文章查看新帖子对话 OneHopeA9 @onehopeA9 OpenClaw 从中级到高级完整教程

@onehopeA9 2026-02-27 13:42:26

阅读 12

最后更新：2026 年 2 月

教程说明：适合谁学习
学习路线：从基础到进阶
核心配置： AGENTS.md 工作规范
记忆优化：构建可靠的记忆体系
子 Agent 应用：团队协作模式
定时任务：Cron 自动化实践
Skill 开发：扩展 AI 能力
多渠道部署：全平台接入方案
性能调优：配置参数详解
实战练习清单
疑难解答
进阶学习资源

教程说明：适合谁学习

学习前提

本教程面向已经完成 OpenClaw 基础配置的用户。在开始之前，请确认你已经：

✅ 成功安装 OpenClaw 并能正常运行

✅ 完成基本配置文件的创建（SOUL.md / USER.md / IDENTITY.md）

✅ 了解记忆系统的基本概念（MEMORY.md 和 memorySearch）

✅ 熟悉 workspace 目录结构

✅ 具备基本的命令行操作能力

如果上述条件尚未满足，建议先阅读

https://x.com/onehopeA9/status/2025934420893708433

技术要求

OpenClaw 已安装并正常运行
至少一个 AI 模型 API（Claude 或 GPT）
理解 JSON 和 Markdown 格式
基本的文件系统操作能力

你将学到什么

完成本教程后，你的 OpenClaw 将实现以下能力提升：

学习路线：从基础到进阶

推荐学习顺序

第一阶段：工作规范建立（30-60 分钟）

创建 AGENTS.md 工作手册
定义 session 启动流程
设置记忆写入规范
配置安全边界

第二阶段：记忆系统优化（60-120 分钟）

启用 memoryFlush 防止信息丢失
优化日志格式提升检索精度
配置自动维护机制
调整 embedding 模型

第三阶段：高级功能应用（120-240 分钟）

部署子 Agent 实现任务分发
创建 Cron 定时任务
开发自定义 Skill
配置多渠道接入

第四阶段：性能调优（1-2 天）

调整模型参数
优化 token 使用
配置缓存策略
监控系统性能

学习建议

循序渐进：不要跳过基础步骤，每个配置都有其作用
实践验证：每完成一个配置，立即测试验证效果
记录问题：遇到问题及时记录，便于后续排查
备份配置：重要修改前备份配置文件

核心配置： AGENTS.md AI打工守则

为什么需要 AGENTS.md

在基础教程中，我们创建了描述 AI 性格的 SOUL.md 、描述用户信息的 USER.md 、以及定义身份的 IDENTITY.md 。但这些文件只解决了“AI 是谁”和“用户是谁”的问题，并没有告诉 AI“如何工作”。

AGENTS.md 的作用是定义 AI 的工作流程和行为准则，类似于员工手册。它告诉 AI：

每次启动时应该读取哪些文件
记忆应该如何组织和存储
哪些操作需要用户确认
如何处理不同类型的任务

类比说明：

SOUL.md → 个人性格档案
USER.md → 服务对象信息
IDENTITY.md → 身份标识
AGENTS.md → 工作流程手册

Session 启动配置

OpenClaw 每次启动新会话时都处于“初始状态”，需要通过读取文件来恢复记忆和上下文。合理的启动流程可以确保 AI 快速进入工作状态。

配置文件位置： workspace/AGENTS.md

启动流程配置：

Session 启动流程

每次会话开始时，按以下顺序自动执行：

1. 读取 `SOUL.md` - 加载性格和行为风格
2. 读取 `USER.md` - 了解用户背景和偏好
3. 读取 `memory/YYYY-MM-DD.md` - 加载今天和昨天的日志
4. 如果是主会话：额外读取 `MEMORY.md` - 加载核心记忆索引

以上操作无需询问，自动执行。

配置说明：

步骤 1-2：加载基础信息 SOUL.md 和 USER.md 通常很小（<1KB），每次都读取不会造成性能负担。这两个文件确保 AI 知道自己的角色定位。

步骤 3：加载近期日志读取今天和昨天的日志文件，可以让 AI 快速了解最近发生的事情。之所以包含昨天的日志，是因为如果当前时间是凌晨，今天的日志可能还是空的。

步骤 4：条件加载核心记忆 MEMORY.md 可能包含敏感信息（如服务器配置、API 密钥等），因此只在主会话中加载。OpenClaw 支持多种会话类型：

主会话：用户直接对话（如 Discord 私聊、WebChat）
群聊会话：多人群组对话
子 Agent 会话：子任务执行会话
Cron 会话：定时任务触发的会话

AI 会自动识别当前会话类型，你只需在 AGENTS.md 中定义规则即可。

记忆管理规范

OpenClaw 的记忆系统采用分层设计，不同类型的信息存储在不同的文件中。在 AGENTS.md 中明确定义记忆管理规范，可以确保信息被正确归档。

记忆层级结构：

## Memory

You wake up fresh each session. These files are your continuity.

