OpenClaw + Seetong 配置优化方案 P0 落地

本文档版本：v1.0（2026-06-15 落地 P0） 优化对象：~/.openclaw/workspace/SOUL.md、~/.openclaw/workspace/AGENTS.md 优化原则：精炼、增量、Seetong 专属，不大改 跳过 P1/P2：P1（Seetong-AGENTS 速记口诀 + openclaw.json skillEvolution 字段）+ P2（Heartbeat 双引擎 + taskTiering 字段 + 数字生命暗示）已生成方案，待验证 P0 效果后分批上

优化动机

通过整合用户 MyAIWiki 中积累的所有 AI Agent 知识（清华沈阳《自进化 AI》、EvoSkill / SkillOpt 学术综述、Addy Osmani Loop Engineering、OpenClaw 正确打开方式、Anthropic 万字长文等），提炼通用性规则，结合 Seetong APP 研发场景做适配，小步增量地升级 OpenClaw 的工作流范式与安全护栏。

提炼的 7 条通用规则（不依赖任何单篇文章）

# 规则 核心动作 知识来源
1 Goal & Task > Step-by-Step 工作流从步骤列表改写为目标 + 可观测任务 + 验证 Gate 清华沈阳 ZeeLin Goal&Task 体系
2 验证 Gate > 信任推理链 不在”理解 agent 怎么想”上花时间，把精力放在”如何设计可验证机制”上 清华沈阳”不可解释但可验证” + EvoSkill 验证 gate
3 任务分级 + 分层架构 按 L1–L4 复杂度决定单 agent / subagent / 状态树并行 清华沈阳智能形态分化论（差距 ≥ 10 倍 = 不同维度）
4 薄路由厚技能厚数据（已有强化） Skill / Memory / Knowledge / Archive 四层边界清晰 Garry Tan 原则 + 用户 SOUL.md 既有沉淀
5 拟生命演化的双向压力 生存压力（Token / 失败率）+ 诗和远方（周期性非功利目标） 清华沈阳 OpenClaw 龙虾三步骤
6 Self-evolution 受控 允许进化但必须可回滚、可审计、有负反馈历史强约束 EvoSkill 三角色 Pipeline + 负反馈历史
7 上下文预算管理（已有强化） 单文件 > 100 行 / 上下文 > 8000 字符 → 拆；复用率 < 30% → 拆到 Skill 用户 AGENTS.md “Keep It Lean” + ZeeLin 上下文编排

Seetong 场景的 5 条专属规则

# 规则 核心约束 知识来源
8 iOS 真实设备约束 未经授权绝不动 xcodebuild / pod install / 模拟器 / 真机 用户 Seetong-AGENTS.md 既有
9 OC 崩溃风险优先于功能正确性 Review 时按 B-N-T-O-R（Bounds / Nil / Thread / Observer / Retain cycle）顺序检查 用户 Seetong-AGENTS.md 既有 + OC 实战踩坑
10 现有栈复用 > 引入新抽象 改前先查 BaseViewController / STNetworkManager / QMUITips / Realm / Masonry / MJExtension 用户 Seetong-AGENTS.md 既有
11 知识沉淀分离 App 仓库只放执行规则；专题知识去 MyAIWiki 用户 Seetong-AGENTS.md 既有 + Claude Code 一周年
12 MCP 数据路由 Seetong 数据源严格走已配 MCP（seetong-feedback / umeng-app / sensors-analyst / mcp-server-tapd），不直接 curl 用户 openclaw.json 既有 4 个 MCP

P0 已落地的 3 项修改

✅ 1. SOUL.md 增补：验证 Gate 优先原则

位置：/Users/topsee/.openclaw/workspace/SOUL.md 「Core Truths」末尾

1
2
3
4

**Verify, don't trust.** Every Skill must have a binary validation gate
(pass/fail). When in doubt, design the verification — don't try to
understand the reasoning. "Incomprehensible but verifiable" is healthy;
"incomprehensible and unverifiable" is dangerous.

