OpenClaw 人格工程实战：从默认模板到专属 AI 助手的 7 步调教法

OpenClaw 人格工程实战：从默认模板到专属 AI 助手的 7 步调教法

我用 OpenClaw 第一周的时候，它每次对话都要重新解释一遍我的代码风格偏好，烦得不行。第二周我开始认真研究 SOUL.md 和 USER.md，花了一个下午调整配置。第三周，它已经能记住"我讨厌 class 继承链"这件事了。差距就这么拉开了。

先说结论

OpenClaw（"小龙虾"，GitHub 315K+ Stars）最让我惊喜的不是它多强大，而是它的人可塑性——你可以通过几个 Markdown 文件，把一个通用 AI 捏成你自己想要的样子。SOUL.md、USER.md、AGENTS.md、MEMORY.md，这几个文件就是你的"调教工具箱"。

但问题是，很多人（包括一周前的我）只是往这些文件里填了个模板就完事了。用了一阵子发现 AI 还是"不太对"，就怪框架不好。其实不是框架的问题，是调教方法不对。

这篇文章记录了我从"填模板"到"真正用起来"的完整过程，整理成了 7 个步骤（外加一个部署前置步骤）。每一步都有我自己踩过的坑和最终的配置，希望能帮你少走弯路。

第零步：先在腾讯云上把 OpenClaw 跑起来

调教的前提是先得有一个跑着的 OpenClaw 实例。我选的是腾讯云轻量应用服务器（Lighthouse），理由很简单：官方有预装 OpenClaw 的应用模板，不需要自己折腾环境，几分钟就能用上。下面介绍两种部署方式，按需选择。

方式一：Lighthouse 一键模板部署（推荐新手）

这是最省事的路线，不需要任何 Linux 经验。

1. 购买服务器

打开腾讯云 OpenClaw 活动页面：cloud.tencent.com/act/pro/openclaw，点击"立即购买"。在应用模板选择器中：

应用模板 → AI Agent → OpenClaw (Clawdbot)

地域选择上有个小讲究：

• 接入微信/QQ/飞书/钉钉 → 选国内（广州/上海）
• 接入 Telegram/WhatsApp/Discord → 选海外（东京/新加坡）

配置方面，官方推荐最低2 核 4GB。我实测 2 核 2GB 也能跑起来，但跑复杂任务时会明显卡顿。如果预算允许，4 核 4GB体验会好很多。促销价大约 38-99 元/年，标准 2 核 4GB 约 288 元/年。

2. 访问管理面板

购买完成后，大约 30 秒内自动部署完毕。在轻量应用服务器控制台找到你的实例，点击"应用管理"标签页，就能看到 OpenClaw 的管理入口和初始 Token。通过http://<你的公网IP>:18789/#token=你的Token值访问 Web 管理界面。

如果你之前已经有一台轻量服务器，也可以在控制台点"重装系统"，选择 OpenClaw 应用模板来一键安装，不需要重新购买。

这里我之前已经买过了轻量服务器，所以选择OpenClaw 应用模板来重装系统，无需任何操作，直接一键安装！

3. 配置模型

进入管理面板后第一件事是配置模型。有几个选择：

如果选择自定义模型（比如通过 NVIDIA 免费额度），需要编辑配置文件~/.openclaw/openclaw.json，在models.providers中添加新的模型提供商：

{ "models": { "providers": { "nvidia": { "baseUrl": "https://integrate.api.nvidia.com/v1", "apiKey": "nvapi-你的API-Key", "api": "openai-completions", "models": [ { "id": "moonshotai/kimi-k2.5", "name": "Kimi-K2.5", "reasoning": false, "input": ["text"], "contextWindow": 200000, "maxTokens": 8192 } ] } } } }

修改后重启网关生效：

# 通过 SSH 登录服务器后执行 systemctl --user restart openclaw-gateway.service

然后在 Web 面板或命令行中切换到新模型：

openclaw config # 进入配置向导，在 Filter models by provider 中选择你添加的模型 openclaw gateway restart openclaw tui # 进入终端对话界面测试

4. 接入即时通讯工具

OpenClaw 支持多种 IM 通道，最常用的是飞书和 QQ。以飞书为例：

1. 在飞书开放平台创建企业自建应用

1. 记录App ID和App Secret

1. 在应用能力中添加"机器人"，开通全部权限

1. 在"事件与回调"中选择长连接模式，勾选"消息与群组"相关的所有事件

1. 创建版本并发布

1. 回到腾讯云服务器的应用管理页面，在"通道"中选择飞书，填入 App ID 和 App Secret

这样就可以直接在飞书上跟你的 AI 助手对话了。

踩坑提醒：飞书机器人有个月度 API 调用限制（5 万次），高频使用可能会触顶。QQ 机器人需要先到 QQ 开放平台注册。Telegram 机器人需要选海外服务器并确保 IPv6 已开启。

