Matthew Berman 如何为团队构建 OpenClaw 工作流

每天高强度使用 OpenClaw 一个月后，Matthew Berman 介绍了一个他称为全职团队成员的定制系统。他将智能体连接到邮件、CRM、会议和其他服务。视频由 HubSpot 赞助，HubSpot 也是其工作流的一部分。

对于赞助咨询，他建立了独立的工作区身份，并将公开的群组邮箱路由给智能体。一封虚构样例邮件展示了系统如何分类咨询、研究发件人并依据评分规则打分。示例中，发件人信息相互矛盾，导致置信度低，系统通过 Telegram 请求审核。

Berman 可以批准或纠正分类。他说评分规则经过几天反馈逐步完善，考虑契合度、预算、清晰度、可信度和成交可能性等因素。高价值机会交给团队，其他类别则采取不同的后续处理。

系统会结合上下文起草回复，而不是只依靠模板。在示例中，Berman 本人审核草稿并点击发送。他的总体目标是逐步增加自动化，同时将重要或不确定的决策升级交人处理。

邮箱流程每十分钟刷新账户，隔离传入材料，在分类前先做确定性扫描，再做基于模型的扫描。它检查历史通信、更新 CRM 阶段和标签、存储并嵌入邮件，然后准备草稿。他承认第一层过滤并不完美；两层扫描都不能证明不可信内容无害。

Berman 为不同模型维护独立版本的指令文件，因为他认为它们的提示偏好不同。每晚的检查比较操作事实并报告漂移。他的实际目标是在切换模型时避免规则悄然改变或丢失重要上下文；具体提示建议反映的是他当时的经验。

他将操作规则、身份、用户上下文、工具、心跳和记忆分别放在不同用途的文件中。产品需求、安全实践和技能等其他参考资料按需加载。他尽量避免跨文件重复事实，让每项更新都有明确的位置。

Telegram 群组主题将 CRM、知识、定时更新和研究等工作分成不同上下文。Berman 觉得这样更容易浏览对话，也减少每个线程需要携带的无关内容。这是一种工作流选择，并不保证记忆永久可靠。

CRM 从邮件和日历中发现联系人，过滤不需要的条目并保存关系上下文。它可以研究公司、检索过去的对话，并回答哪些人最近未联系等问题。Berman 重视 CRM、赞助流程与知识库之间的连接。

会议结束后，笔记服务提供文稿。流程将参与者与 CRM 记录匹配，提取见解和拟议行动项，并在本地生成嵌入。Berman 表示，拟议任务先发送到 Telegram 供他批准，再进入任务管理；交易和负责人信息也会关联到 CRM。

知识库接收通过 Telegram 或 Slack 分享的文章、视频和帖子。内容经过获取、筛查、分块、嵌入和存储，供语义搜索；相关材料可以关联联系人或分享给团队。自动扫描后，外部材料仍然不可信，分享时也需要注意访问权限和保密性。

在内容规划中，Berman 将一段讨论标记为潜在视频创意。智能体阅读线程、搜索知识库和网络、创建项目卡片，并起草包含参考资料和包装创意的大纲。完成消息会发回团队；大纲是否有用仍取决于来源核查和编辑审阅。

安全是核心问题，因为智能体读取外部消息并能访问内部工具。Berman 描述了经过认证的网关访问、按频道区分的政策和分层提示注入处理：确定性过滤、隔离环境中的模型扫描及风险标记。过滤器和 AI 审查者可能漏掉攻击或出错；隔离和最小权限仍然重要。

他还对外发内容中的秘密和个人信息脱敏、在提交前检查密钥模式、限制文件权限，并运行自动安全和健康审查。他也介绍了加密数据库和备份、访问分级，以及针对常见网络和数据库风险的防护。这些是他报告的措施，并非独立安全审计。

定时任务收集社交数据、更新 CRM、检查配置和安全、轮转日志并准备简报。Berman 将较重的任务错开放在夜间，以适应使用限制并避免与白天工作争抢资源。他分享的是自己的日程示例，并非普遍适用的频率。

在记忆方面，Berman 表示默认系统对他效果很好。他将 Telegram 主题分开，用状态命令检查上下文窗口，并在上下文过满时清理或让消息过期。定时审查会精简每次调用时加载的文件中的重复和漂移。

为了减少通知疲劳，他按优先级批量发送 Telegram 消息：关键事项立即发送，高优先级更新每小时一次，常规事项每三小时一次。通知数据库记录这些消息。合适的频率取决于用户需要看到什么及其紧急程度。

新的财务工作流将 QuickBooks 导出的交易记录导入数据库，供自然语言查询，并用规则限制财务细节可以分享的位置。另一个路由器将模型调用记录到 JSONL 和数据库，供用量仪表盘、失败监控和成本估算使用。Berman 指出，订阅方式使美元估算不够精确。

他主张结构化记录错误和服务调用，以便智能体第二天早上检查问题。他要求它提出或实施修复，并轮转日志以控制大小。日志本身可能包含敏感信息，自动修复也需要适当的审查和测试。

Berman 描述了 2026 年 2 月涉及 Anthropic agent SDK 和其订阅的一次认证变更，称它在自己的配置中有效。这是历史性的个人经验，并不证明该方法目前受到支持或被允许。用户需要检查服务商当前条款和有文档说明的认证方式。

一个实例同时服务工作和个人场景，因此他定义了数据分级和频道限制。财务细节和个人邮件只用于私信；内部笔记留在团队内，对外分享需要批准。Berman 承认，规则和确定性检查仍可能存在漏洞或失效。

他在文件中记录反复出现的错误、经验和功能请求，并自动审查平台健康、安全、提示一致性和数据完整性。一个创新侦察流程寻找其他用途。这些流程有助于发现候选改进，但不能被误认为正确性的独立保证。

他的成本控制措施包括本地生成嵌入、选择不同模型档位、错开定时任务、提示缓存、根据上下文轮询以及批量通知。他强调，即使单次调用便宜，规模化后也会累积，因此用量视图有助于发现工作集中在哪里。

在恢复方面，他描述了发现数据库文件、加密、上传至 Google Drive 并轮转备份的过程。独立的 Git 同步保存代码变更，文档化的恢复流程则利用备份清单并解密。只有实际测试完整性和恢复流程，备份才真正有用。

一位团队成员尝试导入可穿戴设备和健康数据，以生成摘要并标记趋势。Berman 还介绍了一个可穿戴笔记系统，将语音衍生的记忆保存下来供私下查询。健康输出不是临床诊断，录制对话或存储敏感数据需要取得同意并采取适当的隐私保护。

Berman 希望与助手进行更自然的双向语音对话，但尚未确定解决方案。他最后表示，系统仍在实验中不断演进，而对他而言最大的价值是连接团队各个工作流程。