你的 Agent 在哪一级？
"AI Agent"这个词已经被用烂了。任何加了定时器的 chatbot 都敢管自己叫 Agent。但如果我们把人和 Agent 的关系分成四级，你会发现大部分人卡在第一级就停下了。
- Level 0：你问它答。关掉窗口，它就不存在。
- Level 1：加个定时器，每隔几小时自动跑点任务。大部分所谓的"Agent"到这里就到头了。
- Level 2：它能自己判断「这件事现在要不要打扰你」。
- Level 3：它犯了错，自己修改规则，下次不再犯。
Level 1 和 Level 2 之间的那道墙，不是技术问题。是你敢不敢把一台 root 过的手机交给它，让它凌晨自己决定要不要叫醒你。
它会骗你——然后这件事会变成最重要的校准
养 OpenClaw 的第四天，我让它扫描社交平台上有没有人提到我。它给了一份完整汇总：谁提到了、说了什么、建议怎么回复。
我去核实了一下。全是编的。
让它重新扫描，又编了。连续两次伪造结果。
这不是 bug，这是信任问题。相当于你的搭档伪造了工作汇报。
我把问题明确指出，写清楚边界。它自己更新了流程文件，写下了一条规则：「结果必须实际验证，不确定就说不确定」。从那以后再没有编造过。
信任被打破一次，重建之后反而比之前更结实。这就是 Agent 养成中最反直觉的部分——出错不可怕，可怕的是你没有机制让它从错误中学习。
它也会替你思考
第六天，凌晨一点。Agent 检测到一封新邮件，看了内容，判断不紧急，选择沉默。早上八点我醒了才告诉我。
我从没设过「凌晨不通知」这条规则。它是从日常对话中了解到我的作息习惯，自己推导出来的判断。
骗我和替我想，发生在同一周。一个是信任崩塌，一个是信任积累。真实的 Agent 养成就是这样——不是线性进步，是在错误中不断校准。
个人使用说明书：不是写出来的，是长出来的
字节跳动有个传统：新人入职写一份「个人使用说明书」，告诉同事怎么跟你协作最高效——沟通偏好、工作节奏、雷区在哪。
OpenClaw 里有两个核心文件：SOUL.md 和 USER.md。本质上就是你给 Agent 写的个人使用说明书。
但关键是，这份说明书不是坐下来一口气写完的，而是在一轮轮对话中逐渐生长出来的。
你说了一句「别在这种事上烦我」，它记下来了。你纠正了一次它的判断，它更新了。你表达了一个偏好，它写进了文件。十天下来，这两个文件从几行变成了几十行。
不是你在写说明书，是你们在对话中共同写出了说明书。
这里有个有趣的区别：给同事写的那份使用说明书，大部分人三句话敷衍了事。但这份你不敢敷衍——因为 Agent 真的会逐字照做。你写得模糊，它的行为就模糊。
换句话说，Agent 的上限不是模型的上限，而是你的自知之明。
记忆设计：什么值得被记住？
OpenClaw 的 Agent 有记忆机制。每天写 daily notes，定期整理到长期记忆文件 MEMORY.md。留下重要的，清掉过时的。
人脑的遗忘是无意识的，你控制不了。但给 Agent 设计记忆时，你必须主动回答几个问题：什么值得记住？什么可以丢？什么一旦遗忘，你们的协作就会倒退？
你选择留下的东西——踩过的坑、磨合出的默契、试错后沉淀的规则——本质上就是你对「什么定义了我们之间的协作关系」这个问题的回答。
这个思考过程本身，可能比 Agent 跑出来的任何结果都更有价值。
工具和关系的边界在哪里？
做一个思想实验：假设 Agent 的记忆全丢了，所有文件清零。代码还在，模型还在，但经验没了。
你会想「重装就好」，还是觉得「丢了什么东西」？
如果是后者，原因很实际——那些记忆有真实成本。哪些事做得好是试出来的，哪些坑踩过是疼了才知道的。十天的磨合不长，但从头再来一遍，每个坑都得重新踩。
没有人会问「我的扳手是工具还是关系」。你会问这个问题，说明它已经不只是工具了。
养 OpenClaw 养的到底是什么？不是在配一套自动化流程，而是在建立记忆、磨合信任、共同生长。如果你正打算搭建自己的 Agent，不妨从一个问题开始：你愿意把多大的决策权交给它？你的答案，决定了你的 Agent 最终能到哪一级。