Openclaw on 忘川

OpenClaw Skill 01：ByteRover 知识库实战指南

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

ByteRover 是 OpenClaw 生态里最常用的知识库能力之一，核心价值是把分散文档转成“可检索、可引用、可复用”的知识资产。
在实际工作中，它通常承担三件事：

把团队资料统一索引，减少重复问答。
让回答可回溯到原文来源，便于审核。
为后续自动化流程提供稳定知识底座。

二、典型使用场景

新人入职：快速检索项目规范、部署流程、常见故障。
技术支持：从 SOP 和历史案例中检索最接近的处理路径。
产品运营：从活动文档与数据周报中抽取可复用结论。
研发协作：把 ADR、设计文档、接口说明统一沉淀。

三、安装与前置准备

1) 前置条件

已安装并可正常运行 OpenClaw。
已配置可用模型与基础工具。
准备好知识源目录（Markdown、PDF、网页导出文档等）。

2) 安装命令

# 安装 ByteRover skill
clawhub install byterover

# 同步本地已安装 skills
clawhub sync --all

3) 建议配置

在项目环境变量中补齐知识库连接参数，例如：

export BYTEROVER_API_KEY="your_api_key"
export BYTEROVER_INDEX="team-knowledge"

四、手把手使用方法

Step 1：建立知识目录结构

推荐采用三层结构：

01-guides：操作手册与流程。
02-architecture：架构与技术方案。
03-ops：运维与故障处理记录。

这样可以显著提升检索召回的稳定性。

Step 2：执行首次入库

在会话中给出明确任务描述：

/skill byterover
请将 docs/ 目录文档建立索引，按“架构/运维/业务”打标签，并输出入库摘要。

Step 3：做带引用的问答

/skill byterover
基于已索引文档，回答“服务发布失败后如何回滚”，并附来源文件名与章节。

Step 4：做增量更新

每次变更只更新新增内容，避免全量重建导致成本升高。

五、排错与注意事项

检索结果空白：优先检查索引名是否一致、文档是否真的入库。
回答不稳定：缩小检索范围，给出更清晰的问题上下文。
成本过高：改为增量索引，限制单次检索文档数量。
敏感信息泄露风险：入库前先做脱敏，明确禁止目录。
版本污染：同一知识库要有版本标识，避免旧文档覆盖新规则。

六、落地清单（可直接执行）

确定知识源目录与命名规范。
安装 byterover 并完成首次索引。
统一问答模板：结论 + 依据 + 来源。
每周做一次增量入库和失效文档清理。
建立“高频问题榜”，持续优化知识结构。

七、参考资料

OpenClaw Skills 文档：https://docs.openclaw.ai/skills
ByteRover Skill 说明：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/byterover
OpenClaw 安装文档：https://docs.openclaw.ai/install/index

OpenClaw Skill 02：Self-Improvement 持续进化指南

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Self-Improvement 的核心是让 Agent 不只是执行任务，而是能够基于结果质量持续优化自身工作方式。
它适合做“长期有效”的流程：任务复盘、提示词改写、失败归因、策略升级。

二、适用场景

同类任务反复执行，但输出质量不稳定。
团队希望沉淀“高质量提示词模板”。
需要建立可审计的优化闭环，而不是靠经验拍脑袋。
想让新人快速复用成熟流程，缩短学习曲线。

三、安装与配置

1) 安装命令

clawhub install self-improvement
clawhub sync --all

2) 建议准备的输入数据

历史任务日志（成功与失败样本都要有）。
输出评分标准（准确性、完整性、可执行性）。
业务约束（禁用词、合规规则、时效要求）。

四、使用方法（建议流程）

Step 1：定义评估标准

先把“什么叫好答案”说清楚，再让 Skill 参与优化。

示例标准：

结论必须可执行。
必须给出关键依据。
不允许出现无来源断言。

Step 2：执行首轮复盘

/skill self-improvement
请基于最近 20 条任务输出，按“成功原因/失败原因/可改进提示词”三栏给出复盘报告。

Step 3：生成优化后的模板

/skill self-improvement
针对“技术文档总结”场景，输出 v2 提示词模板，并说明相对 v1 的改动理由。

Step 4：A/B 验证

把旧模板与新模板并行跑一周，比较稳定性与人工返工率。

五、注意事项

不要只看单次结果：至少观察 1-2 周趋势。
避免过拟合：模板不要只针对单一案例优化。
要保留回滚版本：v2 效果差时能迅速退回 v1。
加入人工验收节点：关键业务不能完全自动放行。
明确禁区：涉及合规、财务、法务的内容必须人工复核。

六、常见问题与排查

优化后反而变差：检查评估指标是否与业务目标一致。
输出越来越长：在模板中显式限制结构与长度。
解释很多但不可执行：增加“最终动作列表”硬性要求。

七、落地清单

建立统一评分标准与评审表。
每周固定一次复盘与模板迭代。
维护模板版本库（含变更记录）。
对关键场景设置人工验收门槛。
每月复盘一次 ROI（节省时间/返工率变化）。

