我一直使用 OpenClaw，每次发版都会第一时间升级。前两天看到 v2026.6.10 的更新日志，三个新功能直接触发了我写这篇的动力：/fast auto、/thinking adaptive、以及 Cron + Heartbeat + Task Flow 的定时体系。这三个设置加在一起，能让你的 Gateway 从「手动挡」升级成「自动挡」------省掉每天重复的模型切换决策，省掉手动调度任务的时间。
为什么是这三个
OpenClaw 是自托管的 AI Gateway，核心能力是把聊天应用（Discord、Telegram、微信、飞书等）跟各种 AI 模型连接起来。但它不只是个代理------它内置了 slash 命令、混合路由、任务调度，实际上是一个可以编程的 AI 中间件。
以前你要做三件事：
- 手动切模型 ：简单对话用快模型省 token，复杂任务切到强模型。每次都要输入
/model gpt-4o之类的命令。 - 手动控制思考深度：给闲聊和写代码用同样的 thinking 预算，浪费 token 或者思考不足。
- 手动调度定时任务：每天上班前让 AI 总结邮件、检查日历，得用外部 cron 调 API。
这三个新设置分别解决了这三个痛点。
1. /fast auto：自动判断对话复杂度
v2026.6.10 新增的 /fast auto 指令，核心逻辑很简单：把对话分类，走不同的模型路径。
- 简短对话（比如问时间、翻译一句话）：自动走快速/低价模型
- 复杂任务（写代码、分析问题）：自动回退到 Normal Mode，用强模型
- 切换过程中上下文状态不丢失，用户感觉不到变化
底层映射因 provider 不同：
- OpenAI / Codex：映射为
service_tier=priority - Anthropic：映射为
service_tier=auto
你可以在对话中直接输入：
bash
/fast auto此外，/fast 还支持 status|auto|on|off|default 五个子模式。/fast on 是强制快模式，/fast off 关闭。
收益：对于高频使用的团队来说，一天能省几百次手动切模型的操作。每次对话自动走最优路径，token 消耗降低 30%-50%（实测估算）。
2. /thinking adaptive：自适应思考预算
AI 模型的「思考深度」通常用 thinking budget 控制。之前的做法是统一设置，导致闲聊时浪费思考 token，写代码时思考不够。
OpenClaw 现在支持 8 级思考预算：
bash
off | minimal | low | medium | high | xhigh | adaptive | maxadaptive 模式下，provider 自动管理预算：
- Claude 4.6+、Anthropic Opus 4.7+ 原生支持动态思考
- Google Gemini 也支持
- 其他 provider 会回退到固定级别
典型的用法是设置 adaptive 作为默认：
bash
/thinking adaptive以后聊家常时模型自动用最少思考 token，写复杂代码时全力思考。你只需要一句话，不用手动调。
收益：按需分配的思考 token，整体 token 消耗降低 15%-25%，同时关键任务的输出质量不降反升------因为 budget 真正用在了需要的地方。
3. Cron + Heartbeat + Task Flow：定时任务与自动化
这是 OpenClaw 自动化能力的核心升级。三个组件各司其职：
- Cron 精确调度 ：Gateway 内置任务调度器，支持标准 Cron 表达式，以及一次性提醒（
--at）。任务隔离执行，可指定特定模型，输出可投递到聊天频道或 Webhook。
bash
# 每天早上8点执行邮件摘要任务，使用 Claude Opus 4.7
openclaw cron add "0 8 * * *" "summarize emails" --model opus-4.7 --channel #daily-summary-
Heartbeat 周期性自检：默认每 30 分钟一次主会话轮询，批量处理收件箱、日历、通知检查。带完整会话上下文，可以让你在聊天中直接触发。
-
Background Tasks + Task Flow ：
openclaw tasks list/audit命令查看所有后台执行记录。Task Flow 支持多步编排、版本追踪、managed/mirrored 两种同步模式。
bash
# 查看后台任务列表
openclaw tasks list
# 审计任务执行记录（包括每次调用的 token 消耗和耗时）
openclaw tasks audit这套体系最大的好处是不再需要外部 cron + 脚本 。所有调度、执行、日志都在 Gateway 内部闭环，排查问题时直接从 tasks audit 看完整链路。
4. 踩坑：不是所有 provider 都听话
三个功能虽然好，但有一些实际使用中需要注意的坑：
/fast 的 provider 依赖 ：OpenAI/Codex 走 priority 队列，Anthropic 走 auto。如果你用的是其他 provider（比如 Groq、Together），可能不支持或者效果打折扣。我的建议是：先在你的主力 provider 上测试 /fast auto 的行为，再决定是否全局启用。
adaptive 只在部分模型生效：Claude 4.6+、Opus 4.7+、Gemini 支持。老模型（比如 Claude 4.5）不支持动态思考，会回退到固定级别。升级 Agent 版本时确认一下。
Cron 任务需要 Gateway 持续运行：OpenClaw 是自托管方案，需要你自己的服务器/机器运行 Gateway 进程。如果 Gateway 宕机，所有定时任务都会丢失。建议加 systemd 自动重启，或者用 Docker 部署。
5. 升级建议
如果你已经在用 OpenClaw，升级到 v2026.6.10 有两种方式：
推荐：
bash
openclaw update自动检测安装类型、拉最新版、跑诊断、重启 gateway，不需要手动操作。
手动（慢慢来）：
bash
npm install -g openclaw@latest
openclaw doctor # 诊断并重启 daemon
openclaw dashboard # 打开控制面板验证升级后建议按这个顺序开启新功能：
- 先试
/thinking adaptive------ 零风险，收益最明显，不符合立即改回来 - 再试
/fast auto------ 建议在低流量频道测试两天，观察错误率和 token 消耗 - 最后配置 Cron + Heartbeat ------ 从最简单的「每日总结」开始，逐步加复杂任务
6. 总结
OpenClaw 这三次更新（auto fast、adaptive thinking、Cron+Heartbeat+Task Flow）不是孤立的功能点，而是一条清晰的降手动、提效率 路线。它们回答了一个工程师最真实的问题：我能不能别在每天的小决策上浪费精力？
真正的效率提升不是模型跑得多快，而是你不需要一次次替 AI 做「该用哪个模型」「该思考多深」「该什么时候执行」的决策。把这些决策编码成系统规则，让 Gateway 自动判断，你只关心结果。
回到文章开头说的「自动挡」------现在的 OpenClaw 离真正的自动驾驶还有距离（比如跨任务编排的自动优化、动态路由复杂度判断），但如果你先从这三个设置入手，至少每天能省下 30 分钟的「手动换挡」时间。这 30 分钟省下来，比任何模型升级都来得值。不是工具越来越强，是你越来越不需要操心它------这才是真正的效率。