. 复盘结论写进 reviews/optimization-notes.md -
6. 当天的重要决策再记到 memory/2026-03-16.md
这时候你会发现，workspace 真正提供的，不是“让 AI 更有灵感”。
而是让一次内容协作，从开始、推进到沉淀，都有明确落点。
甚至它还有一个很容易被忽略的价值：
可以迁移。
换一台电脑时，带过去的不只是几个 Markdown 文件。
带过去的其实是这个助手的身份、规则、记忆和内容资产。
（工作流程）
五、最后的判断
我越来越相信：
真正决定 AI 助手能不能长期好用的，往往不是模型，而是它有没有自己的工位。
没有工作空间，AI 再强，也容易停留在“这轮会聊，下轮失忆”的层面。
有了工作空间，它才有机会真正进入你的工程系统，开始理解规则、继承记忆、接住产出、积累反馈。
对我来说，这一步真正改变的，不是“写文章更快了”。
而是内容助手第一次从一个临时工具，变成了一个能持续协作的系统角色。
如果你也在尝试把 AI 接进自己的内容工作流，不妨先回去看一眼自己现在的用法：
你给 AI 的，到底是一句 prompt，还是一个工位？
👇关注我，持续分享 AI 在真实工程中的落地实践
往期文章：