核心功能 中級

OpenClaw Agent 完全指南：打造你的 AI 分身

Agent 是 OpenClaw 的靈魂角色，它能理解你的意圖、自動選擇 Skill、甚至自己決定下一步該做什麼。

📝 建立：2026年2月24日 ✅ 最後驗證：2026年2月24日
💡 每個段落旁的 + 按鈕可以反應「看懂 / 卡關」，幫助我們改進文章

Agent 是什麼？跟 Chatbot 有什麼不同？

先講結論：

Chatbot = 你問一句，它答一句 Agent = 你給一個目標，它自己想辦法完成

舉個例子

Chatbot 模式（像 ChatGPT）：

你：幫我查一下最新的 AI 新聞
Bot：這裡是最近的 AI 新聞...(列出結果)
你：把這些整理成表格
Bot：好的，以下是表格格式...(輸出表格)
你：存到我的 Google Drive
Bot：抱歉，我無法存取你的 Google Drive

每一步都需要你手動下指令，而且 Chatbot 無法存取外部工具。

Agent 模式（OpenClaw）：

你：幫我把最新的 AI 新聞整理成表格，存到 Google Drive 的「週報」資料夾
Agent：好的，我來處理。
  → 步驟 1: 搜尋最新 AI 新聞 ✅
  → 步驟 2: 整理成表格格式 ✅
  → 步驟 3: 存到 Google Drive「週報」資料夾 ✅
Agent：完成了！檔案已存到 Google Drive，檔名是「AI新聞週報_2026-02-24」

一句話搞定，Agent 自己規劃步驟、選擇工具、執行到底。

Agent 的運作原理

OpenClaw 的 Agent 基於 ReAct（Reasoning + Acting） 架構：

                    ┌──────────────┐
                    │   你的指令    │
                    └──────┬───────┘
                           │
                    ┌──────▼───────┐
                    │   思考(Think) │ ← 理解意圖，規劃步驟
                    └──────┬───────┘
                           │
                    ┌──────▼───────┐
                    │   行動(Act)   │ ← 選擇 Skill 或工具
                    └──────┬───────┘
                           │
                    ┌──────▼───────┐
                    │  觀察(Observe)│ ← 檢查結果
                    └──────┬───────┘
                           │
                    ┌──────▼───────┐
                    │  完成/繼續？   │
                    └──────┬───────┘
                      ↙         ↘
                  完成           繼續 → 回到「思考」

關鍵概念：Agent Loop（代理迴圈）

Agent 不是執行一次就結束。它會持續循環直到任務完成：

  1. Think（思考）：「使用者想要什麼？我該怎麼做？」
  2. Act（行動）：「我要使用 web_search 來搜尋新聞」
  3. Observe（觀察）：「搜到了 10 筆結果，看起來品質不錯」
  4. Decide（決定）：「夠了，進入下一步」或「結果不夠好，換個關鍵字再搜」

這就是為什麼 Agent 比 Chatbot 聰明——它會根據結果調整行為。

建立你的第一個 Agent

Agent 設定檔

# 📄 my-agent.yaml
name: "工作助理"
description: "一個全方位的工作助理，擅長資料整理、Email 處理和報告撰寫"

# Agent 使用的 LLM
model:
  provider: openai
  name: gpt-4
  temperature: 0.7

# Agent 可以使用的 Skill
skills:
  - email-morning-summary
  - weekly-news-digest
  - meeting-notes-organizer
  - competitor-monitor

# Agent 可以使用的工具
tools:
  - web_search
  - google_drive
  - gmail
  - notion

# Agent 的行為設定
behavior:
  # 最多執行幾個步驟（防止無限迴圈）
  max_steps: 20
  # 遇到不確定的情況時...
  on_uncertainty: ask_user  # ask_user | best_guess | stop
  # 是否顯示思考過程
  verbose: true

