别再把龙虾当聊天框了:9个技巧,让 OpenClaw 真正帮你干活

很多人用不好 Agent，第一步就错了。

你以为自己缺一个更强模型，其实你缺的是一份清楚的“入职手册”。

OpenClaw 这类工具通常会在启动时加载特定的配置文件。不要随便在文件夹里丢一个“我是高效 AI 助手，请认真回答”的万能咒语。那种话听起来很努力，实际效果约等于对新同事说：你要做一个好人。

真正要写清楚的，是三类信息。

第一类是 soul.md：它应该怎么回答、怎么判断、什么时候先给结论、什么时候展开、遇到不确定信息要不要承认不确定。你要把自己的工作偏好写进去，而不是让它每次现场揣摩老板心情。

第二类是 user.md：它需要认识你。你是谁，做什么工作，常用时区，日常任务类型，喜欢什么格式，讨厌什么废话。一个完全不了解你的人，当然只能给你端出“通用建议拼盘”。

第三类是 agents.md：这是它的操作边界。能用哪些工具，什么动作必须先确认，哪些数据不能碰，什么情况要停下来问你。Agent 能动电脑，边界就不是装饰，是刹车。

这三份文件写清楚之后，你会明显感觉到：它不再像一个努力但空泛的网友，而像一个终于读过岗位说明书的人。

Agent 的另一个价值，是它不必等你坐在电脑前才开工。

比如你在外面突然想起：“桌面上那堆文件是不是该按项目整理一下？”正常人的反应是：算了，回去再说。然后回去之后继续算了。

如果你把远程通道接好，就可以直接用手机发一句任务。让电脑开始整理文件、归类项目、生成摘要，完成后把结果回传给你。

这个体验的关键，不是“手机控制电脑”这个动作有多酷，而是它改变了任务进入系统的时机。

过去你必须等到“我在电脑前、我有空、我愿意处理这个无聊任务”三个条件同时满足。恭喜，这概率比在群里等所有人准时交反馈还低。

现在变成：你想到，就扔给它。它能做的先做，不能做的再问你。

这才是 Agent 和聊天框的分水岭：聊天框只在你面前工作，Agent 应该在你的工作流里工作。

很多人装完 OpenClaw 后，最常见的状态是：盯着输入框，沉默。

不是不想用，是不知道让它干什么。

这时候，技能市场、灵感广场、社区里的技能包就很重要。它们本质上不是“插件收藏癖快乐屋”，而是别人把一套可复用的工作经验封装好了。

比如：每日科技新闻简报、资料速读、表格处理、知识总结、监控提醒、翻译润色、研究报告。你当然可以自己写 prompt，从零搭流程。但如果有现成技能，就没必要每次都从空白页开始和自己较劲。

不过我建议你克制一点。

技能不是越多越好。你给一个 Agent 装几十上百个技能，它会变强，也可能会变慢、变乱、变得像一位身兼 18 个部门的实习生：看起来全能，实际开会都找不到自己属于哪个群。

更好的策略是按需安装。

你最近要做研究，就装研究类；要做内容，就装写作和素材类；要做监控，就给监控 Agent 单独配。让工具箱服务任务，而不是让任务迁就工具箱。

OpenClaw 这类 Agent 很迷人的一点，是它会逐渐“认识你”。

你纠正过它的错误，它会记住。你做过的关键决策，它会记住。你喜欢的输出结构、常做的项目、讨厌的表达方式，它也会慢慢形成偏好。

这听起来很爽：终于不是每次都从“你好，我是谁”开始重新做人。

但记忆系统有一个坑：不是记得越多越好。

我更愿意把核心记忆理解成“导航”，不是“日记”。

日记可以记今天喝了什么咖啡、开会谁讲了三句废话、你下午三点半突然觉得人生需要整理桌面。导航不需要这些。导航只需要告诉它：你是谁、你正在做什么、哪些规则长期有效、哪些偏好会影响判断。

