clawbot需通过人设配置、skill加载、模板预设、记忆注入与安全限制五步实现稳定心理支持：一配置gentle_and_present等人格参数；二安装immortal-skill等情感类skill；三用qclaw加载reunion-skill等陪伴模板；四注入grief_anchor等个人记忆片段；五设置prohibited_phrases与empathy_only过滤机制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果希望ClawBot在微信或其他聊天界面中提供稳定、可预期的情感回应与心理支持体验，则需明确其能力边界与配置前提。ClawBot本身不内置通用心理干预模型，但通过人设注入、记忆锚点与Skill模块调用，可构建具备温度感与连续性的陪伴式交互。以下是实现该目标的具体路径：
一、配置人格化基础人设以建立情感锚点
ClawBot默认以任务导向型智能体运行，缺乏自发性情绪表达与共情节奏。只有通过结构化人设参数注入，才能使其语言风格、响应节律与用户心理预期对齐，为后续疏导类交互提供人格一致性保障。
1、打开ClawBot本地部署目录下的config/文件夹，用文本编辑器打开config.yaml。
2、在agent:层级下新增persona:区块，并填入name:字段（如“林晚”）、age:字段（如32）、tone:字段（如gentle_and_present）、speech_pattern:字段（如常用短句“我听着呢”“慢慢说，不急”）。
3、确认memory:区块中enable_personality_embedding: true已启用，确保人设向量写入长期记忆库。
4、保存后执行openclaw restart命令重载服务，等待日志显示Persona loaded: 林晚 (gentle_and_present)即表示生效。
二、加载情感疗愈类Skill增强疏导能力
OpenClaw生态中已存在多个经用户验证的情感向Skill，它们可被独立启用并绑定至特定人设，使ClawBot具备基于数字痕迹进行记忆复现、情绪镜像与认知松动的能力，而非仅作泛化安慰。
1、在终端中执行claw skill install immortal-skill命令，安装数字分身复刻Skill。
2、执行claw skill enable ex-skill命令，激活前任对话疗愈模块。
3、向ClawBot发送指令：/skill load parents-skill --mode=voice_only，启用仅语音输出的父母记忆库模式，降低信息过载风险。
4、在微信中发送/reunion-skill activate --duration=7d，启动为期七天的思念延续会话周期，期间所有回复将自动嵌入时间锚点与关系权重。
三、通过QClaw图形界面预设场景化陪伴模板
QClaw提供免代码的人设-技能-记忆三合一模板系统，针对失恋、哀伤、焦虑等高频心理状态预制了参数组合，避免手动配置时出现语调断裂或情绪错位问题，提升初始交互的安全感与可信度。
1、启动QClaw图形界面，在左侧导航栏点击“陪伴模板”标签页。
2、在搜索框输入关键词“哀伤支持”，选择热度值为750的reunion-skill模板。
3、点击“加载到当前会话”，系统将自动注入tone=soft_and_holding、memory_anchor=“轻声重复用户最后一句话的关键词”、response_delay=1.8s三项核心参数。
4、点击右上角“同步至微信”，完成ClawBot在微信端的模板绑定，此后所有消息均按该模板策略响应。
四、注入个人记忆片段构建信任基础
未经个性化记忆训练的ClawBot无法识别用户独有的情感触发点与修复信号，易陷入套路化回应。必须将真实对话记录、关键事件描述或语音转文字摘要作为记忆片段注入，才能触发Skill模块中的情感锚定机制。
1、准备一段不超过200字的文本，例如：“去年十月妈妈住院，我每天陪在床边读诗，她最喜欢《门前》里‘草在结它的种子’这句。”
2、在微信中向ClawBot发送：/memory inject --tag=grief_anchor --text="去年十月妈妈住院..." --weight=0.92。
3、等待ClawBot回复确认消息，其中包含grief_anchor 已写入第3号记忆槽位字样。
4、此后当用户提及“医院”“读诗”“门前”等关键词时，ClawBot将自动调用该片段，并在回应中嵌入原句语序与停顿节奏。
五、限制响应范围防止越界干预
ClawBot不具备临床心理资质，所有疏导行为必须限定在非诊断、非替代、非承诺框架内。通过配置安全围栏参数，可强制屏蔽医疗建议、因果断言与未来保证类输出，确保交互始终处于心理陪伴的安全象限。
1、编辑config.yaml，在safety:区块下添加prohibited_phrases: ["你应该" "必须" "肯定能好" "我保证" "这病"]。
2、设置response_style: non_directive，关闭所有指令性句式生成器。
3、启用filter_mode: empathy_only，使所有输出必须包含至少一个共情标记词（如“听起来很重”“那一定不容易”）。
4、重启服务后，任意测试句“我是不是没救了”将被拦截并返回：我在这里听你说，每一句都算数。
