小龙虾(OpenClaw)使用小技巧:从入门到上手

上一篇我们聊了如何部署小龙虾和小龙虾能做的事情，这一篇来聊聊日常使用中的实用小技巧。这些命令和设置看似简单，但用好了能让你的 AI 助手体验直接拉满。我将自己最近的使用体验分享给大家，希望能对大家有所帮助。

一、常用命令： 7 个指令

小龙虾的核心交互全靠命令，以下是最常用的 7 个命令：

命令	作用	使用场景
/new	开启新对话	上下文太乱、想重新开始
/reset	重置当前对话	对话卡死、模型跑偏
/compact	压缩对话历史	对话太长、节省 token
/stop	停止当前回复	模型跑偏、想打断
/status	查看状态	看用了多少 token、哪个模型
/kill	杀掉子进程	后台任务卡住
/model list	列出可用模型	查看所有可用的大模型

**实操建议：**

每天开始工作时先 /status 看一眼当前状态

对话超过 50 轮后用 /compact 压缩一下，上下文更干净

模型回答跑偏时，先 /stop，再 /reset，比连续追问更有效

二、开启流式显示：让思考过程可见

默认情况下，小龙虾是"沉默"的——你看不到它的思考过程。开启流式显示后，你能实时看到它在想什么，体验感完全不同。

三个关键设置：

1. Reasoning（推理模式）

开启后，模型会展示推理链，你能看到它"为什么这样回答"。特别适合复杂问题和代码调试。

2. Verbose（详细模式）

开启后，工具调用的完整过程会展示出来——工具名、传入参数、返回结果，一目了然。适合排查问题。

3. Think（思考模式）

部分模型支持展示内部思考过程（如 DeepSeek-R1），能看到块里的推理链。

设置方式：在 OpenClaw 配置中开启 thinking 选项，或通过命令 /reasoning 、/verbos进行切换。

三、安装小插件：两个必备扩展

1. lossless-claw（无损上下文压缩）

这是小龙虾的"记忆压缩器"。对话太长时，它会自动压缩历史记录，同时保留关键信息。

对话历史自动压缩，不再担心 token 爆表

关键上下文不会丢失，模型依然记得之前聊了什么

LCM（Lossless Context Management）是 OpenClaw 的核心特性之一

2. openviking（开放viking记忆系统）

openclaw内置默认有记忆系统，但其只适合日常使用、快速部署、轻量场景，如果你需要重度使用 AI Agent 场景、需要复杂记忆管理，那最好使用openviking；它是一个更高级的记忆系统，能跨会话记住你的偏好和决策，是开源的上下文数据库，支持分层上下文投递、长期记忆管理。

注：以上两个插件都可以从github仓库中获取，将github的网址发给小龙虾，让它自行配置即可；openviking需要使用最新版本的小龙虾才能配置成功，低版本的小龙虾可能会报错“context engine not registered”。

四、主虾/副虾的 Workspace 备份

小龙虾因为功能不是很稳定，迭代速度特别快，会频繁更新；且如果同时运行了多个智能体（主虾+副虾），数据备份就非常重要了。

我就是因为升级了下最新的版本时，升级出错，导致只能卸载重装，以前的数据全部丢失；还好自己做了定时任务，每天凌晨会对小龙虾（主虾+副虾）的workspace中所有文件进行全量备份（不仅仅是几个核心文件，而是全部文件，包含memory/ 日志等）；重装小龙虾后，将workspace文件夹覆盖后，数据都还在，只需进行简单的配置下即可恢复之前的配置。

五、与 n8n 工作流的搭配

为了提高工作效率，我将小龙虾与n8n工作流配合起来，小龙虾负责"思考"——内容加工、分析、决策，n8n 负责"执行"——定时触发、数据搬运、批量处理；两者配合，既有人工智能的灵活，又有自动化的稳定。

分享下创建的n8n工作流案例：“每日反思写入思源”，5个节点搞定：手动触发 → 配置与输入 → 大模型加工反思 → 提取内容 → 写入思源笔记。

在 n8n 编辑「配置与输入」节点，修改今日反思内容
点「Execute Workflow」运行
大模型自动按四维度加工（记录→反思→执行→反馈）
结果自动写入思源笔记中

小龙虾本身擅长对话和代码，但涉及**定时触发、数据流转、多步编排**的场景，n8n 是更好的补充。以下是小龙虾与n8n结合的应用场景分享：

场景	小龙虾负责	n8n 负责
每日反思	内容加工（四维度）	定时触发 + 写入思源
基金日报	分析涨跌、生成报告	每日定时抓取数据 + 推送
RSS 新闻摘要	AI 总结多源新闻	定时抓取 RSS + 聚合
公众号选题	生成选题和大纲	监控热点 + 触发生成
文件处理	OCR 识别、分类	文件监控 + 批量处理

六、其它常见小问题

Q1：模型不响应怎么办？

先检查 API 余额是否充足，设置备用大模型；当前大模型欠费了，备用大模型可以立刻顶上使用。

Q2：定时任务没执行？

检查 cron jobs.json 格式是否正确，Gateway 是否正常运行（openclaw gateway status）。

Q3：微信消息收不到？

检查 openclaw-weixin 插件是否加载成功，检查小龙虾是否因重启Gateway未正常启动，日志里搜索 [openclaw-weixin] 看有无报错。

写在最后

在使用小龙虾时，你经常会发现"上次明明说好的，怎么又不对了？"反复调试半天，好不容易达到预期，关掉会话再重新打开，之前的所有设置全没了，频繁调试容易让人上火。这是因为你上次和小龙虾沟通的所有细节、约定的所有规则，都只存在于对话上下文中——会话一结束，这些信息就会彻底丢失，下次再用，相当于“从零开始”。所以，核心原则只有一个：多做备份，把所有细节，都“写死”在底层配置文件里。推荐做法：

所有重要规则、约定、细节，一律写入配置文件，比如MEMORY.md、TOOLS.md、SKILL.md等，不要只停留在对话里；

定期备份整个 workspace 目录——这里包含了所有你的配置文件、设置记录，全量备份，才能避免意外丢失；

血泪教训：尽可能使用一个稳定的大模型，避免频繁切换。

不同模型对同一份记忆文档（MEMORY.md、memory/*.md）的理解有差异。频繁切换大模型，就相当于频繁更换房子的地基——你好不容易搭建好的规则、调试好的细节，换一个模型可能就理解偏了，导致细节丢失、行为不一致，之前的努力全白费，永远达不到稳定的使用效果。与其在切换模型、反复调试中内耗，不如固定一个稳定的大模型，专注优化配置文件，反而能更快达到预期

其实用小龙虾的核心，就是“减少无效内耗”——把该备份的备份好，把该固定的固定好，才能避开大部分坑，让它真正帮你提效，而不是消耗你的耐心。

最后想问问大家：你在使用小龙虾时，有没有摸索出什么好用的小技巧？或者踩过哪些印象深刻的坑？评论区分享出来，帮更多朋友避坑，一起高效用对小龙虾～