所以，你要定期检查记忆文件。

该删的删：过时偏好、无关细节、误解你的记录。

该补的补：长期目标、固定流程、常用格式、重要禁区。

记忆一旦精炼，Agent 就会从“每次重新认识你”变成“接着上次的工作继续”。这时候你才会感到，它不是工具栏里多了一个按钮，而是工作系统里多了一个熟人。

真正的自动化，不是你喊一声它动一下。

那叫高级声控。

更进一步，是让它在固定时间自己醒来，检查任务，跑流程，给你交结果。

比如每天早上 8 点整理 AI 科技新闻，生成一份简报；每隔一段时间检查某个项目有没有异常；每周自动汇总资料文件夹，把新增内容归档成笔记。

这些任务的价值不在于单次省了多少分钟，而在于你不再需要“记得去做”。

人类最贵的资源不是时间，是注意力。很多工作累人，并不是因为它难，而是因为它总要在你脑子里挂一个小钩子：别忘了查、别忘了整理、别忘了汇总、别忘了提醒。

定时任务就是把这些小钩子从脑子里摘下来，挂到系统里。

当你每天醒来，手机里已经躺着一份简报，那一刻你会短暂理解什么叫“数字生活有一点点文明了”。

很多人用 Agent 还有一个隐形问题：钱花得太快。

原因往往不是你任务太多，而是你把所有任务都交给同一种模型。

查天气、改文件名、整理简单列表、跑固定模板，这些任务没必要每次都请“最强大脑”出场。就像你不会请米其林主厨来帮你撕快递箱，虽然他可能撕得很有层次。

更合理的方式，是按任务分配模型。

轻任务用便宜或默认模型。

复杂分析、代码开发、长文写作、关键判断，再切到更强模型。

这样做不只是省钱，也会让系统更稳定。不同任务有不同算力预算，Agent 才不会把你的 token 当自助餐。

除了分模型，还可以分 Agent。

一个负责研究，一个负责监控，一个负责写作，一个负责文件整理。每个 Agent 有独立的角色、记忆和工具权限。

这件事看起来像“多开几个窗口”，实际很有用。

第一，职责更清楚。研究 Agent 就要严谨、溯源、慢一点没关系；监控 Agent 就要安静，只在异常时通知；写作 Agent 可以更懂你的语气和结构。

第二，上下文不串台。你让同一个 Agent 一边写代码，一边查天气，一边帮你盯项目，它迟早像一个被拉进 20 个群的人，表面在线，内心已经碎成表格。

第三，权限可以分层。监控 Agent 可能只需要读权限，不需要写入和删除；文件整理 Agent 可以操作文件，但删除必须确认。

多 Agent 的核心，不是炫技，而是把“一个全能但混乱的助手”拆成“几个职责明确的小岗位”。

只会聊天的 AI，最多让你生气。

会操作电脑的 AI，如果没边界，可能让你心率上来。

因为它能读文件、写文件、执行命令、访问网页。能力越大，越不能只靠“它应该懂事吧”这种朴素信仰。

你至少要给它三层安全约束。

第一，指令规则。比如删除文件前必须列出要删除什么、为什么删、影响范围是什么，等你确认后再做。涉及隐私、密钥、账号、个人资料时，不允许外传。

第二，工具权限。不同 Agent 给不同权限。监控类任务尽量只读；会改文件的任务也要限制工作目录；高风险操作要二次确认。

第三，防 prompt injection。网页、评论区、文档里可能藏着恶意指令，诱导 Agent 忽略规则、上传资料、执行危险命令。遇到这种情况，Agent 应该识别并报告，而不是热血上头当场执行。

自动化最怕的不是它不够聪明，而是它聪明但没规矩。

最后一个技巧，很朴素，但非常重要：备份。

你辛辛苦苦写好的配置、记忆、角色偏好、工作流，如果某天误删、覆盖、换设备丢失，那感觉不会比周五晚上发现 PPT 没保存好多少。

比较稳的做法，是用版本管理来备份 OpenClaw 的工作区。

你可以把配置文件、记忆文件、Agent 文件夹纳入 Git 管理。每次重要修改后提交一次。这样后续出问题时，可以回到之前的版本。

如果你有多台设备，也可以通过私有仓库同步。注意，密钥、API key、隐私资料不要提交。能同步的是规则和结构，不是把家底摊开晾在互联网上。

这件事不性感，但它决定了你敢不敢长期使用。

因为一个真正有用的 Agent，不是今天装、明天忘的小玩具，而是会随着你工作积累慢慢变值钱的系统资产。

OpenClaw 这类工具的进化路线，其实很清楚。

第一层：会聊天。

第二层：会执行任务。

第三层：会按你的规则，自动、远程、定时、分工、安全地执行任务。

大多数人卡在第一层，不是因为工具不够强，而是因为使用方式还停留在聊天框时代。

你真正要做的，是把它放进工作系统里：

给它说明书，接上远程通道，装对技能，修剪记忆，安排定时任务，按任务分模型和 Agent，再给它安全边界和备份机制。

做到这里，龙虾才算从“会说话”变成“能上班”。

当然，它也不会一夜之间变成完美员工。它会犯错，会跑偏，会偶尔一本正经地给你端出奇怪答案。

但这没关系。

真正值得养的 Agent，不是永远不犯错的神仙，而是能被你校准、能积累经验、能在边界里持续交付的工作伙伴。

所以，下次打开 OpenClaw，别急着问它“你能做什么”。

直接给它一个任务。

看它能不能把活干完。

你有什么好的想法和AI应用需求，可以留言我们共同讨论探索开发。