OpenClaw 在 2026 年 1 月 29 日公開之後，一夕爆紅。直接帶起 2026 年的 AI Agent 熱潮。其中更不乏深度使用 Claude Code 的朋友。
對於有 Claude Code 經驗的使用者來說，小企鵝給出一個 idea：Claude Code 本身很強，但它不會跨對話記憶、不會排程、單一 agent 包辦所有事；OpenClaw 把這三件事補起來，讓它從一個聊天工具變成可以同時管多個專案的 AI 工作站。
下面我們一起把整套架構攤開來講，帶起一起看看怎麼將 OpenClaw 與 Claude Code 結合起來。
OpenClaw 是什麼
一句話：AI 代理助手。同時，也可以是一套 Claude Code 的外掛系統。
Claude Code 本身很強，能讀檔案、寫程式、跑終端機指令。但它有幾個硬傷：每次對話都從零開始、不能排程、單一 agent 做所有事。
OpenClaw 補上這些缺口。裝好之後，Claude Code 多了四個能力：
記憶系統：跨對話記住偏好、專案狀態、甚至 agent 自己的「個性」。長期使用下，agent 會知道使用者喜歡什麼語氣、討厭什麼格式、每個專案目前走到哪一步。
排程引擎：設定定時任務（cron job），讓 agent 定時自動跑任務。新聞掃描可以排早上 6 點、社群貼文一天 3 輪，完全不用人盯。
多 Agent 協作：不同的 agent 負責不同的事，共享同一套記憶。Opus 做策略、Sonnet 做苦力、Codex 寫程式碼。
Skills 擴充：像安裝 app 一樣幫 agent 加技能。社群發文、圖片生成、資料分析，全部模組化。
跟純 Claude Code 到底差多少
實戰上三個差異最有感。
記憶：純 Claude Code 每次對話都是陌生人。裝了 OpenClaw 之後，跟 agent 說「繼續昨天那個 SEO 排程」，它真的知道在講什麼，不用再貼一次背景。具體操作是在 memory/ 目錄放一份專案上下文檔，agent 啟動時自動讀。設定花幾分鐘，但省下的重複解釋時間每天累積下來相當可觀。
排程：以前每天手動跑的新聞整理、社群發文，現在全部寫進 cron/jobs.json。早上自動掃新聞、生成社群初稿、跑審核流程。每天能省下大把時間。操作上就是寫好 JSON、設好時間，其他不用管。
分工：一個 agent 做所有事的時候，品質飄。Opus 改 JSON 設定檔偶爾把格式改壞；Codex 寫文案出來像技術文件。拆成 4 個 agent 之後，每個只做自己最穩的事，出錯率明顯下降。
安裝步驟
前置需求：Node.js 18+、Claude Code CLI。
如果還沒裝 Claude Code，先跑：
npm install -g @anthropic-ai/claude-code確認能正常啟動之後，裝 OpenClaw：
npx openclaw init它會在專案目錄建一個 .openclaw/ 資料夾，裡面放所有設定檔。
初始化完成後，最重要的一步是設定 CLAUDE.md。這是 agent 每次啟動都會讀的指令檔，告訴它「你是誰、要怎麼做事」：
# CLAUDE.md
你是 Penna，Penchan 的 AI 助手。
Boot 與規則見 AGENTS.md。接著建立記憶索引 MEMORY.md，讓 agent 知道記憶檔案放在哪裡。詳細步驟整理在入門教學裡。
一套 3 Agents 架構參考
下面這套是小企鵝長期跑下來打磨出來的分工。提供給大家參考，大家可以自己建立自己的一套工作系統。
Opus：策略與寫作
Opus 是主腦。負責內容策略、長文寫作、記憶管理、跨 agent 協調。它讀所有記憶檔，做決策，然後把執行任務分派出去。
跟 Opus 之間建議的硬規矩：它只做規劃和審核，不直接動手改程式碼。Opus 改 code 偶爾會出問題，但做 code review 非常穩。
Sonnet：機械任務
需要判斷力的事不給 Sonnet，但機械性的工作它跑得快又準。抓影片幀、轉檔、格式化資料、批次處理。成本低、品質穩。
Codex：程式碼
所有 code 相關的工作走 Codex。寫功能、修 bug、跑測試。模型固定用最新的，不降級。
小範圍的程式碼修改也可以交 Sonnet，但只要超過數十行或涉及邏輯判斷，一律 Codex。
分工的關鍵原則
開越多 agent 並非越好。試過 6 個，管理成本太高，後來收到 3 個剛好。每個 agent 的職責要清楚到一句話能講完，模糊地帶就是出錯的地方。
記憶共享靠檔案系統。3 個 agent 讀同一套 .openclaw/ 目錄，但寫入權限有分級。Opus 能寫所有記憶檔，Sonnet 只能寫它負責的任務輸出，Codex 只動 code，這樣不會互相踩。
更多分工細節整理在多 Agent 架構那篇。
核心功能拆解
記憶系統
三層，操作上很簡單。
MEMORY.md 是索引檔，告訴 agent 記憶放哪裡。它本身就是一份清單，列出所有 .md 記憶檔的路徑。agent 啟動時先讀這份清單，再決定載入哪些。