八、参考资料

Self-Improvement Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/self-improvement
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 03：Agent-Browser 网页自动化指南

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Agent-Browser 用来把网页上的重复动作自动化，例如登录、表单填写、信息采集、页面巡检。
它非常适合“规则清晰、步骤固定”的场景。

二、适用场景

每日固定抓取多个页面的数据。
后台系统批量录入或状态核验。
前端回归测试中的基础流程检查。
舆情/竞品页面的周期性巡检。

三、安装与前置

1) 安装 skill

clawhub install agent-browser
clawhub sync --all

2) 基础依赖建议

启用 OpenClaw 的浏览器工具能力。
准备专用测试账号，避免使用个人主账号。
配置稳定网络与重试策略。

四、使用方法

Step 1：先写动作剧本

把流程拆成可执行步骤，例如：

打开目标 URL。
输入账号密码登录。
跳转到报表页。
抓取指定字段并导出。

Step 2：在会话中执行

/skill agent-browser
访问示例后台，登录后进入“订单列表”，筛选最近 7 天数据并导出 CSV。

Step 3：加入容错策略

元素定位失败时重试 2-3 次。
页面超时切换备用入口。
关键步骤截图留痕，便于排错。

Step 4：做定时任务

将稳定流程挂到计划任务，形成自动巡检。

五、注意事项

验证码与风控：遇到验证码需要人工介入，不要强行绕过。
账号安全：自动化账号最小权限、单独隔离。
页面变更风险：前端改版会导致选择器失效，要定期回归。
合规边界：只抓取被授权的数据，避免违规采集。
执行成本：长流程优先拆分为多个小任务，降低失败重跑成本。

六、常见问题

元素找不到：检查页面是否在 iframe 或 shadow DOM。
登录后跳回首页：确认 session/cookie 是否保存成功。
抓取数据错位：优先定位表头再映射字段，避免硬编码列序。

七、落地清单

固化 3 个高频网页自动化场景。
每个场景保留“动作剧本 + 异常处理”文档。
接入执行日志与截图存档。
每月做一次选择器健康检查。
高风险页面统一人工复核。

八、参考资料

Agent-Browser Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/agent-browser
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 04：Proactive-Agent 主动式助手架构

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Proactive-Agent 的重点不是“你问我答”，而是“在正确时间主动做事”。
它通常与事件、时间、状态变化联动，帮助团队把关键动作前置。

二、适用场景

每日站会前自动推送昨天进展与风险。
发布窗口前自动检查关键依赖状态。
SLA 超时前自动预警并通知责任人。
周期性巡检后自动汇总异常。

三、安装与准备

1) 安装命令

clawhub install proactive-agent
clawhub sync --all

2) 配置建议

打通消息通知通道（如 Slack/Telegram/邮件）。
先定义事件触发条件，避免“无意义提醒轰炸”。
每个提醒必须有明确接收人与处置动作。

四、使用方法

Step 1：定义触发规则

示例规则：

每天 09:30 自动发送前一日异常汇总。
发布前 30 分钟执行 Checklist，失败则拦截。

Step 2：配置任务指令

/skill proactive-agent
每天 9:30 自动汇总昨日错误日志 Top5，并推送到项目群，附修复负责人建议。

Step 3：联动定时器

可配合 OpenClaw 的 cron/hook 能力触发执行，形成稳定闭环。

Step 4：增加升级策略

提醒未处理时二次通知，仍未处理则升级到值班负责人。

五、注意事项

提醒必须可执行：只报问题不提供动作，价值很低。
控制通知噪音：同类告警要聚合，不要刷屏。
设置静默窗口：夜间与节假日策略要单独处理。
失败重试要有限制：避免异常时无限循环触发。
留审计日志：记录触发时间、对象、执行结果。

六、常见问题

提醒延迟：检查时区设置和任务队列积压。
重复提醒：确认去重键是否正确（任务 ID + 时间窗）。
内容空洞：增加“背景、影响、下一步”三段式输出模板。

七、落地清单

选 2 个业务高价值提醒先试点。
建立提醒等级（普通/重要/紧急）。
每周复盘触发准确率与处理闭环率。
对无效提醒持续下线，保持轻量高效。

八、参考资料

Proactive-Agent Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/proactive-agent
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 05：Deep-Research 深度研究工作流

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Deep-Research 面向“复杂问题研究”而不是简单问答。
它强调多源检索、证据交叉、结构化结论和明确假设边界。

