OpenClaw最大误区-你想把所有活都交给它

刚开始用 OpenClaw 的时候，我相信很多人特别上头。

接微信，接飞书，不停的发号指令，恨不得把所有的事情都交给它做，好像真的拥有了一个 24 小时在线的 AI 助理。

但真养一段时间后，就会发现，养虾哪有那么容易！

今天它把事情做对了，你觉得自己驯化成功了；明天它又跑偏，你开始怀疑到底是它脑子抽抽，还是我脑子抽抽。

养到后面我越来越觉得，养虾不难，最难的是，到底要把什么交给它来干。

 1.最适合交给虾的，是你会做但懒得重复做的事 

用了一段时间 OpenClaw 之后，我越来越觉得，最适合交给虾的，并不是那些特别新、特别难、特别考验临场发挥的事，而是你自己已经会做，甚至已经做得挺顺了，只是懒得一遍遍重复做的事。

比如整理固定格式的表格、每天生成一份简报、按固定步骤搜集信息，或者把几段已经验证过的流程稳定地串起来跑完。

这类事情有个共同点：你对结果要长什么样，心里其实很清楚；步骤大致是固定的；判断标准相对稳定。

这种时候，你需要一定是一个能不嫌烦、愿意一直按流程干活的助理，从这个角度看，虾其实很合适。

但另一类事情，交给虾通常就没那么顺，比如你自己都还没想清楚到底要怎么做，流程今天改一次、明天改一次，连“什么算做好”都还在摇摆，这时候把任务一股脑丢给虾，很多时候并不会让事情变清楚，反而只会把原本的混乱继续放大。

 2. skill、agent、multi-agent，并非难度升级关系 

一开始我也很容易把这几个东西理解成一种“难度递进”：简单任务用 skill，复杂一点用 agent，再复杂一点就上 multi-agent。

但后来我发现，这样理解其实不太对，它们的区别并不是谁更能解决复杂问题，而是谁更适合哪类问题。

我们可以把自己想象成一家餐厅的老板，这几个概念就会好理解很多。

tools 像烤箱、刀具、收银机，是店里实际干活要用到的工具；

skill 像菜谱、备菜流程、出餐标准，它规定了每一类活应该如何做；

agent 像店长，知道客人要什么，也知道该按什么流程、调哪些工具；

sub-agent 像店里临时分出来专门处理外卖单的员工，只负责处理外卖单；

multi-agent 则像你开了好几家店，每家店都有自己的店长、后厨习惯、库存和工作方式，彼此分开，各管各的。

这么一想，这几者之间的关系就清楚多了。

skill 解决的是固定流程问题。这些事本身不复杂，但步骤很清楚、标准也比较稳定，比如处理某类表格、发固定格式的日报、执行一套明确的检查流，这类事我现在会优先考虑做成 skill。

因为 skill 最大的价值就是稳定。

但只要事情开始需要理解上下文、判断先后顺序、调用多个工具，甚至把几步任务串起来跑完，就要开始用 agent 了。

这时候，LLM 像店长的大脑，先判断客人真正要的是什么，再决定先做什么、后做什么，要不要调别的工具来配合；tools 负责真正动手，skill 负责提供稳定做法，而 agent 则把这些能力组织起来，让整件事能通过组织分工把结果交付。

至于 multi-agent，我现在更愿意把它理解成：真要长期开几家不同类型的店时，再上。

比如一家做西餐，一家做日料，一家做中餐。每家店都有自己的菜单、后厨 SOP、工作区和运营习惯，大家各管各的，互相别串味。

 3. 别什么都靠聊天框说，固定流程一定写进文件里 

这是我养虾之后感受最深的一点。

刚开始用的时候，我很依赖聊天框，想到什么就说什么，发现它做错了，再补一句；下次又错，再补一句。

这种方式真的很累...

原因是，聊天框更像临时沟通，今天说了，它记住了；若是明天开启了新会话，它可能又忘记了。

后来我发现，如果真的想让你的虾稳定做事，最好把要求写进原始文件。

例如，对那些已经验证过、以后还要反复做的事，直接改 SKILL.md、AGENTS.md、SOUL.md 这些文件。

我自己做每日AI内容推送时，就踩过这种坑，聊天里明明说过很多遍，格式、结构、重点都讲得不算少，但它还是会时不时跑偏，有时时间搞错了、有时发错群里、有时搜索源错了。

每次说它错了，它都态度诚恳，还表明下次不会再犯了，但他下次一定会再犯的...

后来直接去改相关的 skill 文件，就稳定多了。

所以我现在的习惯是：一次性的事，聊天里说；还在试的事，先边聊边改；已经跑顺、以后要长期做的事，尽量写回原始文件里。

 4. memory 很重要，但并不是啥都往里写 

刚开始用 memory 的时候，很容易走到另一个极端：既然它能记，那就多记一点。

今天的偏好记一下，明天的想法记一下，临时冒出来的小任务记一下，一次性的结论也顺手塞进去，总觉得“先记着，说不定以后用得上”。

但用了一段时间后我发现，memory 变多，并没有让虾更懂我，反而让它的“大脑”越来越臃肿、越来越混乱，很多时候甚至会开始乱用记忆。

所以我后来专门给它设了一个每天 23:00 的定时任务。

第一步，是让当天的日记 memory 从会话里抽取真正有价值的内容，比如 skill 文件的配置修改、我的对话偏好、任务进度这类会持续影响后续协作的信息；

第二步，是让虾再去 review 长期 memory 文件，把当天值得保留的内容重新整理后融进去，而不是简单追加。

这样做的好处是，memory 能持续更新，但不会一路失控地越堆越厚。

该留下的留下，该合并的合并，该删掉的删掉，尽量把长期 memory 控制在一个精简、清楚、真正可用的状态里，也顺便减少 token 消耗，避免上下文越来越重，最后把自己也绕晕了。

 最后 

最近对养虾真的祛魅了，养虾没有媒体平台上说的那么厉害，什么7x24小时数字员工、80%的工作都交给虾了...

首先，普通人哪有那么多事情需要7x24小时的干...

其次，养虾真不是一个一蹴而就的事情，而是需要时间、精力去调教的，99%的人其实没什么耐心调教；

最后，一定不要把虾当成一个万能聊天机器人，它是一个需要长期磨合的数字助理，需要我们持续的给它划边界、定规则，帮它整理能力和记忆。