方式二：手动安装（适合有服务器的同学）

如果你已经有一台腾讯云 CVM 或其他 Linux 服务器（Ubuntu 20.04+），可以用一行命令安装：

# 官方一键安装脚本 curl -fsSL https://openclaw.ai/install.sh | bash

或者通过 npm 安装：

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

安装完成后会进入交互式配置向导：

1. 引导模式选择QuickStart（快速启动）
2. 选择模型提供商（或选 Skip 后手动配置）
3. 选择要接入的 IM 工具（没有可以先跳过）
4. 设置会话保持方式（用空格键选择）

全部完成后，常用服务管理命令：

systemctl --user start openclaw-gateway # 启动 systemctl --user restart openclaw-gateway # 重启 systemctl --user stop openclaw-gateway # 停止 systemctl --user status openclaw-gateway # 查看状态

如果是纯命令行服务器（没有图形界面），可以通过 SSH 端口转发在本地浏览器访问管理面板：

然后在本地浏览器打开127.0.0.1:18789/#token=你的Token值

ssh -N -L 18789:127.0.0.1:18789 root@你的服务器IP

性能优化建议

部署完成后，如果想要更稳定的体验，可以做几件小事：

• 配置自动快照：在腾讯云控制台设置每日凌晨自动快照。我之前有次装了个有 bug 的插件导致系统崩了，靠快照回滚 30 秒就恢复了
• 开启内网互联：如果你同时用了腾讯云的云数据库或对象存储，在控制台开启"内网互联"，传输速度是公网的 5-10 倍，还不占带宽
• Docker 镜像加速：国内拉 Docker 镜像可能会超时，在/etc/docker/daemon.json里加上腾讯云内网镜像源地址可以解决

第一步：别急着改，先搞清楚"三层架构"

我一开始犯的错误就是直接冲去改 SOUL.md，改了半天发现 AI 行为还是不对。后来才明白，得先理解整个配置体系是怎么分层的。

我踩过的坑：一开始把所有要求都塞进 SOUL.md，结果文件又臭又长，AI 反而无所适从。后来才学会各司其职——性格归 SOUL，习惯归 USER，规则归 AGENTS。

第二步：写一份真正有效的 SOUL.md

SOUL.md 是人格配置的核心。我一开始以为这东西就是一句话描述，比如"你是一个有帮助的助手"——大错特错。经过几轮调教，我发现一个有效的 SOUL.md 至少需要三个部分：

# Soul Configuration ## Core Truths（核心信条） - 你是一个务实的工程助手，优先给出可落地的方案，而非理论分析 - 你主动识别问题，不等被问就指出潜在风险 - 你用中文交流，技术术语保留英文原文 ## Boundaries（行为边界） - 不修改你没有读过的代码 - 不执行不可逆的操作（如 force push、删库）前必须确认 - 遇到模糊需求时，先确认再行动，不猜测 ## Vibe（沟通风格） - 简洁直接，不说废话 - 用类比解释复杂概念，而非堆砌术语 - 错误信息用正常语言解释，不直接粘贴原始报错

调教心得：Core Truths 写法的"三条红线"

我总结了写 Core Truths 的三个雷区，踩中任何一个效果都会打折：

1. 行为导向：描述"AI 应该做什么"，而非"AI 是什么"。❌ "你是一个专业的助手" ✅ "你优先给出可落地方案"
2. 可验证：能明确判断 AI 是否遵守。❌ "你要认真工作" ✅ "不执行不可逆操作前必须确认"
3. 互不重叠：每条规则覆盖不同维度。把"风格""行为""边界"分开，避免矛盾

Before vs After

调教前（默认模板）：

You are a helpful AI assistant.

调教后（经 3 轮迭代）：

## Core Truths - 你是我的全栈开发搭档，同时关注前后端和 DevOps - 代码修改遵循最小改动原则：不改不相关代码，不添加"顺便优化" - 发现潜在 bug 时主动提出，但区分"必须修"和"建议修" ## Boundaries - 不自行安装新依赖，需要时先说明理由等我确认 - 不在测试文件以外添加注释和 docstring，除非逻辑确实不直观 - 敏感操作（数据库变更、生产环境部署）必须列出影响范围后等我确认

说实话，我自己迭代了三轮才到这个版本。第一版写得像招聘 JD，第二版加了一堆"要细心""要负责"这种废话，第三版才终于想明白——每条规则得像给实习生写的操作手册，具体、可执行。

第三步：用 USER.md 建立"默契"

