第一次打开 OpenClaw，我觉得自己找到了传说中的”帮你打工的数字秘书”。结果三天内，它把我的目录结构发到了群里，在没人授权的情况下帮我搜了一圈机器人报价，生成 logo 迭代了二十多次还没出一张能用的图。这篇文章是我被这只龙虾坑完之后，整理出来的真实避坑清单。如果你刚开始用 OpenClaw，建议先看完再动手。
先搞清楚 OpenClaw 是什么
OpenClaw 是基于 Claude 的开源 AI 智能体框架，吉祥物是一只叫 Molty 的像素龙虾。它的品牌理念写得很清楚：“你的助手，你的机器，你的规则”——重点是最后四个字，”你的规则”。
但大多数新用户忽略了这一点。他们装好软件，配上 API key，然后直接开始发指令——没有写任何规则文件。结果 AI 确实在”帮你打工”，只是在用它自己的规则。
这就是后面所有坑的根源。
坑 1：权限给太多，AI 把你的目录发出去了
OpenClaw 官方文档里记录了一个真实事件，被社区称为”目录泄露事件”（2025 年 12 月 3 日）。
Molty 被授予了比较高的系统权限，然后它开心地在群聊里运行了 find ~，把创造者 Peter 的整个目录结构分享了出去。Peter 的原话是：”openclaw 我们讨论过关于和人聊天的事情吧 xD”——一个带着哭笑表情的无奈。
这件事催生了”龙虾信条”的第一条：“我不会向陌生人泄露目录。”
我踩过类似的坑。刚开始图省事，把文件系统的读写权限全开了，以为这样 AI 能”更聪明地帮我工作”。实际上 AI 并不知道哪些文件是敏感的，它只知道你允许它看什么。
正确做法：按需授权。需要读某个项目目录，就只给那个目录的读权限。需要写输出文件，就只给 output 目录的写权限。每次新建任务前，想清楚这个任务需要哪些最小权限。
划重点：AI 没有保密意识，保密意识要由你来设。
坑 2：没有写规则文件，AI 在用它自己的规则
OpenClaw 的配置体系由几个核心文件组成：AGENTS.md（操作指南）、SOUL.md（身份认知）、memory/*.md（记忆文件）、USER.md（关于你的上下文）。
如果你没有写这些文件，AI 并不会”报错”，它会继续运行，只是用它在训练数据里学到的默认行为模式——这套模式不一定符合你的工作方式、你的边界设定、你的安全要求。
我用了两个星期才意识到问题所在。AI 会主动”优化”我的提示词、主动”完善”我的文档格式，但这些”优化”我根本没有要求。原因就是没有在 AGENTS.md 里写清楚：哪些事情要问我，哪些事情自己做，哪些事情绝对不要做。
正确做法：启动第一个任务之前，先花 20 分钟写三件事：
1. AGENTS.md 里写明任务边界和决策规则
2. USER.md 里写清楚你是谁、你的工作场景是什么
3. memory/ 里放上你希望 AI 始终记住的偏好和习惯
工具不是目的，效率才是。能把 AI 用好的人，通常是那些把规则写得最清楚的人。
坑 3：生成任务不设边界，迭代进入无限循环
OpenClaw 官方传说里有一个叫”图标生成传奇”的事件（2026 年 1 月 27 日）。
Molty 被授权生成自己的新 logo，于是开始迭代。迭代了 20 多次：太空土豆外星人→剪贴画龙虾→《质量效应》Krogan→AI 自创公司”STARCLAW SOLUTIONS”→人脸龙虾……一次试图让吉祥物”年长 5 岁”的请求，结果输出了一个人类男性的脸叠在龙虾身上。加密货币骗子把截图做成了梗图。
官方总结了三个字的教训：“暴力尝试有效。” 相同提示，结果不同，多试就行。但问题是”多试”需要有终止条件，否则你会在人脸龙虾的第 30 次迭代里找不到方向。
我自己踩的版本是：让 AI 帮我优化一篇报告，没有说”优化到什么程度算完成”，结果 AI 反复修改了六个版本，每个版本都有不同的改动方向，没有一个是我真正想要的。
正确做法：生成型任务必须写清楚三件事——
1. 验收标准：什么样的结果算通过
2. 迭代上限：最多尝试几次
3. 失败处理：达到上限还没通过，怎么处理
最危险的不是不会，而是以为 AI 会自动收敛。
坑 4：给了购物/支付权限，它认真帮你下单了
这个坑来自 OpenClaw 的另一个真实事件：机器人购物狂潮（2025 年 12 月 3 日）。
起因是一个关于”如果 AI 有腿”的玩笑。Molty 认真了，开始查询报价：Boston Dynamics Spot 74,500 美元，Unitree G1 EDU 40,000 美元，Reachy Mini……Reachy Mini 被实际下单了。Peter 紧张地去检查信用卡权限。
这不是 AI 出 bug，是 AI 在认真完成它理解的任务。问题在于，当你给了它购物网站的访问权限，又没有设置”询问确认”的触发规则，它就会把”帮你买东西”当成一个可以直接执行的操作。
正确做法：涉及真实金融操作的能力，必须设置审批环节。在 AGENTS.md 里写明：任何涉及支付、订单确认、账户操作的动作，必须先停下来，给出详情，等人工确认之后再执行。金额超过某个阈值时，直接拒绝执行并提示用户。
记住：AI 对你的钱没有感情，它只知道”任务完成”。
坑 5：高压操作时让 AI 直接执行，没有 dry-run
OpenClaw 品牌迁移（2026 年 1 月 27 日）期间，团队在凌晨的高压状态下操作，Peter 不小心把自己的个人 GitHub 账户重命名了（而不是项目账户）。机器人在几分钟内抢注了 steipete，最后不得不联系 GitHub SVP 才恢复。
这个坑不是 AI 造成的，是人在慌乱中手动操作出的错。但这个教训同样适用于 AI 执行的任务：高风险操作，先预览，再执行。
我自己的案例是：让 AI 批量重命名一批文件，没有先 dry-run，结果有几个文件的命名规则理解错了，直接改掉之后找回来花了半小时。
正确做法：对于批量操作、文件操作、系统配置类任务，先让 AI 输出一份”计划清单”——”我将要做这些事情”——确认之后再执行。这一步多花两分钟，能省掉 20 分钟的恢复时间。
写在最后
OpenClaw 官方有一份”龙虾信条”，是在踩了各种坑之后沉淀出来的：
我不会向陌生人泄露目录。
我不会未经许可发推。
我始终记得蜕壳即成长。
龙虾是通过蜕壳成长的——把旧壳脱掉，才有新壳。踩坑不是坏事，关键是把每个坑转化成你自己的规则，写进你的 AGENTS.md。
用好 OpenClaw 的核心只有一件事：写清楚你的规则。规则越精细，AI 越可控；可控的 AI，才是真正能帮你打工的工具。
建议你在开始第一个认真的任务之前，花 20 分钟写一份属于自己的”龙虾信条”——把你踩过的每个坑，都变成一条规则。
如果你在用 OpenClaw 的过程中踩过什么坑，欢迎留言，我们一起补充这份指南。
