你的 OpenClaw 又崩了，但对你来说是好事

晚上十一点，朋友发消息过来："又崩了。"

我最近帮五六个朋友解决他们用 OpenClaw 时碰到的各种问题。各行各业的，都很聪明，没一个是程序员。装的过程都还顺利，跑起来之后晨报发了两三天，然后就开始出问题。

他们碰到的问题

最多的是定时任务坏了。就是你设的"每天早上八点给我发晨报"这种。

坏起来有个固定的退化链条。最简单的，根本没启动，后台程序挂了或者定时器配置出了问题，大概 40% 的问题死在这一步。再往下，启动了但没按你的要求来，你说了"只看美股"，它给你推 A 股新闻。再往下，大致按要求来了但不严格，你写了五步它跳了两步。最恶心的是执行过程中遇到问题，它不告诉你，直接撂摊子，或者声称做完了，你打开一看什么都没有。

另一个大坑是记忆。OpenClaw 有自动记忆，日记、备忘录、语义搜索都有，设计得其实不错。问题是它不会勤快地更新。你跟它强调了三遍"我只关心美股"，它可能完全没记住，下次还是给你推一堆 A 股新闻。

碰到这些问题，他们发消息问我，每次都是同一句话："它不工作了。"我理解，因为确实不知道该怎么描述。但有意思的是，每次帮他们查完，他们都会说一句类似的话："原来是这么回事。"

为什么会这样

先说 OpenClaw 到底是怎么搭的。说出来你可能会觉得就这？它把一个 AI 模型接上了 Discord、Telegram 这些聊天软件，常驻在后台等消息。旁边放了一堆设置文件，每次对话的时候 AI 会先读这些文件，理解自己是谁、该干什么，然后再回复你。加上定时器，就能自动执行任务了。就这些。

对，现在最火的 AI agent，底层就是这么朴素的东西。这个架构有个很聪明的地方：直接用定时任务和文件系统把监听、持久化都做了，四两拨千斤。烂也烂在这里，整个东西就是随手搭的，稳定性和可解释性基本没有。

你可以把它想成一个勉强能自动启动的扫地机器人，但芯片、线、电源、感应器全裸露在外面。程序员习惯这种事，可以上手去调布线。但你以前用的所有软件都是别人把后台藏好了给你一个界面，坏了你等着修就行。OpenClaw 没有这层壳，它坏了你得自己找原因。到底是后台程序挂了、AI 犯懵了、定时器没响、还是消息在传递过程中丢了，每种情况的解法完全不同。现在让你打开后盖去接线，这个跨度太大了。

模型也是个问题。AI 模型之间差距很大，但这个差距你平时很难感受到。你可能觉得 GPT 写东西有点机械，但到底是"笨"还是"风格不对"？说不清。程序员能感受到，因为代码写得对不对、能不能跑，反馈是即时的。你用 agent 跑工作流，反馈要滞后很多，等你发现不对可能已经是第二天了。

所以很多人选了便宜模型，用了一阵觉得不好用，但不确定是模型的问题还是自己没配好。大部分时候，两个都有。

这些问题，我自己这边基本没碰到。同一个模型，同一个 OpenClaw 版本。区别在哪？我花了很多时间调 agents.md、identity.md、soul.md 这些初始配置文件。但大部分朋友根本不知道有这些文件可以改，用的是默认配置，或者在跟 OpenClaw 聊天的过程中被它自己改了点。配置写得好不好，直接决定了你的 agent 是一个靠谱的助手还是一个会糊弄你的实习生。这个结论我是帮了五六个人之后才确认的。

怎么解

你说"它不工作了"，没人能帮你。你说"后台在线，但早上八点的任务没触发"，任何人都能帮你。就这个区别。

查问题其实就三步。先看后台程序还活不活，打开应用看一眼状态就知道。活着的话，看定时任务有没有触发、执行时有没有出错。都正常的话，看推送环节是不是断了。一层一层排查，每一层的解法都不一样。

这个方法叫分而治之，计算机科学里最有用的概念之一。大问题拆成小块，一块一块排查，程序员每天都在干这件事。

记忆的问题也有解法，调整配置文件、换更聪明的模型、用更好的记忆召回框架，都能改善。办法是有的，难的是你怎么想到该这么做。从"记忆不好"到"应该去调记忆召回的配置"，中间隔了好几层你没见过的概念，每往下挖一层又会冒出新的术语和新的选择。这种排查过程对大部分人来说很陌生。但你走过一遍之后会发现，你对 AI 能干什么、不能干什么的判断，比身边大部分人都准。

一个务实的建议：如果你还没开始，先从 Claude 入手。Claude 目前在 AI 模型里断崖领先，它自己有个 Cowork 功能，里面也有定时任务，基本上能覆盖 OpenClaw 的一部分需求。比较复杂的场景，比如每隔几分钟从十几个不同来源收集信息、处理完之后自动给自己设新任务这种，Cowork 可能还不够用。但大部分人最重要的是先让最强的 AI 帮自己干活，而不是花超额的时间学程序员怎么 debug。

这个过程本身就是收获

OpenClaw 目前对非程序员非常难用。配置难，排错难，维护难。但你在折腾的过程里，其实已经摸到了这一波 AI 的底。它到底强在哪里，局限在哪里，大家是怎么把它搭成一个能跑的系统的。这些东西光看文章聊天是聊不出来的，得自己踩过才有体感。

而且你接触到的是程序员的核心训练：面对一个复杂系统，拆解它、定位问题、修复、维护。每个行业都涉及这些能力，但程序员是专门练这个的。这个思路你拿回去用在业务上一样好使，产品留不住用户？拆：是获客还是留存？留存的话是首日还是长期？一层一层下去，比"用户体验不好"有用一百倍。

这个阶段不会持续太久。我预计三个月内就会出消费级的个人 AI 助理，到时候这些底层的东西会被重新封装好，你又不需要碰了。但到那时候你会发现，折腾过的人和没折腾过的人，看到的是完全不同的东西。

它一直在坏，这就是重点。每一个修好的故障都是别人没走过的路。