基础：清晰的沟通
与只能回应的云端 AI 不同，clawbot 能够执行。这种差异意义深远：在 ChatGPT 中产生有趣对话的模糊指令，在获得系统访问权限后会变成破坏性命令。精确性至关重要。
有效指令的原则
准确定义应该影响什么。AI 不会要求澄清——它会根据上下文做出假设。
"将收件箱中过去 7 天内所有来自 newsletters@*.com 的邮件归档。"
"清理我的收件箱。"（哪些邮件？什么操作？多久的？）
对于持续性任务，定义何时执行操作以及必须满足哪些条件。
"每个工作日上午 9 点，如果有标记为'urgent'的未读邮件，向我发送 Telegram 摘要。"
"让我知道紧急邮件。"（何时？如何？什么定义为紧急？）
告诉 AI 如何判断任务成功。这可以防止无限循环并允许有意义的错误报告。
"运行测试直到全部通过或失败 3 次，然后将结果报告到 #dev-channel。"
"持续运行测试直到成功。"（多少次尝试？如果永远不通过怎么办？）
对于删除、修改或发布数据的操作，内置审批步骤。
"为这条客户投诉起草回复，并在发送前发给我审批。"
"自动回复客户投诉。"（如果 AI 误解了怎么办？）
六种任务委派模式
每个自动化都属于六种模式之一。理解这些模式可以帮助你设计有效的工作流程，并为 AI 能够自主处理的内容设定适当的期望。
AI 监视变化并通知你。
AI 持续观察数据源（日志、API、文件、仪表板），并在特定条件发生时发出警报。不做任何更改——纯粹的观察性。
"每 60 秒监视 Prometheus /api/v1/alerts 端点。如果任何警报进入'firing'状态且 severity=critical，将详细信息发送到 Slack 的 #ops-emergency 频道。"
"每天凌晨 2 点检查 competitor.com/pricing。如果价格变化超过 10%，截图页面并通过电子邮件发送对比给我。"
最佳实践
根据紧急程度设置检查间隔：关键系统每 30-60 秒，业务指标每小时，趋势监控每天。
AI 发送基于时间或事件触发的通知。
与简单的日历警报不同，AI 提醒可以包含上下文、准备步骤或预先获取的信息，使提醒更具可操作性。
"在任何标记为'client-meeting'的日历事件前 30 分钟，通过 WhatsApp 向我发送：(1) 与会者姓名，(2) 来自 Notion 的上次对话摘要，(3) 来自 Jira 的待办事项。"
"在我作为受托人的任何 Jira 工单截止日期前 7 天，通过 Telegram 提醒我。如果在截止日期前 1 天仍未完成，升级为紧急。"
最佳实践
在提醒中包含可操作的上下文。"30 分钟后开会"毫无用处；"30 分钟后与 Acme Corp 客户通话——他们在询问 API 限制"才有价值。
AI 代表你执行操作。
AI 主动更改系统状态：文件、数据库、API、服务。这就是自托管基础设施变得至关重要的地方——云端 AI 永远无法拥有这种级别的访问权限。
"当新标签匹配 v*.*.* 推送到主分支时，运行 CI 测试。如果全部通过，部署到暂存环境。在 Sentry 中 10 分钟内无错误后，升级到生产环境。"
"每周日凌晨 3 点，归档 #random 频道中超过 90 天的 Slack 消息。在删除前导出为 JSON 到 ~/archives/slack/。"
最佳实践
始终先在非生产环境中测试执行工作流程。在可用时使用 --dry-run 标志。构建回滚机制。
AI 处理数据并提取洞察。
AI 读取大量数据——日志、指标、文档、对话——并总结、识别模式或回答问题。不更改系统，但生成有价值的情报。
"分析 /var/log/nginx/error.log 的最后 1000 行。识别 5 种最常见的错误模式，估计影响（受影响的请求），并建议修复方案。"
"阅读过去一个月所有标记为'product-review'的 Zoom 会议记录。按频率统计前 5 个功能请求是什么？谁提到了每一个？"
最佳实践
将分析与行动配对。不要只生成报告——配置 AI 升级需要立即关注的发现。
AI 连接多个服务并保持它们同步。
AI 充当中间件，在没有原生集成的系统之间移动数据。这取代了 Zapier 风格的自动化，但使用自然语言逻辑而不是拖放工作流程。
"当在 Zendesk 中创建新工单时，检查客户是否存在于 HubSpot 中。如果是，将工单链接添加到他们的时间线。如果否，使用工单元数据创建联系人记录。"