二、适用场景

行业趋势分析与竞品研究。
政策解读与影响评估。
技术方案选型对比。
需要附来源链路的研究报告输出。

三、安装与准备

1) 安装命令

clawhub install deep-research
clawhub sync --all

2) 研究任务准备

明确研究问题与时间范围。
定义可信来源优先级（官方 > 一手资料 > 二手解读）。
明确结论格式（摘要、证据、风险、建议）。

四、使用方法

Step 1：先限定研究边界

/skill deep-research
研究“OpenClaw 在企业自动化场景的落地模式”，时间范围限定近 12 个月，并区分官方信息与社区实践。

Step 2：执行多轮检索

第一轮做广覆盖，第二轮做重点深挖，第三轮只做争议点验证。

Step 3：输出结构化报告

建议固定四段式：

关键结论
主要证据
不确定性说明
可执行建议

Step 4：保留引用链路

每条重要结论都应保留来源，方便后续复核。

五、注意事项

防止信息污染：避免把转载内容当一手证据。
区分事实与观点：输出时必须显式区分。
标注时效性：策略类结论要注明时间窗口。
处理冲突信息：给出冲突点与权重判断理由。
避免过度自信：不确定结论要保留概率表述。

六、常见问题

报告很长但无重点：增加“必须先给 3 条结论”约束。
来源很多但不可用：加入来源质量评分机制。
建议空泛：把建议绑定到角色、动作、时间。

七、落地清单

建立研究任务模板（问题、范围、来源、输出格式）。
固化“证据分级”标准。
每份报告都保留复核入口与更新时间。
对关键结论设置人工审核。

八、参考资料

Deep-Research Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/deep-research
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 06：Memory-Setup 记忆体系搭建

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Memory-Setup 的目标是让 OpenClaw 具备稳定的“长期记忆”，而不是每次任务都从零开始。
它解决的核心问题是：上下文遗忘、历史决策丢失、跨会话协作断层。

二、适用场景

需求长期跟踪（跨周、跨月的项目推进）。
多人协作中需要共享历史结论与约束。
需要保留“为什么这么做”的决策链路。
复杂任务拆分后需要持续接力。

三、安装与前置

1) 安装命令

clawhub install memory-setup
clawhub sync --all

2) 记忆数据分层建议

短期记忆：当前会话中的临时信息。
中期记忆：当前迭代周期内的任务上下文。
长期记忆：长期有效的规则、偏好、决策与知识资产。

四、使用方法

Step 1：定义记忆写入规则

不是所有信息都要写入长期记忆，建议只写入：

稳定偏好（风格、输出结构、禁用项）。
关键决策（架构选择、业务规则）。
高价值事实（流程、常见错误与修复路径）。

Step 2：执行记忆初始化

/skill memory-setup
初始化项目记忆：记录技术栈、部署环境、文档规范、发布流程和故障升级路径。

Step 3：建立更新机制

每次任务完成后沉淀“结论 + 依据 + 下次注意点”，避免信息老化。

Step 4：查询记忆再行动

在执行复杂任务前先检索记忆，减少重复试错。

五、注意事项

防止记忆膨胀：长期记忆只保留高价值信息。
防止过期污染：设置更新时间和过期清理机制。
隐私保护：敏感数据单独隔离，不进入通用记忆库。
冲突处理：同一规则出现冲突时，保留最新版本并记录变更原因。
可解释性：每条关键记忆要有来源和责任人。

六、常见问题

记忆命中率低：检查标签设计是否混乱。
记忆引用错误：增加版本字段与来源校验。
内容越来越杂：按主题拆分记忆空间，定期归档。

七、落地清单

先建立“写什么、不写什么”的清单。
建立月度记忆体检（清理过期、合并重复）。
为关键规则设置审批与变更记录。
在高风险任务前强制执行“先读记忆再执行”。

八、参考资料

Memory-Setup Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/memory-setup
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 07：Second-Brain 知识中枢实战

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Second-Brain 可以理解为“可执行的数字第二大脑”。
它不仅管理笔记，更强调将知识转化为行动：计划、提醒、复盘、复用。

二、适用场景

内容创作：积累素材并自动整理选题。
技术学习：记录知识点并形成可复习路径。
项目管理：把会议纪要转成可追踪待办。
团队知识资产化：沉淀 SOP、模板与最佳实践。

三、安装与准备

1) 安装命令

clawhub install second-brain
clawhub sync --all

2) 推荐基础结构

Inbox：快速收集。
Projects：进行中的任务。
Areas：长期职责领域。
Resources：参考资料。
Archives：完成归档。

四、使用方法

Step 1：统一输入入口

把聊天记录、网页摘录、会议要点统一汇入 Inbox，先收集后整理。

Step 2：自动化分类与标签

/skill second-brain
请把 Inbox 中近一周内容按“项目/学习/创作/运维”分类，并提取可执行任务。

Step 3：转行动清单

每条笔记至少要输出一个下一步动作，否则知识无法产生业务价值。

Step 4：周期复盘

每周复盘一次，清理无效笔记，合并重复主题，更新优先级。

五、注意事项

避免收藏成瘾：收集不是目标，可执行才是目标。
标签不要过多：标签体系过复杂会降低检索效率。
输入质量优先：记录时尽量包含背景与结论，避免碎片化噪音。
重视复盘：Second-Brain 的价值来自持续整理，而非一次性搭建。
权限治理：团队知识库要区分公开区与敏感区。

