OpenClaw实现复杂任务自动分解执行有五种路径：一、启用Gateway内置任务规划器；二、手动注入结构化拆解模板；三、挂载外部LLM规划节点；四、基于Memory上下文动态拆解；五、强制指定原子动作链。
☞☞☞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☜☜☜
如果您向OpenClaw发出一项复杂指令（例如“整理上月所有客户邮件，提取合同金额并生成Excel报表”），但系统未按预期分步执行或中途卡顿，则可能是任务拆解逻辑未被正确触发或配置缺失。以下是实现复杂工作自动分解执行的多种操作路径：
一、启用Gateway内置任务规划器
OpenClaw的Gateway组件默认集成轻量级任务规划能力，需显式激活以支持自然语言目标到可执行步骤的自动映射。该机制依赖Agent Runtime调用大模型进行意图识别与子任务生成，不依赖外部编排工具。
1、打开Workspace目录，定位到SOUL.md文件。
2、在文件末尾新增配置段落：task_planning: enabled。
3、保存文件后，重启主程序：python main.py。
4、发送测试指令：“把Downloads里所有PDF按作者名重命名，并移动到‘文献/2026’文件夹”，观察日志中是否出现[PLAN]前缀的步骤序列。
二、手动注入结构化拆解提示模板
当默认规划器对模糊指令响应不佳时，可通过修改Skills目录下的任务定义文件，嵌入预设的拆解逻辑模板。该方法绕过实时推理，直接绑定固定动作链，适用于高频重复型复合任务。
1、进入Skills/document_processing子目录。
2、编辑rename_and_move_pdf.yaml，在prompt_template字段中插入以下结构：
3、确保steps列表包含至少三项原子操作：扫描→解析→重命名→移动→校验。
4、在微信或终端中发送精确匹配该Skill名称的指令：执行PDF重命名与归档。
三、挂载外部LLM规划节点
对于需深度推理的长流程任务（如跨多平台数据同步+异常判断+人工确认），可将OpenClaw的Gateway连接至高阶规划专用模型节点。该节点独立运行，仅负责输出JSON格式的带依赖关系的任务图，再由本地Node执行。
1、启动一个独立的planner-node服务，监听端口8081，返回标准TaskGraph结构。
2、修改Gateway/config.yaml中的planner_endpoint字段为http://localhost:8081/plan。
3、在Gateway配置中设置fallback_to_local_planner: false。
4、发送含条件分支的指令：“若邮件主题含‘invoice’且附件为Excel，则提取A1:B10写入Notion；否则转发给财务组并标记@urgent”。
四、基于Memory上下文动态拆解
OpenClaw可利用Memory目录中存储的历史任务模式，对当前指令进行类比拆解。该方式无需重新训练模型，仅通过检索相似完成案例的步骤序列，实现零样本迁移。
1、确认Memory/daily_logs中至少存在3条已成功执行的复合任务记录。
2、在SOUL.md中添加行为偏好声明：use_memory_for_planning: true。
3、执行一次带时间锚点的指令：“复现我上周三下午做的客户数据清洗流程”。
4、检查Logs/plan_trace.log中是否出现[RETRIEVED_STEP]标识及对应历史步骤引用。
五、强制指定原子动作链（无AI介入）
在安全敏感或确定性要求极高的场景下，可完全禁用AI规划，通过编写纯YAML动作序列文件，由Gateway按序调用Tools执行。此方式执行路径100%可控，跳过任何语言理解环节。
1、在Workspace根目录新建文件manual_pipeline.yaml。
2、按规范填写actions数组，每个元素包含tool、input、next_on_success字段。
3、使用Tools/file_system/list_files作为首节点，Tools/excel/write_sheet作为终节点。
4、在消息入口发送指令：运行pipeline: manual_pipeline。
