OpenClawを入れて終わり？AIアシスタントを本当に「使える」ようにする5ステップ

1180字程度約4分

2026-03-11

OpenClawをインストールして、DiscordやTelegramに接続して、チャットできるようになったら「完了！」と思っている人、多いですよね。

でも、自分で一通りハマってみた結果、確信したことが一つあります：デフォルト状態のOpenClawは、おそらく能力の20%しか発揮できていない。 残りの80%は、あまり注目されていない設定ファイルの中に隠れています——しかも、変更するのはそんなに難しくありません。

以下、「効果の高い順」に、自分が最も有効だった5つのチューニング方法をまとめました。初心者でもこの通りにやれば、すぐに違いを実感できるはずです。

デフォルト vs チューニング後：何が違う？

まずは直感的な比較で、期待値を持ってもらいましょう：

項目	デフォルト状態	チューニング後
返信スタイル	カスタマーサポート感：「お手伝いできて嬉しいです！」	あなたを分かっているパートナーのような感じ
記憶	毎回初対面のような会話	前に話したことを覚えている
能力	チャットだけ	動画DL、株価チェック、PPT作成、サーバー巡回…
主体性	言わないと動かない	定期的にステータスをチェックし、能動的に通知
コスト/効率	すべてのタスクに同じモデルを使用	複雑なタスクには強力なモデル、簡単な作業には安価なモデル

一つだけやるなら：まずステップ1とステップ2をやってください。体験が明らかに向上します。

1）まず「人格」を与える：カスタマーサポートみたいな話し方をやめよう

OpenClawのワークスペースで、最も重要だと思う3つのファイル：

SOUL.md — 誰なのか、どう話すのか、仕事のスタイル
IDENTITY.md — 名前、見た目、絵文字（「自己一貫性」を保つため）
USER.md — あなたが誰か、どう呼ぶか、あなたの好み

多くの人はSOUL.mdをほぼ空のままにしているので、AIの返答は非常に「標準化」されたものになります：丁寧だけど味気ない、まるでカスタマーサポート。

自分がSOUL.mdを編集した時は、長文は書かず、数行の原則だけで、効果はすぐに実感できました：

# コア原則
- 「お手伝いできて嬉しいです」と言わない——直接手伝う
- 自分の意見や好みを持ってOK（ただし知ったかぶりはNG）
- まず自分で調べる、見つからなかったら聞く
- 簡潔に：詳しく書くべきところは詳しく、短くていいところは短く

たったこれだけで、返信が「お客様、こんにちは」から「普通の人の話し方」に明らかに変わります。

また、IDENTITY.mdは必ず記入することをおすすめします：名前をつけて、絵文字をセットしましょう。これを軽視しないでください——名前のあるAIは、マルチターン会話での一貫性が本当に良くなります。プログラムっぽくなったり、カスタマーサポートっぽくなったりのブレがなくなります。

USER.mdにはあなた自身の基本情報を書きます。例えば：

タイムゾーン（深夜3時に「お元気ですか？」と聞かれないように）
技術スタック（Goを書いている人にJavaのソリューションを勧めないように）
コミュニケーションの好み（結論を先に聞きたいか、プロセスを先に聞きたいか）

2）「階層型メモリ」を構築する：MEMORY.mdを雑記帳にしない

このステップが、個人的には最も効果が大きかったです。

デフォルトのOpenClawにはMEMORY.mdがありますが、よくある失敗パターンは2つ：

何も書かない：結果、「毎回初対面」
何でも詰め込む：最終的に巨大な雑記帳になり、AIもあなたも読みたくない

自分のやり方：階層型メモリ。構造はだいたいこんな感じ：

MEMORY.md              ← インデックス層：最重要情報 + 他ファイルへのポインタのみ
memory/projects.md     ← プロジェクト層：各プロジェクトのステータスとToDo
memory/infra.md        ← インフラ層：サーバー設定、APIアドレスなどのクイックリファレンス
memory/lessons.md      ← 教訓層：踏んだ落とし穴、深刻度でランク付け
memory/YYYY-MM-DD.md   ← ログ層：その日に起こったこと

キーとなる考え方は一言：

MEMORY.mdはインデックスだけ——中身を詰め込まない。 新しいセッション開始時はインデックスだけ読み込み、詳細が必要な時に対応ファイルを読む。

こうすると快適な結果が得られます：「覚えている」けど「ぐちゃぐちゃに覚えている」わけではないという状態。

memorySearchを有効化：記憶を本当に「検索可能」にする

こんなシナリオを実現したいなら：

あなた：「前回のデプロイの問題、どうやって解決したっけ？」 AI がセマンティック検索 → 特定の日のログの特定の段落を特定 → 正確に復唱

OpenClawのmemorySearch（ベクトルセマンティック検索）を有効にすることをおすすめします。

参考設定（openclaw.jsonに記述）：

"memorySearch": {
  "enabled": true,
  "provider": "openai",
  "remote": {
    "baseUrl": "あなたのembedding APIアドレス",
    "apiKey": "あなたのキー"
  },
  "model": "BAAI/bge-m3"
}

