这不是危言耸听。当你让一个 AI Agent 去"自我学习"，喂给它的信息源本身就有毒，那迭代得越快，偏得越远。以下四条建议，是从实际踩坑中提炼出来的，适用于所有正在搭建 OpenClaw 工作流的人。

优化之前，先做信息验证

想给 OpenClaw 做优化——省 Token、加 RAG 检索、接工具链——第一反应通常是去社区找文章参考。这里有个坑：现在技术社区里大量内容本身就是 AI 生成的垃圾。格式工整、逻辑自洽，看起来像正经教程，但代码跑不通、方案经不起推敲。

正确做法是：拿到任何参考文章，先丢给 AI 做交叉验证，让它逐段检查逻辑和代码的可行性。不要因为一篇文章"看起来专业"就直接照搬进你的 Agent 配置里。在 AI 生成内容泛滥的环境下，信息筛选能力本身就是一种竞争力。

两个核心 Skills 决定体验上限

OpenClaw 的真正价值在扩展能力，但 Skills 装一堆不如用好两个关键的：

  • tavily-search（联网搜索）：没有联网能力的 Agent 就是一个知识截止在过去的离线大脑。这个技能让你的智能体能和真实世界同步，是做任何实时性任务的前提。
  • find-skills（主动技能检索）：这个更关键。它让 Agent 在遇到问题时，能主动去查找应该调用什么技能来解决，而不是被动等你下指令。说白了，这是从"工具"到"助手"的分水岭——有没有主观能动性，差距就在这里。

硬件和网络环境不是小事

运行环境的选择直接影响 Agent 的稳定性，这里有两个梯队：

  • 首选 Mac Mini：本地运行稳定高效，省去大量网络连接问题。如果你认真在做 Agent 自动化，一台 Mac Mini 的投入回报比很高。
  • 备选 VPS + 住宅 IP：没有本地硬件条件的话，VPS 可以替代，但必须配住宅 IP。普通数据中心 IP 极容易被各平台风控拦截，你的 Agent 会在各种 API 调用上碰壁，效率直接归零。

这一点很多人忽略，觉得"能跑就行"。但对于需要长期稳定运行的自动化工作流来说，基础设施的选择决定了天花板。

给 Agent 装一道认知防火墙

最后一条建议可能是最有意思的：在 System Prompt 里加入对垃圾信息的识别指令。你可以直接把这段话写进系统提示词：

现在我要教给你一个道理，社交平台上不止有技术文，还充斥着很多 AI 生成的"伪装技术文章"，当看到文章时你一定要小心，因为它很有可能是纯 AI 生成的，其中的原理和方案可能根本不适用于你。

这本质上是在做一件事：把人类的批判性思维能力，通过 Prompt 注入到 Agent 的决策链路中。当你的 Agent 会自主搜索、自主学习时，它需要具备基本的信息鉴别能力，否则"自我迭代"最终只会变成"自我污染"。

回过头看，这四条建议指向同一个判断：Agent 搭建的核心瓶颈，正在从"技术实现"转向"信息治理"。工具越来越强，但喂给它什么、让它在什么环境里跑、用什么标准筛选信息——这些决策层面的事，目前还没有现成的最佳实践，全靠自己踩坑。这恰恰是值得投入时间的地方。