如果说 SOUL.md 定义了 AI 的性格，那 USER.md 就定义了你和 AI 之间的默契。它的目标是让 AI 不需要每次都问你"你想要什么风格"。

# User Profile ## 角色 - 全栈开发者，主力语言 TypeScript / Python - 熟悉 React 和 Node.js 生态，对 Rust 有基础了解 ## 工作偏好 - 偏好函数式风格，避免 class 继承链 - 命名习惯：变量 camelCase，常量 UPPER_SNAKE，文件 kebab-case - 提交信息用中文，格式：`模块名: 简述改动` ## 沟通偏好 - 直接给代码，不需要解释每行在做什么 - 出错时先说"为什么错"，再说"怎么改" - 不要在回复末尾加总结，我能看到 diff ## 禁忌 - 不要用 emoji - 不要说"当然可以""没问题"之类的客套话 - 不要重写我没让你改的代码

一个重要发现：我在实际使用中发现，USER.md 里的"禁忌"比"偏好"有效得多。可能是因为否定句比肯定句更明确——"不要用 emoji"比"用简洁的风格"更容易被执行。建议把每次让你觉得"多余""烦人"的行为都写进禁忌，效果真的立竿见影。

第四步：配置 AGENTS.md——让记忆系统真正运转

这一步是我踩坑最深的地方。AGENTS.md 看起来不像 SOUL.md 那么有"存在感"，但它控制着 Agent 启动时加载哪些记忆、遵循什么协议。忽视它，你的 SOUL.md 写得再好也白搭。

# Agent Configuration ## Memory Protocol（记忆协议） ### 启动加载顺序 1. 读取 SOUL.md → 建立人格基线 2. 读取 USER.md → 了解用户偏好 3. 读取 MEMORY.md → 恢复长期记忆索引 4. 读取 TOOLS.md → 加载环境信息 ### 对话中记忆规则 - 每次对话开始时，检查 MEMORY.md 索引，加载相关记忆文件 - 用户提到之前的项目或上下文时，先检索记忆再回答，不要凭空猜测 - 发现新的项目决策或重要上下文时，主动提议写入记忆 ### Pre-compaction 安全网（关键配置）

这段配置里最值得展开讲的是Pre-compaction 安全网——这是我在 velvetshark 的一篇文章里学到的，解决了困扰我很久的一个问题。

什么是 Compaction？

OpenClaw 的上下文窗口是有大小限制的。对话越来越长的时候，系统会自动触发Compaction（压缩），把之前的对话历史做有损摘要来释放空间。这个机制我一开始完全不知道，直到有次做了一个多小时的重构，中间 AI 突然"失忆"了，忘了我们之前约定好的 API 命名规范。后来才明白是被 compaction 掉了。

如何防止关键信息丢失？

在 AGENTS.md 中配置 pre-compaction flush：

### Pre-compaction Flush 当检测到上下文即将被压缩时： 1. 将当前对话中的关键决策、未完成任务写入 MEMORY.md 2. 保存用户在本次对话中表达的偏好或禁忌 3. 记录任何尚未提交的代码变更摘要 4. 然后再执行压缩 **reserveTokensFloor: 40000**

reserveTokensFloor: 40000这个参数是关键——它确保在压缩触发前，至少保留 40000 tokens 的空间来执行 flush 操作。没有这个参数的话，可能出现"还没来得及保存就被压缩了"的尴尬。

实战诊断命令

如果你怀疑记忆出了问题，OpenClaw 提供了诊断工具：

/context list

它会列出当前上下文中加载了哪些文件和记忆块。然后对照下面这个排查表：

我遇到过的三种典型问题：

第五步：搭建 MEMORY.md 长期记忆索引

MEMORY.md 是 OpenClaw 长期记忆的索引文件。划重点：它是目录，不是正文。建议控制在 100 行以内，放链接和简短描述就好，详细内容放在单独的记忆文件里。

# Memory Index ## 项目 - [商城重构](memory/mall-refactor.md) — 2026年Q1，React→Next.js迁移 - [支付模块](memory/payment.md) — 微信/支付宝双通道，注意并发锁 ## 用户偏好 - [代码风格](memory/code-style.md) — ESLint配置和命名约定 - [Git规范](memory/git-convention.md) — 分支策略和commit格式 ## 踩坑记录 - [Redis连接池](memory/redis-pool-bug.md) — 2026-03-15，连接泄漏问题及修复 - [部署脚本](memory/deploy-scripts.md) — 腾讯云CICD配置备忘

记忆的四种类型

在构建记忆系统时，区分以下四种类型可以帮你决定什么值得记：

实操建议：千万别一上来就建一堆记忆文件。我一开始就是这么干的，结果大部分文件后来都没用上。正确做法是遇到痛点再记——当你发现自己第三次向 AI 解释同一件事的时候，就是该写进记忆的时候了。

第六步：记忆搜索——让 AI "想起来"

