feat: 添加 Sean Matthew 的 OpenClaw 优化文章 x2
This commit is contained in:
120
openclaw/xinghui/3-essential-tools-openclaw.md
Normal file
120
openclaw/xinghui/3-essential-tools-openclaw.md
Normal file
@@ -0,0 +1,120 @@
|
||||
# 3 Essential Tools for OpenClaw
|
||||
|
||||
> **来源**: [X @_sean_matthew](https://x.com/_sean_matthew/status/2028902126005653889)
|
||||
> **作者**: Sean Matthew (认证账号)
|
||||
> **发布日期**: 2026年3月4日
|
||||
> **查看**: 6,483 次 | 13 转帖 | 76 喜欢 | 113 书签
|
||||
|
||||
---
|
||||
|
||||
## 摘要
|
||||
|
||||
作者分享了三个能够显著提升 OpenClaw 能力的必备工具，帮助解决 OpenClaw 开箱即用的三个主要缺陷：无法发送邮件、无法记住上周的工作、无法可靠地浏览网页。
|
||||
|
||||
---
|
||||
|
||||
## 背景
|
||||
|
||||
作者在 Mac Mini 上运行 OpenClaw 作为个人 AI 助手，集成了 Telegram、日历、任务管理器、YouTube、Obsidian 等。但即使接入了这些服务，仍有三个大缺口：
|
||||
- 无法发送邮件
|
||||
- 不能很好地记住过去的工作
|
||||
- 不能可靠地浏览网页
|
||||
|
||||
---
|
||||
|
||||
## 三个必备工具
|
||||
|
||||
### Tool 1: AgentMail - 给 Agent 自己的邮箱
|
||||
|
||||
**是什么**: AgentMail (agentmail.to) 是一个 Y Combinator 支持的初创公司构建的 AI 专用邮件平台。Agent 有自己的真实邮箱 inbox，不是 Gmail，没有账户被封的风险。
|
||||
|
||||
**功能**:
|
||||
- Agent 可以通过 API 发送和接收邮件
|
||||
- 可以创建多个 inbox（免费版最多 3 个）
|
||||
- 地址格式：yourname@agentmail.to
|
||||
|
||||
**设置步骤**:
|
||||
1. 访问 agentmail.io 注册账号（可用 Google 登录，免费）
|
||||
2. 创建第一个 inbox
|
||||
3. 在 Dashboard 获取 API Key
|
||||
4. 使用 Claude Code 安装 AgentMail skill 并配置
|
||||
|
||||
**使用场景**:
|
||||
- 转发Newsletter让 Agent 总结
|
||||
- 处理收到的发票
|
||||
- 构建每日邮件摘要
|
||||
- 设置客服收件箱处理客户咨询
|
||||
- 通过 Webhook 将不同类型邮件路由到不同工作流
|
||||
|
||||
---
|
||||
|
||||
### Tool 2: QMD - 升级 Agent 的记忆
|
||||
|
||||
**问题**: OpenClaw 默认的内存系统使用关键词搜索，如果你问"上周我们和 XYZ 做了什么？"但实际对话用了不同的词，搜索就会失败。
|
||||
|
||||
**是什么**: QMD 是 Shopify CEO Tobi Lutke 构建的开源工具，是一个本地混合搜索引擎，结合三种搜索策略：
|
||||
1. **关键词搜索** - 传统匹配
|
||||
2. **向量语义搜索** - 理解含义，不只是精确词语
|
||||
3. **LLM 重排序器** - 根据实际相关性评分
|
||||
|
||||
**关键点**: 完全在本地运行，不需要 API Key，不使用云服务，数据不离开电脑。
|
||||
|
||||
**设置步骤**:
|
||||
1. 安装 QMD CLI
|
||||
2. 配置 `memory.backend = "qmd"` 在 openclaw.json
|
||||
3. 将工作区内存文件添加为 QMD 集合
|
||||
4. 运行初始嵌入下载模型并构建索引
|
||||
|
||||
> 作者评价：这是单个最大的生活质量提升工具。
|
||||
|
||||
---
|
||||
|
||||
### Tool 3: Agent-Browser - 给 Agent 更好的浏览器
|
||||
|
||||
**是什么**: Agent-browser 是 Vercel 的 CLI 工具，给 AI Agent 一个真正的浏览器（Chromium）。不是简单的 HTML 抓取，而是可以导航、点击、截图、填表等。
|
||||
|
||||
**为什么选 Agent-browser 而不是 Playwright**:
|
||||
- Playwright 与 AI Agent 配合时 token 效率很低
