Day 7
OpenClaw 安全檢查 + 多 Agent 設定教學
執行安全稽核檢查你的 OpenClaw 設定，設定多 Agent 路由，探索 Nodes 多裝置協作功能。進階設定完整教學。
"七天前，你還在想 AI 助理到底是什麼。現在你已經有一個 24/7 在線、懂你、會做事，而且會主動工作的助理。這才只是開始。"
今日目標
| Learn | 了解哪些第 7 天任務是安全必做，哪些只是可選的進階升級。 |
| Do | 完成安全檢查，然後視情況測一個自訂技能或一個多 Agent 工作流程。 |
| Done when | 你的安全清單已完成檢查，而且你能驗證一個可用的自訂技能，或清楚決定暫時跳過進階模式。 |
這週你已經建立了什麼
| Day | 你完成了什麼 |
|---|---|
| 1 | 了解聊天機器人和 Agent 的差異 |
| 2 | 安裝 OpenClaw，串接第一個頻道 |
| 3 | 編寫 SOUL / USER / AGENTS / IDENTITY |
| 4 | 串接 email、日曆、搜尋、瀏覽器 |
| 5 | 安裝並組合技能 |
| 6 | 設定 Heartbeat、cron 與記憶 |
| 7 | 今天 — 進階模式 |
你現在手上已經有一個會替你持續運作的數位存在。第 7 天先把安全檢查做好，再決定要不要進入多 Agent、Nodes 或自訂技能這些進階設定。
必做：安全檢查
你的助理會碰 email、日曆、檔案，甚至可能碰瀏覽器。現在就做一次安全檢查，之後每月重看一次：
- SSH 使用 key auth，且已停用密碼登入。
- 防火牆已啟用，只暴露你真的需要的埠。
- OpenClaw 以非 root 使用者執行。
- 所有 API key 都放在環境變數或
.env，而不是提交進程式碼。 -
.env已被 git ignore。 - OAuth token 檔案已鎖好權限，例如
chmod 600 token.json。 - key 與 token 有輪替提醒，理想上每約 3 個月一次。
-
SOUL.md清楚寫明：外部訊息需要確認，除非你刻意要自動化。 - 刪除檔案或修改設定這類破壞性操作，必須先確認。
- 你的模型提供商 dashboard 已設定每月預算或用量提醒。
- Heartbeat 沒有比你真正需要的更頻繁。
- 沒在用的技能都已停用或移除。
驗證檢查：你應該能指出每一個已勾選項目對應的具體檔案、設定，或 dashboard 控制項。無法驗證的項目，就先不要打勾。
可選：進階模式
你不需要靠這些才算完成新手教學。只有在核心系統已經穩定好用時，再開始碰它們。
Nodes：多裝置協作
OpenClaw 可以和你的手機、平板，或其他裝置配對，讓它擁有視覺、聽覺和位置感知。
Nodes 會啟用：
- Camera — 從你的 iOS 或 Android 裝置拍攝照片或短影片
- Audio — 語音輸入與播放
- Location — 分享你的目前位置，支援情境感知任務
- Voice wake — 免手持喚醒助理
如何配對裝置：
openclaw nodes pending # List pending device requests
openclaw nodes approve <requestId> # Approve by request ID配對完成後，你就可以問：「幫我拍下我前方的畫面」或「我現在在哪裡？」助理會根據真實感測資料行動。
Nodes 總覽：camera、audio、location、voice →
自己寫一個 Skill
社群技能不可能覆蓋所有情境。一個自訂 Skill，小到只需要一個 Markdown 檔案也能成立。
- 建立資料夾：
mkdir -p ~/.openclaw/skills/weather - 用任意文字編輯器打開
~/.openclaw/skills/weather/SKILL.md。Mac/Linux 可用nano ~/.openclaw/skills/weather/SKILL.md，Windows 可用 Notepad。 - 貼上最小模板：
# Weather Query
## Capability
Query current weather for any city using the wttr.in API.
