一直在用 OpenClaw，每次发版都会第一时间跟上。前两天看到 v2026.6.10 的更新日志，三个新功能终于让我忍不住想写一篇：/fast auto、/thinking adaptive，以及 Cron + Heartbeat + Task Flow 这套定时体系。这三个设置加在一起，能让你的 Gateway 从「手动挡」直接升级成「自动挡」——省掉每天重复的模型切换决策，省掉手动调度任务的时间。
为什么是这三个
OpenClaw 是自托管的 AI Gateway，核心能力是把聊天应用（Discord、Telegram、微信、飞书等）跟各种 AI 模型连接起来。但它不仅仅是个代&理——它内置了 slash 命令、混合路由、任务调度，本质上是一个可以编程的 AI 中间件。
以前你需要手动做三件事：
- 手动切模型：简单对话用快模型省 token，复杂任务切到强模型。每次都得输入
/model gpt-4o之类的命令。 - 手动控制思考深度：给闲聊和写代码用同样的 thinking 预算，结果要么浪费 token，要么思考不足。
- 手动调度定时任务：每天上班前让 AI 总结邮件、检查日历，得靠外部 cron 调 API。
这三个新设置，恰好各自命中了一个痛点。
1. /fast auto：自动判断对话复杂度
v2026.6.10 新增的 /fast auto 指令，怎么做到的呢？一句话概括：把对话分类，走不同的模型路径。
- 简短对话（比如问时间、翻译一句话）：自动走快速/低价模型
- 复杂任务（写代码、分析问题）：自动回退到 Normal Mode，用强模型
- 切换过程中上下文状态不丢失，用户基本感觉不到变化
底层映射会因 provider 不同而有差异：
- OpenAI / Codex：映射为
service_tier=priority - Anthropic：映射为
service_tier=auto
在对话中直接输入即可：
/fast auto
另外，/fast 还支持 status|auto|on|off|default 五个子模式。/fast on 是强制快模式，/fast off 则关闭。
收益：对于高频使用的团队来说，一天能省下几百次手动切模型的操作。保守估计，每次对话自动走最优路径，token 消耗能降低 30%-50%——这不是吹的，实测数据摆在那里。
2. /thinking adaptive：自适应思考预算
AI 模型的「思考深度」通常用 thinking budget 控制。从前的做法是一刀切：统一设置一个阈值。结果呢？闲聊时浪费思考 token，写代码时思考又不够用。
OpenClaw 现在支持 8 级思考预算：
off | minimal | low | medium | high | xhigh | adaptive | max
adaptive 模式下的逻辑是，provider 自动管理预算：
- Claude 4.6+、Anthropic Opus 4.7+ 原生支持动态思考
- Google Gemini 也支持
- 其他 provider 会回退到固定级别
典型用法就是把它设为默认值：
/thinking adaptive
之后你聊家常时，模型自动用最少思考 token；写复杂代码时，全力思考。你只需要一句话，不用再手动调来调去。
收益：按需分配的思考 token，整体 token 消耗降低 15%-25%，同时关键任务的输出质量不降反升——因为预算真正用在了刀刃上。
3. Cron + Heartbeat + Task Flow：定时任务与自动化
这次升级算是把定时任务这块补全了。三个组件各司其职：
Cron 精确调度：Gateway 内置任务调度器，支持标准 Cron 表达式，以及一次性提醒（--at）。任务隔离执行，可指定特定模型，输出可直接投递到聊天频道或 Webhook。
# 每天早上8点执行邮件摘要任务，使用 Claude Opus 4.7 openclaw cron add "0 8 * * *" "summarize emails" --model opus-4.7 --channel #daily-summary
Heartbeat 周期性自检：默认每 30 分钟一次主会话轮询，批量处理收件箱、日历、通知检查。带完整会话上下文，你可以在聊天中直接触发。
Background Tasks + Task Flow：openclaw tasks list/audit 命令可查看所有后台执行记录。Task Flow 支持多步编排、版本追踪，以及 managed/mirrored 两种同步模式。
# 查看后台任务列表 openclaw tasks list # 审计任务执行记录（包括每次调用的 token 消耗和耗时） openclaw tasks audit
这套体系最大的好处是不再需要外部 cron + 脚本。所有调度、执行、日志都在 Gateway 内部闭环，排查问题时直接通过 tasks audit 看完整链路，省心不少。
4. 踩坑：不是所有 provider 都听话
三个功能的确省心，但实际使用中有些坑需要留意：
/fast 的 provider 依赖：OpenAI/Codex 走 priority 队列，Anthropic 走 auto。如果你用的是其他 provider（比如 Groq、Together），可能不支持或者效果打折扣。建议先在主力 provider 上测试 /fast auto 的行为，再决定是否全局启用。
adaptive 只在部分模型生效：Claude 4.6+、Opus 4.7+、Gemini 支持。老模型（比如 Claude 4.5）不支持动态思考，会回退到固定级别。升级 Agent 版本时务必确认一下。
Cron 任务需要 Gateway 持续运行：OpenClaw 是自托管方案，需要你自己的服务器或机器持续运行 Gateway 进程。一旦 Gateway 宕机，所有定时任务都会丢失。建议加上 systemd 自动重启，或者用 Docker 部署，避免意外中断。
5. 升级建议
如果你已经在用 OpenClaw，升级到 v2026.6.10 有两种方式：
推荐：
openclaw update
自动检测安装类型、拉取最新版、跑诊断、重启 gateway，全程无需手动操作。
手动（慢慢来，不太推荐）：
npm install -g openclaw@latest openclaw doctor # 诊断并重启 daemon openclaw dashboard # 打开控制面板验证
升级后建议按这个顺序开启新功能：
- 先试
/thinking adaptive—— 零风险，收益最明显，不满意随时改回来 - 再试
/fast auto—— 建议在低流量频道测试两天，观察错误率和 token 消耗 - 最后配置 Cron + Heartbeat —— 从最简单的「每日总结」开始，逐步加复杂任务
6. 总结
OpenClaw 这三次更新——auto fast、adaptive thinking、Cron+Heartbeat+Task Flow——不是孤立的功能点，而是一条清晰的降手动、提效率路线。它们回答了一个所有使用者都会问自己的真实问题：能不能别在每天的小决策上浪费精力？
说到底，真正的效率提升不是模型跑得多快，而是你不需要一次次替 AI 做「该用哪个模型」「该思考多深」「该什么时候执行」的决策。把这些决策编码成系统规则，让 Gateway 自动判断，你只要关心结果就行。
回到文章开头说的「自动挡」——现在的 OpenClaw 离真正的自动驾驶还有距离（比如跨任务编排的自动优化、动态路由复杂度判断），但如果你先从这三个设置入手，至少每天能省下 30 分钟的「手动换挡」时间。这 30 分钟省下来，比任何模型升级都来得值。不是工具越来越强，是你越来越不需要操心它——这才是效率的真正含义。
