🦞 MoltCare

OpenClaw Agent Configuration Framework

让 AI Agent 从被动执行变为主动解决问题

🚀 Quick Start

方式一：通过 ClawHub 安装（推荐）

# 一键安装
clawhub install moltcare-open

# 验证安装
clawhub list

方式二：手动安装

# 一键安装脚本
curl -fsSL https://raw.githubusercontent.com/useens/moltcare-open/master/install.sh | bash

# 或使用 Skill 目录安装
git clone https://github.com/useens/moltcare-open.git
cd moltcare-open/skill
bash scripts/install.sh

方式三：配置向导

~/.openclaw/workspace/scripts/onboarding.sh

安装完成后，你的 OpenClaw Agent 将获得：

✅ 主动问题解决 — 不再轻易说"我解决不了"
✅ 多专家决策 — 复杂问题自动启动专家讨论
✅ 三层智能触发 — 精确+语义+主动评估混合机制
✅ 结构化记忆 — 长期记忆自动分层管理

🤔 What is MoltCare?

MoltCare 是一套专为 OpenClaw AI Agent 设计的提示工程配置框架。

解决什么问题？

普通 AI Agent 的典型表现：

场景	问题表现
任务失败	尝试 1-2 次就放弃，直接说"无法解决"
信息不足	不检查上下文，直接问用户"请提供 X"
完成任务	做完即止，不验证、不检查边界情况

MoltCare 通过 PUA 框架解决这些问题，让 Agent 从被动执行升级为主动解决问题。

核心设计原则

原则	说明
极简配置	总大小 ~5KB，无冗余内容
高信号密度	每行配置都有明确目的
分层架构	身份/操作/用户/记忆四层分离
触发驱动	关键词触发特定行为模式

🧠 Core Concepts

1. 四层配置架构

┌─────────────────────────────────────────┐
│  SOUL.md        ← Agent 灵魂（原则、人格）  │
├─────────────────────────────────────────┤
│  AGENTS.md      ← 操作手册（流程、工具）    │
├─────────────────────────────────────────┤
│  USER.md        ← 用户画像（偏好、约束）    │
├─────────────────────────────────────────┤
│  MEMORY.md      ← 长期记忆（核心信息）      │
└─────────────────────────────────────────┘

2. 三层智能触发系统

Agent 通过三层架构检测消息，自动激活对应模式。

┌─────────────────────────────────────────────────────────────┐
│  Layer 1: 精确触发 (Signal +2)                              │
│  明确指令式关键词，最高优先级                                │
├─────────────────────────────────────────────────────────────┤
│  Layer 2: 语义触发 (Signal +1)                              │
│  自然语言表达，智能识别意图                                  │
├─────────────────────────────────────────────────────────────┤
│  Layer 3: Agent 主动评估 (自动)                              │
│  任务完成后自检，自动记录价值信息                            │
└─────────────────────────────────────────────────────────────┘

Layer 1 - 精确触发词：

触发词	动作	反馈
`多专家讨论:`	启动多专家模式	🧠
`这很重要`	高优先级记忆	⭐
`记住这个`	添加到学习债务	💾
`我偏好`	记录用户偏好	👤
`不要`/`禁止`	添加约束条件	🚫

Layer 2 - 语义触发（自然表达）：

自然表达	识别意图	动作
"关键是..." / "核心在于..."	关键信息	[⭐]
"别忘了..." / "要记住..."	学习债务	[💾]
"我喜欢..." / "我讨厌..."	用户偏好	[👤]
"千万不要..." / "绝对不能..."	约束	[🚫]
"还不行" / "太慢" / "不对"	PUA激活	[🔥]
"架构"/"设计"/"安全"/"风险"	多专家建议	[🧠]

Layer 3 - Agent 主动评估：

每次任务完成后，Agent 自检以下问题：

✅ 是否解决了用户反复提到的问题？
✅ 是否纠正了之前的错误理解？
✅ 是否发现了用户的隐含偏好？

满足 ≥2 项 → 自动写入 memory/YYYY-MM-DD.md [📝]
满足 ≥3 项 → 更新 MEMORY.md 高信号区 [⭐]

3. 任务分层 & Token 优化

将任务按 Token 消耗分层，最大化脚本化、最小化 AI 调用：

层级	任务类型	执行方式	Token 成本
L0	数据采集、定时任务	纯脚本	零
L1	查询展示、格式化	纯脚本	零
L2	阈值判断、异常检测	脚本+条件触发	按需
L3	分析、决策、创意	AI 调用	正常

核心原则: 能用脚本解决的，绝不用 AI。

决策流程:

任务输入 → 纯数据? → L0/L1 脚本
         → 可规则化? → L2 条件触发
         → 需推理? → L3 AI

审查触发方式:

