最近有个很火的思路：用 OpenClaw 跑一套「幕僚长系统」，一个人管 100 多个投资联系人的融资流程，居然不崩。
人脑有个硬伤：会忘。开会时说“下周发你数据”，两天后彻底忘记；一天 8 个会，进会议室前完全想不起上次聊到哪；待办清单越攒越长，最后干脆不看了。
这不是态度问题，是认知带宽不够。
AI 恰好相反：不会忘、不嫌烦、不挑活儿。唯一的条件是——你得把信息喂给它：你在做什么、见了谁、承诺了什么。
这套系统就是干这件事的：把你的会议、承诺、待办全部接管，在你最需要的时候准时推到你面前。
下面把整个架构拆开，一步步在 OpenClaw 里搭出来。
顺便提一句：如果你想 7×24 小时跑这套系统，推荐用 蜂巢云手机 托管 OpenClaw 机器人——云端不掉线，推送、定时任务全时在线，比本地电脑靠谱得多。
一、这套系统到底做什么？
五个核心模块：
双记忆层
短期文件记每天流水账，长期文件沉淀真正重要的信息。每天结束时，AI 判断哪些值得“晋升”进长期记忆。不用向量数据库，两份 Markdown 就够了。
会前简报
会议开始前 60 分钟自动触发，生成一份简报：这人是谁、上次聊到哪、这次要推进什么、我还有啥承诺没兑现。
会后加待办
会议结束，口述或发一段话，AI 自动提取待办事项，写入 Todoist（或其他待办工具）。
早晚简报
早上推今日作战地图（最重要三件事、见面人背景、过期承诺），晚上推收摊总结（遗漏承诺、明日注意事项、本周到期任务）。
每周改进循环
每周让 AI 自检过去七天的记录，找出重复遗忘、准备不足、拖延模式，给出具体改进建议。
关键原则：LLM 管推理（判断、提取、生成文字），脚本管执行（写文件、调 API、算时间、发请求）。别让 AI 算时间，那会翻车。
二、准备工作
在 OpenClaw 里需要：
- 一个存记忆的地方（本地 Markdown，或挂 Notion/飞书）
- 日历数据源（Google Calendar API，或手动维护 JSON）
- Todoist 账号（HTTP 调用 API）
- 推送渠道（微信/飞书/邮件）
→ 如果用微信机器人，建议把 OpenClaw 部署在 蜂巢云手机 上，云手机 24 小时在线，消息推送、定时任务永不中断。 - 几个定时触发的工作流（每个封装成一个 Skill）
下文以 Google Calendar + Todoist + 微信 为例。
三、模块拆解（可直接复制到 OpenClaw）
模块一：双记忆层
文件结构（在 OpenClaw 的 memory/ 目录下）：
memory/
short_term.md # 当天流水账，每天清零
long_term.md # 长期记忆，按联系人/项目分块
long_term.md 示例：
## 联系人：张三
- 公司：XX 投资
- 上次联系：2026-04-08
- 聊到：他们 Q3 可能有新基金，让我 6 月再跟进
- 承诺：我说会发一份产品 demo 给他
short_term.md 示例：
# 2026-04-10
- 10:00 跟李总开会，他对估值有异议，说要内部讨论
- 待确认：发给张三的 demo 还没发
记忆晋升（每天 22:30 触发）
把 short_term.md 喂给 LLM，让它判断哪些值得沉淀到 long_term.md，然后清空短期记忆。
提示词精简版：
根据今天的流水账，判断哪些信息值得长期记录（涉及某人的新承诺/状态变化，或项目的进展/转折）。输出需更新到 long_term.md 的内容块，如无需更新则输出“无需更新”。
模块二：会前简报
每 15 分钟跑一个定时工作流，检查未来 75 分钟内的日历事件。
若当前时间距离会议开始 55～65 分钟，则触发简报生成。