### 记忆分层
| 层级 | 文件 | 用途 |
|------|------|------|
| 索引层 | `MEMORY.md` | 关于用户、能力概览、记忆索引。保持精简(<40行) |
| 项目层 | `memory/projects.md` | 各项目当前状态与待办 |
| 基础设施层 | `memory/infra.md` | 服务器、API、部署等配置速查 |
| 教训层 | `memory/lessons.md` | 踩过的坑，按严重程度分级 |
| 日志层 | `memory/YYYY-MM-DD.md` | 每日原始记录 |

### 写入规则
- **日志**：当天发生的事写入 `memory/YYYY-MM-DD.md`，格式：

【项目：名称】事件标题

结果：一句话概括
相关文件：文件路径
经验教训：要点（如有）
检索标签： #tag1 #tag2


**分层写入规则：**

- 当天发生的事情 → 写入 `memory/YYYY-MM-DD.md`
- 项目状态变更 → 同步更新 `memory/projects.md`
- 遇到问题和解决方案 → 记录到 `memory/lessons.md`
- 核心信息变更 → 更新 `MEMORY.md` 索引

**重要原则：**

- 记录结论而非过程
- 使用标签便于检索
- 保持 MEMORY.md 精简（<40 行）
- 想要记住的信息必须写入文件，不要依赖"记在脑子里"

日志质量对比：

❌ 低质量日志示例：

### 今天的工作

今天配置了服务器，先试了方案 A 但是不行，报错了。然后又试了方案 B，
还是有问题。最后用了方案 C，花了两个小时终于搞定了。配置文件在
/etc/config/app.conf 里面。明天还要继续调试其他功能。

✅ 高质量日志示例：

### [项目:WebApp] 服务器部署完成

- **结果**：使用 Nginx 反向代理部署成功，监听 443 端口
- **相关文件**：`/etc/nginx/sites-available/webapp.conf`
- **经验教训**：方案 A 和 B 失败原因是端口冲突，必须使用反向代理
- **检索标签**：#webapp #nginx #部署

高质量日志的优势：

信息密度高，一眼就能看到关键结论
标签便于后续用 memorySearch 检索
结构化格式便于 AI 解析和理解

安全和权限边界

定义清晰的安全边界可以防止 AI 执行危险操作或泄露敏感信息。

## 安全规范

### 基本原则

- 不得泄露私人数据和敏感信息
- 执行破坏性操作前必须确认
- 删除文件使用 `trash` 而非 `rm`（可恢复优于永久删除）
- 不确定时，先询问用户

### 操作权限分类

**可以自由执行的操作：**
- 读取文件、浏览目录
- 搜索网络信息
- 查询日历和邮件
- 在 workspace 内部工作

**需要用户确认的操作：**
- 发送邮件、推文、公开消息
- 任何向外部发送数据的操作
- 删除或修改重要文件
- 不确定后果的操作

### 群聊行为规范

在群聊环境中：
- 你可以访问用户的文件和记忆，但不能在群聊中分享
- 你是群聊的参与者，而非用户的代言人
- 不要替用户发言或泄露用户的私人信息

完整 AGENTS.md 模板

以下是可以直接使用的完整模板，保存为 workspace/AGENTS.md：

# AGENTS.md - 工作空间规范

这是你的工作空间，请按照以下规范工作。

## Session 启动流程

每次会话开始时，按以下顺序自动执行：

1. 读取 `SOUL.md` - 加载性格和行为风格
2. 读取 `USER.md` - 了解用户背景和偏好
3. 读取 `memory/YYYY-MM-DD.md` - 加载今天和昨天的日志
4. 如果是主会话：额外读取 `MEMORY.md` - 加载核心记忆索引

以上操作无需询问，自动执行。

## 记忆管理规范

你每次启动都是全新状态，这些文件是你的记忆延续。

| 层级 | 文件路径 | 存储内容 |
|------|---------|---------|
| 索引层 | `MEMORY.md` | 核心信息和记忆索引，保持精简 |
| 项目层 | `memory/projects.md` | 各项目当前状态和待办 |
| 经验层 | `memory/lessons.md` | 问题解决方案，按重要性分级 |
| 日志层 | `memory/YYYY-MM-DD.md` | 每日详细记录 |

