OpenClaw 实战：如何用 “PUA 纠偏” 技能终结 Agent 的死循环与偷懒

TL;DR (摘要)

当 Agent 陷入“Debug 循环”、“抱歉我无法完成”或生成极其简略的代码时，通常是因为它进入了思维惯性。通过配置 PUA 纠偏（Agent Steering/Pressure）技能，我们可以强制打断其错误路径，施加结果导向的压力，从而大幅提升复杂任务的成功率。

---

Q1：什么是 Agent 的“死循环”与“偷懒”？

A1：

• 死循环：在执行 exec 报错后，Agent 不断尝试相同的修复逻辑，或者在多个文件间反复横跳却不改动核心代码。
• 偷懒：回复“由于篇幅限制，此处省略...”、“请自行实现逻辑”或给出只有几行注释的占位符代码。
• 原因：大模型倾向于寻找计算成本最低的路径。如果没有明确的惩罚机制或强制指令，它会选择“认输”或“敷衍”。

Q2：“PUA 纠偏”技能的核心逻辑是什么？

A2： 这不是真正的心理操纵，而是一种 “高强度约束反馈”。它通过在 Skill 定义中加入 “熔断机制” 和 “批判性自检” 来实现：

1. 报错熔断：规定同类错误出现 3 次以上，必须立即停止当前方案，强制输出 3 个备选替代方案。
2. 拒绝平庸：在 System Prompt 中加入“禁止输出占位符”、“禁止回复不知道（除非已穷尽 5 种搜索策略）”。
3. 结果对齐：强制 Agent 在回复前对比“用户初始目标”与“当前产出”，若对齐度低于 90%，必须重写。

Q3：如何在 OpenClaw 中具体配置这个技能？

A3： 你可以创建一个名为 steer-correction.skill 的配置，包含以下核心约束：

1. 强制纠偏指令 (Steering Prompts)

# 纠偏原则：
- 如果连续两次执行失败，你必须假设当前工具或思路是错误的。
- 严禁回复“我无法做到”，你必须转而调用 `web_search` 寻找替代库或方案。
- 所有的代码输出必须是“Production Ready”，严禁使用 TODO 或占位符。

2. 批判式自检 (Self-Criticism)

要求 Agent 在执行每一步 exec 之前，先运行一段逻辑：

“我当前的动作是否正在重复之前的失败？如果是，请给出我的 Plan B 是什么。”

Q4：实战场景：当 Agent 说“代码太长无法完整生成”时怎么办？

A4： 普通助手： “好的，我为你生成核心部分...” 配置了 PUA 纠偏的一诺：

1. 识别到“偷懒”意图。
2. 触发熔断： “我不接受部分生成。请将代码拆分为多个模块文件，逐一调用 write 完整写入。现在开始写入第一个模块 auth_service.py。”

Q5：为什么这个技能在即刻/小红书上很火？

A5： 因为它解决了用户使用 AI 时的最大痛点：“AI 不听话”。

• 它把 AI 从一个“问答机器”变成了一个“必须交付结果的员工”。
• 对于极客来说，这种“压榨”AI 潜力的玩法非常有话题感和传播力。
• 它展示了 OpenClaw 作为“数字员工框架”与普通对话机器人的本质区别：强确定性与强交付感。

---

交付声明：本教程属于“OpenClaw 必装 Skill”系列，建议配合 codex-deep-search 技能使用，以在纠偏时获得更精准的代码上下文。

更多资源：想要获取完整的“纠偏指令包”？请访问 UseClaw 官网。