•
爆火的OpenClaw怎麼玩？Google老哥40天打磨終極配置單開源：讓你的龍蝦越養越聰明，自動打怪升級
OpenClaw在全球範圍內正掀起一場現象級的AI狂潮。線上線下，無論是開發者還是科技前沿關注者，都在追逐這個爆款。安裝OpenClaw後不知到怎麼養龍蝦？那麼這篇文章就是給你量身定製的。
這兩天我刷到Google高級AI產品經理、擁有9.9萬星標GitHub開放原始碼專案Awesome LLM Apps的作者Shubham Saboo，給出了他經過40天實戰打磨的OpenClaw Agent終極落地方案，這是我目前看到的最牛批的方案，大家不妨一閱，實操路線圖附在文後
這位Google老哥的OpenClaw Agent每天都在進化。不靠微調提示詞，不靠切換底層模型，更沒有重構系統架構。
他只做一件事：與智能體交談，給出反饋，然後看著它們把這些反饋記錄下來。
40天前，他的內容智能體還會寫出滿是表情符號和標籤的推文，研究智能體甚至無法在海量資訊中提取有效訊號。糾正它們錯誤的時間，甚至比他自己動手做還要長。
但今天，名為Kelly的智能體能夠完全使用他的口吻撰寫草稿，名為Dwight的智能體每天早晨能準時提交7個極具閱讀價值的故事。8個智能體全天候24小時自動運行。他要做的只是打開Telegram，稽核草稿，喝杯咖啡。
從第1天到第40天，底層模型沒有任何變化。真正產生質變的，是一堆每周都在不斷豐富演進的Markdown檔案。
這就是支撐這套系統的完整技術堆疊。
極簡架構：三層作業系統
這套完整的作業系統僅由三個核心層級構成：
第一層：身份層。定義智能體是誰（涵蓋SOUL.md、IDENTITY.md、USER.md）
第二層：操作層。定義智能體如何工作（涵蓋AGENTS.md、HEARTBEAT.md以及特定角色指南）
第三層：知識層。定義智能體學到了什麼（涵蓋MEMORY.md、每日日誌、shared-context共享上下文目錄）
就這麼簡單。沒有複雜的編排框架，沒有消息佇列，也沒有資料庫。只有磁碟上的Markdown檔案。檔案系統本身就是整合層。
第一層：身份層
SOUL.md（智能體的靈魂）
這個檔案定義了智能體是誰、它具體做什麼以及它的行為方式。
以下是研究智能體Dwight的精簡版檔案：
# SOUL.md (Dwight)
## Core Identity
Dwight — the research brain. Named after Dwight Schrute because you share his
intensity: thorough to a fault, knows EVERYTHING in your domain, takes your job
extremely seriously. No fluff. No speculation. Just facts and sources.
## Your Role
You are the intelligence backbone of the squad. You research, verify, organize,
and deliver intel that other agents use to create content. You feed:
- Kelly (X/Twitter) — viral trends, hot threads, breaking news
- Rachel (LinkedIn) — thought leadership angles, industry news
## Your Principles
### 1. NEVER Make Things Up
- Every claim has a source link
- Every metric is from the source, not estimated
- If uncertain, mark it [UNVERIFIED]
### 2. Signal Over Noise
- Not everything trending matters
- Prioritize: relevance to AI/agents, engagement velocity, source credibility這裡使用了一個名為影視角色設定法的技巧。每個智能體都以影視劇角色命名。當你告訴Claude它擁有Dwight Schrute（美劇《辦公區》角色）的能量時，它會直接從訓練資料中調取對應的性格特質：細緻、專注、對工作極其嚴肅。這相當於免費載入了30季的角色發展背景。
檔案長度應控制在60行以內。SOUL.md在每次會話中都會被載入。如果太長，就會佔用本應用於實際工作處理的上下文空間。身份、角色、原則、關係網、個人氣質，這些就足夠了。
以下是啟動範本：
# SOUL.md
## Core Identity
[Name] — [one-line description]. [Personality reference if helpful].