### 写入规则

- 日志写入 `memory/YYYY-MM-DD.md`，记录结论而非过程
- 项目变更时同步更新 `memory/projects.md`
- 遇到问题时记录到 `memory/lessons.md`
- MEMORY.md 仅在索引变化时更新
- 重要信息必须写入文件，不要依赖记忆

### 日志格式
【项目：名称】 事件标题
结果：一句话概括
相关文件：文件路径
经验教训：要点（如有）
检索标签：#tag1 #tag2
## 安全规范

- 不得泄露私人数据
- 破坏性操作前必须确认
- 使用 `trash` 而非 `rm`
- 不确定时先询问

**可自由执行：** 读取文件、搜索、整理、在 workspace 内工作
**需要确认：** 发送邮件/消息、任何向外发送数据的操作

## 群聊规范

你可以访问用户的文件和记忆，但不能在群聊中分享。
在群聊中，你是参与者，不是用户的代言人。

## 工具使用

Skills 提供你的工具能力。需要使用某个工具时，查看其 SKILL.md 文档。

📋 实践任务 1：创建 AGENTS.md

任务目标：

在 workspace 根目录创建 AGENTS.md 文件
复制上面的模板并根据你的实际需求调整
重启 OpenClaw 并验证配置是否生效

验证方法：

开启一个新会话
观察 AI 是否自动读取了指定的文件
让 AI 记录一件事，检查是否写入了正确的文件和格式

✅ 完成标准：

AGENTS.md 文件创建成功
AI 能够按照规范自动读取记忆文件
AI 写入的日志符合指定格式

记忆优化：构建可靠的记忆体系

现状分析

在完成基础教程后，你的 OpenClaw 已经具备了基本的记忆功能：

分层记忆结构（ MEMORY.md + memory/*.md）
语义检索功能（memorySearch）

但在实际使用中，可能会遇到以下问题：

问题 1：长对话后 AI “失忆” 当对话内容超过上下文窗口限制时，OpenClaw 会自动压缩旧对话，这个过程可能导致重要信息丢失。

问题 2：检索命中率不理想日志格式不统一、缺少标签、信息密度低，导致 memorySearch 难以找到相关内容。

问题 3：记忆文件缺乏维护随着时间推移，过期信息堆积，噪音增加，影响检索质量。

本章将逐一解决这些问题。

启用 memoryFlush 功能

问题场景：

你和 AI 进行了长时间的深度讨论，制定了重要决策。突然发现 AI 的回复开始变得“健忘”，好像忘记了之前讨论的内容。

原因分析：

每个 AI 模型都有上下文窗口限制（例如 Claude 是 200K tokens）。当对话接近这个限制时，OpenClaw 会触发自动压缩（compaction），将旧对话总结成摘要以腾出空间。压缩过程可能会丢失细节信息。

解决方案：

启用 memoryFlush 功能。该功能会在压缩触发前，先让 AI 将重要信息写入文件，然后再执行压缩。

工作流程：

OpenClaw 检测到上下文即将达到限制
触发 memoryFlush，提示 AI 保存重要信息
AI 将关键内容写入 memory/ 目录
执行压缩，清理旧对话
重要信息已持久化，不会丢失

配置方法：

编辑 openclaw.json，添加以下配置：

{
  "agents": {
    "defaults": {
      "compaction": {
        "reserveTokensFloor": 20000,
        "memoryFlush": {
          "enabled": true,
          "softThresholdTokens": 4000
        }
      }
    }
  }
}

参数说明：

关于 softThresholdTokens:

这个值设置为 4000 意味着：当剩余空间不足 4000 tokens 时触发 memoryFlush。

太小（如 1000）：AI 没有足够空间写入详细信息
太大（如 10000）：会频繁触发，影响性能
4000 是经过测试的平衡值

效果验证：

启用后，即使进行长时间对话，AI 也能保持对之前讨论内容的记忆，因为关键信息已经持久化到文件中。

提示： memoryFlush 是静默执行的，不会打断对话。如果想查看触发情况，可以启用 verbose 模式（发送 /verbose 命令），会看到 Auto-compaction complete 的提示。

优化日志格式提升检索精度

memorySearch 使用向量语义检索技术，将搜索词和日志内容都转换为向量，然后计算相似度。

提升检索精度的关键因素：

使用标签：标签（如 #deploy #nginx ）可以显著提升召回率
结构化格式：固定的格式使关键信息集中，便于匹配
单一主题：一条日志只记录一件事，避免信息混杂

实际效果对比：

假设搜索词为：“nginx 部署配置”