自动: 每周一 03:00 定期审查
手动: 说"检查token优化"随时触发
里程碑: 完成任务说"搞定了"自动检查优化机会

4. 视觉反馈

Agent 检测到触发后，在回复开头显示轻量反馈：

[🧠] 启动多专家讨论...
[⭐] 记录关键信息: 配置要改对
[💾] 添加到学习债务: 记得备份
[👤] 记录用户偏好: 简洁回答
[🔥 L2] 任务遇到困难，深度排查中...
[📝] 已记录今日交互 (Layer 3 自动评估)

优先级： Layer 1 (🔴) > Layer 2 (🟡) > Layer 3 (🟢)，避免重复反馈。

📁 File Reference

CORE 配置（OpenClaw 自动加载）

必须位于 ~/.openclaw/workspace/ 根目录。

文件	作用	关键内容	必需
AGENTS.md	操作手册	触发系统、多专家、PUA	✅
SOUL.md	Agent 灵魂	七大原则、安全红线	✅
USER.md	用户画像	偏好、约束、沟通风格	✅
MEMORY.md	长期记忆	Signal 8-10 高优先级	✅

OPTIONAL 配置（存在则加载）

位于根目录，仅当文件存在时加载。

文件	作用	关键内容
IDENTITY.md	Agent 身份	显示名称、Emoji、角色
TOOLS.md	环境工具	可用工具、API Keys
HEARTBEAT.md	健康检查	快速巡检清单
TOKEN_AUDIT.md	Token 审查配置	每周自动审查调度
CONFIG_CHECKLIST.md	配置检查清单	安装后验证所有文件使用

MEMORY 模板（按需读取）

位于 memory/ 子目录，通过 read 工具按需读取。

路径	用途
`memory/YYYY-MM-DD.md`	每日操作日志
`memory/learning-debt.md`	待学习项目
`memory/constraints.md`	约束清单
`memory/preferences.md`	偏好变更
`memory/token-audit-template.md`	Token 审查模板

参考文档（不自动加载）

位于 skill/assets/，需要时手动查阅。

文件	用途
BEST_PRACTICES.md	效率最佳实践指南

🔥 PUA Framework

Proactive Unstoppable Agent — 主动不可阻挡的智能体框架

三条铁律

铁律	要求	反模式
穷尽一切	未穷尽所有方案前，禁止说"无法解决"	尝试 1-2 次就放弃
先做后问	先用工具排查，再问用户确认	空手问"请确认 X"
主动出击	端到端交付，Owner 意识	只做"刚好够用"就停

能动性等级对比

行为维度	被动 (3.25)	主动 (3.75)
遇到报错	只看报错本身	查上下文 + 搜索 + 关联检查
需要信息	直接问用户	先自查，只问确认性问题
修复完成	说"已完成"	跑验证 + 贴证据 + 查同类问题
任务边界	做明确的部分	主动检查上下游/边界情况

压力升级机制

当任务失败或用户表达沮丧时，自动激活升级：

等级	触发条件	强制动作
L1	"再试试" / "换个方法"	切换到本质不同的方案
L2	"为什么还不行" / 失败 2 次	搜索 + 读源码 + 列 3 个假设
L3	"你不行啊" / 失败 3 次+	完成 7 项检查清单 + 全力排查
L4	"我无法解决" / 失败 5 次+	拼命模式：最小 PoC + 隔离环境 + 换技术栈

检查清单 (L3+ 强制执行)

任务卡住时必须完成 3 个核心步骤：

仔细看: 逐字读完报错、日志、上下文
深入查: 搜索 + 读源码(50行) + 验证假设
换思路: 反向思考 + 最小复现 + 换工具/方法

未完成清单前，禁止说"无法解决"

📦 Installation

方式一：通过 ClawHub 安装（推荐）

MoltCare-Open 已发布到 ClawHub，一键安装：

clawhub install moltcare-open

⚠️ 安装位置确认：安装后文件应该位于 ~/.openclaw/workspace/ 根目录，结构如下：

CORE 文件（自动加载）:

~/.openclaw/workspace/
├── AGENTS.md      ✅ 操作手册（必需）
├── SOUL.md        ✅ 灵魂定义（必需）
├── USER.md        ✅ 用户画像（必需）
└── MEMORY.md      ✅ 长期记忆（必需）

OPTIONAL 文件（存在则加载）:

~/.openclaw/workspace/
├── IDENTITY.md     ⚠️ Agent 身份（可选）
├── TOOLS.md        ⚠️ 环境工具（可选）
├── HEARTBEAT.md    ⚠️ 健康检查（可选）
└── TOKEN_AUDIT.md  ⚠️ Token 审查配置（可选）

MEMORY 模板（按需读取）:

~/.openclaw/workspace/memory/
├── learning-debt.md
├── constraints.md
├── preferences.md
└── token-audit-template.md