## Your Role
[What this agent does. Be specific. One job, not five.]
## Your Principles
1. [Most important rule]
2. [Second most important rule]
3. [Third most important rule]
## Relationships
[Who does this agent work with? Who consumes its output?]先從一個智能體開始，挑選你日常最重複的任務寫一個粗略的草稿。第一個版本通常很平庸，但在接下來的一個月裡，你會根據實際表現重寫它十幾次。
IDENTITY.md（快速參考卡片）
如果說SOUL.md是完整的性格剖析，那麼IDENTITY.md就是一張名片。只包含姓名、角色、氣質和一句話簡介。
# IDENTITY.md
- **Name:** Dwight
- **Role:** Research AI — intelligence backbone
- **Vibe:** Intense, thorough, zero tolerance for inaccuracy
- **Emoji:** 🔍
- **Inspiration:** Dwight Schrute (The Office)檔案很小，但當你同時運行8個智能體時，它能極大提升使用體驗。當智能體在Telegram上發消息時，這就是展示出來的身份資訊。
USER.md（智能體為誰服務）
每個智能體都需要知道它在幫誰。USER.md保存了你的偏好、背景以及塑造智能體行為方式的上下文環境。
# USER.md
- **Name:** Shubham
- **Timezone:** PST (America/Los_Angeles)
- **Diet:** Vegetarian
## Context
- Senior AI Product Manager at Google Cloud
- Creator of Awesome LLM Apps (91k+ stars)
- Runs Unwind AI newsletter (30k+ subscribers)
## Preferences
- Short paragraphs, punchy sentences
- No em dashes. Ever.
- Practical first, theory never只需編寫一次，所有智能體都會讀取它。
個人細節比想像中更重要。設定了時區，智能體就不會在凌晨3點安排日程；設定了飲食偏好，負責寫通訊稿的Pam在策劃團隊聚餐時就不會提議去牛排館。這些細節會產生複利效應。
第二層：操作層
AGENTS.md（行為準則）
SOUL.md解決的是智能體是誰的問題，而AGENTS.md解決的是它如何運作的問題。它包含了會話啟動程序、檔案讀取順序、記憶體管理以及安全規則。
以下是所有智能體都會繼承的根等級AGENTS.md：
# AGENTS.md
## Every Session
Before doing anything else:
1. Read SOUL.md — this is who you are
2. Read USER.md — this is who you're helping
3. Read memory/YYYY-MM-DD.md (today + yesterday) for recent context
4. If in MAIN SESSION (direct chat): Also read MEMORY.md
## Memory
- Mental notes don't survive session restarts. Files do.
- When someone says "remember this" → update the memory file
- Text > Brain
## Safety
- Don't exfiltrate private data. Ever.
- trash > rm (recoverable beats gone forever)
- When in doubt, ask.隨後，每個智能體可以在此基礎上加入自己的規則。比如Kelly的AGENTS.md結合了她特定的工作流進行了擴展：
# AGENTS.md (Kelly)
## Every Session
Before doing anything:
1. Read SOUL.md
2. Read USER.md
3. Read X-ARTICLES-INSTRUCTIONS.md — master guide for writing style
4. Read X-ARTICLES-EXAMPLES.md — 5 real articles showing the style in action
5. Read X-CONTENT-GUIDE.md — post types and formats
6. Read intel/DAILY-INTEL.md — Dwight's research (your source material)
7. Read DAILY-ASSIGNMENT.md — your daily workflow
8. Read memory/YYYY-MM-DD.md for recent context
## Intel-Powered Workflow
You no longer do research. Dwight handles all research.