自分の経験では：embeddingにはbge-m3のような汎用モデルが、コスパが非常に良いです。（SiliconFlowの無料embedding APIも「すぐに使い始められる」選択肢として有効です。）

また、compaction.memoryFlushの有効化もおすすめします：コンテキストが上限に近づいたとき、AIが重要な情報をその日のログに書き出し、長い会話中の「記憶喪失」を防ぎます。

3）Skillで能力を拡張する：「話せる」から「できる」へ

OpenClawにはいくつかの組み込みスキル（天気、ニュースなど）がありますが、本当に面白いのはカスタムスキルです。

スキルはこう理解してください：

AIに「標準作業手順書（SOP）」を渡し、特定のリクエストを受けたときに手順どおりに実行させること。

スキルのディレクトリは通常こんな構成です：

skills/
  my-skill/
    SKILL.md        ← AIが主に読むもの：トリガー条件、手順、出力フォーマット
    script.sh       ← オプション：スクリプト実行が必要ならここに
    README.md       ← オプション：人間向けの説明書

自分がよく使う例：

動画ダウンロード：B站/YouTubeのリンクを送る → 自動DL → シェアリンク生成
PPT生成：「XXについてPPTを作って」と言う → .pptxを直接出力
株式分析：「XX株買っていい？」と聞く → 分析パイプライン実行 → 結論 + リスクポイント出力
ニュースまとめ：毎日自動でホットトピックを取得 → 数行の重要ポイントに圧縮

スキルを書くとき、非常に実用的な心構えを一つまとめました：

AIを新入りのインターンだと思ってください。 書き方が明確であればあるほど安定する。曖昧であればあるほど結果が予測不能になる。

トリガー条件、手順、出力フォーマットを固定すれば、結果がずっと安定します。

コミュニティ製のスキル（例：clawhub.com）も要チェックです。初心者向けのおすすめルート：

まず既存のものを1〜2個インストールして使い始める
その後、自分の高頻度ワークフローをスキルに固める（例：「週報生成」「ログ整理」）

4）Heartbeat（ハートビート）：「能動的に動く」ことを教える

OpenClawにはハートビート機能があります：システムが一定間隔（デフォルト30分）でAIにpingし、やることがないか聞きます。

デフォルトでは、AIはハートビートを受け取ってHEARTBEAT_OKを返すだけ――つまり何もしていません。

しかし、HEARTBEAT.mdを書いて、ハートビート時にチェックすべき内容を指定できます。例えば：

# HEARTBEAT.md

## 毎回のハートビート
- XXサービスがオンラインかチェック（curlする）
- 落ちていたら通知、ただし自動再起動はしない

## 1日1回
- 3日以上更新されていないプロジェクトのToDoがないかチェック

## 週1回
- 直近7日間のログを整理し、重要情報を長期記憶に抽出

こうすると、あなたのAIは24時間年中無休の当直係のようになります：あなたが寝ている間に巡回し、起きたらレポートを確認するだけ。

Heartbeat vs. Cron：どう使い分ける？

自分の判断基準：

Heartbeat：「ついでにチェック」する軽量タスクに最適、バッチ処理可能
Cron：「何時何分に必ず実行」する独立タスクに最適（例：毎週月曜9時に週報送信）

シンプルに始めたいなら：まずHeartbeatで巡回・整理をやって、それからcronを検討。

5）マルチモデル階層化：「最強モデル」に「最も簡単な作業」をさせない

複数のモデルにアクセスできる場合（例：APIプロキシ経由）、マルチモデル階層化を強くおすすめします。理由は現実的：コスト削減、トークン節約、しかも速い。

自分のだいたいの使い分け：

ランク	モデル	用途
🔴 強力	Claude Opus / GPT-5	メイン会話、複雑なアーキテクチャ設計、深い推論
🟡 中間	Claude Sonnet	サブタスク：コード作成、情報整理
🟢 軽量	Claude Haiku	シンプルな操作：ファイル検索、フォーマット変換

openclaw.jsonでエイリアスを設定（例）：

"models": {
  "your-provider/strong-model": { "alias": "opus" },
  "your-provider/medium-model": { "alias": "sonnet" },
  "your-provider/light-model": { "alias": "haiku" }
}