折腾 OpenClaw 三个月,我把踩过的坑全写下来了

从春节初次上手，到最近和 DeepSeek V4 的深度磨合，OpenClaw 给我的感受就像带一个能力很强但无比鲁莽的初级员工。它可以跨天执行长任务，但必须时刻提防它的“自信”和“幻觉”。本文是我真实的阶段复盘、六类核心问题及解决方案，以及必须吃透的几个概念。

一、我的使用历程与阶段评价

1. 探索期 （2026 年 1-2 月，DeepSeek V3.2）

春节期间试水，整体感觉很一般。

槽点：记忆极差，代码完成度低。多智能体、子智能体这些概念听着炫，实际没带来效率提升。

原因猜测：底层模型（DS V3.2）指令跟随和长上下文能力不够，撑不起复杂的智能体架构。

2. 弃坑期 （2026 年 3 月）

OpenClaw 当时宣布重大更新，我满怀期待重试。

结果：记忆系统依然拉胯，跨会话的连续性没本质改善，直接弃了。

3. 复苏与深入期 （当前，DeepSeek V4 + 元宝）

转折点来了——底层模型升级到 DeepSeek V4，配合元宝作为对话窗口，突然能用了。但必须找准定位：一个能力强却很鲁莽的“初级员工”。

• 长程任务能力初显：确实能跨越多轮会话干活儿了，但你得不断识别它的能力边界，不能过度信任它的自动完成能力。
• 对你的汇报永远要有质疑：它很擅长交作业，但结论经常不靠谱。有效的用法是把质疑当习惯，通过追问和挑战，逼它深度反思。
• 代码适用性：探索性、实验性代码可以丢给它；但通用性强、关键的基础代码，必须人工 Review。

二、六大核心问题与应对方案

进入深入使用期，我把主要问题归纳为六类，并给出已验证或正在探索的解法。这些问题背后，都藏着 OpenClaw 机制设计的特点。

1. 失忆

• 症状：前一天让它运行的任务，第二天问进度，它一脸茫然。只有当你明确提醒、去检查，它才慢慢想起来。
• 机理：记忆系统的固有缺陷。默认只加载当前和前一天简单记忆，缺乏跨天的任务追踪和状态更新。
• 已尝试方案：
• 开启 Dreaming（梦境系统），将日记忆整理成持久主记忆。
• 开启 Active Memory 插件。
• 增加 Heartbeat 机制，让它定期主动汇报任务状态。 代价：模型响应时间明显变长，因为记忆检索和整合增加了开销。

2. 能力边界不清

• 症状：对长任务，它拍胸脯说“已经在跑了，大概 2-3 小时后通知你”，但实际上它根本无法异步主动通知。
• 机理：它对自身运行环境无感。世界对它来说是“请求-响应”模式，不可能脱离当前会话上下文主动“苏醒”。
• 方案：
• 永远怀疑它的“未来承诺”，当场验证。
• 明确要求长任务必须走 Cron 定时任务或子智能体来触发、监控。 代价：实际运行中，它还是会偷偷在主会话里跑长任务，需要反复纠正。

3. 解决问题急躁

• 症状：还没等你确认，它自己就动手干了。放着现成的数据框架不用，非要另写一套；或表面上答应遵循框架，其实只在接口层包装，底层逻辑全绕开。
• 机理：模型倾向走最直接、“最自信”的路径，缺对项目架构的理解。自己也很难真正总结教训并复用。
• 方案：暂无完美的自动化。主要靠人工：建立反复确认的交互模式，遇到关键架构决策，打断并强行对齐。
• 代价：这正是人工 Code Review 最值得花时间的地方。

4. 中途不搭理人

• 症状：任务跑起来后，你发现输出不对，叫它停下，它充耳不闻，继续跑到结束。
• 机理：模型在一次工具调用中有“惯性”，无法实时被打断。你的停止指令只能等它下一次轮询时读到。
• 方案：约定原则——预估耗时较长的任务，必须强制编排到子智能体里执行，别阻塞主会话。
• 代价：需要精准的指令和约束框架。

