OpenClaw 配置实战：5 步调优让 AI 助手真正“能干活”

1. 完全不写：结果就是'每次都像第一次见面'
2. 什么都往里塞：最后变成一大坨流水账，AI 也不爱读，人也不爱翻

推荐采用分层记忆。结构大概长这样：

MEMORY.md ← 索引层：只放最核心信息 + 指向其他文件的索引 memory/projects.md ← 项目层：每个项目状态、待办 memory/infra.md ← 基础设施层：服务器配置、API 地址等速查 memory/lessons.md ← 教训层：踩过的坑，按严重程度分级 memory/YYYY-MM-DD.md ← 日志层：当天发生了什么 

核心逻辑很简单：

MEMORY.md 只做索引，不堆内容。
启动新 session 时只加载索引，需要细节再去读对应文件。

这样既能'记得住'，又不会'记得太乱'。

开启 memorySearch：让记忆真的'能搜到'

如果你希望出现这种场景：

你问：'上次那个部署问题怎么解决的？'
AI 能语义检索 → 直接定位到某天日志的某段 → 精准复述

那我建议开启 OpenClaw 的 memorySearch（向量语义检索）。

在 openclaw.json 中配置：

"memorySearch":{"enabled":true,"provider":"openai","remote":{"baseUrl":"你的 embedding API 地址","apiKey":"你的 key"},"model":"BAAI/bge-m3"}

Embedding 模型选 bge-m3 这类通用型即可，性价比很高。（SiliconFlow 免费 embedding API 也确实是一个'入门就能用'的路线。）

同时建议开启 compaction.memoryFlush：上下文快满的时候，AI 会把重要信息写进当天日志，避免对话一长就'失忆'。

3. 用 Skill 扩展能力：让它从'会聊'变成'会做'

OpenClaw 内置了一些 skill（天气、新闻等），但真正好玩的，是自定义 skill。

Skill 本质上是给 AI 一份'标准作业流程（SOP）'，让它遇到某类请求就按流程执行。

目录结构大致如下：

skills/
my-skill/
SKILL.md ← AI 主要读这个：触发条件、步骤、输出格式
script.sh ← 可选：需要执行脚本就放这
README.md ← 可选：给人看的说明 

常见场景包括：

• 视频下载：发 B 站/YouTube 链接 → 自动下载 → 生成分享链接
• PPT 生成：说'做个关于 XX 的 PPT' → 直接产出 .pptx
• 股票分析：问'XX 股票能买吗' → 跑你的分析流程 → 输出结论 + 风险点
• 新闻摘要：每天自动抓热点 → 压缩成几条重点

编写 Skill 有个实用原则：把 AI 当成新来的实习生。你写得越清楚，它越稳定。你写得越含糊，它越玄学。

触发条件、步骤、输出格式都写死，结果会稳很多。

新手可以先用社区现成的（比如 clawhub.com），建议路线是：

1. 先装 1-2 个现成的用起来
2. 再把你自己的高频流程固化成 skill（比如'周报生成''日志整理'）

4. Heartbeat 心跳：让它学会'主动干活'

OpenClaw 的心跳机制默认每 30 分钟触发一次，系统 ping 一下 AI，问它有没有要做的。

默认响应只是确认收到 HEARTBEAT_OK，等于啥也没干。

通过编写 HEARTBEAT.md 可以定义检查项。比如：

# HEARTBEAT.md
## 每次心跳
- 检查 XX 服务是否在线（curl 一下）
- 如果挂了，通知我，但不要自动重启

## 每天一次
- 检查有没有超过 3 天没更新的项目待办

## 每周一次
- 整理最近 7 天的日志，提炼到长期记忆 

这样你的 AI 就像一个 7×24 的值班员：你睡觉它巡检，你醒来直接看报告。

Heartbeat 与 Cron 的选择

我的建议是：

• Heartbeat：适合'顺便检查一下'的轻量任务，能批量做
• Cron：适合'精确定时'的独立任务（比如每周一 9 点发周报）

建议先从 Heartbeat 入手做巡检、整理，再考虑 cron。

5. 多模型分级：别让'最强模型'干'最简单的活'

支持多模型接入时，分级策略非常必要。原因很现实：省钱、省 token，也更快。

可按以下层级划分：

在 openclaw.json 中配置别名（示例）：

"models":{"your-provider/strong-model":{"alias":"opus"},"your-provider/medium-model":{"alias":"sonnet"},"your-provider/light-model":{"alias":"haiku"}}

并在 AGENTS.md 中明确分配策略：当 AI 需要派子 agent 执行任务时，就会更倾向选合适的模型。

这能显著降低 Token 消耗，因为大多数任务根本不需要最强模型。

配置清单

按优先级排序：

1. 完善基础人格文件（SOUL.md / IDENTITY.md / USER.md），10 分钟，立竿见影
2. 搭建分层记忆结构，开启 memorySearch，30 分钟
3. 配置 HEARTBEAT.md，10 分钟
4. 定制常用技能（安装或编写 2-3 个最常用的 skill），按需
5. 实施多模型分级（有多个模型时再上）
6. 规范 Agent 行为和安全规则（完善 AGENTS.md）

结语

OpenClaw 的核心在于：它提供框架，内容由你定义。

默认仅打通流程，真正的价值在于把它调成更贴合你工作方式的搭档：能记住上下文、能按流程做事、还能主动巡检和提醒。

实际使用下来，最大的感受是：从被动回复到主动协助，差距就在这些细节。