"当我关闭 Jira 工单时，计算从'进行中'到'完成'的时间，记录到 Clockify 中与 Jira 项目密钥匹配的项目下。"
最佳实践
设计集成为幂等的（多次运行安全）并优雅地处理失败。记录所有同步操作以便审计追踪。
AI 基于条件逻辑链接多个操作。
这将所有先前的模式组合成具有分支逻辑、重试机制和决策树的复杂工作流程。AI 自主编排复杂的序列。
"当 Prometheus 触发'HighMemoryUsage'警报时：(1) 检查此服务在过去一小时内是否重启。如果是，忽略。(2) 如果否，捕获堆转储。(3) 使用 gdb 分析。(4) 如果检测到内存泄漏，重启服务并在 Jira 中创建 bug。(5) 将事故报告发布到 Slack 的 #ops 频道。"
"当 ~/blog/drafts/ 中出现新的 markdown 文件时：(1) 检查拼写和语法。(2) 生成 SEO 元数据。(3) 优化文章中的图片。(4) 移动到 ~/blog/ready/。(5) 创建 PR 到网站仓库。(6) 将预览链接发布到 Slack 的 #content 频道。"
最佳实践
将复杂的自动化分解为带有检查点的阶段。在每个步骤记录状态，以便调试失败并使工作流程能够从中间恢复。
多渠道策略
clawbot 支持 15+ 个通信渠道。有效使用的关键不是连接所有渠道——而是根据上下文、紧急程度和工作流程集成为每种任务类型选择正确的渠道。
WhatsApp：个人、高优先级
- 关键警报（生产环境宕机、安全事件）
- 时间敏感的提醒（会议准备、旅行登机）
- 个人自动化（智能家居、家庭技术支持）
- 通过语音消息的语音命令
原因：随时随地，原生移动通知，语音输入。
Slack/Discord：团队协作
- 团队可见的部署通知
- 项目频道中的 CI/CD 状态更新
- 共享自动化（任何人都可以触发的机器人命令）
- 事故响应协调
原因：透明度，团队上下文，线程式讨论。
Telegram：可靠、快速、灵活
- 高频更新（监控仪表板）
- 每日摘要和报告
- 文件共享（截图、日志、导出）
- 用于自定义集成的 Bot API
原因：无速率限制，内联按钮，强大的 bot API。
Email：正式、存档、外部
- 利益相关者的周报
- 正式通知（法律、合规）
- 与外部方的沟通
- 带格式的长篇内容
原因：通用，正式记录，丰富格式。
专业提示：渠道路由规则
配置 clawbot 自动将不同的消息类型路由到适当的渠道：错误到 Slack #ops，摘要到 Telegram，关键警报到 WhatsApp。在你的 IDENTITY.md 或特定渠道配置中定义路由逻辑。
技能生态系统：扩展能力
clawbot 的 565+ 社区技能（ClawdHub）遵循 AgentSkills 标准。技能提供你可以安装、自定义和组合的预构建集成和领域特定功能。
发现技能
技能通过 ClawdHub（基于 GitHub 的市场）分发。按类别浏览或按关键字搜索：
clawbot skills search kubernetes
"向我展示用于监控 PostgreSQL 数据库的技能。"
热门类别：DevOps（kubectl、docker、terraform）、云（AWS、Azure、GCP）、生产力（日历、电子邮件、笔记）、开发（GitHub、GitLab、CI/CD）、智能家居（Home Assistant、IoT）、数据（数据库、分析、ETL）。
安装技能
技能作为 Node.js 包安装，带有声明性能力定义：
clawbot skills install kubectl
clawbot skills install https://github.com/user/custom-skill
安全提示
技能使用你的 clawbot 权限运行。在安装前审查技能源代码，特别是执行系统命令或访问凭据的技能。优先选择具有高 GitHub 星标和最近更新的技能。
定制技能
大多数技能通过环境变量或配置文件公开配置。常见定制：
存储在启用加密的 ~/.clawbot/secrets.env 中。
GITHUB_TOKEN=ghp_xxxxx
SLACK_BOT_TOKEN=xoxb-xxxxx
在 ~/.clawbot/skills/{skill-name}/config.json 中覆盖默认值
{"default_namespace": "production", "timeout": 30}
通过工具白名单限制技能可以执行的操作。
允许"kubectl get"和"kubectl describe"，拒绝"kubectl delete"