5. 似是而非

• 症状：你让它创建一个“长期存在的 Agent”，结果它只是在当前会话弄了个模拟的子智能体，任务结束就消失，压根没有独立身份和记忆。
• 机理：混淆了 Agent（持久化配置）和 Sub-agent（一次性临时工）。
• 方案：创建后必须核对清单：
• 有独立 Workspace 吗？
• 能产生独立 Session 历史吗？
• 配置了独立 Memory 吗？
• 若不满足，就是假的。
• 代价：得手动查目录和配置是否真的生成了。

6. 数据幻觉

• 症状：让它调用数据验证某个策略，它汇报“一切正常”。事后检查才发现数据是错的，或逻辑被跳过了。
• 机理：在“获取-验证-汇报”的长链条里，模型易在中途虚构，倾向于给出你期望的答案。
• 方案：仍在探索。当前只能靠反复沟通、质疑，关键代码和数据路径必须人工抽查。
• 代价：这是模型底层能力问题，工程手段根治不了，使用者必须始终保持警觉。

三、必须搞懂的 OpenClaw 核心概念

上述问题的根源，其实都藏在这些概念里。快速扫一遍，方便对症下药。

1. Session (会话)

• 本质：一次持续对话的记录单位，以追加的 .jsonl 文件存储在 ~/.openclaw/agents/<AgentID>/sessions/ 下。
• 隔离性：不同平台、不同群组/私聊、不同 Agent，会生成独立的 Session 文件。
• Special Sessions：
• Cron 任务：每次触发产生独立 Session。
• Sub-agent：执行期间有临时独立 Session。
• Compact 机制：不会开启新 Session，仅在当前文件内写入摘要并截断上下文，不影响会话 ID。
• 重启/断连：可能导致开新 Session，原因是原会话 ID 未能恢复。元宝的断连常与内存占用过高被杀进程有关。

2. Context (上下文)

• 本质：每次调用模型前，临时动态组装的完整文本块。
• 构成：System Prompt + 记忆文件(MEMORY.md) + 最近若干轮对话历史 + 工具返回结果 + …。
• 关键影响：上下文长度和内容质量直接决定了模型的回应质量。新会话的上下文中没有历史对话。

3. Memory (记忆)

• 文件体系：
• MEMORY.md：跨会话持久的“主记忆”，Dreaming 系统会定期清理整合。
• YYYY-MM-DD.md：每日记忆，记录当日重点。
• 加载模式：会话启动时，自动注入当前和前一天日记忆。这是导致“记忆丢失”的根源。
• 写入触发：用户明确要求记住，或通过 Memory Flush 从长上下文中自动提炼。
• Dreaming (梦境)：模拟人类睡眠整理记忆，将日记忆提炼压缩进主记忆，是解决失忆的关键功能，但会消耗 Token 和时间。

4. Agent vs. Sub-agent (智能体)

• Agent (智能体)：长期员工。拥有独立的配置、记忆、sessions 历史。适合持续跟踪的项目或特定领域。
• Sub-agent (子智能体)：一次性临时工。创建 → 执行特定任务 → 返回结果摘要 → 消亡。没有记忆，不跨会话。非常适合处理限定范围内、可观测的独立任务。

5. Workspace & 路由规则

• Workspace：Agent 眼中的文件系统根目录，即它能直接操作代码和文件的地方。
• 路由：agent:main:feishu:group:xxx 这样的会话标识，精确描述了某条消息应由哪个 Agent 在哪个平台的哪个聊天中处理。

常见提醒

• 查群聊记录：去 sessions/ 下找对应文件，用 head/tail 或 jq 看 .jsonl。
• Compact 后能找回历史吗？ 摘要仅是上下文截取，原始历史仍在文件前半段。
• 防频繁断连：限制 maxContextTokens、maxHistoryRounds，开启 compact 和 memory flush 降内存；检查网络和模型服务稳定性。

写在最后

OpenClaw 目前的状态，像一把需要握紧缰绳的“半自动工具”。它让探索和实验的效率成倍提升，但你必须全程坐在驾驶位，不能让它变成脱缰的副驾。如果你也正在踩坑，欢迎留言交流，一起驯服这个能力很强的“初级员工”。