夜雨聆风
让OpenClaw从玩具变成生产可用,只需一步|内测邀请
作者：张海立，LangChain & OceanBase Ambassador
OpenClaw能聊能查能调工具，但真放到工作流里，几个硬伤越来越明显：
-
说过的话记不住。 上周让Agent分析完竞品，今天问”那三家公司的定价策略对比”，它让我重新发材料。 -
重复任务得手动催。 每天让Agent整理日报，得自己记着说，忘了一天就断档。 -
团队没法共用。 同事想接我的飞书机器人，要么给服务器SSH，要么手把手教配JSON。
这些问题不是OpenClaw没有能力，是缺一层把能力组织起来的基础设施。于是我做了ClawMaster——让OpenClaw从”能跑”变成”能干活”。
GitHub：https://github.com/openmaster-ai/clawmaster
诚邀试用： 有bug直接提Issue
ClawMaster——让OpenClaw从”能跑”变成”能干活”
说过的话都记得
OpenClaw默认记忆是文件式：MEMORY.md加一堆memory/*.md。用久了之后：
-
想找上周讨论的某个方案，不知道在哪个文件 -
文件膨胀，加载越来越慢，Agent响应卡 -
换了台机器，记忆没带过来，从零开始
ClawMaster接入了OceanBase开源的记忆引擎PowerMem（ob-labs/memory-powermem，也可独立作为OpenClaw的插件使用），变成结构化查询：可查询、可按 agent 隔离、带遗忘曲线。
-
FTS5全文搜索：直接搜关键词，不用翻文件堆 -
工作空间隔离：项目A的记忆不会混进项目B的上下文 -
auto-capture/auto-recall：每轮对话自动存，下一轮自动召回相关记忆 -
跨设备同步：HTTP模式连共享服务，团队共用一套记忆
现在的workflow：周一让Agent读完10篇论文，提取的要点自动进库。周三问”那篇讲RAG优化的方法”，直接召回，不用重新发PDF。
让Agent自己干活
每天手动催Agent出日报？ClawMaster里有Cron定时任务，调的就是OpenClaw Agent。
-
成本日报：内置模板起一条Cron，Agent每天读ClawProbe数据，出Token消耗摘要。立即运行一次就能看到完整闭环。 -
下载量追踪：配好npm/PyPI包名，Agent每周定时抓数据，写进PowerMem。下次跑时先搜历史基线，再决定怎么查——把记忆当时序库用。
更复杂的可以搭技能链。比如我现在的自动化流：
-
每周一早9点，Cron触发Agent -
Agent读PowerMem里的上周todo -
调PaddleOCR技能扫一遍发票文件夹 -
出结构化Markdown，汇总金额，发飞书通知
任务材料在clawmaster-workshop，可复制命令直接跑。
让Agent自我进化
ClawMaster目前已迭代到 v0.4，受 Andrej Karpathy 的构想的启发，我让 LLM 做 Wiki 的主编，读、交叉引用、写，让知识库随着内容注入不断复利。
ClawMaster 的实现（PR #138）把 LLM 接进了 Wiki 的三个核心动作：
-
写入：一条来源牵动 10–15 页。粘一段 Markdown 或贴一个链接进来，LLM 读完之后抽实体、找已有相关页、按需更新 entity / concept 页、补 [[wikilink]]反向引用，顺手把和已有内容冲突的地方标出来。 -
查询：搜索之上做综合。问一个跨来源问题，LLM 基于命中的页生成答案，答案里带 [[wikilink]]引用。满意了一键固化成新的综合页，之后作为一张正式 Wiki 页参与后续查询。 -
进化：浅进化加深进化。浅进化走机械的新鲜度重算和链接图更新；深进化让 LLM 重读过期页、建议修订或标记为被覆盖，并抽样共享 [[wikilink]]的页对之间查事实冲突。
底下做检索的是 PowerMem 的混合索引（语义加 FTS5 关键词），上面 Karpathy 这套模式负责编排 LLM 怎么读、怎么写、怎么应答。两者合起来，Wiki 成了一个会自己长的知识库：内容进来一次，后续每次对话和每次查询都在让它更完整一点。
配合 PowerMem 的 auto-recall，回到 OpenClaw WebUI 日常让 agent 写草稿时，你没贴链接也没提 Wiki，但 agent 写出来的内容带着你沉淀过的观点。
场景落地：ClawMaster现在能干什么
底座搭好之后，一些场景已经跑通，详情可查看workshop。
|
|
|
|
|
|---|---|---|---|
| 文档自动化 |
|
|
|
| 成本管控 |
|
|
|
| 知识沉淀 |
|
|
|
| 定时运维 |
|
|
|
| LLM Wiki |
|
|
|
无论你是OpenClaw个人玩家在培养AI工作助手，还是企业希望OpenClaw更好用，都不妨试一试ClawMaster。首场线下Workshop深圳站已跑完（OCR+记忆+生成式AI配图），后续场次筹备中。
PaddleOCR相关代码已合并：https://github.com/openmaster-ai/clawmaster/pull/125
看看哪种用法适合你
已经跑通OpenClaw的，10分钟叠加ClawMaster。
最快：桌面应用（推荐）
GitHub Releases下对应包，双击安装：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
打开就是设置向导，10分钟跑通第一个机器人。每次push到main会自动打CI包，想追新功能可以下最新构建。
轻量：CLI全局安装
npm i -g clawmaster
clawmaster doctor # 检查环境
clawmaster serve # 启动Web面板
浏览器开http://127.0.0.1:3001，输终端里的token就进。
clawmaster serve --daemon # 后台挂起
clawmaster stop # 停服务
开发者：源码跑
git clone https://github.com/openmaster-ai/clawmaster.git
cd clawmaster
npm install
npm run dev:web # 前后端一起（推荐）
npm run dev # 仅前端（port 3000）
npm run dev:backend # 仅后端（port 3001）
npm run tauri:dev # 桌面版热更新
ClawMaster现在能跑，但离”完美”还差得远。我们诚邀以下贡献者：
-
开发者：UX打磨、文档改进、新手引导流程 -
设计师：产品体验、视觉系统 -
技术写作者：教程、最佳实践 -
测试者：真实场景反馈 -
OpenClaw深度用户：Master Class课程创意
觉得该项目不错，欢迎点赞、收藏、分享，共建：https://github.com/openmaster-ai/clawmaster
如果你有空试试这个工具，欢迎反馈建议，直接在GitHub Discussions开帖，或去OceanBase社区「问答」板块发帖。