跳轉到

OpenClaw 最佳組合配置

來源: @prompt_case
日期: 2026-02-15
連結: https://www.threads.com/@prompt_case/post/DUwtYxbFF-Y


核心配置

最佳組合: - MacOS + Ubuntu 🐧 + OpenClaw + Gemini 3 Flash + Kimi k2.5 - OpenClaw Browser Relay + Telegraph API - 核心系統:qmd + mq tree + auto-skill

三大核心系統

1. Auto-Skill:決策與邏輯

  • 功能:腦袋,決定「為什麼要找、要學什麼、怎麼進化」
  • 重要警告:這是所有任務和其他技能的底層依賴
  • 需要在系統指令中寫入優先執行 Auto-skill 的指令
  • GitHub: https://github.com/Toolsai/auto-skill
  • 風險提示(來自 @tick2807):
  • 會要求修改全域規則檔(例如 ~/.codex/instructions.md)
  • 帶有「強制覆蓋上層規則」傾向(屬 prompt/policy 風險)
  • 會要求每次對話自動讀寫記憶與跨技能行為(權限面過廣)
  • 建議:如果害怕,不要使用

2. qmd:導航與索引

  • 功能:地圖,決定「在哪裡找、哪些檔案與目標相關」
  • 本地 RAG 引擎,建索引用
  • GitHub: https://github.com/tobi…

3. mq:提取與切片

  • 功能:手術刀,決定「只讀哪幾行、精準控制 Token 消耗」
  • qmd 的記憶查詢模式
  • 直接讓龍蝦用 qmd get 讀相關切片任務內容

系統特點

優勢: - 穩定、靈活、聰明、快速 - 低成本(不需要頂級模型) - 無限自我進化 - 知識不斷累積 - 精準控制 Token 消耗

🔄 運作方式: 整個系統不斷循環,知識不斷累積,同時不會佔用大量 Token,快速精準讀取知識。

社群回饋

  • @tick2807:提醒 auto-skill 的高風險特性
  • @david888.chiang:警告「依賴地獄,不要亂用非信任的 skill」
  • 作者回應:如果害怕,建議不要使用

標籤

OpenClaw #AI助理 #RAG #知識管理 #自動化