记忆架构比提示词重要一万倍
智能体的天花板，从来不是由提示词决定，真正拉开差距的是记忆架构、调度方式、崩溃恢复机制，还有你设计流程的脑子。
很多人沉迷写提示词，像在给机器人念咒语，结果第二天重启一切清零，系统像喝了失忆水。真正能打的玩法是，把文件当成它的大脑，把调度当成它的心跳，把子智能体当成分身术。
你只负责验收，OpenClaw负责奔跑。当系统自己恢复任务进度的那一刻，你会感觉像给机器装上灵魂。
很多人一开始就把所有东西往MEMORY.md里塞，以为这就是给AI建了个大脑。这种做法蠢得跟把全家家当塞进一个行李箱一样，每次找东西都得翻个底朝天。
正确的做法是把记忆拆开，像整理衣柜一样分类存放：
memory/active-tasks.md就是你的存档点，游戏玩一半死机了能从这儿接着打；
memory/YYYY-MM-DD.md是每天的流水账，记着你今天到底干了啥；
memory/projects.md、lessons.md、skills.md这些是按主题归类的长期记忆，项目进展、踩过的坑、学会的手艺都搁这儿。
这么干有个天大的好处：每次AI重启，它不用把整个脑子里的东西全读一遍，只需要加载当前用得上的那部分。
加载内容越精准，上下文越干净，智能体的判断越稳定。文件就是脑区分工。结构清晰，思考清晰。当系统重启后自动接着干活，没有一句“我们刚才在做什么？”，那一刻你会笑出声。
想象一下你每天早上起床，不需要回忆三岁那年吃了啥，只需要想想今天有哪些待办事项。这种分门别类的记忆架构让AI代理每次醒来都是轻装上上阵，该知道的一样不少，不该知道的暂时不用管。这才是真正的效率，省下来的每一分钱token都是真金白银。
子智能体并行，效率直接起飞
顺序执行带来等待成本。并行执行带来时间压缩。
别再傻乎乎地让AI一件一件按顺序干活了，那是人类的做法，AI不需要这么憋屈。
遇到大活儿直接 spawn 三到五个子智能体并行开工，效率直接起飞；大任务直接分裂成三到五个子智能体同时跑。
比如一次部署十一套网站，四个子智能体分批处理，各自负责一组：每个智能体领两三网站的活儿，四个一起干，原本需要干四天的活儿一天就收尾。
这里面有个关键窍门：在 spawn 子智能体之前，必须把成功标准写得明明白白。每个子智能体干完自己的活儿得先自我检查一遍，确认没问题了再交卷。
最后你作为总指挥再统一验收，全部通过才能喊收工。
这套流程就像是工地上的包工头，先把图纸和要求给每个小队讲清楚，各小队干完自检，最后总监工验收。少了任何一环都可能出岔子，但流程走对了，效率就是指数级提升。
关键在于，启动之前必须写清楚成功标准：每个子智能体要自检，然后你再终检。双重验证让错误率下降，效率提升。
流程逻辑非常明确：
开始任务 → 写入 active-tasks.md生成子智能体 → 记录会话键值完成 → 更新状态
并行意味着时间利用率提升，明确标准意味着结果可控。
当四个任务同时推进，终端窗口像烟花一样刷新，你会第一次真正体会“分身术”的爽感。
定时任务比心跳机制更精准：精准调度靠 cron，节奏管理才是王道
心跳机制适合做批量巡检，比如邮件、日历、提及通知集中处理。
心跳机制适合那种批量检查的场景，比如邮件、日历、提及通知集中处理，每半小时扫一遍邮件、日历和社交媒体 mentions，一次性处理完。
但要是想搞精准调度，比如每天早上六点整生成内容创意，凌晨两点派侦察兵去网上扒资料，早上八点做科技资讯早报，这时候就得用 cron 任务。
每个任务独立上下文运行，系统加载最小必要信息。上下文干净，计算成本降低，响应更快。
定时任务都是独立运行的，带着自己的上下文环境，不用每次都把完整的对话历史全加载一遍。
这就好比你请了几个专职员工，每人负责一块业务，互不干扰，也不用天天开会同步信息。
调度逻辑清晰带来执行稳定；任务分离带来资源节约；时间精确带来可预期结果。
省下来的 token 就是利润，省下来的时间就是生命。
把重活儿都扔给 cron，心跳机制只负责 轻量 的巡检，这才是资源分配的最优解。
崩溃恢复模式是救命稻草
你的智能体肯定会崩溃，肯定会重启，这是铁律，不接受反驳。
虽然智能体会崩溃，会重启，会掉线！
但是系统具备恢复能力才叫工程。