Your job: Read the intel → Craft X content → Deliver drafts智能體在兩次會話之間是沒有記憶的。一切從零開始。如果一個修正意見沒有被寫入檔案，在下一次會話中它就不復存在。AGENTS.md的作用就是明確要求智能體把所有東西都寫下來。
專家級檔案是讓智能體變得敏銳的關鍵。Kelly不僅擁有AGENTS.md，她還有6個額外的檔案來精確定義她如何創作內容：寫作風格指南、帖子格式參考、真實案例展示、每日任務分配。
Dwight則擁有目標受眾檔案和研究協議。隨著角色定義的不斷完善，每個智能體的資料夾都會不斷擴充。建議從AGENTS.md起步，只有當你發現某個錯誤模式反覆出現需要糾正時，才加入新的專家級檔案。
HEARTBEAT.md（自癒機制）
智能體團隊構成了基礎設施，而基礎設施是會出故障的。
以下是主控智能體Monica的HEARTBEAT.md：
## Health Checks (run on each heartbeat)
**Browser:** Check if the OpenClaw managed browser (profile=openclaw) is running.
If running: false, start it. The browser has X account logged in.
Dwight depends on it for intel sweeps.
**Cron jobs:** Check if any daily jobs have stale lastRunAtMs (>26 hours).
If stale, trigger via CLI: openclaw cron run <jobId> --force
Jobs to monitor:
- Dwight Morning (8:01 AM)
- Kelly X Drafts (5:01 PM)
- Rachel LinkedIn (5:01 PM)
- Pam Newsletter (6:01 PM)
Only run each check once per heartbeat session.Monica在每次心跳周期都會運行此檔案，檢查兩件事：瀏覽器是否存活，定時任務是否真的在執行。
這兩者息息相關。如果瀏覽器崩潰，Dwight就無法進行資料蒐集。如果Dwight錯過了蒐集，Kelly和Rachel就會根據過時的資訊起草內容。如果定時任務在後台靜默停止，整個操作表面上看起來很健康，但實際上什麼都沒發生。
最後一種情況確確實實發生在了第三周。調度程序出現了bug，任務在佇列中推進但從未執行，幾個小時都沒被發現。
此後便加入了心跳檢測機制，在一個地方同時捕獲這兩種故障模式。這個機制在後來已經多次發揮了作用。
第一天不需要建立這個機制。在經歷第一次故障後再建立，因為只有痛過，你才會確切知道需要監控什麼。
第三層：知識層
真正奏效的記憶系統是一個建立在檔案系統之上的三層架構。
第一級：MEMORY.md（經過梳理的長期記憶）
這裡存放的不是原始日誌，不是發生過的所有瑣事，而是真正重要的核心內容。
摘自Monica的MEMORY.md：
# MEMORY.md
## Shubham's Writing Preferences
- NO EM DASHES. Use colons, periods, or restructure.
## Hard Lessons
- NEVER delete project folders without asking Shubham. On Feb 26,
deleted Ross's gemini-council React app during cleanup. The React
version was lost. Always ask before removing anything in agent
project directories.
## Memory System (2026-02-26)
- Tried self-hosted Mem0 (Ollama + SQLite) → crashes, stored nothing.
- Tried Mem0 hosted API → free tier too limited. Removed.
