Moltbot Best Practices

核心用法

MoltBot Best Practices 是一套从真实失败案例中提取的 AI Agent 行为规范，以 15 条明确规则为核心，辅以快速参考表和反模式清单。主要用法包括：

• 前置确认机制：执行前重复任务理解，避免 20 分钟错工
• 发布双审流程：先展示草稿 → 获得明确批准 → 再执行发布
• 失败快速止损：工具故障 2-3 次尝试后立刻升级，而非死磕 20 分钟
• 用户信号响应：STOP 指令 = 立即停止，简短消息 = 简短回复，情绪匹配原则
• 上下文感知处理：按顺序读取队列消息，聚焦用户回复的具体消息上下文

显著优点

1. 经验驱动：所有规则来自真实事故（误删帖子、忽略指令、过度自动化），非理论推演
2. 即插即用：提供 clawdhub 一键安装和 JSON 配置片段，降低落地门槛
3. 覆盖完整：从任务确认、执行、失败处理到用户情绪管理，形成闭环
4. 配置增强：附带 memoryFlush 和 sessionMemory 配置，解决上下文丢失痛点

潜在局限

• 工具绑定：安装指令依赖 clawdhub 生态，非通用标准
• 场景偏向：规则设计偏重内容发布类 Agent（社交媒体、文档），对纯代码生成场景覆盖有限
• 主观判断："匹配用户能量""复杂任务判定"等规则需要 Agent 具备一定的情绪识别和任务复杂度评估能力，实现难度不均
• 无强制约束：本质为行为建议，依赖开发者自律或上层封装强制执行

适合人群

• 构建 Claude/GPT/Cursor 等 AI 助手的开发者
• 使用 "vibe-coding" 快速搭建自动化工作流的技术团队
• 曾因 Agent "自作聪明"、过度自动化而踩坑的用户
• 需要为 Agent 团队建立行为规范的工程管理者

常规风险

• 配置风险：提供的 JSON 配置包含 experimental 字段，sessionMemory 功能可能随平台更新变化
• 理解偏差：规则中的"简单任务自己做"依赖 Agent 对自身能力的准确评估，误判可能导致该并发时不并发
• 安全边界模糊：虽然强调"确认后执行"，但未提供敏感操作（删除、转账等）的额外防护层建议
• 版本漂移：技能版本 1.1.0，作者为个人账号，长期维护持续性存疑

核心用法

MoltBot Best Practices 是一套面向AI代理（Agent）的行为规范指南，通过总结真实生产环境中的失败案例，提炼出15条可落地的操作准则。使用者可将这些规则直接嵌入系统提示词（System Prompt），指导Claude、GPT、Cursor等AI工具的行为模式。

15条核心规则速览

1. 执行前确认 — 重复任务要求，5秒确认省20分钟返工
2. 发布前审批 — 一律展示草稿，获批后再发布
3. 谨慎生成子代理 — 简单任务自行完成，复杂任务先询问
4. 用户说STOP即停 — 立即停止，无例外，重新阅读对话
5. 优先简单路径 — 工具故障时提供替代方案，而非硬磕
6. 单任务专注 — 用户主动提出的事项优先完成
7. 快速失败，快速求助 — 两次失败后上报用户
8. 故障时少说话 — 安静修复或求助，不 spam 更新
9. 匹配用户情绪 — 用户简短愤怒时，回复也应简短直接
10. 前置澄清问题 — 模糊请求先问清楚
11. 读取回复上下文 — 用户回复特定消息时聚焦该消息
12. 故障限时处理 — 3次尝试或5分钟上限，之后上报
13. 完成时验证 — 确认操作真正成功后再宣布"完成"
14. 不过度自动化 — 手动有时更高效
15. 按序处理队列消息 — 读取所有待处理消息后再行动

显著优点

• 实战导向：每条规则均源自真实事故（如误删帖子、忽视"READ THE CHAT"指令、未展示草稿即发布）
• 零技术门槛：纯文本规范，无需编程，直接复制到提示词即可生效
• 跨平台适用：Claude、GPT、Cursor、各类vibe-coding工具通用
• 情绪感知设计：特别包含"匹配用户能量"原则，避免AI在冲突场景火上浇油
• 故障处理框架：提供"2-3次失败即上报"等量化标准，防止无限重试循环

潜在缺点与局限性

• 依赖人工执行：规则本身无法强制约束AI，需开发者主动嵌入系统提示
• 上下文长度压力：15条规则全文较长，可能挤占对话上下文窗口
• 无动态适配：固定规则集，未涉及根据任务复杂度自动调整策略的机制
• T3来源可信度：由个人开发者NextFrontierBuilds维护，虽代码透明但缺乏企业背书
• 配置片段未经验证：文末推荐的JSON配置（memoryFlush、sessionMemory）为Claude/Clawdbot特定功能，其他平台可能不兼容

适合人群

• AI应用开发者：构建Agent系统时作为系统提示词基础
• 提示词工程师：优化Claude/GPT行为表现的专业人员
• vibe-coding用户：通过自然语言驱动AI编码的个人开发者
• AI自动化团队：部署AI代理执行内容发布、数据处理等任务的运营团队

常规风险

• 规则被忽视：若未强制嵌入系统层，AI可能"知道但不做"
• 过度谨慎：严格执行"两次失败即上报"可能导致本可自动恢复的问题频繁中断用户
• 平台差异：部分规则（如"Spawn Agents"）高度依赖Clawdbot等特定平台的Agent架构
• 版本漂移：作者更新规则后，用户侧提示词可能滞后

使用建议

推荐将核心规则压缩为系统提示词中的"Behavioral Contract"区块，并结合具体场景增删。对于高可靠性要求的生产环境，建议配合显式的确认流程（如邮件/Slack审批），而非完全依赖AI自律。