智能体技能使用指南
基于 OpenClaw 深度使用经验整理，适用于所有基于 Markdown 文件驱动的 AI Agent 平台。
核心结论：Agent 越用越好用的本质，是一堆不断进化的
.md文件。
一、为什么很多人觉得 Agent 不好用？
在深入使用技巧之前，先排除三个常见的"姿势问题"------这些不是产品问题，是用法问题。
❌ 误区1：模型没选对
模型对效果的影响是决定性的。Agent 框架本身不生产智能，它是让模型发挥得更好的"放大器"。
类比：给实习生一份再详细的操作手册，他可能还是做不好；同样的手册给高级工程师，他能做到远超预期的水平。
✅ 正确做法： 优先选用能力强的主力模型，框架的价值才能被充分释放。
❌ 误区2：把 Agent 当通才
一个 Agent 什么都干 = 什么都做不精。
✅ 正确做法： 配置多个 Agent，每个专注一个领域（代码审查、文案写作、数据分析......）。
每个 Agent 有独立的 workspace、独立的记忆数据库、独立的会话历史。专注一个领域积累的经验是垂直且深度的，不会被其他任务"污染"。
❌ 误区3：没有"培训"你的 Agent
开箱即用 ≠ 开箱即好用。
类比：你招了一个新员工，第一天就指望他跟干了三年的老员工一样好使？
✅ 正确做法： 主动培训 Agent------告诉它你的偏好、工作场景，一起踩坑，把经验固化下来。这个过程叫"形成 SOP"，技术上叫"积累 workspace 文件"。
二、核心机制：自我进化的 Markdown 文件系统
Agent 越用越好用的底层逻辑，一句话概括：
每次对话前，把一堆 md 文件拼进 prompt；对话后，让 Agent 把新学到的东西写回这些 md 文件。
这个简单的读写循环，构成了一个威力巨大的知识飞轮。
2.1 骨架：7 个核心 md 文件
每个 Agent 的 workspace 预设 7 类核心文件：
| 文件 | 作用 | 关键特性 |
|---|---|---|
SOUL.md |
Agent 的人格、语气、风格、边界、价值观 | Agent 自己在对话中持续更新，人格会"生长" |
USER.md |
用户画像：姓名、时区、偏好、沟通风格 | 每次了解到新信息就更新，越用越懂你 |
AGENTS.md |
行为规范 + 踩坑记录 | 犯错即记录，下次永不重犯------这是"越用越好"的核心 |
TOOLS.md |
工作环境备忘：SSH 主机、文件路径、设备名等 | Agent 踩坑后自行补充 |
SKILL.md × N |
各领域操作手册（可自定义，可覆盖内置） | 用户自定义优先级最高 |
memory/*.md |
每日对话日记（日期命名，支持全文+向量检索） | 构成 Agent 的"短期记忆库" |
MEMORY.md |
从日记中提炼的长期记忆精华 | 每次对话必加载，是 Agent 的"长期记忆" |
2.2 血肉：用户与 Agent 共同生长的自定义文件
以上 7 类是框架骨架。但 workspace 本质是一个普通文件夹，Agent 可以自由创建任何它需要的文件。
一个用久了的项目管理 Agent，workspace 可能自然长出这样的结构：
workspace/
├── SOUL.md
├── USER.md
├── AGENTS.md
├── TOOLS.md
├── MEMORY.md
├── memory/
│ ├── 2026-03-01.md
│ └── 2026-03-02.md
├── projects/
│ ├── project-alpha/
│ │ ├── progress.md ← 项目进度
│ │ ├── decisions.md ← 决策记录
│ │ └── risks.md ← 风险清单
│ └── project-beta/
│ └── progress.md
├── templates/
│ ├── weekly-report.md ← 周报模板
│ └── meeting-notes.md ← 会议纪要模板
└── contacts/
└── team-preferences.md ← 团队成员偏好这些文件没有任何 schema 约束，完全是 Agent 在使用过程中自己组织出来的。每个人的 Agent 最终形态不同，取决于你们一起做了什么、在哪些领域深耕。
三、自我进化的完整闭环
对话开始
→ 加载 workspace 所有核心 md 文件到 system prompt
→ Agent 先检索相关记忆（memory_search）
→ Agent 执行任务
→ 学到新东西 / 犯了错 / 发现用户新偏好
→ 写回相关文件（AGENTS.md / USER.md / memory/*.md / MEMORY.md）
→ 触发 Memory 索引重建（全文搜索 + 向量索引）
→ 对话结束
下次对话开始
→ 加载更新后的 md 文件
→ 搜索到新索引的记忆
→ Agent 行为更精准
→ 循环 ♻️两层循环的本质
| 循环层 | 机制 | 积累的是什么 |
|---|---|---|
| 外层：md 文件读写 | 每次对话加载，对话中更新 | "经验"层面：该做什么、不该做什么、你的偏好、你的环境 |
| 内层：向量索引检索 | FTS5 全文搜索 + 向量检索混合（70% 向量 + 30% 关键词） | "记忆"层面：在海量历史中精准找到相关信息 |
两层合一 = 完整的学习 → 记忆 → 检索 → 应用系统。
四、关键技术细节
4.1 Prompt 预算机制
- 每个 md 文件上限 20KB ，所有文件总量上限 150KB
- 超出部分会被截断
- 启示 ：md 文件不能无限膨胀，Agent 需要学会"提炼"------这正是
MEMORY.md（精华）和memory/*.md（原始日记）分开存储的原因
4.2 记忆检索算法