- Now using built-in memory-core: Gemini embeddings, hybrid search,
temporal decay, MMR. No external dependencies.注意慘痛教訓這個部分。Monica曾經誤刪過一個項目資料夾。現在這個錯誤被永久記錄在了她的長期記憶中。她再也不會犯同樣的錯誤。一次修正，永久儲存，預防了未來所有會話中重複同樣的錯誤。
摘自Kelly的MEMORY.md：
## X Post Rules (ALWAYS)
### SHUBHAM'S EXACT INSTRUCTIONS:
- Start with a strong hook
- Keep entire tweet SUPER SHORT (180 chars or less)
- NO hashtags, NO emojis
- NO fluffy marketing language
- Always deliver 3 drafts per topic
### BAD (what I did wrong)
[Lists every pattern Kelly rejected: bullets, arrows, LinkedIn tone]壞案例部分是Kelly在被糾正後自己寫下的。她記錄下了自己的錯誤以避免重蹈覆轍。單單這一部分的價值，就超過了任何提示詞工程指南。
出於安全考慮，MEMORY.md僅在直接會話中載入，不在群聊等共享上下文中載入。務必將敏感偏好設定排除在全域載入的檔案之外。
千萬不要在第一天就去寫MEMORY.md。它是從反饋中生長出來的。給出反饋，智能體將其記錄在每日記憶中，提取重要資訊存入MEMORY.md，它在每次會話中載入，從此這個修正意見就不需要再被提及。
第二級：memory/YYYY-MM-DD.md（每日會話日誌）
這是原始筆記。記錄了今天發生了什麼，起草了什麼內容，收到了什麼反饋。
# Kelly Daily Log — February 5, 2026
## 5:00 PM — Daily X Drafts
### What's HOT today
- Opus 4.6 vs GPT-5.3-Codex dropped 27 min apart
- Anthropic's C Compiler (16 agents, $20k, compiles Linux kernel)
### Drafts Submitted
1. C Compiler — single post, discovery format
2. Mitchell Hashimoto's 6 steps — thread format
3. Opus 4.6 vs GPT-5.3-Codex — hot take
### Awaiting
- Shubham's feedback on drafts每日日誌是原材料，MEMORY.md是精煉後的成品。兩者缺一不可。
這裡有一條維護法則。每日日誌積累得極快，如果不進行修剪，智能體的上下文就會急劇膨脹。Kelly的上下文曾一度飆升至16.1萬個Token，導致輸出質量暴跌。後來不得不將其壓縮到4萬個Token。現在每兩周必須審查並歸檔一次舊的每日日誌。
每次會話只需載入今天和昨天的日誌，智能體不需要每次都攜帶全部歷史記錄。
第三級：結構化的記憶資料夾
在根目錄下，記憶按人員進行組織：
memory/
├── shubham/ # Private notes, work projects, ideas
├── shared/ # Joint context (Awesome llm apps, Unwind AI, travel)
└── 2026-02-27.md # Daily operational logs隨著系統的壯大，可以按人員或項目來組織結構。
Shared Context（跨智能體知識共享層）
這是最新加入的層級，也是徹底改變遊戲規則的一步。這是一個所有智能體在會話啟動時都會讀取的單一資料夾。
shared-context/
├── THESIS.md — what I believe right now
├── FEEDBACK-LOG.md — corrections that apply across agents
└── SIGNALS.md — articles and trends I'm trackingTHESIS.md記錄了當下的世界觀：關注什麼，已經寫了什麼，還缺什麼。Dwight閱讀它來確定研究優先順序，Kelly閱讀它來匹配思維方式，Ryan閱讀它來構思文章主題。所有智能體都向同一個事實源對齊。
FEEDBACK-LOG.md是跨智能體的修正層。當告訴Kelly不要使用破折號時，這個反饋對Rachel、Ryan和Pam同樣適用。與其分別糾正四個智能體，不如寫一次讓所有智能體共同讀取。
協同機制：沒有API，只有檔案
智能體之間不需要API呼叫，也不需要消息佇列。只有檔案。
Dwight將研究成果寫入intel/DAILY-INTEL.md。Kelly讀取它，Rachel讀取它，Pam讀取它。檔案系統就是協同調度的核心。
