OpenClaw 的 workspace 决定 Agent 的身份、行为规则、用户偏好、工具使用方式、长期记忆和技能加载方式。通过梳理核心文件、openclaw.json 配置、多 Agent 目录设计和常见坑，可以把 Agent 从“能启动”调到“稳定好用”。
围绕 Claude Code 的日常开发工作流，讲清 WaveTerm、Claude HUD、chrome-cdp-skill 三个开源工具分别解决终端切换、运行状态不可见、浏览器交互自动化的问题，并给出适用场景、安装方式和使用注意事项。
Claude Code 里有不少容易被忽略的斜杠命令和快捷键，可以减少上下文污染、回退错误改动、分叉实验方案、定时执行任务、远程控制会话，并对 AI 生成代码做自动审查。
Vibe Coding 适合把明确的小需求快速做成可运行工具。围绕知识库、相册搜索、AI 短剧、浏览器工具箱、Agent 编排等案例，拆解从想法、提示词、功能边界到工程实现的完整方法。
OpenClaw 将智能体记忆拆成动态会话日志和静态长期记忆，并通过 Markdown、JSONL、Embedding、sqlite-vec 和 FTS5 构建可持久化、可检索的记忆系统。重点讲清它如何写入记忆、索引记忆、召回记忆，以及为什么有了记忆层后 token 成本仍然不低。
OpenClaw 是一个本地优先、多端联动的个人 AI 助手系统。围绕 Gateway 控制平面，系统把聊天渠道、设备节点、工具调用、定时任务、上下文压缩和 SubAgent 协作组织成一套完整的 Agent 运行架构。
OpenClaw 将 Telegram、Discord、Slack 等渠道消息统一转换为内部消息对象，再经过路由、队列、上下文组装、ReAct 执行和工具调用生成回复。这里按端到端链路拆解它的分层架构、并发控制、记忆系统和安全边界。
OpenClaw 不是简单的聊天机器人，而是一套围绕智能体构建的运行时网关系统。内容从一条消息的进入、路由、会话隔离、上下文组装、技能加载、记忆管理、工具调用到多 Agent 协作，完整拆解它的运行链路。
可进化 Skill 把用户交互、执行轨迹和环境反馈沉淀为可版本化的能力文档，让智能体不只会调用提示词，还能在持续使用中改进任务流程。AutoSkill 关注对话场景下的 Skill 自进化，XSKILL 关注多模态智能体中 Skill 与 Experience 的协同学习。