低效日志（命中率低）：

今天工作内容：上午处理了数据库备份问题，中午部署了新版本应用，
下午修改了 nginx 配置，晚上写了一些文档。nginx 那边改了反向代理
的配置，具体记不太清了，反正最后跑起来了。

问题：

包含多个不相关主题，稀释了向量相似度
缺少结构化信息，关键点不突出
没有标签，难以精准匹配

高效日志（命中率高）：

### [项目:WebApp] Nginx 反向代理配置

- **结果**：成功配置 Nginx 反向代理，应用通过 443 端口访问
- **相关文件**：`/etc/nginx/sites-available/webapp.conf`
- **经验教训**：upstream 必须使用 127.0.0.1 而非 localhost（避免 IPv6 问题）
- **检索标签**：#nginx #deploy #webapp #reverse-proxy

优势：

标题、结果、标签都包含搜索关键词
结构化格式使信息密度高
单一主题，向量表示更准确

配置自动记忆维护

问题：

随着使用时间增长，日志文件会不断累积。其中一些信息已经过期（如临时调试记录、已完成的一次性任务），这些“噪音”会干扰 memorySearch 的检索结果。

解决方案：

配置定期自动维护任务，让 AI 自己整理记忆。

实现方法：

在 workspace/HEARTBEAT.md 中添加维护任务：

## 记忆维护任务（每周执行）

检查 `memory/heartbeat-state.json` 中的 `lastMemoryMaintenance` 字段。

如果距今超过 7 天，执行以下维护流程：

1. 读取最近 7 天的日志文件 `memory/YYYY-MM-DD.md`
2. 提炼有长期价值的信息，归档到对应文件：
   - 项目决策和状态 → `memory/projects.md`
   - 问题解决方案 → `memory/lessons.md`
3. 压缩已完成的一次性任务为一行总结
4. 删除完全过期的临时信息
5. 更新 `heartbeat-state.json` 中的 `lastMemoryMaintenance` 为当前日期

创建状态跟踪文件 workspace/memory/heartbeat-state.json：

{
  "lastMemoryMaintenance": "2026-02-26"
}

维护操作说明：

提炼（Extract）：将日志中有长期价值的信息移动到对应的层级文件。

示例：日志中记录了一个项目的技术选型决策，应该提炼到 projects.md 中。

压缩（Compress）：将已完成的详细任务记录压缩为简短的结论。

示例：

压缩前：详细记录了部署过程的 10 个步骤
压缩后：2026-02-17: 完成 WebApp 生产环境部署，使用 Nginx + Docker 方案

清理（Clean）：删除完全过期的临时信息。

示例：

“明天要参加会议” → 会议已过，可以删除
“测试中的临时配置” → 测试已完成，可以删除

配置 Embedding 模型

memorySearch 依赖 embedding 模型将文本转换为向量。选择合适的模型可以提升检索质量并降低成本。

推荐配置：

{
  "memorySearch": {
    "enabled": true,
    "provider": "openai",
    "remote": {
      "baseUrl": "https://api.siliconflow.cn/v1",
      "apiKey": "你的_SiliconFlow_API_Key"
    },
    "model": "BAAI/bge-m3"
  }
}

为什么选择 bge-m3：

成本：SiliconFlow 提供免费额度，个人使用足够
多语言：对中英文混合文本支持良好
性能：向量维度 1024，在精度和速度间取得平衡

获取 SiliconFlow API Key:

访问 siliconflow.cn 注册账号
进入控制台，创建 API Key
免费额度：每天数百万 tokens，个人使用完全足够

memorySearch 工作流程：

用户提问：“上次 nginx 配置问题怎么解决的？”

AI 调用 memory_search(“nginx 配置问题”)
memorySearch 返回最相关的几条结果（包含文件路径和行号）
AI 调用 memory_get(path="memory/2026-02-18.md", from=47, lines=10)
AI 读取具体内容并回答用户

