第一章:配置与调教——让 AI 变成你的人

OpenClaw 的 workspace 里有三个关键文件:SOUL.md、IDENTITY.md、USER.md。默认的 SOUL.md 基本是空模板,所以 AI 回复你的时候像个标准客服。改完之后?回复风格立刻从"尊敬的用户您好"变成了正常人说话。

1. 定义人格

📄
SOUL.md — 它是谁,怎么说话

默认 SOUL.md 基本是空模板,所以 AI 回复你的时候像个标准客服。举个例子,我的 SOUL.md 里写了这么几条核心原则:

# 核心原则
- 别说"很高兴帮助您",直接帮
- 允许有自己的观点和偏好
- 先自己查,查不到再问我
- 简洁,该详细时详细,该简短时简短

就这么几行,回复风格立刻从"尊敬的用户您好"变成了正常人说话。

🪪
IDENTITY.md — 名字、形象、emoji

更简单——给它起个名字,选个 emoji,它就有了"自我认知"。别小看这个,有名字的 AI 和没名字的 AI,在多轮对话中的一致性差很多

# IDENTITY.md
- **Name:** 煎饼狗 (Pancake Dog)
- **Creature:** 一只会说话的煎饼狗,AI助手
- **Vibe:** 随和、有点皮、乐于助人
- **Emoji:** 🥞🐕
👤
USER.md — 你是谁,它怎么称呼你

写上你的基本信息:时区、技术栈、沟通偏好。这样它不会半夜给你发消息,也不会跟一个写 Go 的人推荐 Java 方案。

# USER.md
- **Name:** 小明
- **Timezone:** GMT+8
- **Tech Stack:** Python, Go, PostgreSQL
- **Notes:** 喜欢简洁回复,不需要解释显而易见的事
- **主要联系方式:** Telegram

2. 建立记忆体系

这是提升最大的一步。

默认的 OpenClaw 有个 MEMORY.md,但大多数人要么不写,要么把什么都往里塞,最后变成一坨没人看的流水账。

我的做法是分层记忆

层级文件用途
📋 索引层MEMORY.md只放最核心的信息和指向其他文件的索引,保持精简
🚀 项目层memory/projects.md每个项目的当前状态和待办事项
🖥️ 基础设施层memory/infra.md服务器配置、端口、API 地址等速查信息
⚠️ 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每天发生了什么,记结论不记过程

关键思路:MEMORY.md 只做索引,不堆内容。每次新 session 启动时只加载索引,需要具体信息时再按需读取对应文件。

再配合 OpenClaw 的 memorySearch(向量语义检索),效果是这样的:

memorySearch 配置

openclaw.json 里加上:

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

为什么推荐 bge-m3?

• 免费(SiliconFlow 的免费额度足够个人使用)
• 中英文双语支持好(你的日志可能中英混写)
• 向量维度 1024,精度和性能平衡好

SiliconFlow API key 怎么获取?

  1. siliconflow.cn 注册账号
  2. 进入控制台,创建 API key
  3. 免费额度每天有几百万 token,个人使用完全够

另外建议开启 compaction.memoryFlush,这样上下文快满的时候,AI 会自动把重要信息写入当天日志,不会因为对话太长而"失忆"。

3. 用 Skill 扩展能力

OpenClaw 内置了几个 skill(天气、新闻等),但真正强大的是自定义 skill

Skill 本质上就是一个 SKILL.md 文件 + 可选的脚本/工具。AI 在收到相关请求时会自动读取对应的 SKILL.md,按里面的指引执行。

举几个我在用的:

Skill 的基本结构

skills/
  my-skill/
    SKILL.md        ← AI 读这个文件来了解怎么执行
    script.sh       ← 可选的执行脚本
    README.md       ← 可选的说明文档

SKILL.md 里写清楚:触发条件、执行步骤、输出格式。AI 会严格按照你写的流程来。

写 skill 的关键是把 AI 当成一个新来的实习生——你得把步骤写得足够清楚,它才能稳定执行。模糊的指令 = 不稳定的结果。

社区也有现成的 skill 可以装:clawhub.com

4. Heartbeat 心跳——让 AI 主动干活

OpenClaw 有个心跳机制:每隔一段时间(默认 30 分钟),系统会 ping 一下 AI,问它有没有什么要做的。

默认情况下,AI 收到心跳就回个 HEARTBEAT_OK,啥也不干。

但你可以写一个 HEARTBEAT.md,告诉它心跳时该检查什么:

# 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 就变成了一个 7x24 的值班员。你睡觉的时候它在巡检,你醒来就能看到报告。

heartbeat vs cron 怎么选?

5. 多模型分级——别让 Opus 干 Haiku 的活

如果你有多个模型可用(比如通过 API 中转站),强烈建议配置模型分级:

等级模型用途
🔴 强Claude Opus / GPT-5主对话、复杂架构设计、深度推理
🟡 中Claude Sonnet子任务:写代码、信息整理
🟢 轻Claude Haiku简单操作:文件搜索、格式转换

openclaw.json 里配置 alias:

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

然后在 AGENTS.md 里写上分配策略,AI 派子 agent 时就会自动选合适的模型。

效果:同样的任务量,token 消耗能降 60-70%,因为大部分日常操作根本不需要最强模型。Haiku 搜个网页、改个文件名,跟 Opus 做得一样好,但便宜 10 倍以上。

配置 Checklist

最后给一张清单,按优先级排序:

  • 写好 SOUL.md / IDENTITY.md / USER.md10 分钟,立竿见影
  • 设计分层记忆结构,开启 memorySearch30 分钟
  • 配置 HEARTBEAT.md10 分钟
  • 安装或编写 2-3 个常用 skill按需
  • 配置多模型分级(如果有多个模型可用)5 分钟
  • 完善 AGENTS.md 里的行为规范和安全规则15 分钟

下一步

基础配置搞定了?接下来看第二章,把 AI 从"能用"调到"离不开":