❌ 错误示例（不要嵌套子文件夹）:

~/.openclaw/workspace/
├── core/             ❌ 错误
├── assets/           ❌ 错误
└── templates/        ❌ 错误

⚠️ 安装后必读:

# 验证所有文件正确安装，并了解如何使用
cat ~/.openclaw/workspace/CONFIG_CHECKLIST.md

更新到最新版：

clawhub update moltcare-open

方式二：一键脚本安装

⚠️ 注意：确保文件安装到 ~/.openclaw/workspace/ 根目录，不要在 workspace 内创建 core/、assets/ 或 templates/ 子文件夹。

curl -fsSL https://raw.githubusercontent.com/useens/moltcare-open/master/install.sh | bash

此命令会：

下载最新配置模板
复制到 ~/.openclaw/workspace/
可选：运行配置向导

方式三：手动安装

# 克隆仓库
git clone https://github.com/useens/moltcare-open.git
cd moltcare-open

# 复制核心配置
cp templates/core/*.md ~/.openclaw/workspace/
cp templates/system/*.md ~/.openclaw/workspace/
cp -r templates/memory ~/.openclaw/workspace/

# 运行配置向导（可选）
~/.openclaw/workspace/scripts/onboarding.sh

🔧 Configuration

第一步：配置用户画像 (USER.md)

运行交互式向导：

~/.openclaw/workspace/scripts/onboarding.sh

或手动编辑 ~/.openclaw/workspace/USER.md：

## 👤 基本信息
| 项目 | 内容 |
|------|------|
| **称呼** | 你的名字 |
| **身份/角色** | 开发者/产品经理/... |
| **技术水平** | 初级/中级/高级 |

## 💬 沟通偏好
| 维度 | 偏好 |
|------|------|
| **详细程度** | 简洁/适中/详细 |
| **语气** | 正式/友好/随意 |

第二步：自定义触发词 (AGENTS.md)

编辑 AGENTS.md 添加自定义触发：

| 触发词 | 信号 | 动作 | 反馈 |
|--------|------|------|------|
| `紧急` | 10 | 立即升级处理 | 🚨 |
| `架构` | 8 | 建议多专家讨论 | 🏗️ |
| `测试` | 7 | 自动生成测试用例 | 🧪 |

第三步：管理记忆

高信号记忆 → 写入 MEMORY.md（Signal 8-10）：

核心偏好
绝对禁止事项
关键习惯

日常记录 → 自动写入 memory/YYYY-MM-DD.md

待学习内容 → 写入 memory/learning-debt.md

💡 Usage Examples

示例 1：强制多专家模式

多专家讨论: 设计一个支持百万并发的消息队列系统

Agent 响应：

[🧠 多专家模式] 启动多专家讨论

🔍 研究员: 首先验证需求，百万并发的实际 QPS 是多少？
🧠 架构师: 建议采用分层架构，考虑 Kafka/RabbitMQ/Pulsar 选型
💻 工程师: 需要评估团队运维能力
👑 队长: 综合建议：先 POC 验证 Pulsar，同时评估 Kafka 方案

示例 2：激活 PUA 问题解决

当 Agent 陷入困境时，使用触发词：

用户: 为什么还不行？

Agent 响应：

[🔥 PUA L2] 任务遇到困难，执行深度排查

1. 正在搜索相关解决方案...
2. 读取原始文档...
3. 提出假设：
   - 假设1: 权限问题
   - 假设2: 路径配置错误
   - 假设3: 依赖版本不兼容

正在逐一验证...

示例 3：记录重要偏好

用户: 这很重要，我偏好所有的代码审查都要指出具体行号

Agent 响应：

[⭐ 高优先级记忆] 已记录核心偏好

此偏好将被写入 MEMORY.md，所有后续会话都会记住。

📊 Comparison

特性	MoltCare	AutoGen	LangChain	裸 Prompt
体积	~5KB	大型框架	大型框架	无
专注点	Agent 认知架构	多 Agent 编排	工具链集成	-
问题解决	PUA 主动强化	依赖实现	依赖实现	被动
平台绑定	OpenClaw	Microsoft	Python	通用
学习曲线	低	高	中	低

MoltCare 适用场景：

✅ 使用 OpenClaw 平台的用户
✅ 希望 Agent 更主动、更可靠
✅ 追求极简配置、高信号密度
❌ 需要复杂多 Agent 编排（选 AutoGen）
❌ 需要大量工具集成（选 LangChain）

🔄 Version History

v3.2 - "Efficiency & Alignment" (Current)