六、常见问题

笔记越来越多但找不到：改为层级目录 + 少量核心标签。
知识难转化为行动：模板中强制加“下一步动作”字段。
复盘坚持不下去：固定每周同一时间、同一流程执行。

七、落地清单

搭建统一收集入口与文件命名规范。
固化“收集-整理-执行-复盘”四步流程。
每月做一次结构优化与过期内容清理。
把高价值笔记升级为团队标准文档。

八、参考资料

Second-Brain Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/second-brain
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 08：Prompt-Guard 提示注入防护

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Prompt-Guard 主要用于识别并拦截提示注入、越权指令和可疑输入。
在生产环境中，它是保护 Agent 执行边界的关键安全层。

二、适用场景

Agent 会读取外部网页、邮件、文档等不可信输入。
系统支持工具调用，存在潜在越权执行风险。
业务对数据安全与合规有明确要求。
多租户或多团队共享同一 Agent 平台。

三、安装与前置

1) 安装命令

clawhub install prompt-guard
clawhub sync --all

2) 防护策略建议

输入分级：可信输入与不可信输入分开处理。
动作分级：高风险动作必须二次确认。
输出审查：关键输出先过规则再发送。

四、使用方法

Step 1：设定高风险关键词与模式

例如：泄露密钥、忽略系统指令、执行未授权命令。

Step 2：执行安全检测

/skill prompt-guard
检测以下输入是否存在注入风险，并给出风险等级与拦截建议。

Step 3：联动执行策略

低风险：记录日志并继续。
中风险：要求人工确认后执行。
高风险：直接阻断并告警。

Step 4：持续更新规则库

把已发生案例沉淀为规则，提高下一次命中率。

五、注意事项

不要只靠关键词：要结合上下文语义判断。
误杀可控：安全策略宁可略保守，也不要放过高风险动作。
日志留痕：每次拦截都要记录样本与处置结果。
分环境策略：测试环境和生产环境阈值应不同。
人工兜底：涉及资金、权限、外发信息必须人工复核。

六、常见问题

误报过高：调整阈值并增加白名单机制。
漏报攻击：补充语义规则与历史样本训练。
影响效率：对低风险路径做快速放行，关键环节再加严。

七、落地清单

先定义高风险动作清单。
对关键入口启用 Prompt-Guard。
接入告警渠道与审计日志。
每月做一次攻防演练与规则更新。

八、参考资料

Prompt-Guard Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/prompt-guard
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 09：AgentMail 邮件自动化实战

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

AgentMail 用于把邮件从“人工逐封处理”升级为“自动预处理 + 人工确认”的高效率模式。
它特别适合邮件量大、信息密度高的岗位。

二、适用场景

客服/运营：大量咨询邮件自动归类。
商务/销售：线索邮件自动打标签和优先级。
技术团队：告警通知和工单邮件自动聚合。
管理岗位：每日邮件摘要和行动清单自动生成。

三、安装与前置

1) 安装命令

clawhub install agentmail
clawhub sync --all

2) 邮件连接准备

配置 IMAP/SMTP 或服务商 API。
使用专用应用密码，不直接暴露主账号密码。
先在测试邮箱验证规则，再迁移生产邮箱。

四、使用方法

Step 1：定义分类规则

建议至少包含：

紧急问题
业务合作
系统通知
可延后处理

Step 2：生成摘要与待办

/skill agentmail
整理今天未读邮件，按紧急级别排序，输出三段式摘要并提炼待办事项。

Step 3：生成回复草稿

对标准问题先自动生成草稿，再人工一键确认发送。

Step 4：联动任务系统

把关键邮件自动转为任务卡片，避免遗漏。

五、注意事项

外发必须可控：默认先生成草稿，不建议自动外发。
隐私与合规：涉及个人信息和合同内容要严格脱敏。
误分类风险：高优先级分类必须保留人工复核。
规则迭代：每周复盘错分样本并修正规则。
邮件回环：防止自动回复触发无限邮件循环。

六、常见问题

邮件抓取不完整：检查同步时间窗和分页参数。
分类准确率低：补充业务词表与历史样本。
回复语气不合适：为不同对象建立模板库。

七、落地清单

先落地“摘要 + 待办提取”两个核心功能。
第二阶段上线“回复草稿”能力。
第三阶段再做跨系统任务联动。
建立邮件自动化审计与回溯机制。

八、参考资料

AgentMail Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/agentmail
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

OpenClaw Skill 10：Compound-Engineering 工程评审流水线

Tue, 10 Mar 2026 00:00:00 +0000

一、Skill 定位

Compound-Engineering 关注的是“复杂工程任务的分阶段协同”。
它把需求理解、方案设计、代码检查、风险评估、发布准备串成统一流程，减少单点失误。

