和AI一起搞事情#2：边剥龙虾&边做个中医技能来起号

春节前，科技圈被一只“龙虾（OpenClaw）”突袭了。

朋友圈里的各类标题党简直不忍直视：“AGI降临！”“最强记忆管理！”“打工人的终结者！”

看了看底层代码，第一感受是：“确实是一次很棒的产品级创新，但要说技术上的颠覆？uh#&en!%#^感觉好像也没有

但是！只有用了才有发言权。所以这篇文章分两部分：

• 实战环节：用OpenClaw创建一个新技能——"中医方剂卡片生成"
• 原理拆解：分析OpenClaw到底戳中了用户的哪些爽点

先看看最终效果，这是我和龙虾折腾大半天的最终成果，完整技能详见ark_of_mind

动手篇：用龙虾捏一个“老中医”智能体

在动手之前，先聊聊"技能"到底是什么。大致上可以分两类：

类型	举例	本质
操作手册类	如何写入PPTX	工具的使用说明书
任务完成类	个股财报分析	端到端的工作流SOP

我们普通开发者要干的，就是把业务里那些恶心、重复、不想再干第二次的SOP，沉淀成后者的“技能（Skill）”。而龙虾的特点就是把“Skill”做到了极致，万物皆Skill。

但如果说skill一定是Agent的未来么？对这一点我个人并不完全看好。Skill的优点很明显，上手成本低，并且可以随模型对话进行持续改进优化，似乎有了进化的潜力。但本身它不具备任何约束效力，每一步指令都是软约束。这在高精密场景又似乎是个bug。所以要拥抱，但同时也对新的形态保持open mind吧。

下面我们进入“中医方剂卡片”技能的正式制作过程

第一步：该独立时要独立(创建独立智能体）

让我们先创建一个独立智能体，一个独立的智能体拥有独立的

• workspace：存储后面会提到的所有记忆文件
• agentDir：模型配置，鉴权信息等等

openclaw agents add card-maker

为什么要单开一个Agent？ 如果在代码编辑器里，一个项目一个Agent很正常（需要独立环境和Git仓）。但在龙虾里，问题有点模糊，因为龙虾有“全局记忆”。

如果只是临时的系统或任务，用主Agent（主进程）就行。但如果你要做一个长期迭代的复杂项目，强烈建议单开一个独立的Agent。这就好比你不会让你的“私人生活助理”和“无情的写Bug机器”共用一个大脑一样。独立的Agent拥有干净的上下文，不会因为你昨晚让它查了菜谱，今天就在代码里给你加两勺盐。

第二步：用魔法创建魔法(善用skill-creator)

身边朋友问："做个啥技能呀？"一拍脑门啥也想不出来。

这里给两个思路：

• Demo反推：把你原来干的活（未来再不想干的）拿来，逆向工程
• Histroy压缩：把过往你和模型对话中重复过很多次的对话拿来，压缩抽象

至于怎么写这个Skill的代码？千万别自己手搓！如果你足够了解它，你就不想手搓了。直接召唤 Claude 官方的skill-creator技能：

skill-creator会引导模型一步步获取创建技能所需的信息。

第三步：反复拉扯=进化？（技能持续优化）

技能搭好后，就是反反复复的测试。这里你能明显感受到国内外模型的“脑回路差异”。国内有些模型因为缺乏AI相关的训练数据，一上来就喜欢用传统后端开发的思维去搭框架，动不动就给你搞个复杂的类、加一堆后处理，完全偏离了 Skill 轻量化的设计初衷。

分享2个开发tips:

• 系统级施压：在 Agent.md 里把最核心的SKILL设计原理写进去，别让它放飞自我。
• 重要的事情说三遍：每一次大的优化和调整指令后，都反复强调要followskill-creator的说明

最重要的一点，在和Agent合作的过程中积累的经验一定要记下来

🗣️ “Note it Down（记在你的小本本上）！”

