踩了7个坑之后，我终于把OpenClaw调教成了理想搭档

现在OpenClaw 热度也下去了，个人也用了2个多月了，说实话，刚开始那几天，我差点就把OpenClaw当成”人工智障”给卸载了。

作为一个AI新兵，按理说我对新工具的容忍度不算低。但OpenClaw这2个月的经历，有惊喜、有崩溃、更多的是”原来还能这样”的恍然大悟。

现在用得挺溜了，回头想想，那些差点劝退我的坑，其实每一个都是让我更懂这个工具的契机。

最崩溃的：昨天配好的Skill，今天就失忆

你有没有过这种感觉？前一天辛辛苦苦配置好的记忆系统、写好的MEMORY.md，第二天打开对话，AI跟从来没见过你一样，一切归零。

我当时真的怀疑自己是不是在跟一条金鱼聊天。

反复配置了三遍之后，我终于搞明白了——这不是AI的锅，是我根本没搞懂OpenClaw的会话机制。它默认是”新鲜会话”模式，每次新开对话都是一张白纸。就像你每次去一家新餐厅，服务员都不认识你，除非你专门告诉他”我是常客，记得我的口味”。

解药其实不复杂：在AGENTS.md里加上启动检查，强制加载MEMORY.md；确保memory目录每天都有新记录；把关键的Skill配置、API Key、工作流统统写进长期记忆。我现在养成了一个习惯——每次配置完新功能，第一件事就是更新MEMORY.md。再也不用当复读机了。

但记忆不连贯带来的连锁反应更坑。

我配置了self-improving-agent，理论上它应该能帮我持续进化、自动学习。结果呢？昨天刚记录的教训，今天就查无此档。这个”自我进化”功能形同虚设，不是因为Skill不行，而是因为记忆链条断了。

修完bug不记等于白修，记完不验等于白记——这句话我现在每天默念三遍。

额外说下，现在用Claude Code，然后装了 Claude-mem plugin 好用多了。彻底解决记忆问题。虽然说Hermes 也说了记忆不错，本地也跑了，也就那样，直接过渡开始使用CC了。

半夜4点有消息，罪魁祸首是时区

设置了早上8点的打卡提醒，结果半夜4点被消息吵醒。

查了半天才发现，OpenClaw的cron默认走的是服务器时区，而Windows系统的时区设置有时候不会自动同步到内部。北京时间8点55分，在cron表达式里得写成"55 0 * * 1-5"——因为UTC时间比北京时间慢了8小时。

这种细节如果不是亲身踩过，谁能想到？

现在我所有的定时任务都会先在HEARTBEAT.md里测试验证，确认时间对了再正式上线。另外，在AGENTS.md里明确加上timezone: Asia/Shanghai，也是个不错的兜底方案。

比时区更隐蔽的坑，是模型Key的”慢性死亡”。

用着用着突然发现AI不响应了，查日志、查网络、查配置，折腾半小时才发现——iflow的免费token过期了（iflow停token有些时间了）。更离谱的是，AI自己完全察觉不到这个问题，它不会主动告诉你”我快没电了”。

我的应对策略是配了一套备用模型方案，当主模型不可用时自动切换。现在后备军有180多个免费模型，token失效这件事基本不会让我措手不及了。

Windows用户专属：窗口的神秘消失术

OpenClaw窗口偶尔会毫无征兆地关闭，没有报错、没有提示，就像被黑洞吸走了一样。

我怀疑这跟Windows 11的内存管理或者PowerShell的稳定性有关，特别是在长时间运行或者高负载情况下容易出现。现在跑了个半小时计划任务，定时去判断Openclaw 的端口是否被占用，没占用就restart。

机器人的”双面人生”：QQ vs 微信

OpenClaw支持QQ和微信两个平台的机器人接入，但体验差距挺明显的。

QQ机器人给我的感觉是紧急赶工出来的，功能不够完善，偶尔还会掉线。微信机器人相对稳定，之前PC端看不到消息的问题，最近更新后也解决了。

我的建议是：优先用微信，QQ作为备选。如果你只需要简单的消息通知，QQ够用；如果想长期稳定使用，微信更靠谱。

不过说实话，这两个平台的差异只是小插曲。真正改变我使用体验的，是最后这个认知升级。

【额外说一句】为什么不用飞书钉钉？ AI机器人是个人用不算是纯生产力工具，还是微信机器人算了。

这是我把其中1个QQ机器人迁移到了Hermes，QQ机器人出现的异常

微信机器人，起了个Star Ω 名字

最重要的顿悟：让AI自己去维护”大脑”

这是我踩了所有坑之后，最值回票价的一个认知。

很多新手（包括刚开始的我）都会犯一个错误：只让AI帮忙做事，却忘了让它更新自己的记忆文件。USER.md、IDENTITY.md、SOUL.md、AGENTS.md、MEMORY.md——这些文件不是静态配置，而是活的文档。

每次有新的认知、配置变更、需求调整，都要及时同步到这些文件里。我现在把”修复+记录”当成一个原子操作来执行：问题解决了，立刻更新所有记忆文件；配置了新的Skill，立刻写进AGENTS.md；发现了一个新的工作流优化点，立刻沉淀到MEMORY.md。

OpenClaw不是一个开箱即用的工具，它是一个需要精心调教的智能伙伴。你花多少心思去配置它、喂养它，它就能回报你多少效率。

一张表总结：从踩坑到避坑

写这篇文章的时候，我把这2个月的经历整理了一下。与其说是一份避坑指南，不如说是我和OpenClaw的”磨合日记”。

最核心的心得就一句话：问题本身不是问题，重复踩同一个坑才是。

自从把记忆系统、定时任务、备用模型、活文档这四件事理顺之后，OpenClaw已经从一个”时不时要重启的半成品”。

每一个坑的背后，都是一个让你变得更懂AI的机会。