二、适用场景

需求频繁变更、跨角色协作复杂的项目。
需要把评审流程标准化的研发团队。
上线风险高、需要多环节质量门禁的业务。
需要沉淀工程最佳实践与复盘机制。

三、安装与前置

1) 安装命令

clawhub install compound-engineering
clawhub sync --all

2) 推荐准备项

统一代码规范与分支策略。
基础 CI（测试、Lint、构建）已可运行。
明确评审角色与责任边界。

四、使用方法

Step 1：任务拆解

/skill compound-engineering
对“新增支付回调模块”做工程拆解，输出需求澄清、实现步骤、测试策略与上线检查项。

Step 2：分阶段评审

设计评审：检查架构与边界。
实现评审：检查代码质量与可维护性。
风险评审：检查安全、性能、回滚方案。

Step 3：输出标准化结论

固定输出模板建议：

关键问题（按优先级）
修复建议
阻塞项
可上线条件

Step 4：形成闭环

评审结果自动同步到任务系统，跟踪问题状态直到关闭。

五、注意事项

避免过度流程化：小需求采用轻量流程，大需求走完整流水线。
保持可追溯：每条评审意见都要有定位和责任人。
不要忽略回滚：发布策略必须包含失败回滚路径。
防止伪通过：关键门禁不允许“人工口头放行”。
持续复盘：上线后对照评审结论评估准确率。

六、常见问题

评审结论太泛：要求必须定位到模块/文件/风险等级。
改了但又回归：引入回归测试与自动检查。
流程太慢：对低风险任务启用快速通道。

七、落地清单

先选一个核心项目试运行两周。
固化“拆解-评审-修复-验证-上线”模板。
把评审结果接入看板做状态跟踪。
每月复盘一次流程效率与线上事故数据。

八、参考资料

Compound-Engineering Skill：https://github.com/sundial-org/awesome-openclaw-skills/tree/main/skills/compound-engineering
OpenClaw Skills 文档：https://docs.openclaw.ai/skills

Openclaw Skills 与常见功能清单（实战版）

Mon, 09 Mar 2026 00:00:00 +0000

这篇文档聚焦实操落地：先装什么、先开哪些功能、如何减少踩坑。

1. 先建立统一认知：Skill、Tool、Command 是三层

层级	作用	典型用途
Skill	任务方法包（`SKILL.md` + 规则）	用于“告诉 Agent 怎么做事”
Tool	网关原生能力（如 browser、cron、message）	用于“真正执行动作”
Slash Command	聊天入口控制命令（如 `/skill`、`/context`）	用于“调度和观察”

一句话：Skill 负责策略，Tool 负责执行，Command 负责调度。

2. Skills 必知规则（官方）

2.1 加载优先级（冲突时谁生效）

<workspace>/skills（最高）
~/.openclaw/skills
bundled skills（安装内置，最低）

这意味着：在项目里放同名 skill，可以覆盖全局或内置行为。

2.2 推荐的技能管理动作

# 安装某个 skill 到当前工作区
clawhub install <skill-slug>

# 更新全部已装 skill
clawhub update --all

# 扫描并同步
clawhub sync --all

2.3 新手最容易忽略的安全点

第三方 skill 一律按“不可信代码”处理。
skills.entries.*.env / apiKey 会把密钥注入主机进程（不是沙箱）。
有风险 skill 先放隔离环境跑，再上生产机。

3. 推荐优先做的 12 类 Skill（每项只讲核心）

下面是“方向清单”，用于快速搭建体系。单项介绍保持简短，重点给出可执行路径。

Skill 方向	解决的问题	最小落地建议
文档检索 skill	多文档问答不稳定	先限定目录范围，再做摘要输出
会议纪要 skill	会议后整理慢	固定模板：结论/待办/负责人/截止时间
日报周报 skill	重复写汇报	从 Git 提交 + issue +群聊汇总生成
运维巡检 skill	例行检查零散	输出固定巡检表（CPU/内存/磁盘/告警）
发布检查 skill	上线前漏项	做“发布前 Checklist”自动核对
数据拉取 skill	查数流程重复	固化参数校验 + 超时重试
客服 FAQ skill	回复口径不统一	强制走知识库引用，不允许编造
代码审查 skill	review 标准不一致	固定输出：风险级别 + 文件定位 +建议
舆情监控 skill	信息分散	关键词 + 时间窗 + 去重汇总
竞品跟踪 skill	对比更新慢	周期化抓取官网更新与发布日志
招聘筛选 skill	简历初筛耗时	规则化打分 + 人工复核结论
安全检查 skill	安全项靠手工	对配置、权限、明文密钥做例行扫描

4. 常见功能清单（高频、可直接抄）

4.1 运行某个 skill

/skill <name> [input]