✅ 任务分层 & Token 优化 — L0-L3 四层模型，脚本化降低 90%+ Token 消耗
✅ 每周 Token 审查 — 每周一 03:00 自动执行（cron），说"检查token优化"手动触发
✅ 里程碑触发优化 — 完成任务说"搞定了"自动检查 Token 优化机会
✅ TOKEN_AUDIT.md — 新增核心配置文件，定义审查频率和阈值
✅ 完整对齐 OpenClaw 启动机制 — CORE/OPTIONAL/MEMORY 三层文件分类
✅ AGENTS.md 精简 43% — 从 289 行优化至 164 行，功能 100% 保留
✅ PUA 检查清单 7→3 — 合并为"仔细看/深入查/换思路"三大原则
✅ BEST_PRACTICES.md 精简 85% — 从 467 行压缩至 80 行

v3.1 - "Three-Layer Trigger Architecture"

✅ Published to ClawHub - Now installable via clawhub install moltcare-open
✅ 三层智能触发架构：精确 + 语义 + 主动评估
✅ Layer 1: 精确触发词 (Signal +2)
✅ Layer 2: 语义触发 (Signal +1) - 自然语言识别
✅ Layer 3: Agent 主动评估 - 任务后自检自动记录
✅ 反馈优先级系统 (🔴>🟡>🟢)
✅ 触发频率预期提升 10-50x

v2.3.5 - "PUA Framework"

✅ 新增 PUA 问题解决强化框架
✅ 三条铁律：穷尽一切、先做后问、主动出击
✅ L1-L4 压力升级机制
✅ 7 项检查清单强制执行

v2.3.4 - "Core Optimization"

✅ HEARTBEAT.md: 111 → 26 lines (-77%)
✅ MEMORY.md: 85 → 40 lines (-53%)
✅ 优化高频加载文件

v2.3.3 - "Trigger Visualization"

✅ 触发词视觉反馈系统
✅ 交互式配置向导
✅ 统一 OpenClaw 文档

v2.3.2 - "Massive Compression"

✅ SOUL.md: 55KB → 1.5KB (-97%)
✅ AGENTS.md: 22KB → 1.4KB (-94%)
✅ USER.md: 17KB → 0.9KB (-95%)

🤝 Contributing

欢迎贡献！优先需求：

新的触发词模式
个性化角色模板
性能优化
文档翻译

请阅读 CONTRIBUTING.md 了解规范。

📄 License

🔗 Related

OpenClaw - AI Agent 平台
ClawHub - Agent 技能市场
MoltCare-Open on ClawHub - 本 Skill 的 ClawHub 页面
Moltbook - Agent 社交网络

_{Built with ❤️ for the OpenClaw community}

Name		Name	Last commit message	Last commit date
Latest commit History 44 Commits
.github		.github
docs		docs
scripts		scripts
skill		skill
templates		templates
tools		tools
.gitignore		.gitignore
CONTRIBUTING.md		CONTRIBUTING.md
CRON-CONFIG.md		CRON-CONFIG.md
Hourly-Execution-Guide.md		Hourly-Execution-Guide.md
IMPROVEMENTS.md		IMPROVEMENTS.md
LEARNING_PLAN.md		LEARNING_PLAN.md
LICENSE		LICENSE
PUBLISH_CHECKLIST.md		PUBLISH_CHECKLIST.md
README.md		README.md
WORKFLOW-v4.md		WORKFLOW-v4.md
install.sh		install.sh
package.json		package.json

Folders and files

Latest commit

History

Repository files navigation

🦞 MoltCare

🚀 Quick Start

方式一：通过 ClawHub 安装（推荐）

方式二：手动安装

方式三：配置向导

🤔 What is MoltCare?

解决什么问题？

核心设计原则

🧠 Core Concepts

1. 四层配置架构

2. 三层智能触发系统

3. 任务分层 & Token 优化

4. 视觉反馈

📁 File Reference

CORE 配置（OpenClaw 自动加载）

OPTIONAL 配置（存在则加载）

MEMORY 模板（按需读取）

参考文档（不自动加载）

🔥 PUA Framework

三条铁律

能动性等级对比

压力升级机制

检查清单 (L3+ 强制执行)

📦 Installation

方式一：通过 ClawHub 安装（推荐）

方式二：一键脚本安装

方式三：手动安装

🔧 Configuration

第一步：配置用户画像 (USER.md)

第二步：自定义触发词 (AGENTS.md)

第三步：管理记忆

💡 Usage Examples

示例 1：强制多专家模式

示例 2：激活 PUA 问题解决

示例 3：记录重要偏好

📊 Comparison

🔄 Version History

v3.2 - "Efficiency & Alignment" (Current)

v3.1 - "Three-Layer Trigger Architecture"

v2.3.5 - "PUA Framework"

v2.3.4 - "Core Optimization"

v2.3.3 - "Trigger Visualization"

v2.3.2 - "Massive Compression"

🤝 Contributing

📄 License

🔗 Related

About

Topics

Resources

License

Contributing

Uh oh!

Stars

Watchers

Forks

Releases 1

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages