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，解决AI会话中断后难以续接工作的核心痛点。该技能通过标准化文件格式（task.json任务列表、progress.txt进度日志、CLAUDE.md项目指南）建立持久化状态机制，使Agent能够在多次会话间保持上下文连续性。
典型工作流程：Agent启动时读取progress.txt了解已完成工作，从task.json筛选出依赖已满足且passes: false的待办任务，执行单任务增量开发，测试验证后更新进度日志并标记任务完成，最后提交原子化git commit。整个过程强调一次只做一件事的聚焦原则。
显著优点
1. 会话连续性保障：突破单次会话token限制，支持周级甚至月级的长周期项目
2. 结构化任务管理：内置优先级与依赖关系系统，自动解决任务执行顺序问题
3. 可追溯进度审计：progress.txt提供人类可读的工作日志，便于复盘与交接
4. Web UI生态集成：与Agent Workflow Web App打通，实现任务同步、会话记录与git追踪
5. 原子化提交规范：强制单任务单提交，保持代码仓库整洁
潜在局限
- 手动初始化成本：需人工创建项目目录并复制模板文件，未提供CLI脚手架
- 依赖Claude Code生态：核心功能绑定Anthropic Claude的特定工具链，迁移成本较高
- 无自动冲突解决：任务依赖需人工预设，复杂DAG场景下缺乏智能调度
- 进度格式无Schema：
progress.txt为纯文本格式，不利于程序化解析
适合人群
- 使用Claude Code CLI进行长期开发的独立开发者
- 需要Agent持续维护开源项目的维护者
- 追求会话级可恢复性的AI辅助编程用户
- 已接入OpenClaw Agent生态的早期采纳者
常规风险
1. 状态文件污染风险：若手动编辑task.json破坏JSON结构，将导致任务解析失败
2. 进度日志膨胀：长期项目未清理的progress.txt可能拖慢启动读取速度
3. 依赖循环隐患：JSON依赖声明缺乏校验机制，存在循环依赖导致死锁的可能
4. 会话恢复幻觉：Agent依赖文本日志重建上下文，可能因理解偏差产生与历史决策不一致的行为