这种两步走的设计很高效：search 负责“定位”，get 负责“读取”，避免加载所有记忆文件。

📋 实践任务 2：优化记忆系统

任务目标：

启用 memoryFlush 功能
按照优化后的格式重写最近 3 条日志
配置自动维护任务
切换到 bge-m3 embedding 模型

验证方法：

进行一次长对话（超过 100 轮），观察是否出现失忆
使用 memorySearch 搜索之前记录的内容，检查命中率
等待一周后检查自动维护是否执行

✅ 完成标准：

memoryFlush 配置已启用
日志格式符合优化标准
自动维护任务配置完成
embedding 模型切换成功

子 Agent 应用：团队协作模式

什么是子 Agent

在基础配置中，OpenClaw 是单线程工作的：你提出一个任务，AI 从头到尾完成。但对于复杂任务，这种模式效率很低。

子 Agent 的概念：

子 Agent 是主 Agent 派生出的独立工作进程，可以并行执行不同的子任务。

类比：

单 Agent 模式：你是项目经理，所有工作都自己做
多 Agent 模式：你是项目经理，可以派遣团队成员并行工作

适用场景

场景 1：信息收集任务

任务：收集 5 个竞品的功能对比

单 Agent：顺序访问 5 个网站，耗时 10 分钟
多 Agent：派 5 个子 Agent 并行收集，耗时 2 分钟

场景 2：数据处理任务

任务：分析 100 个文件的内容

单 Agent：逐个处理，耗时很长
多 Agent：分配给 10 个子 Agent，每个处理 10 个文件

场景 3：监控任务

任务：同时监控多个服务的状态

单 Agent：轮询检查，响应慢
多 Agent：每个服务分配一个监控 Agent

配置子 Agent

基础配置：

编辑 openclaw.json：

{
  "agents": {
    "defaults": {
      "subAgents": {
        "enabled": true,
        "maxConcurrent": 3,
        "timeout": 300000
      }
    }
  }
}

参数说明：

关于 maxConcurrent:

这个值不是越大越好：

太小（如 1）：无法发挥并行优势
太大（如 10）：可能触发 API 速率限制，增加成本
推荐 3-5：在性能和成本间取得平衡

使用子 Agent

方法 1：自动派遣

AI 会自动判断任务是否适合并行处理。

示例对话：

用户：帮我收集这 5 个网站的主要功能：[网站列表]

AI：我将派遣 5 个子 Agent 并行收集信息...
[子 Agent 1] 正在分析网站 A...
[子 Agent 2] 正在分析网站 B...
...
所有信息已收集完成，正在整理汇总...

方法 2：显式指定

你也可以明确要求使用子 Agent：

用户：使用子 Agent 并行处理这个任务...

子 Agent 最佳实践

1. 任务分解要合理

好的分解：

将“分析 100 个文件”分解为 10 个子任务，每个处理 10 个文件

不好的分解：

将“写一篇文章”分解为多个子任务（写作需要连贯性，不适合并行）

2. 设置合理的超时时间

根据任务复杂度调整 timeout：

简单查询：60 秒
数据分析：5 分钟
复杂处理：10 分钟

3. 监控并发数

使用 /status 命令查看当前运行的子 Agent 数量，避免过载。

4. 成本控制

子 Agent 会增加 API 调用次数，注意监控成本。

📋 实践任务 3：子 Agent 实战

任务目标：

启用子 Agent 功能
完成一个并行任务（如信息收集）
观察执行效率提升

练习任务：

选择以下任务之一进行练习：

收集 5 个竞品的定价信息
分析 10 个网页的关键词
检查 5 个服务的在线状态

✅ 完成标准：

子 Agent 配置已启用
成功完成至少一个并行任务
理解子 Agent 的适用场景

定时任务：Cron 自动化实践

Cron 任务概述

Cron 是 OpenClaw 的定时任务功能，可以让 AI 在指定时间自动执行任务，无需人工触发。

典型应用场景：

每日简报：每天早上发送天气、日程、新闻摘要
定期备份：每周自动备份重要文件
监控告警：每小时检查服务状态，异常时通知
定时提醒：工作日下午 6 点提醒结束工作

创建 Cron 任务

方法 1：通过对话创建

用户：创建一个定时任务，每天早上 8 点发送今日简报

AI：我将为你创建定时任务...
- 任务名称：daily-briefing
- 执行时间：每天 08:00
- 任务内容：发送天气、日程、新闻摘要
已创建成功！

方法 2：手动配置

编辑 workspace/crons/daily-briefing.json：

{
  "name": "daily-briefing",
  "schedule": "0 8 * * *",
  "timezone": "Asia/Shanghai",
  "task": {
    "type": "message",
    "content": "发送今日简报：天气、日程、重要新闻"
  },
  "enabled": true
}

Cron 表达式说明：

格式：分钟小时日期月份星期

常用示例：

在线工具： crontab.guru 可以帮助你生成和验证 cron 表达式。

Cron 任务示例

示例 1：每日早报

{
  "name": "morning-briefing",
  "schedule": "0 8 * * *",
  "timezone": "Asia/Shanghai",
  "task": {
    "type": "message",
    "content": "早安！今日简报：
1. 查询天气
2. 读取今日日程
3. 总结昨日工作日志
4. 提醒今日待办事项"
  },
  "enabled": true
}

