OpenClaw Heartbeat 机制详解:让 AI 从被动响应进化为主动执行
目录
大多数 AI 助手是被动的——你不发指令,它什么都不做。OpenClaw 的 Heartbeat(心跳)机制打破了这个限制,让 AI 第一次真正做到”主动”。
什么是 Heartbeat?
Heartbeat 是 OpenClaw 架构中的周期性任务检查器,默认每 30 分钟触发一次(可自定义)。每次触发时:
- 检查有没有待执行的定时任务
- 扫描监控列表(网页变化、邮件、日历事件等)
- 处理积压的异步任务队列
- 执行用户预设的”主动行为”
简单说,Heartbeat 把 OpenClaw 从”等命令的机器人”变成了”主动干活的助手”。
三大核心使用场景
场景 1:定时任务自动化
最直观的用法,定时执行某些任务:
"每天早上 8 点,读取 Gmail 未读邮件,生成摘要发到 Telegram"
"每周一 9:00,生成上周工作汇总报告,存入 Notion"
"每隔 4 小时,检查服务器 CPU 使用率,超过 80% 就告警"
场景 2:监控与告警
OpenClaw 可以持续监控某个状态,发生变化时主动通知你:
"监控这个商品页面,价格低于 299 元时通过 Telegram 通知我"
"每天检查一次服务器磁盘剩余空间,低于 20% 发邮件告警"
"监控 GitHub 仓库的 star 数量,每增加 1000 个发一条消息"
"监控竞争对手官网,有更新时发 Slack 通知"
场景 3:自主研究与报告
更高级的用法——让 OpenClaw 定期做研究、生成报告:
"每周五 18:00,搜索 AI 行业本周新闻,整理成周报发到飞书文档"
"每个工作日,自动整理今天收到的技术文章,按重要程度归入 Obsidian 笔记库"
"每月第一个工作日,生成上月数据分析报告,发给团队负责人"
两种配置方式
方式一:自然语言配置(推荐)
直接在对话中告诉 OpenClaw 你的需求,它会自动解析并创建定时任务:
"每天早上 9 点提醒我喝水"
"每周日生成本周总结"
"每隔 2 小时检查一下邮件"
方式二:配置文件
在 ~/.openclaw/heartbeat.yml 中手动配置:
tasks:
- name: morning-briefing
schedule: "0 8 * * *" # 每天早上 8 点(标准 cron 格式)
prompt: "读取 Gmail 未读邮件,生成摘要,发到 Telegram"
- name: server-monitor
schedule: "*/30 * * * *" # 每 30 分钟
prompt: "检查服务器状态,CPU/内存/磁盘使用率"
notify_if: "任何指标超过 80%"
- name: weekly-report
schedule: "0 18 * * 5" # 每周五下午 6 点
prompt: "搜索 AI 行业本周新闻,整理成周报,存入飞书"
Heartbeat vs 普通 cron 的本质区别
你可能会想:这不就是系统 cron 吗?关键区别在于 Heartbeat 是”智能的”:
| 对比项 | 普通 cron | OpenClaw Heartbeat |
|---|---|---|
| 配置方式 | shell 脚本,需要编程 | 自然语言,直接说 |
| 执行内容 | 固定脚本 | 动态调整,理解上下文 |
| 跨工具协作 | 需要手动编写集成代码 | 自动跨工具(搜索→写文档→发消息) |
| 条件判断 | 需要自己写判断逻辑 | 自然语言描述条件即可 |
| 错误处理 | 需要写错误处理代码 | 自动处理,失败时告警 |
实际技术原理
Heartbeat 模块在 Gateway 启动时初始化,运行在独立的 Node.js 定时器中。每次触发时:
- 加载所有已注册的定时任务
- 检查每个任务的 cron 表达式,判断是否到时
- 到时的任务被分发给 Brain 模块处理
- Brain 调用相应的 Skill 执行操作
- 执行结果通过配置的渠道反馈(Telegram/飞书/邮件等)
使用建议
- 从 1-2 个最迫切需要的定时任务开始,不要一下子配置太多
- 观察执行情况,调整提示词让结果更符合预期
- 稳定后再逐步增加更多自动化任务
- 注意 LLM API 用量,Heartbeat 频繁触发会产生费用
- 重要任务设置错误通知,避免无声失败
小结
Heartbeat 是 OpenClaw 区别于所有竞品的核心特性之一。它让 AI 助手从”被动响应”进化为”主动执行”,真正实现 7×24 小时不间断的自动化助手。如果你只用 OpenClaw 来回答问题,那你只用了它 20% 的能力。打开 Heartbeat,解锁剩下的 80%。
相关阅读:
- OpenClaw的”龙虾循环”:AI是怎么一步一步完成复杂任务的
- OpenClaw 记忆系统深度解析:三级存储如何让 AI 真正记住你
- OpenClaw 工作流编排深度实战:从单步任务到复杂业务流程自动化