最近爆火的一个 Skills 开源仓库， GitHub 迅速冲到 33.9K 多星。它不提供框架，不训练模型，也不承诺“一句话生成完整项目”。它做的事情更朴素：把一个成熟工程师每天会做的需求澄清、测试驱动、PRD、Issue 拆分、架构复盘，写成一组 AI Agent 能反复调用的工作流。

随着 GPT-5.5 的神秘面纱逐渐揭开，OpenAI 开发者官方悄悄放出了一份“大模型提示词调校指南”。这份指南一针见血地指出：在基础能力极强的新一代模型面前，单纯要求它“多想一点”，反而不如建立明确的规则约束。

不是“把提示词写得更花”，而是为 AI Agent 设计一整套可运行、可约束、可验证、可恢复的执行环境。当任务从“回答一个问题”升级为“持续完成一个真实任务”时，决定系统上限的不再只是模型本身，而是模型外面的这套harness。AI 工程的重心，正在从“让模型看起来更聪明”，转向“让模型在真实世界里稳定工作”。短任务时代，Prompt Engineering 是主角；复杂任务时代，Context

不是“把提示词写得更花”，而是为 AI Agent 设计一整套可运行、可约束、可验证、可恢复的执行环境。当任务从“回答一个问题”升级为“持续完成一个真实任务”时，决定系统上限的不再只是模型本身，而是模型外面的这套harness。AI 工程的重心，正在从“让模型看起来更聪明”，转向“让模型在真实世界里稳定工作”。短任务时代，Prompt Engineering 是主角；复杂任务时代，Context

如果只是做记录，市面上有很多不错的工具。但如果你要的是一套能陪你积累 3 年、5 年、10 年，并且越来越适合与 AI 协作的个人知识系统，那么 Obsidian 的价值会越来越明显。不是因为它最时髦，也不是因为它功能最多。而是因为在 AI 时代，最好的笔记工具不再只是“写得舒服”的工具，而是“能被 AI 深度使用”的工具。从这个角度看，Obsidian 确实越来越像一款天生适合 AI 协作的产品

如果只是做记录，市面上有很多不错的工具。但如果你要的是一套能陪你积累 3 年、5 年、10 年，并且越来越适合与 AI 协作的个人知识系统，那么 Obsidian 的价值会越来越明显。不是因为它最时髦，也不是因为它功能最多。而是因为在 AI 时代，最好的笔记工具不再只是“写得舒服”的工具，而是“能被 AI 深度使用”的工具。从这个角度看，Obsidian 确实越来越像一款天生适合 AI 协作的产品

插件要在后台压缩、总结你的旧记忆，这个工作需要 AI 模型来做。这个参数决定了由谁来当这个“总结员”。默认是让你的主 Agent 来做。如果你想节省 Token 成本，可以单独指定一个便宜的模型，甚至免费的本地模型（如本地 Ollama 运行的 Llama-3）。（需本地已运行 Ollama）。AI 的强大不在于它能瞬间生成多少文字，而在于它能多深地理解你的习惯与需求。Lossless-claw

插件要在后台压缩、总结你的旧记忆，这个工作需要 AI 模型来做。这个参数决定了由谁来当这个“总结员”。默认是让你的主 Agent 来做。如果你想节省 Token 成本，可以单独指定一个便宜的模型，甚至免费的本地模型（如本地 Ollama 运行的 Llama-3）。（需本地已运行 Ollama）。AI 的强大不在于它能瞬间生成多少文字，而在于它能多深地理解你的习惯与需求。Lossless-claw

Heartbeat = 定时唤醒 AI Agent。OpenClaw 会按照设定的时间间隔，自动让 Agent 执行一次检查。every: 30m每 30 分钟执行一次任务循环。1 读取 HEARTBEAT.md2 检查是否有需要处理的任务3 如果有任务 → 执行4 如果没有 → 返回 HEARTBEAT_OK如果只是系统会直接丢弃这条消息，不会打扰用户。Heartbeat 就是 AI 的“循环任

OpenClaw 的原生记忆系统非常薄弱，只靠一个 MEMORY.md 全量加载，容易导致 token 爆炸、遗忘、跨 session 断层。别担心！今天这篇干货，我把社区最新、最实战的 5 大记忆优化方案全部拆解清楚（包括刚刚火爆的 MemOS 插件）。看完直接就能上手，你的 OpenClaw 将彻底告别金鱼记忆，成为越用越聪明的“永生系统”！