## Usage
curl "wttr.in/{city}?format=3"
## Output
Report temperature and conditions in one concise sentence.- 執行
openclaw gateway restart重新啟動服務，或直接在聊天裡叫助理「refresh skills」；新的 skill 檔案會在下一回合被載入。 - 測試：問
What's the weather in Tokyo?，確認助理真的用了這個新 Skill。
很多社群技能一開始就是這樣做出來的：把一個工作流程寫清楚到助理可以重複使用。
驗證檢查：如果 Tokyo 測試沒有觸發 Skill，先列出已載入技能，確認路徑真的是 ~/.openclaw/skills/weather/SKILL.md，再請助理「refresh skills」或用 openclaw gateway restart 重啟。
多 Agent 模式
你的助理可以把任務委派給專門的子 Agent，並平行執行。只有當任務夠大、真的值得平行化時，這樣做才有意義。
例子： 你只送出一則訊息：「研究 AI coding assistants 的競品版圖。」主 Agent 同時啟動三個子 Agent：
- 一個去 arXiv 找近期論文
- 一個去 GitHub 掃 trending repos
- 一個去讀 Hacker News 上相關討論串
三個子 Agent 把結果回傳給主 Agent，再由主 Agent 整合。這會比你全部串行處理更快。
| 模式 | 它能做什麼 |
|---|---|
| Subagents | 把子任務委派給隔離實例 |
| ACP agents | Agent 對 Agent 通訊協定 |
| LLM task | 把某個推理步驟交給另一個模型 |
| Multi-agent sandbox | 在隔離環境裡運行多個 Agent |
Subagents：生成並委派 → ACP：agent-to-agent protocol → Multi-agent sandbox →
驗證檢查：說出一個你會拆成至少兩個子 Agent 的真實任務，以及每個子 Agent 負責什麼。如果你還說不清楚，現在就先跳過這個模式。
真實使用案例
看看別人用完整設定好的助理，實際做出了哪些東西：
openclaw.ai/showcase — 真實使用者自動化案例 →
用「Developer」、「Automation」或「Productivity」篩選，就能看到多 Agent 建置與其他進階模式。
接下來會往哪裡走
模型會持續進步。 每隔幾個月，Claude、GPT 和 Gemini 都會明顯變強。你的助理即使什麼都不改，也會跟著受益。你現在建立的基礎設施，會隨每一次模型升級一起累積價值。
成本會持續下降。 以今天來說，跑一個夠用的 AI 助理，每月 API 費大約 $10–30。整體趨勢很明顯是往下走，總有一天這會變得幾乎可以忽略。
多模態會變成標準配備。 看得見（camera feed）、聽得到（語音對話）、說得出來（自然語音回覆）的助理，現在已經在 early access。純文字介面只是過渡期。
多 Agent 網路。 未來不會只有一個助理，而是一整個團隊。一個管 email、一個做 code review、一個盯 analytics，再由一個 orchestrator 統整回報給你。
先行者優勢
最重要的一件事是：你越早開始，優勢越大。
助理每天運行，都會累積對你的習慣、專案、術語和偏好的記憶。一個跑了 6 個月的助理，和全新安裝的助理，是質變等級的差異。不是因為模型變了，而是因為它已經累積了 6 個月的上下文。
這種累積沒有捷徑，只有時間。
你是這週開始的。這代表從今天起，你已經把那 6 個月的複利按下開始。
常見問題
- 自訂 skill 沒有載入： 確認檔案就是
~/.openclaw/skills/weather/SKILL.md，再請助理「refresh skills」，或用openclaw gateway restart重啟。 - cron 語法錯誤： 使用標準五欄 cron expression，重新執行指令前先回去看 cron 參考。
- 想確認目前載入了哪些技能： 直接請助理列出已載入技能，或先跑它的 reload / list-skills 流程，不要先假設檔案被忽略。
你的下一步
這一週之後，每天都做這三件事：
- 每天和助理聊 10 分鐘。 讓它熟悉你的模式。
- 只要哪裡不對，就更新 SOUL.md。 Soul 是養成的，不是安裝的。
- 每次試一個新技能。 看看哪些真的會留下來。
一個月後，你的助理會和今天完全不同。不是因為你做了巨大改動，而是因為它學會了。
這就是 AI 助理和你以前用過的大多數工具不同的地方：它會成長。
驗證檢查：在這週結束前，你應該至少完成一輪安全檢查，並記錄一個小型進階實驗；或者明確決定先停留在核心設定，直到它變成日常習慣。