配置重點解析

model：選擇 LLM

model:
  provider: openai    # openai / anthropic / google / local
  name: gpt-4        # 具體模型名稱
  temperature: 0.7    # 0 = 精確，1 = 創意
模型優點適合場景
GPT-4推理能力最強複雜任務規劃
GPT-4o速度快、成本低日常大多數任務
Claude 3.5長文本處理優秀文件分析、長報告
Gemini ProGoogle 生態整合Google 工具串接
本地模型（Ollama）完全免費、隱私敏感資料處理

skills：Agent 的技能庫

Agent 會根據你的指令自動選擇適合的 Skill。你不需要指定「用哪個 Skill」，Agent 會自己判斷。

你：「把今天的 Email 重點整理給我」
Agent 思考：這跟 Email 處理有關...
         → 選擇「email-morning-summary」Skill
         → 執行！

behavior：Agent 的「個性設定」

on_uncertainty: ask_user

這決定了 Agent 在不確定時的行為：

  • ask_user：「我不太確定你要存到哪個資料夾，可以指定嗎？」
  • best_guess：Agent 自己判斷，可能猜錯但效率高
  • stop：停下來等你決定

多 Agent 協作

OpenClaw 支援多個 Agent 同時工作，各自負責不同領域：

# 📄 agent-team.yaml
agents:
  - name: "研究員"
    speciality: "資料搜集和分析"
    skills: [web_search, document_analysis]
    
  - name: "編輯"
    speciality: "內容撰寫和修潤"
    skills: [content_writing, translation]
    
  - name: "秘書"
    speciality: "溝通和行程管理"
    skills: [email_management, calendar]

# 協作模式
collaboration:
  mode: sequential  # sequential | parallel | hierarchical
  coordinator: "秘書"  # 由秘書統籌

三種協作模式

模式說明適合場景
sequential一個做完換下一個有先後順序的任務
parallel同時進行獨立且不互相依賴的任務
hierarchical主管 Agent 分配工作複雜的大型任務

實際範例：每週產業報告

你：「幫我做這週的 AI 產業報告」

秘書（coordinator）：收到，我來分配工作
  → 研究員：搜尋本週 AI 相關新聞和論文
  → 編輯：等研究員完成後，整理成報告格式
  → 秘書：報告完成後，寄給團隊成員

Agent 的記憶系統

Agent 不只是「執行指令」，它還有記憶：

短期記憶（Conversation Memory）

你：我在做一個行銷專案
Agent：了解，有什麼我可以幫忙的嗎？

你：幫我搜尋相關的案例
Agent：好的，我搜尋「行銷專案案例」（記得你在做行銷專案）

長期記憶（Persistent Memory）

上週的對話：
你：我們公司的目標客群是 25-35 歲的上班族

本週的對話：
你：幫我寫一份廣告文案
Agent：我根據你之前提到的目標客群（25-35 歲上班族），
       幫你寫了一份針對性的文案...

💡 想深入了解記憶系統？看 Soul：讓 Agent 有記憶和個性

Agent 除錯技巧

1. 開啟 verbose 模式

behavior:
  verbose: true

開啟後，Agent 會顯示每一步的思考過程，方便你找出問題。

2. 檢查執行日誌

# 查看最近一次執行的日誌
openclaw logs --last

# 查看特定 Agent 的日誌
openclaw logs --agent "工作助理" --limit 5

3. 常見問題排查

問題可能原因解決方案
Agent 一直在同一步驟迴圈max_steps 太高或條件判斷有誤設定合理的 max_steps
Agent 選錯 SkillSkill 的 description 不夠明確改善 Skill 描述
Agent 回應太慢模型太大或步驟太多換用更快的模型
Agent 不理解指令指令太模糊更明確地描述你要什麼

最佳實踐

1. 從簡單開始

先建立單一功能的 Agent，確認運作正常後再慢慢增加 Skill。

2. 寫好 Skill 描述

Agent 選擇 Skill 的依據是 description。描述越清楚，Agent 越不會選錯。

# ❌ 不好的描述
description: "處理 Email"

# ✅ 好的描述
description: "讀取未讀 Email，按重要性分類，整理成每日摘要"

3. 設定安全護欄

behavior:
  max_steps: 20          # 限制步驟數
  on_uncertainty: ask_user  # 不確定就問
  confirm_before:          # 這些動作執行前要確認
    - gmail_send
    - google_drive_delete

下一步

這篇文章對你有幫助嗎？

💬 問答區

卡關了？直接在這裡問，其他讀者和作者都能幫忙解答。

載入中...