1. 多步任务为什么总在第三步“失忆”如果你正在用 OpenClaw 跑多步任务大概率遇到过这种场景一个五步的调研流程前两步正常第三步调用外部工具超时你手动重试结果它从第一步重新开始或者卡在第三步反复调用同一个接口。更糟的是有时候它“以为”自己完成了实际上只做了一半后续步骤基于残缺数据继续往下跑最后产出一份看起来完整、实际错误的结果。这类问题的根因不在模型能力而在状态管理。OpenClaw 早期版本里任务状态分散在几个地方控制面记录宏观调度子进程各自维护临时文件定时任务有独立的调度器。每条路径都只知道自己那一段互相不通气。一旦某个环节崩溃或重启状态就对不上系统进入一种“薛定谔状态”——你不知道任务到底做到哪了。OpenClaw 在 v2026.3.31 之后引入的 SQLite 统一账本就是冲着这个根因去的。它把任务的生命周期、每次执行的记录、调度信息和审计日志全部收敛到一个嵌入式数据库里用事务保证状态变更的原子性。配合 Task Flow 的 DAG 编排每个节点的依赖关系和执行结果都落在账本上中断后可以从账本恢复而不是从头再来。这篇文章面向正在用 OpenClaw 做多步任务编排、被状态丢失和重复执行困扰的开发者。我会给出可复制的 config.toml 骨架、账本表结构以及一次任务中断后从账本恢复执行的完整验证动作。读完你应该能理解“确定执行”在 OpenClaw 里是怎么落地的以及怎么在自己的环境里复现这套机制。2. 前置准备TaoToken 接入与 OpenClaw 环境OpenClaw 本身是一个 Agent 编排框架它需要调用大模型来完成规划和推理。我这边用的是 TaoToken 作为模型接入层它提供 OpenAI 兼容的 API配置简单适合在 OpenClaw 里做多步任务的模型调用。你需要先拿到一个 API Key。访问 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 创建密钥然后在 OpenClaw 的 config.toml 里填入。如果你还没决定用哪个模型可以先到 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 看看可用列表选一个支持 function calling 的Task Flow 的 DAG 节点里会用到工具调用。环境方面OpenClaw 需要 Node.js 18 和 SQLite 3.35WAL 模式需要。确认一下node -v sqlite3 --version如果 SQLite 版本低于 3.35WAL 模式的某些行为会不一致建议升级。账本文件默认在~/.openclaw/data/openclaw.db首次启动时自动创建。3. 可复制配置config.toml 骨架与账本表结构3.1 config.toml 骨架下面这份配置可以直接作为起点。重点看[ledger]和[task_flow]两段它们控制账本行为和 DAG 执行。[agent] name openclaw-worker data_dir ~/.openclaw/data [model] provider taotoken base_url https://taotoken.net/api api_key sk-your-key-here model gpt-4o-mini timeout_ms 60000 max_retries 2 [ledger] db_path ~/.openclaw/data/openclaw.db journal_mode WAL synchronous NORMAL busy_timeout 5000 checkpoint_interval 30 [task_flow] max_concurrent_nodes 4 default_node_timeout_ms 120000 enable_dynamic_planner true resume_from_checkpoint true [scheduler] enabled true lock_ttl_ms 30000journal_mode WAL是关键。默认的 DELETE 模式下写操作会锁住整个数据库文件读操作被阻塞。WAL 模式下写操作先写-wal文件读操作继续在主库上进行读写不互斥。对于需要频繁写心跳、同时查询任务状态的 Agent 系统这是必须的。synchronous NORMAL在性能和安全性之间取平衡。极端断电情况下可能丢失最后几毫秒的事务但对 Agent 任务来说可以接受。如果你跑的是金融级任务改成FULL。resume_from_checkpoint true让 Task Flow 在恢复时从最近的 checkpoint 继续而不是重跑整个 DAG。3.2 账本核心表结构OpenClaw 的账本里有四张核心表。你可以在启动后连上 SQLite 确认它们的存在sqlite3 ~/.openclaw/data/openclaw.db .tables应该看到tasks、executions、schedules、audit_log。下面是它们的结构我加了注释说明每个字段的用途。CREATE TABLE IF NOT EXISTS tasks ( task_id TEXT PRIMARY KEY, agent_id TEXT NOT NULL, intent TEXT, state TEXT NOT NULL DEFAULT pending, created_at DATETIME, updated_at DATETIME, timeout_ms INTEGER, max_retries INTEGER DEFAULT 3, retry_count INTEGER DEFAULT 0 ); CREATE TABLE IF NOT EXISTS executions ( exec_id TEXT PRIMARY KEY, task_id TEXT NOT NULL REFERENCES tasks(task_id), attempt INTEGER NOT NULL, start_time DATETIME, end_time DATETIME, exit_code INTEGER, stderr_output TEXT, checkpoint BLOB ); CREATE TABLE IF NOT EXISTS schedules ( schedule_id TEXT PRIMARY KEY, cron_expr TEXT NOT NULL, task_template JSON NOT NULL, next_fire_time DATETIME NOT NULL, lock_owner TEXT, enabled BOOLEAN DEFAULT TRUE ); CREATE TABLE IF NOT EXISTS audit_log ( log_id INTEGER PRIMARY KEY AUTOINCREMENT, task_id TEXT NOT NULL, event_type TEXT NOT NULL, old_value TEXT, new_value TEXT, actor TEXT NOT NULL, timestamp DATETIME DEFAULT CURRENT_TIMESTAMP );tasks.state是一个严格枚举的有限状态机只允许pending、running、success、failed、cancelled五个值。这是从 LLM 的无限可能性向确定性的强制收敛。executions.checkpoint是二进制 Blob序列化了当前执行环境的上下文快照恢复时从这里读。audit_log的AUTOINCREMENT确保日志只能追加不能篡改。这在排查“任务到底做了什么”时非常有用。3.3 Task Flow 的 DAG 定义Task Flow 用 JSON 描述 DAG。下面是一个竞品调研的 flow 定义两个搜索节点并行分析节点依赖两者最后生成 PPT。