OpenClaw 101｜11｜Automation

Automation 让 Agent 从被动聊天走向主动系统：cron、webhook、hooks、commitments、heartbeat 和 task records 都有不同边界。

OpenClaw 101 是一组面向 Agent Engineering 的系统拆解文章。它不把 OpenClaw 当成单一聊天产品，而是把它当作一个长期运行的 Personal Agent OS 来观察。

这一篇讲 Automation。主动 Agent 很容易变成乱发消息的机器人。OpenClaw 的 automation 设计重点是触发、session、delivery 和可追踪性。

读完本文，你应该能回答

automation 和普通聊天请求有什么不同？
cron / webhook / heartbeat 分别适合什么任务？
无人值守任务如何交付结果？
自动化为什么更需要幂等、限流和审计？

本篇在系列中的位置

无人值守篇，解释 cron、webhook、heartbeat 这类任务如何进入 Agent OS。OpenClaw 101 的主线是：先看控制面，再看执行面和状态边界，再进入上下文、能力系统、长期记忆、自动化、真实设备、扩展和 QA。下一篇进入 Nodes and Apps，看自动化如何连接真实设备和应用。

贯穿案例

后文会反复使用同一个任务来落地抽象机制：用户在手机上对 OpenClaw 说：“帮我看一下这个 repo 的测试为什么失败；如果需要跑命令就先做，修好后在聊天里提醒我。”

在本篇中，重点观察这个任务在 Automation 这一层会遇到的边界：谁接收它，谁拥有状态，谁能触发工具，谁记录结果，以及失败后从哪里恢复。

自动化模式表

环节	读者应该抓住的问题
Cron	按时间触发，如每日总结、定时检查
Webhook	由外部事件触发，如 CI、表单、告警
Heartbeat	周期性健康检查或状态同步
Delivery	把结果送到指定 channel/session
Safety	限制频率、权限和重复副作用

核心判断

Automation 是把外部时间和事件变成受控 agent run 的入口。

如果只看表面，很多 Agent 框架都像是“模型 + 工具 + UI”。但真正决定系统稳定性的，是这些边界如何被拆开：谁拥有状态，谁能触发副作用，谁负责恢复，谁暴露观察面，谁承担长期维护成本。

在 OpenClaw 里，Automation 不是一个孤立模块，而是 Gateway、Session、Context、Tools、Plugins、Memory 之间的连接点。理解这个连接点，比记住某个命令或配置项更重要。

运行路径

一条真实消息进入系统后，大致会经过这些步骤：

cron job 根据时间表创建 fresh 或 scoped run。
webhook 把外部事件路由到独立 hook session。
hooks 在 command、agent lifecycle、tool call、message lifecycle 处插入脚本或插件逻辑。
commitments 记录短期 follow-up，不等同于永久 memory。
heartbeat 负责周期性检查和到期投递。
task records 保存后台工作状态，方便 UI 和 review。

这些步骤看起来很多，但它们解决的是同一个问题：让 Agent 的行为从“模型临场发挥”变成“系统可控制、可观察、可恢复的运行过程”。

可迁移伪实现：Automation

下面的伪代码是机制抽象，不对应 OpenClaw 的真实 API 或文件结构。

async function tickScheduler(now) {
  for (const job of dueJobs(now)) {
    const session = createJobSession(job)
    const run = await startAgentRun({
      session,
      prompt: job.prompt,
      delivery: job.deliveryTarget,
    })
    recordTask(job.id, run.runId)
  }
}

这段伪代码的重点不是函数名，而是边界：输入先被标准化，状态通过明确的 store 或 lane 管理，副作用通过 runtime 或 policy 执行，结果再回到 transcript、event stream 或 delivery target。

设计取舍

显式 reminder 和 inferred commitment 要分开，避免把用户随口一提变成永久任务。
cron 输出可以静默，也可以投递到绑定渠道。
hooks 能扩展系统，也可能制造隐形副作用，因此要可配置和可审计。

这些取舍解释了 OpenClaw 为什么不像一个最小 demo。最小 demo 追求路径短，长期系统追求边界清晰。路径短会让第一个 demo 很快跑起来；边界清晰才会让系统在多渠道、长会话、多人入口、插件扩展和自动化场景下不崩。

评估清单

评估任何 Agent 框架的 Automation 设计，可以看这几个问题：

这个层级是否有明确 owner，还是散落在多个客户端或插件里？
它是否把状态、权限、运行时副作用和展示逻辑分开？
它是否能被观测、被调试、被回放？
它失败时是否有恢复路径，而不是只给用户一个模型错误？
它是否避免把 provider/channel/tool 的私有细节写死进 core？

如果这些问题没有答案，系统一旦从单用户 demo 走向真实使用，很快就会在上下文污染、重复副作用、权限失控、长任务丢失和调试困难中付出代价。

下一篇继续拆 Nodes and Apps。OpenClaw 101 的主线会继续沿着 Personal Agent OS 的边界往下走：从运行时，到状态，到能力系统，再到安全、扩展和 QA。

References

Automation
Scheduled tasks
Hooks
Commitments