适合：快速调用某个明确能力，不走长对话试探。

4.2 看上下文是否超载

/context detail

适合：回复质量突然下降、成本异常时排查。

4.3 快速换模型/看模型状态

/model list
/model <provider/model>
/model status

适合：同一任务切换“快模型/强模型”。

4.4 观察与控制子代理并行

/subagents list
/subagents info <id>
/subagents kill <id|all>

适合：研究、抓取、整理这类可并行任务。

4.5 给每条回复附成本/Token

/usage tokens
/usage full
/usage cost

适合：做成本治理，防止“看起来正常但实际很贵”。

4.6 需要时才开 Bash 执行

# 需先配置 commands.bash
! <command>
!poll
!stop

适合：运维场景；不建议在高风险群聊里常开。

4.7 创建一次性提醒（cron）

openclaw cron add \
 --name "Reminder" \
 --at "2026-03-10T08:00:00Z" \
 --session main \
 --system-event "提醒：检查昨日告警" \
 --wake now \
 --delete-after-run

适合：轻量自动化，不需要外部调度系统。

4.8 开启 hooks 做审计与记忆沉淀

openclaw hooks list
openclaw hooks enable session-memory
openclaw hooks enable command-logger
openclaw hooks check

适合：要追溯“谁在什么时间触发了什么动作”。

4.9 用工具配置收敛风险面

{
 "tools": {
 "profile": "coding",
 "deny": ["group:runtime"]
 }
}

适合：默认可用，敏感执行默认禁止。

4.10 跨渠道发送消息（message tool）

官方 message 工具支持 Discord/Slack/Telegram/WhatsApp/Signal/iMessage 等动作（send/react/thread/pin 等）。

适合：同一工作流多渠道通知。

5. 使用技巧（结合社区分享的高频经验）

技巧 A：先少量 skill，后扩容

首批只保留 3-5 个高频 skill。
连续一周稳定后再扩展。
删除长期不用 skill，降低攻击面和提示词噪音。

技巧 B：把“可控性”放在“炫技”前面

优先开 tools.profile，再按需 allow。
高频群聊不建议常开 /verbose、/reasoning。
管理命令尽量放 owner-only 环境。

技巧 C：把“安全审查”变成固定流程

新 skill 必做：读 SKILL.md + 看安装步骤 + 看是否要求执行外部脚本。
若 skill 引导手工执行可疑命令，默认判定高风险。
尽量在隔离环境先试跑。

技巧 D：把“可观测”做在前面

开启 command logger / session memory。
关键流程记录输入、输出、失败原因。
形成“失败可复盘”的工程习惯。

6. 近期风险提醒（来自公开分享文章）

多家技术媒体与社区在 2026 年 1-3 月持续提到：Openclaw 生态中存在恶意 skill、钓鱼分发、以及配置失误导致的安全问题。对普通用户最实用的结论是：

只从官方文档与可信仓库进入安装链路。
第三方 skill 全部先审再用。
保持版本更新并及时打安全补丁。

注意：不要把 Skill 当“普通文档”看待。
在 Openclaw 里，Skill 实际上是“可触发执行路径”的能力单元，安全要求应按“代码上线”标准执行。

7. 参考链接（可核验）

Openclaw 项目入门：是什么、能做什么、怎么安全使用

Mon, 09 Mar 2026 00:00:00 +0000

官方仓库（建议只从这里进入）：
https://github.com/openclaw/openclaw

Openclaw 是什么

Openclaw 可以理解为一个“可执行任务的个人 AI 助手”框架。
它不是只聊天的机器人，而是更偏向 Agent：能接入你的工具、读取上下文、执行任务并返回结果。

这个项目的作用

它的核心价值是把“问答”变成“动作”：

把多个工具统一接入到一个助手里（消息、文档、任务、自动化等）。
让重复流程自动化（例如定时汇总、跨工具同步、提醒与追踪）。
给个人或小团队提供可自托管、可扩展的 Agent 工作流底座。

能做些啥（典型能力）

多渠道交互：在你常用的沟通入口里与助手对话并下发任务。
工具连接：对接外部服务后，执行查询、整理、分发等动作。
自动化执行：把固定流程编排成可重复执行的任务。
可扩展能力：通过插件/技能机制扩展新场景。

需要注意些啥（务必先看）

权限边界：Agent 拿到什么权限，就可能执行到什么程度；最小权限原则要先落地。
数据安全：敏感信息（API Key、私有文档、数据库凭据）必须隔离存储与审计。
来源可信：只从官方仓库和官方文档安装，不要直接运行来路不明的脚本或“二次打包版”。
成本控制：接入模型和外部服务后要做调用限额、重试和预算告警。
生产前验证：先在测试环境做流程演练，再逐步放量到正式场景。