示例 2：工作日晚间提醒

{
  "name": "evening-reminder",
  "schedule": "0 18 * * 1-5",
  "timezone": "Asia/Shanghai",
  "task": {
    "type": "message",
    "content": "工作日结束提醒：
1. 总结今日完成的任务
2. 记录未完成事项
3. 规划明日工作"
  },
  "enabled": true
}

示例 3：每周总结

{
  "name": "weekly-summary",
  "schedule": "0 17 * * 5",
  "timezone": "Asia/Shanghai",
  "task": {
    "type": "message",
    "content": "周五晚间总结：
1. 回顾本周工作日志
2. 统计完成的任务数量
3. 整理下周计划"
  },
  "enabled": true
}

示例 4：服务监控

{
  "name": "service-monitor",
  "schedule": "*/30 * * * *",
  "timezone": "Asia/Shanghai",
  "task": {
    "type": "check",
    "content": "检查以下服务状态：
1. 网站是否可访问
2. API 响应时间
3. 数据库连接
如有异常立即通知"
  },
  "enabled": true
}

管理 Cron 任务

查看所有任务：

openclaw cron list

启用/禁用任务：

openclaw cron enable daily-briefing
openclaw cron disable daily-briefing

删除任务：

openclaw cron remove daily-briefing

手动触发任务（测试用）：

openclaw cron run daily-briefing

Cron 任务最佳实践

1. 合理设置执行频率

不要过于频繁（如每分钟执行），会增加成本
根据实际需求设置（监控可以 5-10 分钟，简报每天一次即可）

2. 设置时区

确保 timezone 字段设置正确，否则任务可能在错误的时间执行。

3. 任务内容要具体

不要写“发送简报”，而要写“发送简报：天气、日程、新闻”，让 AI 知道具体要做什么。

4. 测试后再启用

创建任务后，先用 openclaw cron run 手动触发测试，确认无误后再启用自动执行。

5. 监控执行日志

定期检查 workspace/logs/cron.log，确认任务正常执行。

📋 实践任务 4：创建定时任务

任务目标：

创建至少 2 个 Cron 任务
测试任务是否正常执行
观察一周的自动化效果

推荐任务：

每日早报（早上 8 点）
工作日晚间提醒（下午 6 点）
每周总结（周五下午）

✅ 完成标准：

成功创建至少 2 个 Cron 任务
手动触发测试通过
任务已启用并自动执行

Skill 开发：扩展 AI 能力

Skill 系统概述

Skill 是 OpenClaw 的能力扩展机制，类似于插件或应用。每个 Skill 定义了一组特定的任务和工作流程。

Skill 的作用：

封装复杂的工作流程
定义专业领域的任务模板
提供可复用的能力模块

Skill 类型：

官方 Skill：OpenClaw 团队维护的标准 Skill
社区 Skill：用户分享的第三方 Skill
自定义 Skill：你自己开发的 Skill

Skill 文件结构

一个标准的 Skill 包含以下文件：

workspace/skills/my-skill/
├── SKILL.md          # Skill 说明文档
├── config.json       # 配置文件
└── templates/        # 模板文件（可选）

创建简单 Skill

示例：天气查询 Skill

创建文件 workspace/skills/weather-check/SKILL.md：

# 天气查询 Skill

## 功能描述

查询指定城市的天气信息并格式化输出。

## 使用方法

用户：查询北京天气

AI 执行流程：
1. 调用天气 API 获取数据
2. 提取关键信息：温度、天气状况、空气质量
3. 格式化输出

## 输出格式
📍 北京天气
🌡️ 温度：15°C
☁️ 天气：多云
💨 风力：3 级
🌫️ 空气质量：良


## 配置要求

需要配置天气 API Key：
- 提供商：OpenWeatherMap
- 配置路径：config.json

创建配置文件 workspace/skills/weather-check/config.json：

{
  "name": "weather-check",
  "version": "1.0.0",
  "description": "查询城市天气信息",
  "author": "你的名字",
  "config": {
    "apiKey": "你的_API_Key",
    "apiUrl": "https://api.openweathermap.org/data/2.5/weather",
    "defaultCity": "Beijing"
  }
}

安装和使用 Skill

安装 Skill:

openclaw skill install ./workspace/skills/weather-check

使用 Skill:

用户：使用天气查询 Skill 查询上海天气

AI：正在调用天气查询 Skill...
📍 上海天气
🌡️ 温度：18°C
☁️ 天气：晴
💨 风力：2 级
🌫️ 空气质量：优

高级 Skill 示例

示例：任务管理 Skill

创建 workspace/skills/task-manager/SKILL.md：

# 任务管理 Skill

## 功能

- 添加任务
- 查看任务列表
- 标记任务完成
- 删除任务

## 数据存储

任务存储在 `workspace/data/tasks.json`

## 命令格式

- 添加任务：`添加任务：[任务描述]`
- 查看任务：`查看任务` 或 `任务列表`
- 完成任务：`完成任务：[任务 ID]`
- 删除任务：`删除任务：[任务 ID]`