这句指令是当前 Agent 框架下让 AI 进化的核心。我让这个做卡片的 Agent 把踩过的坑全写进了它的长期记忆里（后面会细讲这个机制）。

技能搭建虽然充满艺术性和想象力，但最终是要变成生产力的。所以验证和量化评估非常重要。

这一章我只尝试了“AI测试->我来反馈->AI修改->记笔记”的循环，量化评估等我试了Claude新版skill-creator后再来补充。 我的做法是：

• 清空上下文（注意这一点很重要）
• 让模型基于技能进行批量测试
• 每个卡片给出反馈
• 让模型基于反馈优化，再更新到Skill中

3个版本迭代后，我就拥有了基本符合我审美的技能效果（哈哈前几个版本不要太浮夸）

架构拆解篇：龙虾到底凭什么火？

玩完了Demo，我们来扒一扒龙虾的底层逻辑。它为什么能给用户带来所谓的“AGI体感”？

🌍 【环境变了】从云端“仙女”变成了本地“牛马”

Agent部署环境的变化其实才是我认为最核心的变化。

以前的Agent基本都是云端部署——Agent住在一个空空如也的Docker里，对用户、对用户环境一无所知。所以以前的Agent都是"任务型"的：写文档、做PPT、生成网页。

而OpenClaw能干什么？

• 帮你自动分类邮箱
• 帮你回复钉钉消息
• 帮你整理桌面文件夹
• 帮你在日历上订阅日程并提醒

核心不是能力变了，而是这只龙虾从云端落了地。飞在空中的龙虾，怎么能碰到地面上形形色色的人呢？

但代价是什么？极度危险。 它有了你的操作权限，这意味着它能帮你回消息，也能一键删掉你的毕业论文。现在网上甚至有个openclaw.allegro.earth的网站，展示了20多万个在公网未加防护的 OpenClaw 示例。

所以说这在安全和企业使用上还有一段路要走。

✅ 【CORE】交互体感变了：Task Oriented -> User Oriented

环境变化带来的是工作内核的变化。因为拥有了更多"人"的信息维度，交互体验上的"AGI"味道更浓了。

而真正赋予OpenClaw用户维度理解能力的，是它的记忆机制。

🧠 【Memory】养龙虾的核心：什么信息随使用变化？

养龙虾的核心在两点：记忆和技能。

技能偏项目化，而记忆系统更有AGI色彩。来看看它的设计原理：

• 所有记忆都存储在Markdown中，文件是唯一形式
• 模型不记忆对话Session之外的任何信息，只读写文件
• 采用最简单的文本格式，方便人类阅读和编辑

身份记忆

Openclaw提供了以下几种身份记忆信息，默认保存在每个agent的工作目录下，包括

• USER.md：你是谁（我不说，你懂的，各种你的喜好和八卦）。
• IDENTITY.md：它是谁。
• SOUL.md：这个最有趣，它是AI的“灵魂和底线”。

更新方式有两种：

1. 初始化更新：首次通过openclaw onboard进入时，会根据BOOTSTRAP.md的指令引导用户更新。我的“一卦”长这样（USER.md就不给你们看了哈哈）：

2. 手动更新：所有.MD文件可以手工编辑，所以不用工具、不用模型，你自己可以编辑所有以上的记忆文件。

三个文件的定位：

• USER + IDENTITY：让Agent更懂你，也让Agent更像人
• SOUL：需要长期打磨，把你的人生哲学和处事原则灌输给它

💡 有趣的灵魂万中无一，所以SOUL是龙虾行为模式的核心。

官方自带的SOUL文件其实非常有趣，白话翻译几条核心原则：

别说废话：少给我来“好问题！”、“我很乐意帮忙！”这套虚的，直接干活。
允许有脾气：你可以觉得这事很无聊。一个没个性的助手就是个搜索引擎。
别做伸手党：自己先看文档、搜上下文。实在搞不定再问我。带答案来，别带问题来。
懂点规矩：你主人的家底都给你看了，处理对外事务（发推、发邮件）长点心。

