OpenClaw构建自我迭代AI助手笔记
本次实践基于OpenClaw通用智能体框架,历时3天构建了一个名为“小银”的银行客户经理AI助手。核心目标在于验证“专属智能体+自我迭代”新形态的可行性,重点考察Context能力的优化,而非单一测试场景的准确性验证。通过配置人设、构建反馈闭环以及实现跨Agent自主交流,该系统展示了从自动化处理到自我进化的完整路径。
01核心架构与配置设计
OpenClaw的核心价值在于将Markdown文件作为系统的“单一真相来源”。通过定义核心文件的变更规范与进化日志机制,确保智能体的每一次迭代都有据可查。小银作为协调层Agent,其能力边界、工作方式及人设定义均通过配置文件进行管理,确立了三大核心能力:中后台任务自动化、客户行业风险警示以及营销线索洞察。
| 核心文件 | 职责 | 变更触发类型 |
|---|---|---|
| SOUL.md | 小银身份、人设、边界及工作方式 | 人设变更、工作方式优化 |
| AGENTS.md | 工作区规则、流程及目录结构 | 规范更新、流程优化 |
| USER.md | 用户信息、偏好及反馈记录 | 偏好调整、反馈归档 |
| MEMORY.md | 长期记忆、决策与学习总结 | 重要事件沉淀、知识积累 |
| HEARTBEAT.md | 心跳检查清单、推送规则 | 检查项目更新、规则优化 |
核心文件体系与职责划分
为实现自我迭代,系统设计了严格的变更必记录原则:任何核心文件的修改,必须同步生成包含修改内容、原因、来源及前后对比的进化日志。每日Cron任务会将这些变更汇总,形成每日反思报告,确保系统在持续运行中不断优化自身能力,而非在重复中固化。
02自我迭代机制:Cron + Heartbeat + Memory
OpenClaw本身仅提供记忆存储,反思与迭代依赖外层机制设计。本次实践构建了“Cron + Heartbeat + Memory”三位一体的反思迭代系统。Heartbeat负责实时收集状态与用户反馈,Memory进行持久化存储,而Cron则在固定时间触发深度反思与文件优化,形成闭环。
Heartbeat vs Cron 机制对比
主动关怀与状态监控
触发方式:固定间隔(默认30分钟)或主动唤醒
任务来源:HEARTBEAT.md配置
核心价值:知道何时不该打扰用户(沉默智能)
适用场景:紧急邮件扫描、日程提醒、临时任务队列


精确调度与批处理
触发方式:Cron表达式或固定间隔
任务来源:系统调度任务
核心价值:精确时间、独立会话、模型覆盖
适用场景:每日总结、每周回顾、记忆归档
Heartbeat机制专注于“有什么需要关注”,通过检查紧急邮件、近期日程、用户反馈等实时性事项,只在有新价值时推送,避免打扰。而Cron机制专注于“在何时执行什么”,负责每日22:00的定时反思,汇总反馈日志,并触发对SOUL.md、AGENTS.md等核心文件的优化更新,确保系统的长期进化。
03阶段验证:自主交流与评估能力
- 跨Agent通信配置
开启AgentToAgent权限,限制pingpong最多5轮防止无限循环。主Agent使用session_send触发通信,发送至对方的main session。 - 模拟场景测试
构建Agent模拟真实客户,与“小银”进行自主交流测试。由于钉钉群聊限制,测试通过IM发起,在WebUI观察交互过程,验证其对真实业务的响应能力。 - Agent-Eval Skill构建
设计了通用的评估能力架构,支持隔离配置、规则先行与反馈闭环。每轮测试创建UC-XXX-todo.md,围绕待办事项执行,生成JSON结果并汇总。
在实测中,通过自主交流完成了“小银”的升级用例。例如在心跳测试中,当发现其未能识别重要提醒时,系统发送反馈,助手自动记录反馈并进行自我修正。再次测试时,成功识别并提醒了重要事项。整个过程消耗约20万token,且使用coding plan后对用户无感,体现了较好的自动化水平。
04技术对比:OpenClaw vs Claude Code vs OpenViking
| 维度 | OpenClaw | Claude Code | OpenViking |
|---|---|---|---|
| 核心理念 | 养成系AI助手,正在成为某个人 | 工具系AI牛马,快速完成任务后消失 | Agent专用大脑,上下文文件系统 |
| 适用场景 | 24小时碎片化时间生产力提升 | 8小时内专注工作生产力爆炸 | 大规模资源/技能/记忆统一管理 |
| 用户关系 | 伙伴/助手关系,长期协作 | 工具/牛马关系,即用即走 | 专业系统,高效交互 |
| 记忆范式 | Markdown文件是唯一真相来源 | 会话结束记忆消失 | AGFS内容存储+独立向量库 |
| 检索方式 | QMD模式:BM25+向量+rerank混合 | 无持久化记忆系统 | 目录递归检索+语义搜索 |
主流智能体框架与记忆系统对比
总结来看,OpenClaw采用“极简Markdown + 强大的本地混合检索引擎”,追求透明、可控与本地优先。而OpenViking则更强调Token效率与分层确定性。尽管目前的记忆系统在遗忘、图谱构建及时序反思上仍有待完善,但本次实践深度验证了“Agent Loop + 长期记忆 + 定时任务 + 反思迭代”这一组合拳的巨大潜力,智能体正逐步具备真正走进日常生活的能力。
当前文章无评论,是时候发表评论了