|
||||
- Agent-browser 比 Playwright **节省 93% 的 tokens**
|
||||
- 对于常驻的 Agent，这意味着更少的钱能做更多的事
|
||||
|
||||
**安装**:
|
||||
```bash
|
||||
npm install -g agent-browser
|
||||
```
|
||||
|
||||
**高级使用场景**:
|
||||
- **无 API 工作流** - 任何没有 API 的网站或服务，Agent 都能处理
|
||||
- **自验证代码** - Agent 修改代码后可以在浏览器中打开预览验证
|
||||
- **网站监控** - 追踪价格变化、产品上架、缺货提醒等
|
||||
- **安全护栏** - 内置提示注入防御
|
||||
- **Electron 应用** - 控制桌面应用（Slack、Notion、VS Code、Discord）
|
||||
|
||||
---
|
||||
|
||||
## 总结
|
||||
|
||||
三个工具，三种简单升级：
|
||||
|
||||
| 工具 | 功能 |
|
||||
|------|------|
|
||||
| AgentMail | 给 Agent 专用邮箱收件箱 |
|
||||
| QMD | 给 Agent 真正有效的语义记忆 |
|
||||
| Agent-Browser | 给 Agent 更好、更快、更便宜的网页浏览方式 |
|
||||
|
||||
每个只需几分钟设置，但一起使用能让基础的 OpenClaw 变成真正有用的助手。
|
||||
|
||||
**建议**: 从 QMD 开始，然后连接全部三个。
|
||||
|
||||
---
|
||||
|
||||
## 相关资源
|
||||
|
||||
- [AgentMail](https://agentmail.to)
|
||||
- [AgentMail Skill (ClawHub)](https://clawhub.ai/adboio/agentmail)
|
||||
- [QMD](https://github.com/tobi/qmd)
|
||||
- [OpenClaw Memory Docs (QMD)](https://docs.openclaw.ai/concepts/memory#qmd-backend-experimental)
|
||||
- [Agent-Browser](https://github.com/vercel-labs/agent-browser)
|
||||
- [OpenClaw Skills Docs](https://docs.openclaw.ai/tools/skills)
|
||||
- [ClawHub](https://clawhub.ai)
|
||||
- [YouTube 视频教程](https://www.youtube.com/watch?v=QvfqAMUJTT4)
|
||||
115
openclaw/xinghui/openclow-memory-fix.md
Normal file
115
openclaw/xinghui/openclow-memory-fix.md
Normal file
@@ -0,0 +1,115 @@
|
||||
# How to Fix Your OpenClaw's Memory
|
||||
|
||||
> **来源**: [X @_sean_matthew](https://x.com/_sean_matthew/status/2031800232569102610)
|
||||
> **作者**: Sean Matthew (认证账号)
|
||||
> **发布日期**: 2026年3月12日
|
||||
> **查看**: 1,669 次 | 5 转帖 | 41 喜欢 | 50 书签
|
||||
|
||||
---
|
||||
|
||||
## 摘要
|
||||
|
||||
作者分享了修复 OpenClaw 内存问题的四个关键优化，帮助降低 token 消耗并提升 Agent 稳定性。
|
||||
|
||||
---
|
||||
|
||||
## 问题背景
|
||||
|
||||
几周前，作者的 OpenClaw 出现问题：
|
||||
- Agent 不断遗忘重要上下文
|
||||
- Skills 没有正确触发
|
||||
- Cron job 停止运行
|
||||
- Telegram 中持续出现上下文相关错误
|
||||
- 会话越长，token 消耗越多
|
||||
|
||||
最初以为是模型问题（当时使用 Kimi K2.5），后来切换到 Sonnet 4.6 有所改善，但**真正的问题在于 OpenClaw 的内存和上下文管理方式**。
|
||||
|
||||
---
|
||||
|
||||
## 四个修复方案
|
||||
|
||||
### Fix 1: 防止压缩（Compaction）时丢失重要上下文
|
||||
|
||||
**问题**: OpenClaw 有有限的上下文窗口，会话变长时会压缩旧消息为摘要，但重要的指令和细节会丢失。
|
||||
|
||||
**解决方案**:
|
||||
1. **Memory Flush** - 在压缩前将重要信息写入磁盘
