-
帮我管理日程:把我一天的事项梳理成明天的优先级和时间块
-
每天自动生成它的工作日报:按固定结构汇总他每天做了什么和关键进展
-
帮我刷小红书:按关键词筛选符合标准的帖子
-
把用户评论保存到飞书,并顺便生成一份用户情绪洞察报告
-
Gateway :统一多渠道接入
-
Tools + Skills :定义执行能力边界
-
Memory :实现持久化记忆
-
定时触发机制 :支持主动执行任务
-
Gateway(网关) 负责管理会话、鉴权和消息路由。通常运行在本地,默认仅允许本机访问,也可以通过私有网络远程连接。
-
Agent(智能体) 负责理解用户意图,拆解任务,制定步骤,并决定调用哪些工具或技能。
-
Skills(技能) 模块化能力扩展系统。通过 Markdown 描述和脚本定义标准执行流程,决定“怎么做”。
-
Nodes(节点) 运行在手机、电脑等设备上的扩展端,提供摄像头、位置、系统通知等本地能力。

-
接收来自各个消息渠道的指令 -
判断交给哪个 Agent 处理 -
将结果返回到对应渠道
-
大模型负责“思考”与决策
-
工具(Tools)负责“执行”
-
执行结果再反馈给模型
-
上下文组装 系统会把身份设定、可用工具、历史对话、工作区文件等内容拼接成完整提示词。 -
模型推理 模型决定是直接回复,还是调用某个工具。 -
工具执行 解析参数,执行 bash、read、write、browser 等操作,并返回结果。 -
回复分发 将最终结果格式化,通过 Gateway 发回用户。


-
只让它回答问题,而不是让它持续执行。 如果只用它聊天,它和普通模型差异并不明显。
-
没有建立 Skills。 如果没有把常用流程固化成标准步骤,每次任务都会重新推理,效率自然不稳定。 像我这几天跑顺的评论采集流程,后面我一定会把它固化成 skill,不然每次都从头讲规则,既慢又容易偏。
-
没有使用定时或主动触发机制。 OpenClaw 的强项在于“自动执行”。如果永远需要手动触发,它就无法发挥系统价值。 我现在的日报就是最典型的:不是我想起来才写,而是它每天自动生成一版,我只做最后确认。
-
先让本地工具跑通一件小任务 -
再接入一个消息通道 -
为一件高频事务写一个简单 Skill -
设置定时任务 -
把关键输出写入 Memory