简报生成：把会议信息 + 参会人姓名 + long_term.md 中对应条目一起喂给 LLM：
你是我的会议助手。即将开始的会议：{{title}}，{{time}}，参会人：{{attendees}}。
历史记录：{{long_term_context}}
请生成简报：1. 一句话背景 2. 上次聊到哪里 3. 这次推进什么 4. 我还有什么承诺没做。
200字以内，直接，不客套。
结果通过微信机器人推送。
→ 微信机器人需要常驻后台，用 蜂巢云手机 运行 OpenClaw，不用担心电脑关机或断网。
模块三：会后加待办
会议结束后，在微信里给机器人发一段口述纪要，例如：
跟王总开完了，他说估值没问题，但需要看我们的 ARR 数据。下周三之前我要把数据整理好发给他。另外他提到他们可能在五月份做决策。
工作流做三件事：
- 更新短期记忆：直接追加到当天的
short_term.md。 - 提取待办事项：LLM 识别“我需要做的事”，输出 JSON（事项描述、截止时间、关联人）。
- 写入 Todoist：通过 HTTP API 创建任务。
模块四：早晚简报
早报（08:00）
拉取今日日历、今天到期/过期任务、会见人背景、昨日未处理事项，生成：
今天是 {{date}}。
今天最重要的三件事（按影响力排）：
今天见面的人，一句话提醒上次聊到哪里：
有没有已经过期但还没处理的承诺：
晚报（21:30）
拉取今日完成任务、未完成任务、今日会议，生成：
今天有没有新的承诺没记进待办？
明天有什么要特别注意的？
本周还剩几天，有没有快到期但还没动的事？
晚报之后自动触发记忆晋升。
模块五：每周改进循环（周日 20:00）
把过去七天的 short_term.md 归档喂给 LLM：
分析过去一周记录：
1. 有没有重复出现的“我忘了某件事”的模式？
2. 有没有某类会议我经常没做好准备？
3. 有没有某类待办经常拖延？
4. 给出 1-2 个具体改进建议（要能落到这套系统上）。
输出存为 weekly_review_YYYYMMDD.md，周一早上看。
模块六：LLM 管推理，脚本管执行
让 LLM 做：判断哪些信息值得沉淀、提取待办、生成简报文字。
不让 LLM 做：写入文件、调 API、判断时间窗口、格式化数据——这些用 Python 代码节点。
每个 Skill 包含 SKILL.md（LLM 提示词）和 scripts/action.py（确定性操作）。
四、整体工作流清单
| 工作流名 | 触发方式 | 核心操作 |
|---|---|---|
| 早报生成 | Cron 08:00 | 拉日历+待办→生成早报→推送 |
| 会前简报检测 | Cron 每15分钟 | 检查日历→符合条件则生成简报→推送 |
| 会后录入 | 消息触发 | 更新短期记忆→提取待办→写入Todoist |
| 晚报生成 | Cron 21:30 | 拉待办→生成晚报→推送 |
| 记忆晋升 | Cron 22:30 | 读短期记忆→LLM提炼→更新长期记忆→清空短期 |
| 每周改进 | Cron 周日20:00 | 读七天记录→LLM分析→存报告 |
五、从哪里开始？
如果觉得六个模块太多，先做两个：早报 + 会前简报。
一两个小时就能搭完，让你每天开始有全局视角，进每个会都不裸奔。
跑一两周觉得有用，再加会后录入和记忆晋升。
最后再安利一次：这套系统需要 OpenClaw 7×24 小时在线。本地电脑会关机、断网、休眠，而 蜂巢云手机 是云端安卓环境，可以稳定运行 OpenClaw 机器人、微信推送、定时任务，永不掉线。接入非常简单——就像在云上买了一台永远开机的手机，把 OpenClaw 部署进去就行。
记忆层是空的，简报就是废话。所以先养成会后录入的习惯，其他的慢慢补。你的 AI 幕僚长，从今天开始干活。