- 混合权重：70% 向量相似度 + 30% 关键词匹配
- 支持 MMR（最大边际相关性）：搜索结果尽量多样化
- 支持时间衰减：越近的记忆权重越高
4.3 Skill 优先级链（从低到高）
1. 插件提供的 skill（最低）
2. 内置 skill
3. 托管 skill（~/.openclaw/skills/）
4. 个人 skill（~/.agents/skills/）
5. 项目 skill（{workspace}/.agents/skills/）
6. Workspace skill（{workspace}/skills/） ← 最高优先级用户 workspace 里的 skill 可以覆盖任何内置行为。 调教 Agent 的方式，就是写一个 md 文件。
4.4 Bootstrap 自毁机制
首次使用时，Agent 执行 BOOTSTRAP.md 完成初始化（设置 IDENTITY、USER、SOUL），完成后自动删除 BOOTSTRAP.md。这是一次性引导，之后 workspace 进入正常运行状态。
五、核心认知：理解这些，你的 Agent 会脱胎换骨
💡 认知1：你的 Agent 价值在 workspace 文件夹里
代码是公开的，模型是通用的。真正属于你、不可替代的部分，是 workspace 里那堆 md 文件。
- 换台电脑 → 把 workspace 文件夹拷过去 → 体验原封不动
- 删掉那个文件夹 → 一切从零开始
💡 认知2：调教 Agent 就是写 md
不需要学编程，不需要懂 prompt engineering。用自然语言把你的经验、偏好、规范写成 md 文件，放到 workspace 里即可。
甚至你不需要自己写------跟 Agent 对话的过程中，它自己就会把学到的东西写成 md。你要做的只是在它犯错时纠正它，它会自己记住。
💡 认知3：Agent 之间的差距就是 md 文件的差距
同样的版本、同样的模型，体验可能天差地别。差别在于各自 workspace 里积累了什么：
| 对比 | 用了三个月的 Agent | 刚装上的 Agent |
|---|---|---|
| Skill 数量 | 几十个自定义 skill | 只有默认模板 |
| 踩坑记录 | 上百条 | 空白 |
| 用户画像 | 精准完整 | 基本为空 |
| 体验 | 如老搭档 | 如新员工 |
这和现实世界的专家差距是一样的：两人智商差不多（模型一样），差距在于积累的经验和知识（md 文件）。
六、实操建议（可直接落地）
✅ 建议1：主动引导 Agent 形成 SOP
不要等 Agent 慢慢摸索。在你已有成熟工作流的领域，直接告诉它：
"以后这类任务都按照这个流程来：[描述流程]，帮我写成 SKILL.md。"
从此 Agent 每次执行这类任务都会遵循这个规范，无需重复描述。
✅ 建议2：定期审查 workspace 文件
Agent 自己写的内容不一定都对。建议每月审查一次：
AGENTS.md：踩坑记录有没有过时或不准确的？USER.md：用户画像有没有需要更新的？MEMORY.md：长期记忆有没有需要修正的？
✅ 建议3：善用多 Agent，保持知识垂直
| 场景 | 推荐做法 |
|---|---|
| 代码开发 | 专属代码 Agent |
| 内容创作 | 专属写作 Agent |
| 数据分析 | 专属数据 Agent |
| 项目管理 | 专属 PM Agent |
不同领域的知识积累互不干扰，每个 Agent 的经验都是垂直深度的。
✅ 建议4：选对模型，别在基础上将就
再好的 md 文件喂给弱模型，效果也有限。模型是地基，md 文件是上层建筑。
✅ 建议5：备份你的 workspace
workspace 是你最有价值的数字资产之一。
- 推荐用 Git 管理（OpenClaw 默认已 Git 跟踪）
- 定期推送到远程仓库（GitHub / Gitee / 私有服务器）
七、一张图理解全局
┌─────────────────────────────────────────────────────┐
│ 你的 Workspace │
│ │
│ SOUL.md → Agent 的人格（自我进化） │
│ USER.md → 你的画像（越用越懂你） │
│ AGENTS.md → 行为规范 + 踩坑记录（核心！） │
│ TOOLS.md → 环境备忘 │
│ SKILL.md×N → 各领域操作手册（可自定义覆盖） │
│ memory/*.md → 每日日记（全文+向量双索引） │
│ MEMORY.md → 长期记忆精华（每次必加载） │
│ ...自由生长的其他文件... │
└────────────────────┬────────────────────────────────┘
│ 每次对话加载
▼
┌───────────────┐
│ System Prompt │
│ (≤150KB) │
└───────┬───────┘
│
▼
┌───────────────┐
│ AI 模型 │◄── 选对模型是基础
└───────┬───────┘
│ 对话中学到新东西
▼
写回 md 文件 → 索引重建 → 下次更好总结
| 维度 | 关键点 |
|---|---|
| 框架的本质 | md 文件的读写循环 |
| 越用越好的原因 | AGENTS.md 踩坑记录不断积累，USER.md 画像越来越精准 |
| 调教方式 | 写 md 文件（或让 Agent 自己写） |
| 价值所在 | workspace 文件夹，不是代码，不是模型 |
| 最重要的一步 | 主动引导 Agent 形成 SOP，别让它自己摸索 |
代码决定了 Agent 能做什么，md 文件决定了它做得多好。
而后者，是你和你的 Agent 一起，一次对话一次对话攒出来的。