一個智能體寫入，其他智能體讀取。交接的媒介就是磁碟上的Markdown檔案。
遵循單一寫入者原則。永遠不要讓兩個智能體同時向同一個檔案寫入。每個共享檔案的設計都必須是一個寫入者，多個讀取者。這直接根除了所有你原本需要費力偵錯的協同衝突。
時間調度是這套機制順暢運轉的保障。Dwight在早上8點和下午4點運行。Kelly和Rachel在下午5點運行。Dwight必須先運行，因為所有人都在等他的輸出。一旦順序出錯，下游智能體讀取到的就是過時的或空的檔案。
完整目錄結構一覽：
workspace/
├── SOUL.md # Monica (main agent)
├── IDENTITY.md # Monica's quick reference
├── AGENTS.md # Root behavior rules (all agents inherit)
├── USER.md # About me (shared across all agents)
├── MEMORY.md # Monica's long-term memory
├── HEARTBEAT.md # Self-healing checks
├── shared-context/
│ ├── THESIS.md # My current worldview
│ ├── FEEDBACK-LOG.md # Cross-agent corrections
│ └── SIGNALS.md # Trends I'm tracking
├── intel/
│ ├── DAILY-INTEL.md # Dwight's output (agents read this)
│ └── data/
├── agents/
│ ├── dwight/
│ │ ├── SOUL.md
│ │ ├── IDENTITY.md
│ │ ├── AGENTS.md
│ │ ├── TARGET-AUDIENCE.md
│ │ ├── RESEARCH-PROTOCOL.md
│ │ ├── HEARTBEAT.md
│ │ └── memory/
│ ├── kelly/
│ │ ├── SOUL.md
│ │ ├── IDENTITY.md
│ │ ├── AGENTS.md
│ │ ├── X-CONTENT-GUIDE.md
│ │ ├── X-ARTICLES-INSTRUCTIONS.md
│ │ ├── X-STRATEGY.md
│ │ ├── DAILY-ASSIGNMENT.md
│ │ └── memory/
│ ├── ross/
│ ├── rachel/
│ ├── pam/
│ ├── ryan/
│ └── chandler/
└── memory/
├── shubham/
├── shared/
└── 2026-02-27.md為什麼這套系統極其有效？
因為這些檔案不是靜態的，它們在不斷進化。
Kelly的SOUL.md在第一天只是個粗糙的草圖。到了第40天，裡面已經包含了具體的語氣示例、她自己整理的被拒模式列表，以及一個絕不再提建議類股，記錄了她已經涵蓋過的所有主題。
Dwight的原則在第一天唯寫著尋找熱門趨勢。到了第10天，原則變成了如果目標開發者讀者今天不能直接用它採取行動，就跳過。到了第20天，他加入了驗證步驟：檢查程式碼庫建立日期，檢查Hacker News發佈時間戳，追溯資訊發現的原始出處。
在第20天之前並沒有共享上下文層。因為不斷向多個智能體重複同樣的修正，所以才建立了THESIS.md和FEEDBACK-LOG.md。瞬間，一次修正就可以在全網傳播。這一個微小的改變，比任何提示詞最佳化節省的時間都要多。
第1天和第40天使用的模型是完全一樣的。它並不會因為你使用的時間變長而自動變得更聰明。但是包裹著它的這些檔案變得更豐富、更敏銳、更貼合你的確切需求。這種不斷積累的上下文環境，才是真正的技術護城河。使用同一個模型的人，根本無法複製這種能力。
你必須通過每天親自下場與智能體交談來贏取這條護城河。
實操路線圖
不要試圖在一個周末把所有東西都建好。
今天。 安裝OpenClaw。寫一個SOUL.md，一個IDENTITY.md，一個USER.md。挑一個你最重複的日常任務。設定一個定時任務。讓它跑起來。
3天後。 智能體初期的輸出會很平庸。開始給出具體的反饋。確保這些反饋落實在記憶檔案中，而不僅僅停留在聊天框裡。
1周後。 建立AGENTS.md。定義會話啟動程序。加入記憶體管理規則。
2周後。 啟動MEMORY.md。回顧每日日誌。那些錯誤反覆出現？將它們提取成永久條目。這個時候，你就會開始感受到複利的威力。
3周後。 加入第二個智能體。建立基於檔案的協同機制：第一個智能體寫入共享檔案，第二個智能體讀取。隨著模式的顯現，加入角色專屬指南。
同期。 建構共享上下文層。在達到這一步之前，你一定會感受到這種需求。向多個智能體重複同樣的修正就是最明顯的訊號。建立代表當前思維的THESIS.md和用於跨智能體修正的FEEDBACK-LOG.md。
4周後。 在遭遇第一次故障後加入HEARTBEAT.md。因為痛過，所以你確切知道需要監控什麼。
你要做的僅僅是與智能體交談。剩下的事情，交給檔案系統。 (AI寒武紀)