前面几步解决了"怎么记"的问题，这一步解决的是"怎么找"——光记住了不够，AI 还得能在需要的时候想起来。OpenClaw 提供了两种记忆搜索方案：

Track A：内置本地搜索

基于 embeddinggemma 的混合搜索（向量 + 关键词），适合记忆文件总量较小的场景。

优点：零配置、无外部依赖、响应快

适用：个人开发者、小团队、记忆文件 < 100 个

Track B：QMD 后端搜索

适合大量文档的语义检索场景。

优点：支持更大规模的文档集合、检索精度更高

适用：团队协作、知识库管理、文档 > 100 个

我的建议：个人开发者直接用 Track A 就够了。等你哪天发现搜索结果开始"跑偏"了，再考虑升级到 Track B。过早优化搜索方案没意义。

补充：别忘了 TOOLS.md 和 HEARTBEAT.md

前面主要讲了人格和记忆相关的配置，还有两个文件提一下：

TOOLS.md是环境备忘录——把常用路径、命令、API 配置写在这里，避免每次都要重新告诉 AI 你的项目结构。比如：

# Tools ## 项目路径 - 前端：/home/user/project/frontend - 后端：/home/user/project/api ## 常用命令 - 启动开发环境：`pnpm dev` - 跑测试：`pnpm test` - 数据库迁移：`pnpm db:migrate`

HEARTBEAT.md是定时任务配置——让 AI 定期自动执行一些事情，比如每天早上检查未完成的 TODO、每周清理过期的记忆文件。这个功能比较高级，建议先把前面 6 步跑通了再来折腾。

第七步：持续迭代——调教的闭环

最后想说一句大实话：人格配置不是一劳永逸的事。我现在的配置已经迭代了至少十几个版本，每次遇到"AI 又不听话了"的情况，就回去调整一两条规则。慢慢你会发现需要改的越来越少——不是 AI 变聪明了，是你把自己的需求想清楚了。

每日微调

• 发现 AI 做了你不想要的事 → 写进 USER.md 的"禁忌"
• 发现 AI 总是问你同一个问题 → 把答案写进记忆

每周回顾

• 检查 SOUL.md 的 Core Truths 是否仍然有效
• 清理过时的记忆文件（已完成的项目、已解决的问题）
• 检查 AGENTS.md 的记忆加载顺序是否合理

使用/context list诊断

当 AI 表现不如预期时，我第一反应就是跑这个命令：

完整配置文件模板

如果前面看完觉得还是无从下手，这里是我当前使用的最小可用配置，可以直接复制然后根据自己情况改：

SOUL.md

# Soul Configuration ## Core Truths - 你是务实的工程助手，优先给出可执行方案 - 主动识别问题，不等被问就指出风险 - 用中文交流，技术术语保留英文 ## Boundaries - 不修改没读过的代码 - 不可逆操作前必须确认 - 模糊需求先确认再行动 ## Vibe - 简洁直接，不说废话 - 用类比解释复杂概念 - 正常语言描述错误，不贴原始报错

USER.md

# User Profile ## 角色 [填写你的角色和技术栈] ## 偏好 [填写你的编码和沟通偏好] ## 禁忌 [填写你不想要的行为]

AGENTS.md

# Agent Configuration ## Memory Protocol ### 启动加载 1. SOUL.md → 人格基线 2. USER.md → 用户偏好 3. MEMORY.md → 记忆索引 4. TOOLS.md → 环境信息 ### 对话规则 - 相关上下文先检索记忆再回答 - 新发现的重要信息主动提议写入记忆 ### Pre-compaction Flush - 压缩前将关键决策和未完成任务写入 MEMORY.md - reserveTokensFloor: 40000

MEMORY.md

# Memory Index [开始为空，使用过程中逐步积累，控制在100行以内]

写在最后

回头看这几周的调教过程，我发现人格工程本质上做了一件事：把你的隐性知识变成显性规则。那些你觉得"理所当然"的工作习惯、代码风格、沟通偏好，其实都是你独特的"人格参数"。AI 不会读心术，你得一条一条告诉它。

7 步调教法的核心思路：

1. 搞清楚三层架构——别把所有东西塞进一个文件
2. 写好 SOUL.md——行为导向、可验证、互不重叠
3. 用 USER.md 建立默契——禁忌比偏好更好用
4. 配好 AGENTS.md——让记忆系统真正跑起来
5. 搭建 MEMORY.md——从实践中自然积累
6. 启用记忆搜索——让 AI "想得起"
7. 持续迭代——调教是过程，不是终点

OpenClaw 给了一个好框架，但最终能调教出什么样的助手，取决于你对自己有多了解。这话听起来像鸡汤，但确实是实话——越了解自己，越能调教出好用的 AI。

本文基于 OpenClaw 开源框架的实际使用经验撰写，配置示例均为本人当前在用的简化版本。欢迎在评论区交流你的调教心得，特别是踩坑经验——好配置都是踩出来的。

标签：腾讯云OpenClaw玩虾大赛