## 工作流程

### 添加任务

1. 解析任务描述
2. 生成唯一 ID
3. 添加到 tasks.json
4. 确认添加成功

### 查看任务

1. 读取 tasks.json
2. 按状态分类（进行中/已完成）
3. 格式化输出

### 完成任务

1. 查找任务 ID
2. 更新状态为"已完成"
3. 记录完成时间
4. 保存并确认

Skill 开发最佳实践

1. 清晰的文档

SKILL.md 应该包含：

功能描述
使用方法
配置要求
示例输出

2. 合理的配置

将可变参数放在 config.json 中，便于用户自定义。

3. 错误处理

考虑异常情况：

API 调用失败
配置缺失
数据格式错误

4. 版本管理

在 config.json 中记录版本号，便于更新和维护。

5. 测试验证

开发完成后充分测试，确保各种场景下都能正常工作。

📋 实践任务 5：开发自定义 Skill

任务目标：

开发一个简单的自定义 Skill
安装并测试 Skill
完善文档和配置

推荐项目：

选择以下之一进行开发：

倒计时 Skill：计算距离某个日期还有多少天
笔记 Skill：快速记录和查询笔记
提醒 Skill：设置和管理提醒事项
统计 Skill：统计工作日志中的关键数据

✅ 完成标准：

成功创建一个自定义 Skill
Skill 能正常工作
文档完整清晰

多渠道部署：全平台接入方案

多渠道接入概述

OpenClaw 支持同时接入多个消息平台，实现“一个 AI，多处可用”的效果。

支持的平台：

即时通讯：Telegram、Discord、Slack、WhatsApp
社交媒体：Twitter、微信（通过第三方桥接）
Web 接口：WebChat、HTTP API
本地接口：CLI 命令行

配置多渠道接入

基础配置文件： openclaw.json

{
  "gateways": {
    "telegram": {
      "enabled": true,
      "token": "你的_Telegram_Bot_Token"
    },
    "discord": {
      "enabled": true,
      "token": "你的_Discord_Bot_Token",
      "allowedChannels": ["channel-id-1", "channel-id-2"]
    },
    "webchat": {
      "enabled": true,
      "port": 3000,
      "auth": {
        "enabled": true,
        "password": "你的密码"
      }
    }
  }
}

Telegram 接入配置

步骤 1：创建 Bot

在 Telegram 中搜索 @BotFather
发送 /newbot 命令
按提示设置 Bot 名称和用户名
获取 Bot Token

步骤 2：配置 OpenClaw

{
  "gateways": {
    "telegram": {
      "enabled": true,
      "token": "你的_Bot_Token",
      "allowedUsers": ["你的_Telegram_User_ID"]
    }
  }
}

步骤 3：启动并测试

重启 OpenClaw
在 Telegram 中搜索你的 Bot
发送 /start 开始对话

Discord 接入配置

步骤 1：创建 Discord 应用

访问 Discord Developer Portal
创建新应用
在 Bot 页面创建 Bot 并获取 Token
在 OAuth2 页面生成邀请链接，添加 Bot 到服务器

步骤 2：配置 OpenClaw

{
  "gateways": {
    "discord": {
      "enabled": true,
      "token": "你的_Discord_Bot_Token",
      "allowedChannels": ["频道_ID"],
      "commandPrefix": "!"
    }
  }
}

步骤 3：测试

在 Discord 频道中发送 ! help 测试 Bot 是否响应。

WebChat 接入配置

WebChat 提供浏览器访问界面，适合本地使用。

配置：

{
  "gateways": {
    "webchat": {
      "enabled": true,
      "port": 3000,
      "host": "localhost",
      "auth": {
        "enabled": true,
        "username": "admin",
        "password": "你的密码"
      },
      "https": {
        "enabled": false
      }
    }
  }
}

访问：

启动后访问 http://localhost:3000 即可使用 Web 界面。

消息路由配置

当接入多个平台时，可以配置消息路由规则，让不同类型的消息发送到不同平台。

示例配置：

{
  "routing": {
    "rules": [
      {
        "type": "alert",
        "destinations": ["telegram", "discord"]
      },
      {
        "type": "daily-briefing",
        "destinations": ["telegram"]
      },
      {
        "type": "log",
        "destinations": ["file"]
      }
    ]
  }
}