为何是 P0：SOUL.md 是 Agent 的人格底色，把”验证优先”写进 Core Truths 意味着 agent 每次醒来都会读到它——这是最低成本、最高频次的护栏。

✅ 2. AGENTS.md 增补：Task Tiering (L1–L4 任务分级 + 架构选择)

位置：/Users/topsee/.openclaw/workspace/AGENTS.md 「Plan Trigger」之后

1
2
3
4
5
6
7
8
9
10
11
12
13

### Task Tiering (先分级,再决定架构)

任何任务接进来，默认先分级，再决定用什么 agent 架构跑：

| Tier | 特征 | 架构 | 例 |
|------|------|------|-----|
| **L1 简单** | 改个 typo / 格式化 / 简单搜索 | 单 agent 直干 | 重命名变量、format 文件 |
| **L2 中等** | 涉及 1–2 个文件，逻辑清晰 | agent + Skill 验证 Gate | 改个 API、修单测、加日志 |
| **L3 复杂** | 跨模块 / 跨文件 / 架构调整 | 先 plan + subagent 并行 | 加新模块、重构、跨端 SDK 调整 |
| **L4 超能力** | 超出单 agent 能力 10 倍 | 状态树并行 + 多方案对比 | 重写核心 SDK、全量迁移 |

**默认假设 L2**。识别到 L3+ 立即升级到 plan 模式 + 调高 subagent 并发度。
**识别到 L4** 必须拆成多个子状态树并行，最后用 Cross-Modal Eval 收敛最优解。

为何是 P0：现有 AGENTS.md 的”Plan Trigger”只有”要不要 plan”的二元判断，缺少”用什么架构跑”的工程化指导。L1–L4 把这个空白补上。

✅ 3. AGENTS.md 增补：Self-Evolution Guardrails

位置：/Users/topsee/.openclaw/workspace/AGENTS.md 「Skill vs Memory vs Knowledge」之后

1
2
3
4
5
6
7
8
9

### Self-Evolution Guardrails (Skill 自进化受控)

Skill 自进化允许，但必须满足硬约束：

- [ ] **写入前快照**：每次写新版本前，旧版本自动备份到 `.bak/skills/`
- [ ] **验证 Gate 必填**：每个 Skill 必须有通过/失败的二元判定，不允许"看起来跑通了"
- [ ] **失败自动回滚**：Gate 不通过 → 自动恢复快照，不静默重试
- [ ] **负反馈历史强约束**：同类错误重复 > 2 次 → 写入"禁止再犯"清单，下次自动避坑
- [ ] **生命周期管理**：> 90 天未被调用的 Skill → 月度 Lint 时标记候选删除

为何是 P0：Skill 自进化是 OpenClaw 强大之处也是失控之处，没有护栏的进化 = 越跑越偏。这 5 条约束直接对应 EvoSkill 的工程化做法，是最低成本的”防爆栓”。

P1 候选（已规划，待验证 P0 后落地）

# 文件 改动 价值
4 Seetong-AGENTS.md 增加 OC 崩溃风险速记口诀（B-N-T-O-R） 提升 Review 速度
5 Seetong-AGENTS.md 把”Verification” 升格为硬规则（加 ⛔ 标记） 强化防误操作
6 openclaw.json 增加 agents.defaults.skillEvolution 字段 Skill 进化可配置化

P2 候选（高级特性，建议一两周后评估）

# 文件 改动 价值
7 AGENTS.md 增加”双引擎”章节（生存压力 + 诗和远方） 避免 agent 退化
8 openclaw.json 增加 agents.defaults.taskTiering 字段（仅按 L1–L4 决定架构与并发度，不切模型） 任务分级可配置化
9 SOUL.md 增加”Simulated 数字生命”暗示（沈阳模型） 增强 agent 主体性

2026-06-15 用户确认：所有任务统一用 minimax-portal/MiniMax-M3，不按 L1–L4 切不同模型。taskTiering 字段只能动”架构 / 并发度 / 是否用 subagent / 是否走状态树”这些维度，不触碰模型路由。

落地清单

已落地（P0）

待落地（P1/P2）

复盘节奏