active-tasks.md 就是这时候的救命稻草，是系统自动存档的保险机制：开始一个新任务的时候，往这个文件里写一条记录；
spawn 子代理的时候，把 session key 记下来；
任务完成的时候，更新状态。
规则非常简单：开始任务时写入；生成子智能体时记录会话键；完成后更新！
重启后第一件事是读取 active-tasks.md。系统根据记录恢复状态，搞清楚自己之前干到哪儿了，然后自动接着干。不会出现那种"咱们刚才聊到哪儿了"的尴尬局面。
任务记录完整 → 状态可重建 → 执行连续性保证 → 自动化可信度提升。
这套机制就像是给AI装上了一个自动保存功能，游戏闪退了能从最近的存档点继续，而不是从头再来。三周24小时不间断运行的秘密，很大程度上就藏在这个不起眼的文件里。
安全策略直接决定生存率
读取外部网页内容的任务，必须使用最强模型（Opus），因为网页可能包含诱导指令，强模型具备更高识别能力。
弱模型面对恶意网站的 prompt 注入攻击简直毫无还手之力，就像是让小学生去跟网络诈骗犯对线，分分钟被忽悠瘸了。
内部任务比如读本地文件、设提醒、处理本地工作，用 Sonnet 完全够用，省钱又高效。
任务类型决定模型等级。安全等级匹配风险等级。
外部输入风险高 → 模型能力要求高 → 安全性提升。
外部内容包括推特、文章、邮件这些从互联网上抓来的东西，一律上 Opus。这条规则看起来简单，执行起来需要严格的自律。很多人为了省几个钱，在外部内容处理上也用弱模型，结果一旦被攻击，损失的可不只是几个 token。安全这事儿，宁可十防九空，不可失防万一。连续三周没出安全事故，这条规则功不可没。
心跳文件必须精简到极致：克制就是效率
有人往 HEARTBEAT.md 里塞两百行内容，这简直是烧钱行为。
心跳每三十分钟左右执行一次，内容越多烧的 token 越多，纯粹是给自己挖坑。
正确的做法是控制在二十行以内，就留个简单的检查清单：看看活跃任务是不是还新鲜，检查一下会话健康状态（把臃肿的会话归档），每隔四小时做一次自我审查。
一句话：HEARTBEAT.md 控制在二十行以内。它每三十分钟运行一次，体积越大，消耗越多。
内容只保留核心三项检查项：
- 检查 active-tasks 新鲜度
- 检查会话健康
- 每四小时做一次自我复盘
重活儿统统扔给 cron 任务，别让心跳干它不擅长的。
高频执行任务必须轻量化；高频轻量带来低成本稳定运行。
当系统心跳像钟摆一样稳定摆动，节奏感会带来持续生产力。
心跳就像是人的脉搏，只需要告诉你还活着就行，不需要每次跳动都做一次全身体检。精简心跳文件省下来的钱，积少成多，三周下来能省出一顿大餐。工程优化的精髓就在于这种细节处的斤斤计较。
技能加路由逻辑，决策准确率飙升
如果你有一堆技能，必须在每个技能的描述里加上"什么时候用"和"什么时候别用"。没有这层路由逻辑，代理选错技能的概率高达百分之二十，就像是让一个没有菜单的厨师随便做菜，端上来啥全凭运气。
这层逻辑本质上就是给代理的决策过程加上了 if/else 判断，告诉它在什么情况下该调用什么工具。
清晰边界带来精准调用。精准调用带来结果稳定。
想象一下你有个万能工具箱，里面有螺丝刀、扳手、锤子，如果你不给每样工具贴上标签说明用途，用的时候就得一个个试，效率低到令人发指。加上路由逻辑之后，代理看到任务描述就能秒选对的工具，准确率直接飙升。
当系统开始自动挑选最合适的能力执行任务，你会第一次感觉它在“思考”。
真正的瓶颈在人类审阅速度
智能体可以跑满速，真正限制输出的是你审核的速度。
到了这个阶段，AI的能力已经不是瓶颈了，真正的卡脖子环节是你审阅代理产出内容的速度。AI能24小时不眠不休地干活，但你需要睡觉、吃饭、上厕所，你的时间才是最稀缺的资源。
解决之道在于构建能自动闭环的系统，让代理干完活儿之后能自我验证、自我修正，尽量减少需要你人工介入的环节。
当你的审阅速度跟不上代理的生产速度时，要么加人，要么优化流程让系统自动把关。
能做到这一点，产出量直接乘以十。三周不间断运行的经验告诉我们，未来的竞争力不在于你有多少个AI代理，而在于你能让它们在多大程度上自主运转。
系统设计越成熟，你越像总监。你看结果，系统做过程。
生产力跃迁发生在结构升级之后。不是模型升级，是方法升级。