Репозиторий awesome-openclaw-tips от автора alvinreal содержит практические рекомендации по работе с OpenClaw. Материал покрывает управление памятью, повышение надежности, оптимизацию затрат и построение многоагентных систем.
Что такое OpenClaw
OpenClaw — локальный AI-агент, который подключается к мессенджерам (Telegram, Discord, Slack), автоматизирует задачи на ПК или сервере и расширяется через навыки (skills). Советы из репозитория помогают настроить агент для стабильной работы в производственной среде.
💬 Сообщения (Messages)
MES-01: Включите подтверждающие реакции
Настройте messages.ackReactionScope для отображения подтверждений получения сообщений. Доступные значения: group-mentions, group-all, direct, all, off, none. Для широкого охвата используйте all.
{
"messages": {
"ackReactionScope": "all"
}
}
📨 Telegram-интеграция
TEL-01: Используйте inline-кнопки для повторяющихся действий
Включите inline-кнопки Telegram для одобрений, быстрых ответов и частых команд. Это быстрее, чем вводить текст каждый раз.
{
"channels": {
"telegram": {
"capabilities": {
"inlineButtons": "all"
}
}
}
}
TEL-02: Разделите разговоры на темы
Используйте отдельные ветки или темы для разных задач: код, исследования, администрирование. Это предотвращает смешение контекста и улучшает качество ответов агента.
TEL-03: Задайте системный промпт для каждой темы
Настройте systemPrompt на уровне темы Telegram. При использовании /new история сбрасывается, но назначение треда сохраняется.
TEL-04: Выделите отдельную тему для администрирования
Создайте отдельный topic для управления конфигурацией, проверки репозитория и обслуживания бота. Операционная работа не должна пересекаться с основными чатами.
🧠 Управление памятью
MEM-01: Научите агента учиться на ошибках
Создайте папку .learnings/ с файлами:
.learnings/ERRORS.md— ошибки и сбои.learnings/LEARNINGS.md— корректировки и находки
Добавьте в SOUL.md правило: проверять .learnings/ перед началом задачи.
MEM-02: Сохраняйте важное состояние до компактизации
Включите встроенную функцию предварительного сохранения перед компактизацией контекста:
{
"agents": {
"defaults": {
"compaction": {
"memoryFlush": {
"enabled": true,
"softThresholdTokens": 4000
}
}
}
}
}
MEM-03: Используйте SQLite для поиска по памяти
Прежде чем платить за embeddings, попробуйте локальный SQLite с FTS5. В репозитории есть готовые скрипты rebuild-db.js и relevant-memory.js.
MEM-04: История чата — это кэш, а не источник истины
Храните важные данные в файловой системе:
MEMORY.md— устойчивые факты и решенияmemory/YYYY-MM-DD.md— ежедневные заметкиAGENTS.md— правила использования этих файлов
MEM-05: Регулярно очищайте память
Добавьте в HEARTBEAT.md правило периодической ревизии: объединяйте дубликаты, удаляйте устаревшую информацию, переносите ценные записи из дневных файлов в долгосрочные.
🛡️ Надежность
REL-01: Не размещайте все fallback на одном провайдере
Используйте модели от разных провайдеров в цепочке резервирования. Сбой одного поставщика не должен останавливать всю систему.
REL-02: Агент говорит «готово», когда это не так
Добавьте правило Execute-Verify-Report в AGENTS.md: каждая задача должна выполняться, проверяться и отчитываться. Без верификации задача не считается завершённой.
REL-03: Используйте heartbeat для ротации проверок
Вместо одной повторяющейся проверки настройте ротацию: email каждые 30 минут, календарь каждые 2 часа, git раз в сутки.
REL-04: Включите обнаружение зацикливания инструментов
Защитите систему от бесконечных циклов вызовов инструментов:
{
"tools": {
"loopDetection": {
"enabled": true,
"historySize": 30,
"warningThreshold": 10,
"criticalThreshold": 20
}
}
}
💸 Оптимизация затрат
COST-01: Модель heartbeat стоит дороже, чем кажется
Используйте отдельную дешевую модель для фоновых проверок:
{
"agents": {
"defaults": {
"heartbeat": {
"model": "openai/gpt-5-nano"
}
}
}
}
COST-02: Настройте cache-TTL pruning
Обрезайте старые результаты инструментов из кэша, чтобы не платить за повторное кэширование устаревших данных.
COST-03-04: Локальные модели — не всегда экономия
Локальные модели подходят для узких механических задач: классификация, тегирование. Для работы с большим контекстом лучше использовать облачные модели.
⚙️ Операции
OPS-01: Установите лимиты конкурентности
Ограничьте параллельные запуски агентов и субагентов для контроля затрат и предсказуемости.
OPS-02: Поставьте рабочую папку под git
Инициализируйте git в workspace и регулярно коммитьте изменения конфигурации и памяти.
OPS-03: Изучите slash-команды для восстановления
Ключевые команды:
/new— новая сессия/compact— сжатие контекста/usage— проверка токенов/stop— остановка агента/model— смена модели
OPS-04: Удаляйте старую сессию при /new
Включите hook для очистки предыдущей сессии, чтобы они не накапливались на диске.
⏱️ Автоматизация
AUTO-01: Standing orders определяют что, cron определяет когда
Выносите логику в standing orders в AGENTS.md. Cron-задачи делайте короткими — они должны только указывать на инструкцию.
AUTO-02: Изолированные cron-задачи для фоновых процессов
Шумные повторяющиеся задачи запускайте в изолированных сессиях, чтобы не засорять основной чат.
AUTO-03: Непрерывное резервное копирование workspace
Настройте cron на ежедневную проверку и синхронизацию рабочей папки с удаленным репозиторием.
🏗️ Архитектура
ARCH-01: Не используйте один агент для всего
Разделите агентов по ролям: мониторинг, исследования, коммуникации. У каждого — собственная модель и workspace.
ARCH-02: Оркестратор — менеджер, а не исполнитель
Главный агент должен планировать и делегировать, а не выполнять всю работу самостоятельно.
ARCH-03: Разные промпты для разных моделей
Модели по-разному обрабатывают инструкции. Адаптируйте prompt-файлы под каждую важную модель.
ARCH-04: Предопределяйте workspace субагентов
Без явной конфигурации spawned-агенты могут создавать пустые workspace без контекста основного агента.
