核心用法
OpenClaw Long-Running Agent Skill 是一套专为AI Agent设计的长期项目管理工作流框架。其核心机制围绕四个关键文件展开：CLAUDE.md 存储项目指令和流程指南，task.json 管理带优先级和依赖关系的任务列表，progress.txt 记录工作日志，init.sh 负责环境初始化。工作流程遵循八步循环：读取进度→选择任务→初始化环境→增量实现→测试验证→文档更新→标记完成→原子提交。任务格式采用JSON结构，支持ID、描述、优先级、依赖数组和完成状态字段，确保复杂项目可被拆解为可管理的原子单元。
显著优点
1. 会话连续性保障：通过结构化的进度日志和任务状态，彻底解决AI对话因上下文中断导致的"失忆"问题
2. 依赖驱动执行：内置的任务依赖解析机制，确保复杂工作按正确拓扑顺序执行，避免人为排序错误
3. 原子化工作流：强制"单任务单会话"原则配合Git原子提交，大幅提升代码质量和回滚安全性
4. Web UI集成：与Agent Workflow Web App原生集成，实现任务同步、进度可视化和会话日志追溯
5. 模板化启动：提供标准化项目模板，降低新项目启动的认知门槛和配置成本
潜在局限
1. 工具链锁定：专为Claude Code CLI设计，迁移至其他Agent框架需适配改造
2. 手动状态同步：task.json和progress.txt需人工维护，高频率切换场景下可能出现状态漂移
3. 单线程瓶颈："单任务单会话"设计虽保证质量，但对高度并行化项目可能降低吞吐效率
4. 缺乏自动冲突解决：多会话并发修改同一项目时，无内置的锁机制或合并策略
适合人群
- 使用Claude Code进行数小时至数周跨度复杂开发的个人开发者
- 需要维护高度上下文依赖的遗留代码重构项目团队
- 追求可审计、可回溯开发流程的质量敏感型组织
- 探索AI-Native开发工作流的早期采纳者
常规风险
1. 数据持久化风险：progress.txt和task.json若未纳入版本控制，存在意外丢失进度的可能
2. 依赖循环隐患：JSON格式未内置循环依赖检测，配置错误可能导致任务死锁
3. 权限提升边界：init.sh执行环境未沙箱化，恶意或错误脚本可能造成系统级影响
4. 信息泄露风险：进度日志可能无意记录敏感信息，需定期审计progress.txt内容