围绕 Openclaw 的“花边新闻”（社区讨论点）

下面是近期开源社区里最常见的话题方向（更偏“趋势观察”）：

生态增长很快：围绕插件、部署、最佳实践的二级项目越来越多。
安全话题持续升温：越“能干活”的 Agent，越要重视权限和供应链安全。
架构路线争议：社区常讨论“RAG 优先”还是“工具调用优先”，Openclaw 通常被放在后者语境里对比。

说明：花边信息更新快、噪声也大，建议以仓库 README、Issues、Discussions 和官方发布说明为准。

建议的学习路径

先通读官方 README，明确架构和依赖。
用最小可用配置跑通一个简单自动化流程。
再逐步增加连接器、权限策略和监控告警。
最后再进入复杂业务编排，避免一开始“全家桶”导致排错困难。

参考链接

Openclaw GitHub: https://github.com/openclaw/openclaw

Openclaw 原生安装路径与第三方搭建全指南

Mon, 09 Mar 2026 00:00:00 +0000

这是一份面向新手的 Openclaw 安装与部署实操手册：先本地跑通，再决定上云，最后补齐安全与运维。

版本说明（2026-03-09）：文中命令与路径基于 Openclaw 官方文档和官方仓库整理。若后续版本有差异，优先以官方文档最新说明为准。

一图看懂：先选哪条安装路线

路线	适合谁	上手速度	可控性	推荐指数
官方安装脚本	第一次接触 Openclaw	很快	中	⭐⭐⭐⭐⭐
npm / pnpm 全局安装	有 Node 经验	快	中高	⭐⭐⭐⭐
install-cli 前缀安装	无 root 权限环境	中	高	⭐⭐⭐⭐
源码构建安装	二开/深度定制	慢	很高	⭐⭐⭐
第三方托管（Railway/Render/Northflank）	想快速上线	很快	中	⭐⭐⭐⭐

建议顺序：本地跑通 -> 确认业务需求 -> 再决定托管平台。
不要一上来就做复杂生产部署，否则排错成本会很高。

路径一：官方安装脚本（最推荐）

1) 环境前置检查

# macOS / Linux
uname -a
node -v

Node 建议 22+
Windows 建议优先使用 WSL2

2) 执行安装

curl -fsSL https://openclaw.ai/install.sh | bash

Windows PowerShell：

iwr -useb https://openclaw.ai/install.ps1 | iex

3) 首次引导与验证

openclaw doctor
openclaw status
openclaw dashboard

doctor：检查依赖和运行条件
status：看服务是否健康
dashboard：进入控制台

4) 常见报错与修复

现象	原因	处理
`openclaw: command not found`	全局 bin 不在 PATH	补 PATH 后重开终端
安装卡住	网络/代理问题	换网络或配置代理再试
权限错误	系统权限不足	使用用户目录安装或加 sudo（谨慎）

路径二：npm / pnpm 全局安装（可控版）

1) 安装命令

npm install -g openclaw@latest
openclaw onboard --install-daemon

或 pnpm：

pnpm add -g openclaw@latest
pnpm approve-builds -g
openclaw onboard --install-daemon

2) PATH 修复模板

npm prefix -g
echo "$PATH"

如果路径缺失，补到 ~/.zshrc 或 ~/.bashrc：

export PATH="$(npm prefix -g)/bin:$PATH"

注意：不要同时混用多套 Node 管理器（如 nvm + fnm + 系统 Node）并交叉全局安装，这会造成命令漂移和版本冲突。

路径三：install-cli 前缀安装（企业受限环境友好）

1) 默认安装（用户目录）

curl -fsSL --proto '=https' --tlsv1.2 https://openclaw.ai/install-cli.sh | bash

2) 指定安装目录

curl -fsSL --proto '=https' --tlsv1.2 https://openclaw.ai/install-cli.sh | bash -s -- --prefix /opt/openclaw --version latest

3) 自动化安装（CI/CD 可用）

curl -fsSL --proto '=https' --tlsv1.2 https://openclaw.ai/install-cli.sh | bash -s -- --json --prefix /opt/openclaw

这个路径的优势在于：

不污染全局环境
便于多版本并行测试
更适合受限服务器权限场景

路径四：源码构建安装（开发者路线）

git clone https://github.com/openclaw/openclaw.git
cd openclaw
pnpm install
pnpm ui:build
pnpm build
pnpm link --global
openclaw onboard --install-daemon

适用场景：

需要改 UI 或流程逻辑
需要提交 PR
需要做企业内部插件开发

第三方部署：如何选平台更稳

方案 A：Railway（速度优先）

操作流程：

使用官方模板一键部署。
配置持久化目录（如 /data）。
设置关键环境变量：SETUP_PASSWORD、PORT。
访问 https://你的域名/setup 完成初始化。
使用 https://你的域名/openclaw 进入控制台。