{ flow_id: competitor-research, nodes: [ { id: search_a, type: tool_call, action: web_search, params: { query: Competitor A features } }, { id: search_b, type: tool_call, action: web_search, params: { query: Competitor B pricing } }, { id: analyze, type: llm_invoke, depends_on: [search_a, search_b], prompt: Compare: {{search_a.result}}, {{search_b.result}} }, { id: gen_ppt, type: tool_call, depends_on: [analyze], action: generate_slides, params: { content: {{analyze.output}} } } ], error_handling: { search_a: { retry: 2, fallback: skip_a }, default: fail_flow } }引擎提交这个 flow 后先做拓扑排序识别出search_a和search_b无依赖并发执行。analyze处于 blocked 状态监听上游事件。两个搜索都完成后analyze解除阻塞从账本读取上游结果组装 Prompt 调用模型。4. 验证任务中断后从账本恢复执行光看结构不够得实际验证一次中断恢复。我设计了一个三步任务在第二步执行时手动杀掉进程然后重启观察它是否从第二步的 checkpoint 恢复而不是从第一步重来。4.1 提交任务并观察账本先提交一个 flowopenclaw flow submit --file competitor-research.json拿到task_id后查账本sqlite3 ~/.openclaw/data/openclaw.db \ SELECT task_id, state, retry_count FROM tasks WHERE task_id你的task_id;应该看到state running。再查 executionssqlite3 ~/.openclaw/data/openclaw.db \ SELECT exec_id, attempt, exit_code, length(checkpoint) FROM executions WHERE task_id你的task_id;checkpoint的长度不为 0说明执行快照已经落盘。4.2 模拟中断在第二步执行时找到 OpenClaw 的 worker 进程并杀掉ps -ef | grep openclaw kill -9 worker_pid此时账本里tasks.state仍然是running但进程已经没了。这就是旧版会“失忆”的时刻。4.3 重启并验证恢复重新启动 OpenClawopenclaw start启动时统一执行器会扫描账本中state running的任务读取最近的executions.checkpoint从断点恢复。观察日志tail -f ~/.openclaw/logs/executor.log你应该看到类似resuming task task_id from checkpoint at node analyze的输出。再查账本sqlite3 ~/.openclaw/data/openclaw.db \ SELECT node_id, state FROM flow_nodes WHERE task_id你的task_id ORDER BY updated_at;search_a和search_b的状态是successanalyze是running或success。没有重新执行搜索节点。这就是账本带来的断点续传。4.4 审计日志确认最后查 audit_log确认状态变更都有记录sqlite3 ~/.openclaw/data/openclaw.db \ SELECT event_type, old_value, new_value, actor, timestamp FROM audit_log WHERE task_id你的task_id ORDER BY log_id;你会看到STATE_CHANGED事件从pending到running以及各节点的状态流转。这份日志是排查问题的依据也是“确定执行”的证据。5. 本篇常见错排查5.1 账本文件被锁报 database is locked这是并发写入时busy_timeout太短导致的。检查 config.toml 里busy_timeout是否设为 5000 以上。如果任务并发度高可以调到 10000。另外确认journal_mode是 WALDELETE 模式下写锁会阻塞所有读操作。5.2 恢复后任务从头开始没有用 checkpoint先确认resume_from_checkpoint true在[task_flow]段里。然后检查executions.checkpoint是否为空。如果为空说明节点执行时没有写入快照可能是节点类型不支持 checkpoint或者checkpoint_interval设得太大中断时还没到写入时机。把checkpoint_interval调小到 10 秒试试。5.3 DAG 节点一直 blocked不执行查flow_nodes表里上游节点的状态。如果上游是failed且没有 fallback下游会一直 blocked。检查error_handling配置给关键节点加上retry和fallback。另外确认max_concurrent_nodes没有设成 0。5.4 模型调用超时导致节点失败在 config.toml 的[model]段调大timeout_ms或者给单个节点设timeout_ms。如果用的是 TaoToken 的 API确认base_url是https://taotoken.net/api不要带多余路径。网络波动时max_retries会自动重试但重试次数不要设太大避免重复执行有副作用的工具调用。5.5 定时任务重复触发查schedules表的lock_owner和next_fire_time。如果lock_owner为空说明锁没生效可能是lock_ttl_ms太短任务还没执行完锁就过期了。把lock_ttl_ms调到大于任务最长执行时间。另外确认只有一个 scheduler 实例在跑多实例会竞争锁。6. 接入与排障入口如果你在配置 OpenClaw 的账本或 Task Flow 时遇到模型调用问题先确认 API Key 和 base_url 是否正确。到 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 检查密钥状态接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 有完整的参数说明。想先验证模型是否支持 function calling可以直接在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 发一条带工具调用的测试消息确认返回结构符合预期再接入 OpenClaw。如果你打算长期跑多步任务和 Agent 编排Coding Plan 的额度模型更适合这种持续调用的场景详情在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite。控制台在 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite可以看调用量和错误分布排查账本恢复时的模型调用失败很有用。下一篇我会拆 Task Flow 的动态 planner 节点讲怎么让 DAG 在运行时根据 LLM 输出生长出新节点以及怎么防止动态节点把账本写脏。