行为记忆

如果说身份记忆是人格化的核心，那行为记忆是让龙虾成为你助手的核心。 龙虾设计了一长，一短两种行为记忆

类型	文件	作用	加载时机
短期/日常记忆	memory/YYYY-MM-DD.md	按天组织的日志，知道你每天干什么	只加载最近两天，剩余按需加载
长期/核心记忆	MEMORY.md	决策和持久化事实，Agent进化的核心	每次主对话都加载

短期记忆的更新机制： 只提供append模式，自动触发条件：

• 当前对话上下文长度超过阈值
• 用户输入/new开启新对话

触发后，OpenClaw会启动独立Agent，对最近15条对话进行摘要总结。下面是我配置龙虾第一天、接入钉钉插件后，在重启对话时模型保存的当日memory：

而短期记忆的摘要指令非常简单，并没有之前我们看过的很多记忆项目中反复的分类，但效果现在确实缺少有效的评估机制，比较见仁见智。 “” 长期记忆的更新：

老实说，当前版本的OpenClaw对长期记忆的管理有些混乱——记什么、什么时候触发，完全靠Agent自主控制。

感兴趣的朋友可以看看这个Git Issue，大佬们在讨论如何在文档中明确Memory机制对长期记忆的定位。

但好消息是：所有文件都可以通过指令更新。你可以说：

• "请把这些记下来"
• "请更新到你的长期记忆中"

就像前面我在SKILL制作过程中把多轮调优积累的经验都放到了MEMORY里面。但当前龙虾的长期记忆确实比较粗浅。何时更新、何时失效、究竟压缩什么经验，并说不清除。

再有就是记忆搜索功能，需要你接入OpenAI的向量模型才能使用，方案也比较常规就是BM25(0.3)+向量(0.7)，也都支持用户自行配置，这里就不多展开了。

【GateWay】交互形式简化：从对话中来回到对话中去

这块技术细节暂时不展开，后面会有一章借着多智能体群聊，细说Gateway和钉钉、飞书、Slack这些聊天软件的接入。

但我个人认为Gateway层的加入有点返璞归真的感觉：

从ChatGPT最初爆火就是简单的对话框，但这两年随着任务复杂化，大家把功能做得越来越复杂——Workflow、Canvas、CLI……

可是最初想象中的Jarvis，其实就是简单的对话啊。

当然不同场景，最趁手的工具可能有不同形态。但最能击中大众的，可能还是对话。

💓 【HearBeat】简单却有趣的新技能：心跳&定时任务

最后再说下龙虾的心跳机制，很有趣的实现思路。不大的功能，造就了无数博主博人眼球的标题，AI帮我盯盘！AI帮我自动下单！每周AI自动写周报！

毕竟原来AI都是被动响应人类的提问，而有了心跳机制，AI可以主动向人类发问

这背后其实是两个机制，OpenClaw巧妙地将两种调度模式结合：

特性	心跳	Cron
定时精度	近似（可漂移）	精确
会话上下文	主会话	主会话或隔离会话
批处理能力	强（可批量检查多项）	弱（独立任务）
成本效率	高（批量检查）	低（独立调用）
智能决策	强（基于上下文）	弱（预设逻辑）

Cron很好理解是精准的后端定时，在几点几点，触发一个独立的定时任务。而心跳的设计很巧妙，为了和当前用户的状态无缝衔接，心跳的触发是放在当前主对话中的，可以直接关联前后对话的上下文，整个触发机制如下

系统定时器触发(every 30 min可配置)
    ↓
后端发送用户消息: "Read HEARTBEAT.md if it exists..."
    ↓
模型看到：常规系统提示词 + 这条特殊用户消息
    ↓
模型执行：读取HEARTBEAT.md文件（使用`read`工具）
    ↓
模型根据HEARTBEAT.md内容决定回复：
    - 有需要关注的事项 → 回复具体内容
    - 无事项 → 回复"HEARTBEAT_OK"