根據社群（GitHub Gist、DataCamp、Medium、awesome-openclaw-usecases 等）中最熱門的討論，以下整理出 OpenClaw 用來「自我提升」的最受歡迎 Prompt 類型：
| # | Prompt 類型 | 說明 | 熱門程度 / 來源 |
|---|---|---|---|
| 1 | 自我改進引擎（Self-Improving Agent） | 當指令失敗、使用者糾正、發現更好做法時，自動記錄到 .learnings/ 目錄下的 LEARNINGS.md、ERRORS.md、FEATURE_REQUESTS.md，並可將高價值學習推廣到 CLAUDE.md、AGENTS.md 等持久設定中 |
官方技能、社群最高討論度 |
| 2 | 每日晨間簡報（Morning Briefing） | 每天早上 7 點自動掃描 Twitter/X 時間線，挑選與興趣相關的前 10 則推文，寫成結構化摘要存入 Obsidian vault | mberman84 GitHub Gist（高星數） |
| 3 | 記憶系統與 Session 管理 | 支援持久化對話記錄與策劃過的記憶檔案，LLM 可被指示總結 session、提取可重用的「經驗教訓」並更新 Markdown 記憶，使未來 prompt 可納入這些蒸餾記憶 | 社群深度討論主題 |
| 4 | 個人 CRM | 自動掃描 Gmail 和 Google Calendar 發現聯絡人，存入帶有向量嵌入的 SQLite 資料庫，支援自然語言查詢如「我在 NVIDIA 認識誰？」，並加入關係健康分數和跟進提醒 | mberman84 清單排名第 1 |
| 5 | 會議行動項目提取 | 每 5 分鐘輪詢 Fathom 會議記錄，自動比對 CRM 聯絡人、提取行動項目並標記歸屬，透過 Telegram 審批佇列確認後建立 Todoist 任務 | 創辦者 / PM 高頻使用 |
| 6 | 緊急郵件偵測 | 每 30 分鐘掃描重要郵件，用 AI 分類判斷緊急程度，並具備回饋學習迴圈：使用者告知哪些判斷正確或錯誤後，系統逐步優化 | 自適應學習典範 |
| 7 | Reddit 每日摘要 | 使用 reddit-readonly 技能抓取指定 subreddit 的熱門貼文，透過 cron 排程推送至 Telegram，並維護偏好記憶檔每天詢問使用者是否滿意以持續優化 | DataCamp 推薦入門專案 |
| 8 | Prompt 工程指南 | 針對 Claude Opus 4.6 的提示工程指南：不使用全大寫的緊急標記、解釋規則「為什麼」而非只說「是什麼」、只展示期望行為範例而非反面模式、移除「有疑問就使用此工具」的指示 | 社群進階優化技巧 |
| 9 | 安全與防注入層 | 將所有外部網頁內容視為潛在惡意來源，摘要而非逐字複述；自動遮蔽 API 金鑰和憑證；發送郵件、推文等公開內容前需明確審批 | 生產環境必備 |
| 10 | AI 寫作人性化器 | 建立人性化技能，在發送前去除 AI 寫作模式，包括特定短語、對沖語言、破折號、慣用語如「值得注意的是」、刻意的真實感表演，以及三段式結構模式 | 內容創作者高需求 |
| 11 | 自動更新與自我監控 | 凌晨 4 點執行 OpenClaw 更新、重啟 gateway 服務、回報結果至 Discord 監控頻道；4:30 執行全部關鍵設定檔備份至私有 GitHub 倉庫 | DevOps 自動化經典 |
| 12 | 多智能體團隊協作 | 透過單一 Telegram 聊天室運行策略、開發、行銷、業務等多個專業代理人作為協調團隊 | 進階架構，VPS 長期運行 |
| 13 | 自主建造者（Overnight Builder） | 告訴代理人你的目標後，它每天早上 8 點生成 4-5 個任務，其中一個永遠是小型建造任務：登陸頁、自動化腳本等，利用 sessions_spawn 自主執行 | 獨立開發者 / Indie Hacker 最愛 |
| 14 | YouTube 頻道分析 | 連接 YouTube Data API 和 Analytics API，回答如「最近 5 支影片的留存率比較」「哪些主題互動最高」等問題，並主動發現未被詢問的有趣模式 | 創作者生產力工具 |
| 15 | 學習迴圈技能（Learning Loop） | 具備信心衰減、跨代理分享和異常偵測的結構化自我改進系統 | 社群技能登錄冊中的進階技能 |
關鍵觀察：社群中討論度最高的「自我提升」類 Prompt 集中在三個方向——回饋迴圈（讓 Agent 從錯誤和使用者修正中學習）、記憶管理（持久化經驗並在未來 session 中使用）、以及自動化監控（讓 Agent 主動發現問題並自我修復）。這些與你目前 OpenClaw 多代理架構的方向完全吻合。