OpenClaw 这类 Agent 工具最容易被误解的地方是：装上以后，好像就应该自动变成一个懂你的助手。
实际不是。Agent 默认只是一个能运行的壳。它要不要谨慎、怎么说话、能不能记住教训、什么时候查资料、如何使用工具，都需要被明确写进 workspace。
所以我后来对“调教 Agent”的理解很朴素：不是让它装人格，而是让它有边界、有记忆、有可执行的工作习惯。
为什么折腾
我折腾 OpenClaw，一开始是被本地 agent、skills、workspace 这些概念吸引。
相比单次聊天，Agent 更像一个长期工作伙伴。它不应该每次都从零开始，也不应该只靠模型自己猜我的偏好。它需要知道我的工具、项目、语言风格、禁忌和历史教训。
这就带出一个问题：这些信息放在哪里？怎么让新会话自动读到？怎么避免越写越乱？
OpenClaw 的 workspace 思路正好切中这个问题。
我的公开版环境
公开版可以理解为一个工作目录，里面放几类核心文件：
- 操作指令：告诉 Agent 怎么工作。
- 身份和语气：告诉它说话边界。
- 用户档案：告诉它长期偏好。
- 工具笔记：告诉它常用工具和环境。
- 记忆文件：记录重要教训和阶段状态。
- skills：把常用能力做成可复用模块。
我不会公开私人档案、真实路径、具体工具凭证或个人环境细节。公开版只讲结构和原则。
实际怎么做
第一步是先写边界。
比如不确定就说不知道，不要编造细节；涉及风险操作要先检查；遇到来源不明的信息要标注未确认。这些规则听起来基础，但对 Agent 很重要。
第二步是把抽象要求改成具体例子。
“要友善”这种话没什么用。更有效的是写清楚：用户问一个简单问题时，不要长篇铺垫；需要执行时先说明影响范围；涉及私人库时先按路由规则处理。
第三步是记录教训。
Agent 犯错后，不要只在当前对话里纠正。要把错误类型和改法写进长期记忆或规则。否则下次换一个会话，它还会犯同样的问题。
第四步是给 skills 留位置。
Skills 的价值是把重复能力变成结构化工具，而不是每次靠长提示词临场发挥。比如处理文档、搜索知识库、生成分发包，都可以逐步沉淀成技能。
哪里卡住
第一个坑是人格文件写太多。
如果把 Agent 写成一大段花哨设定，看起来有趣，但实际工作帮助不大。真正有用的是行为规则、错误边界和工具使用方式。
第二个坑是记忆会膨胀。
长期记忆不是垃圾桶。每一次对话都写进去，只会让 Agent 读到一堆噪音。真正该留下的是稳定偏好、重要决策和反复出现的错误。
第三个坑是工具笔记容易泄露环境。
工具路径、服务地址和账号线索在私人 workspace 里可以存在，但公开文章必须泛化。Agent 调教本身可以分享，个人配置不能分享。
值不值得
值得，但它不是一次性配置。
Agent 调教更像养一个工作流程：先能跑，再观察它哪里不靠谱，再把教训写回去。几轮以后，它才会越来越贴近你的工作方式。
我的判断是：Agent 的上限不只取决于模型，也取决于你有没有给它一个清楚的 workspace。
下一步
后面我会把 OpenClaw 和 Obsidian 的规则体系继续分开。
OpenClaw 负责个人 Agent 的运行习惯，Obsidian 负责知识库的长期秩序。两边可以互相借鉴，但不混成一团。