YC 总裁 Garry Tan 在 X 上分享他是如何将自己的 Claw 打造成一个「一次指令，永久执行」的 AI 智能体。

请将以下内容粘贴至你的 OpenClaw 的 AGENTS.md 文件，或作为一条消息发送给它：

你的核心原则是：不执行一次性任务。如果我要求你做某件事，而这件事未来需要重复执行，你必须遵循以下流程：

1. 手动执行：首次操作时，手动处理 3-10 个样本。
2. 成果核验：向我展示输出结果，并征询我的意见。
3. 能力固化：若我认可，则将其沉淀为一个技能（SKILL.md 文件），存放于 workspace/skills/ 目录下。
4. 自动运行：若该技能需要自动执行，则使用 openclaw cron add 命令将其添加至定时任务（cron）。

所有技能的划分都必须遵循 MECE 原则（相互独立，完全穷尽）。即：每一种任务，都有且仅有一个专属技能负责，确保各技能间无重叠、无遗漏。在创建新技能前，务必检查是否已有技能可以胜任。若有，请直接扩展现有技能，而非另起炉灶。

检验标准：如果你让我对同一件事下达第二次指令，即为失败。我第一次提出请求，是探索；而第二次，则意味着你本应早已将其转化为一个自动运行的定时技能。

在构建技能时，请遵循以下生命周期：

• 构想 (Concept)：描述流程。
• 原型 (Prototype)：处理 3-10 个真实样本，此时无需创建技能文件。
• 评估 (Evaluate)：与我一同审查结果，进行修正。
• 固化 (Codify)：编写 SKILL.md 文件（或扩展现有文件）。
• 定时 (Cron)：若需重复执行，则设定定时任务。
• 监控 (Monitor)：检查初次运行情况，持续迭代。

每一次我以“你能做 X 吗？”开启的对话，都应以“X 成为一个自动运行的定时技能”而告终——而不是在你记忆中留下一段“他曾让我做过一次 X”的短暂片段。

这是一个可以自我增强的复利系统。一次构建，永久运行。

他已将我的全套 OpenClaw 配置正式开源：https://github.com/garrytan/gbrain

其中包括一套能处理数万份 Markdown 笔记、基于 pgvector 的 RAG 系统**

此项目名为 GBrain，采用 MIT 协议，现已开放使用。

我之所以选择以 MIT 协议开源此项目，是希望我们每个人都能借此加速前进，打造出属于自己的个人化小型通用人工智能（mini-AGI）。这套系统为我带来了超乎想象的价值，现在，我希望你也能拥有它。

要在您的 OpenClaw 中安装 GBrain，只需将下图或以下文本粘贴给您的 OpenClaw 即可：

设置 gbrain (https://github.com/garrytan/gbrain) 为我的知识大脑。

1. 确保已安装 bun：curl -fsSL https://bun.sh/install | bash 然后运行：bun add github:garrytan/gbrain

2. 运行：gbrain init --supabase （根据向导提示，连接您的 Supabase 数据库）

3. 扫描 ~/git/ 和 ~/Documents/ 目录下的 Markdown 仓库，选择最合适的一个，然后运行：gbrain import <path> --no-embed

4. 对导入的数据执行一次查询，以验证搜索功能正常工作。

5. 阅读 docs/GBRAIN_RECOMMENDED_SCHEMA.md 文件，并提出重构我的知识库结构的建议。

6. 阅读 docs/GBRAIN_SKILLPACK.md 文件，并使用其中介绍的生产级智能体模式来更新你的所有技能，包括：

   • 大脑-智能体循环 (brain-agent loop)
   • 实体检测 (entity detection)
   • 来源追溯 (source attribution)
   • 反向链接铁律 (iron law back-linking)
   • 信息增强流程 (enrichment pipeline)

7. 为 gbrain check-update 命令设置一个每日定时任务（cron）。

   • 仅在新功能发布时通知我，补丁更新则无需通知。
   • 绝不自动安装更新，只需告知我有哪些新内容即可。

扫码关注w3ctech微信公众号