优点：快。
注意点：免费配额与休眠策略要提前评估。

方案 B：Render（配置可版本化）

操作流程：

按官方 Blueprint 导入。
配置 SETUP_PASSWORD 与持久化磁盘。
部署完成后访问 /setup 初始化。

优点：IaC 友好，团队协作清晰。
注意点：首次构建与冷启动要考虑耗时。

方案 C：Northflank（面板体验好）

操作流程：

一键部署官方模板。
填写环境变量并启动服务。
打开 /setup 完成首启配置。

优点：上手直观。
注意点：资源规格与成本要按实际流量调优。

方案 D：VPS + Docker（长期生产推荐）

建议步骤：

选稳定 Linux 发行版并更新系统。
使用官方镜像 ghcr.io/openclaw/openclaw 部署。
挂载数据目录，避免容器重建丢状态。
加反向代理（Nginx/Caddy）并启用 HTTPS。
增加监控、日志归档、自动备份。

新手最容易忽略的 6 个坑

只关注安装，不做权限边界：应先定义谁可调用哪些工具。
把密钥写进仓库：应使用环境变量与密钥管理服务。
不做限流与预算控制：模型调用量会在高并发下快速放大。
不区分测试环境与生产环境：先在测试环境走通再放量。
无备份策略：至少要做每日快照与关键配置备份。
盲目追新版本：生产环境升级前先灰度验证。

安全底线：最小权限、密钥隔离、日志留痕、可回滚发布。
这四件事做到了，线上风险会下降一个数量级。

快速验收清单（安装后 10 分钟内完成）

openclaw doctor 全项通过
openclaw status 显示运行中
Dashboard 可访问
至少连接 1 个外部工具并完成一次读写测试
已设置管理员密码与最小权限策略
已启用日志与数据目录备份

参考资料（官方）

Install 总览：https://docs.openclaw.ai/install/index
Installer Internals：https://docs.openclaw.ai/install/installer
Docker：https://docs.openclaw.ai/install/docker
Podman：https://docs.openclaw.ai/install/podman
Nix：https://docs.openclaw.ai/install/nix
Ansible：https://docs.openclaw.ai/install/ansible
Railway：https://docs.openclaw.ai/install/railway
Render：https://docs.openclaw.ai/install/render
Northflank：https://docs.openclaw.ai/install/northflank
OpenClaw GitHub：https://github.com/openclaw/openclaw
配图来源（Pexels）：https://www.pexels.com/photo/a-close-up-image-of-computer-circuit-board-34804019/

深圳龙岗 OpenClaw 补贴政策速览（2026-03）

Mon, 09 Mar 2026 00:00:00 +0000

一句话先说结论：有补贴，但目前还是征求意见稿，正式申报要等最终发布版和实施细则。

信息更新至 2026 年 3 月 9 日：龙岗区公开的是《支持OpenClaw&OPC发展的若干措施（征求意见稿）》。
公示期：2026 年 3 月 7 日至 2026 年 4 月 6 日。

这次“OpenClaw 补贴”核心看点

和 OpenClaw 直接相关、且最容易被关注的条款，主要是这几类：

方向	支持方式	额度上限
开发推广支持	关键代码贡献、产业技能包、具身应用项目	最高 200 万元
数字员工应用券	企业采购或自建 OpenClaw 方案，按项目投入比例补贴	不超过投入 40%，单家企业每年最高 200 万元
应用示范项目	评选 OpenClaw 深度应用示范	按实际投入 30% 一次性奖励，最高 100 万元
免费部署服务	鼓励平台提供 OpenClaw 免费部署服务，政府对平台补贴	文件写明“给予一定补贴”，未写明确上限

另外，文件里还有与 OpenClaw 生态强相关的配套支持：

AIGC 模型调用补贴：按调用费用 30%，每家每年最高 100 万元。
算力与场景支持：示范场景最高不超过 400 万元。
基金融资：符合条件项目最高 1000 万元股权投资支持。

谁更可能用得上

优先看这三类主体：

在龙岗落地的 OpenClaw 工具开发团队。
准备用 OpenClaw 做业务数字化的区内企业。
提供部署、数据、算力、场景服务的平台型机构。

现在该怎么做（实操版）

先按“征求意见稿”预评估项目，别按“已落地政策”做财务承诺。
提前整理项目投入、代码贡献、场景效果等可核验材料。
持续盯官方页面，等正式稿和申报细则发布后再按口径申报。
有疑问可在公示期内按公告联系方式咨询或反馈意见。

注意：当前文本为征求意见稿，部分条款可能在正式发布时调整；文中“补贴比例/上限”请以最终政策文件为准。

官方与新闻来源

龙岗区官方公告（2026-03-07）：https://www.lg.gov.cn/bmzz/rgznjqrs/xxgk/qt/tzgg/content/post_12672989.html
官方附件（征求意见稿 .doc）：https://www.lg.gov.cn/attachment/1/1690/1690481/12672989.doc
深圳新闻网（2026-03-09）：“龙岗拟推龙虾十条”：https://www.sznews.com/news/content/2026-03/09/content_31969411.htm