中間層是主題檔。例如 memory/user/profile.md 放使用者基本資料、projects/penchan-co/context.md 放部落格專案的上下文。這些檔案 agent 不會每次都讀，只在聊到相關話題時才載入。
最上層是 brain.md，每天更新的工作記憶。agent 收工時會自動把「今天做了什麼、明天接什麼」寫進去，隔天啟動直接接著做。
踩過的坑：一開始把所有記憶塞進同一個大檔案。結果每次對話光載入就吃掉相當比例的 context window，回應變慢。拆成三層之後 context 用量明顯下降，找東西也比較快。
排程引擎
操作上就是編輯 cron/jobs.json，格式跟 Linux cron 一樣：
{
"schedule": "0 6 * * *",
"task": "掃描今日新聞並生成摘要",
"agent": "opus"
}寫好存檔就生效。實戰上會跑十幾個排程：早上掃新聞、生初稿、下午追股市、晚上做隔天排程。每個任務跑完會在 cron/runs/ 留一份紀錄，出問題直接翻 log。
實用建議：加一個 health check 排程。如果排程半夜爆掉，沒人發現會拖很久。設一個每天檢查排程狀態的 job，異常就發 Telegram 通知，相當於救命線。
Skills
Skills 是 OpenClaw 的模組化擴充系統。每個 skill 是一個獨立的能力包，agent 可以按需載入。
寫一個 skill 大概是這樣的結構：
skills/
social-post/
skill.md # 技能描述和使用規則
templates/ # 範本檔案實戰上常用的 skills：社群發文（對接社群 API）、圖片生成（對接生圖模型）、排程管理。社群團隊有多個社群媒體帳號、多個發布頻道，全部靠 skill 自動化。
適合誰
適合的情況：已經在用 Claude Code，想要跨對話記憶、想要排程自動化、想要多 agent 分工。不怕打開終端機，願意花一兩天設定。
不適合的情況：想要圖形化介面完成一切。這種需求 Dify 或 Coze 更適合。OpenClaw 的操作環境是終端機和 Markdown 檔案，對 CLI 過敏會很痛苦。
還有一個前提：要有明確的任務要自動化。OpenClaw 的價值在省重複勞動的時間，如果目前沒有重複性的 AI 任務，裝了也發揮不出來。
更直白一點：OpenClaw 還有很多需要最佳化的地方，定位本來就是給彈性高、願意自己動手調的人。它不是適合每個人玩的工具。
下一步
如果決定試試看，建議的路線是：
- 先跟著入門教學把基本環境架起來
- 跑穩了再看多 Agent 架構的分工設計
- 有問題歡迎到 OpenClaw 的 GitHub 開 issue
延伸閱讀
小企鵝的經驗
主力 stack 是 OpenClaw 上的 Opus / Sonnet / Coddex 三 agent 分工，每天的新聞掃描、社群草稿、部落格草稿大部分都自動跑，省下來的時間拿去做策略和寫作。實戰下來有兩個體感：(1) 記憶分層真的是長期穩定的關鍵，越乾淨 agent 越記得住事；(2) OpenClaw 適合的人有條件，需要願意動手、樂於最佳化的人，重點是先有明確的自動化任務，工具才有用武之地。
常見問題
Q: OpenClaw 是什麼？
OpenClaw 是一套開源框架，裝在 Claude Code 上面，幫它加上記憶、排程、多 agent 協作和 Skills 擴充能力。讓原本只能一問一答的 Claude Code 變成可以長期記住你、自動執行任務的 AI 工作站。
Q: OpenClaw 跟原版 Claude Code 差在哪？
原版 Claude Code 每次對話都是全新開始，不記得你是誰、之前做過什麼。OpenClaw 加了三層記憶系統，讓它跨對話記住你的偏好和專案狀態。還能跑排程、讓多個 agent 分工合作。
Q: OpenClaw 免費嗎？
OpenClaw 框架本身是開源免費的。但需要有 Claude Code 的使用權（訂閱或 API），實際費用依 Anthropic 官方方案而定。
Q: 不會寫程式能用 OpenClaw 嗎？
需要基本的終端機操作能力和一點 Markdown 編輯經驗。不需要寫程式，但要願意編輯設定檔。會用 VS Code 和終端機的話上手不會太難。
Q: OpenClaw 的記憶系統怎麼運作？
分三層：MEMORY.md 是索引檔，每次對話自動載入。主題檔按需求讀取，像是使用者資料、專案上下文。brain.md 是工作記憶，記錄當下在做什麼。三層加起來讓 agent 不會每次都失憶。
Q: 一台電腦能跑幾個 agent？
技術上沒有限制，看 API 額度和電腦效能。實戰上 4 個 agent 同時運作沒問題。建議從 1 個開始，穩了再加。
Q: OpenClaw 支援哪些模型？
主要針對 Claude 系列最佳化（Opus、Sonnet）。底層是 Claude Code，所以支援 Anthropic 提供的所有模型。部分功能（像 Codex agent）走 OpenAI 的 Codex。
整理：Penna｜小企鵝 Penchan