|
||||
2. **Session Pruning** - 积极清理旧的上下文
|
||||
|
||||
> 核心原则：只在上下文窗口中的内容是临时的，存在磁盘上的才会保留。
|
||||
|
||||
---
|
||||
|
||||
### Fix 2: 让检索真正生效
|
||||
|
||||
**问题**: 重要信息虽然保存在磁盘上，但 Agent 不会主动查找，或者默认检索效果不够好。
|
||||
|
||||
**解决方案**:
|
||||
1. 安装并配置 **QMD** (Tobi Lutke 的混合搜索引擎，结合关键词匹配、向量语义搜索和 LLM 重排序)
|
||||
2. 在 AGENTS.md 顶部添加明确的检索指令，让 Agent 在执行任务前搜索相关上下文
|
||||
3. 建立 LEARNINGS.md 文件，记录每次犯错后的规则，防止重复相同错误
|
||||
|
||||
---
|
||||
|
||||
### Fix 3: Heartbeat 成本陷阱
|
||||
|
||||
**问题**: Heartbeat 每 30 分钟唤醒一次，每次都是完整的 API 调用，携带整个会话上下文（可能 10,000-15,000 tokens），非常昂贵。
|
||||
|
||||
**解决方案**:
|
||||
```json
|
||||
{
|
||||
"agents": {
|
||||
"defaults": {
|
||||
"heartbeat": {
|
||||
"every": "30m",
|
||||
"lightContext": true,
|
||||
"model": "google/gemini-3.1-flash-lite-preview",
|
||||
"activeHours": {
|
||||
"start": "08:00",
|
||||
"end": "23:00"
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
关键优化:
|
||||
- **lightContext: true** - 只加载 HEARTBEAT.md，而不是整个系统提示
|
||||
- **使用便宜模型** - 如 Gemini 3.1 Flash-Lite，甚至可以用本地模型
|
||||
- **限制活跃时间** - 不需要凌晨 3 点检查，将心跳调用减半
|
||||
- **保持 HEARTBEAT.md 精简** - 只保留最基本的检查清单
|
||||
|
||||
---
|
||||
|
||||
### Fix 4: 完整系统提示审计
|
||||
|
||||
**问题**: AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md、HEARTBEAT.md、MEMORY.md 都会自动加载，作者从未审计过它们的大小和冗余。
|
||||
|
||||
**解决方案**: 让 Claude Code 审计整个系统提示，识别冗余、重复和不必要的部分并精简。
|
||||
|
||||
> 真正的问题不是换模型，而是裁剪不必要的系统文件。
|
||||
|
||||
---
|
||||
|
||||
## 总结
|
||||
|
||||
推荐的优化顺序:
|
||||
1. **Memory Flush** - 压缩前将重要上下文写入磁盘
|
||||
2. **Session Pruning** - 防止长会话拖拽无效上下文
|
||||
3. **Retrieval + 启动指令** - 升级 QMD，确保 Agent 明确搜索 prior context
|
||||
4. **Heartbeat 优化** - 轻量上下文、便宜模型、限制活跃时间、精简 HEARTBEAT.md
|
||||
5. **系统提示审计** - 裁剪冗余内容
|
||||
|
||||
**核心观点**: 构建 OpenClaw 时，选择的模型只是其次，**真正的价值在于确保 Agent 有良好的内存和上下文管理系统**。
|
||||
|
||||
---
|
||||
|
||||
## 相关资源
|
||||
|
||||
- [Ramya's article on agent memory debugging](https://x.com/i/article/2025615759771123712)
|
||||
- [OpenClaw memory docs](https://docs.openclaw.ai/concepts/memory)
|
||||
- [OpenClaw session pruning docs](https://docs.openclaw.ai/concepts/session-pruning)
|
||||
- [OpenClaw heartbeat docs](https://docs.openclaw.ai/gateway/heartbeat)
|
||||
- [QMD by Tobi Lutke](https://github.com/tobi/qmd)
|
||||
- [YouTube 视频教程](https://youtu.be/UTztjR4o7Y8)
|
||||
Reference in New Issue
Block a user