OpenClaw Agent 怎么用得稳？用小店订单实测 5 个难点

想让 Agent 帮小店查配送规则，难点不只是让它启动：它每次能不能算对、会不会碰不该碰的文件、关掉后还能不能找回规则，出了错又怎么发现？我用 OpenClaw 和 Ollama 核对三条虚构订单，并让两款本机模型各跑三次。Gemma4-12B 三轮都答对；Qwen3.8-27B 三轮都漏掉同一项免配送费。这个结果只适用于这组订单和这台电脑，不能拿来给模型做通用排名。

你需要准备

先把任务写成能核对的答案

Agent 会把任务交给模型，按模型的选择调用工具，再把工具结果交回来继续处理。OpenClaw 的执行循环包含上下文、模型推理、工具执行和回复。要判断它是否可靠，先写下每条订单的标准答案，再让它读取文件。

练习包里有三条订单。正确结果是：A101 在 3 公里范围内，26 元要收 5 元；A102 超出范围，不能配送；A103 在范围内，31 元达到免配送费门槛，但没有星期和时间，不能判断当时是否营业。

把练习包中的 shop-policy.md、orders.csv 和 prompt.txt 放进前一篇教程创建的 $HOME/openclaw-shop-demo 工作区。先完成Agent 与聊天机器人的区别里的本机配置，再使用只读权限。如果按本文的安装环境操作，先切换到安装 OpenClaw 时使用的 Node.js 版本：

nvm use 24.21.0

然后收紧工具权限：

openclaw --profile shop-demo config set tools.allow '["read"]'
openclaw --profile shop-demo config set tools.deny '["write","edit","apply_patch","group:runtime","group:web","group:messaging","browser"]'
openclaw --profile shop-demo config set tools.fs.workspaceOnly true
openclaw --profile shop-demo config get tools

检查结果里 allow 只有 read，workspaceOnly 是 true。工具策略决定 Agent 能调用什么，提示词只是任务要求；OpenClaw 还区分 write 和 apply_patch，所以要分别限制。官方工具策略说明

用独立 session 运行一次：

openclaw --profile shop-demo agent --local --json \
  --model ollama/gemma4-12b:latest --thinking off \
  --session-id s157-run-1 \
  --message-file "$HOME/openclaw-shop-demo/prompt.txt"

再把 session 名改成 s157-run-2、s157-run-3，重复两次。比较另一款模型时，把模型参数改成 ollama/qwen3.8-27b:latest，仍使用同一条提示词。每轮都从同一份文件开始，别把上一轮对话接着用；否则历史上下文会影响比较。评测结果要和练习包里的 expected-results.json 对照。

五件容易出问题的事

1. 稳定：重复运行同一题

同一个任务连续答对三次，比一次“看起来不错”更能说明模型在这件事上是否稳定。三轮也不能代表所有订单；遇到节假日、特殊配送规则或退款争议，要增加对应测试案例。

本次关闭了思考模式，让两款模型使用相同设置。每轮都新开 session，减少旧对话对结果的影响。练习输入直接写明星期和时间，不让 Agent 从系统日期猜营业日。

2. 成本：把推理费和机器成本分开看

本次使用本机 Ollama，OpenClaw 的每轮推理费用记录为 0；电脑耗电、模型占用的磁盘和运行时间仍然存在。若改用云模型，费用取决于模型价格和输入、输出 token；OpenClaw 在有模型定价和用量数据时才会估算费用。Token 用量说明

这次正式对比的三轮中位耗时为：Gemma4-12B 25.8 秒，Qwen3.8-27B 41.0 秒。重复任务可以先关掉思考模式试跑，再用验收结果判断是否够用；不要只看模型参数量或回答速度。

3. 权限：只开放任务用得到的工具

我先把允许工具设为 read，并拒绝写入、补丁、命令执行、联网和消息工具。然后分别让 Gemma 和 Qwen 创建一个测试文件。两者都说明自己没有写入权限，检查工作区时文件也都不存在。

这比在提示词里写“不要写文件”更容易核实。接真实资料前，用虚构文件做一次越权探针；如果你希望 Agent 处理订单，只让它先读副本，别一开始就给真实订单和消息渠道。

4. 记忆：把需要带到新会话的内容存下来

OpenClaw 的长期记忆是工作区里的 Markdown 文件。MEMORY.md 会在新会话开始时加载，日常记录则可以通过记忆检索找回。记忆概览和检索说明列出了两种用法。

我在独立工作区放入一条虚构记忆，开全新 session 后请 Gemma 回答其中的标记和规则。它没调用文件工具就答对了。你可以在隔离工作区把练习包里的 MEMORY.md.sample 复制并改名为 MEMORY.md，再把 memory-probe-prompt.txt 放进同一目录，然后用新 session 测试：

openclaw --profile shop-demo agent --local --json \
  --model ollama/gemma4-12b:latest --thinking off \
  --session-id s157-memory-test \
  --message-file "$HOME/openclaw-shop-demo/memory-probe-prompt.txt"

如果工作区已有自己的 MEMORY.md，请另外建一个临时 profile 来测，别覆盖原文件。

如果要检索每日笔记，先运行 openclaw --profile shop-demo memory status 看当前嵌入模型。我的隔离配置显示 provider 是 openai，而本机没有嵌入模型，所以没有启动索引。只装了本地聊天模型，不代表记忆检索也完全本地；先按官方文档配置本地嵌入，再处理含客户信息的资料。

5. 评测：记录错误，不听模型自评

评测练习包的答案由规则逐条算出，不由模型自己判分。正式三轮里，Gemma4-12B 的 27 个字段全部正确，三轮都通过；Qwen3.8-27B 答对 24 个字段，但三轮都把 A103 的配送费输出为 null。规则明明写着满 30 元免配送，31 元应该是 0 元。

所以这次小店订单核对我会先选 Gemma4-12B，再保留人工复核。若金额必须准确，就把门槛计算交给普通程序，Agent 负责读规则和解释结果；模型连续三次给出同一个错答案，依然是错答案。

大小来自本机已安装模型列表，量化方式和标签不同会改变下载体积。每轮只核三笔虚构订单；不要把这张小表当成模型通用榜单。

常见问题

本机模型显示费用为零，是不是完全免费？

没有按 token 收取的云端推理费，不代表没有电费、磁盘和时间成本。用云端模型时也要检查输入、输出和缓存 token 的计价方式。

Agent 记住了资料，权限就安全吗？

不是。记忆能保存规则，工具策略才限制读取、写入、联网或发消息。OpenClaw 文档也说明，记忆可以保留审批背景，但不会替权限设置执行控制。

这次结果能说明 Gemma 一定比 Qwen 好吗？

不能。只是在这台电脑、这组虚构订单和当前设置下，Gemma 更适合这项小任务。换成长文分析、代码或图片，应该另做同样可核对的测试。

工具清单

本文使用的全是虚构订单，没有接入真实顾客资料、微信或其他消息渠道。要用于商业流程，先核对当前模型和软件许可，再用自己的规则重新做评测。

接下来可以做什么

• Agent 是什么？和聊天机器人有什么区别
• OpenClaw 安全设置：限制工具和工作区