规则说明：

告警消息同时发送到 Telegram 和 Discord
每日简报只发送到 Telegram
日志消息只写入文件

多渠道最佳实践

1. 权限隔离

不同平台设置不同的权限：

Telegram（个人）：完全权限
Discord（团队）：限制敏感操作
WebChat（公开）：只读权限

2. 消息分类

根据消息类型选择合适的平台：

紧急告警 → Telegram（推送通知）
日常交互 → Discord（团队协作）
数据查询 → WebChat（可视化界面）

3. 成本控制

多渠道会增加 API 调用，注意监控成本。

📋 实践任务 6：配置多渠道接入

任务目标：

配置至少 2 个消息平台
测试跨平台消息同步
配置消息路由规则

推荐配置：

Telegram（个人使用）
Discord 或 WebChat（团队/本地使用）

✅ 完成标准：

成功配置至少 2 个平台
能在不同平台与 AI 对话
消息路由规则生效

性能调优：配置参数详解

模型选择和配置

不同任务适合不同的模型，合理选择可以平衡性能和成本。

推荐配置：

{
  "agents": {
    "defaults": {
      "model": {
        "provider": "anthropic",
        "name": "claude-3-5-sonnet-20241022",
        "temperature": 0.7,
        "maxTokens": 4096
      },
      "fallback": {
        "enabled": true,
        "models": [
          {
            "provider": "openai",
            "name": "gpt-4o"
          }
        ]
      }
    }
  }
}

参数说明：

temperature 选择建议：

0.3-0.5：代码生成、数据分析（需要精确）
0.7-0.8：日常对话、内容创作（平衡）
0.9-1.0：创意写作、头脑风暴（创造性）

Token 使用优化

Token 是 API 成本的主要来源，优化 token 使用可以显著降低费用。

优化策略：

1. 启用缓存

{
  "agents": {
    "defaults": {
      "cache": {
        "enabled": true,
        "ttl": 3600,
        "maxSize": 100
      }
    }
  }
}

缓存可以避免重复的 API 调用，特别是对于相同或相似的查询。

2. 压缩系统提示

将冗长的系统提示精简为关键要点，减少每次调用的固定成本。

3. 使用更便宜的模型

对于简单任务，使用较便宜的模型：

{
  "agents": {
    "simple-tasks": {
      "model": {
        "provider": "openai",
        "name": "gpt-4o-mini"
      }
    }
  }
}

4. 限制上下文长度

{
  "agents": {
    "defaults": {
      "compaction": {
        "targetTokens": 50000
      }
    }
  }
}

性能监控

启用详细日志：

{
  "logging": {
    "level": "info",
    "file": "workspace/logs/openclaw.log",
    "metrics": {
      "enabled": true,
      "interval": 3600
    }
  }
}

查看使用统计：

openclaw stats --period 7d

输出示例：

OpenClaw 使用统计（最近 7 天）

API 调用：
- 总次数：1,234
- 总 tokens：456,789
- 估算成本：$12.34

模型分布：
- claude-3-5-sonnet：80%
- gpt-4o：15%
- gpt-4o-mini：5%

任务类型：
- 对话：60%
- 文件操作：25%
- 网络搜索：15%

成本控制

设置每日限额：

{
  "billing": {
    "limits": {
      "daily": 10.00,
      "monthly": 200.00
    },
    "alerts": {
      "enabled": true,
      "thresholds": [0.5, 0.8, 0.95]
    }
  }
}

当使用量达到阈值（50%、80%、95%）时，系统会发送告警。

配置速查表

基础配置：

{
  "agents": {
    "defaults": {
      "model": {
        "provider": "anthropic",
        "name": "claude-3-5-sonnet-20241022",
        "temperature": 0.7,
        "maxTokens": 4096
      },
      "compaction": {
        "reserveTokensFloor": 20000,
        "memoryFlush": {
          "enabled": true,
          "softThresholdTokens": 4000
        }
      },
      "subAgents": {
        "enabled": true,
        "maxConcurrent": 3,
        "timeout": 300000
      },
      "cache": {
        "enabled": true,
        "ttl": 3600
      }
    }
  },
  "memorySearch": {
    "enabled": true,
    "provider": "openai",
    "remote": {
      "baseUrl": "https://api.siliconflow.cn/v1",
      "apiKey": "你的_API_Key"
    },
    "model": "BAAI/bge-m3"
  },
  "logging": {
    "level": "info",
    "metrics": {
      "enabled": true
    }
  },
  "billing": {
    "limits": {
      "daily": 10.00,
      "monthly": 200.00
    }
  }
}