10 种专家级使用模式
来自 clawbot 高级用户的先进技术，将其从"有用的助手"转变为"不可或缺的基础设施"。
将你的偏好、工作上下文和领域知识存储在 ~/.clawbot/IDENTITY.md 中。AI 在每次交互前读取此文件，无需重复解释即可个性化响应。
• 你的角色和技术栈
• 项目结构和命名约定
• 首选沟通风格
• 时区和工作时间
• 关键联系人及其角色
• 决策原则
对于有后果的操作（部署、数据更改、外部沟通），配置审批门。AI 起草操作，你通过聊天批准。
tools.exec.approval: "ask" 用于匹配"rm -rf"、"kubectl delete"、"git push --force"的命令
自动化运行后，明确告诉 AI 什么有效、什么无效。它会在会话内存中记住并调整未来的行为。
"那封邮件草稿太正式了——下次使用更友好的语气。"
"日志分析遗漏了 stderr 中的错误——同时检查 stdout 和 stderr。"
对于重复性自动化，使用 clawbot Gateway 的 cron 调度而不是系统 cron。AI 生成的 cron 作业理解自然语言并智能处理失败。
"每个工作日上午 9 点（节假日除外）" → Gateway 转换为 cron 表达式并处理节假日日历。
将多个技能组合成序列。AI 协调技能之间的数据流，而你无需编写集成代码。
"使用'github'技能获取最新发布说明，然后使用'slack'技能将摘要发布到 #announcements，然后使用'twitter'技能起草一条推文。"
启用全面日志记录以跟踪每个 AI 操作。对于调试、安全审计和了解事故期间发生的事情至关重要。
~/.clawbot/logs/gateway.log（所有消息）
~/.clawbot/logs/exec.log（系统命令）
~/.clawbot/logs/skills.log（技能调用）
在将自动化部署到生产系统之前，在隔离环境中测试。使用 Docker 容器、暂存服务器或 --dry-run 模式。
1. 手动测试命令
2. 在 dry-run 模式下运行 AI 自动化
3. 使用真实数据部署到暂存环境
4. 监控 24-48 小时
5. 升级到生产环境
将某些技能限制在特定渠道。示例：仅通过 WhatsApp（你已通过身份验证的地方）允许破坏性操作，永远不要通过公共 Discord。
WhatsApp：启用所有技能
Slack #ops：仅 DevOps 技能
Discord：仅只读技能
Telegram：监控和报告
对于需要来回沟通的复杂任务，启动专用会话。AI 在消息之间维护上下文并记住中间结果。
"为支付服务错误启动调试会话。"
→ AI 创建会话，提出澄清问题
→ 你提供日志，AI 分析
→ AI 提出修复方案，你批准
→ AI 实施并验证
"结束会话并总结我们修复的内容。"
不同的 AI 模型在不同的任务中表现出色。配置 clawbot 智能路由：Claude 用于复杂推理，GPT-4 用于代码，Ollama 用于离线/私密操作。
代码审查：GPT-4 Turbo（最擅长代码）
数据分析：Claude Sonnet（最擅长推理）
简单自动化：Ollama llama3（免费，本地）
敏感数据：仅 Ollama（永不云端）
常见问题和解决方案
clawbot 用户遇到的实际挑战以及如何解决它们。
原因：模糊的指令或上下文不足。
解决方案：更加明确。对风险命令使用审批工作流程。将正确行为的示例添加到 IDENTITY.md。
"删除旧日志"
"删除 /var/log/myapp/ 中超过 30 天且名称匹配 *.log 的日志文件。无论年龄如何都保留最近的 10 个文件。删除前请求确认。"
原因：外部 API 速率限制、凭据过期或瞬态网络故障。
解决方案：构建具有指数退避的重试逻辑。监控 ~/.clawbot/logs/ 中的错误。在自动化失败时设置警报。
原因：监控阈值设置过于敏感或没有噪声过滤。
解决方案：添加防抖（"仅在条件持续 5 分钟后警报"）和去重（"每小时对同一问题不要警报超过一次"）。
原因：试图在一条消息中描述整个工作流程。
解决方案：分解为阶段。配置一个阶段，测试，然后添加下一个。使用会话连续性进行增量细化。
原因：AI 记录完整的命令输出，包括凭据或私有数据。
解决方案：配置日志清理规则以编辑模式（API 密钥、令牌、密码）。定期审查日志并根据需要添加新的编辑规则。