---
url: /ja/blog/3q5yk5qf/index.md
---
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？](https://s2.ixacg.com/2026/03/11/1773236838.avif)

## 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：

```markdown
# 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：

1. **何も書かない**：結果、「毎回初対面」
2. **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：

```markdown
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）：

```json
"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。

![Skillで能力を拡張する：「話せる」から「できる」へ](https://s2.ixacg.com/2026/03/11/1773237094.avif)

スキルのディレクトリは通常こんな構成です：

```markdown
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：

1. まず既存のものを1〜2個インストールして使い始める
2. 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：

```markdown
# 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）：

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

そして**AGENTS.md**に割り当て戦略を明確に記述します：
AIがサブエージェントにタスクを振る際に、適切なモデルを選ぶようになります。

体感効果：日々のトークン消費がかなり減ります。ほとんどのタスクには最強モデルは不要だからです。

***

## 設定チェックリスト：優先度順に実施

「最小時間で最大効果」を得たいなら、この順番がおすすめ：

1. ✅ **SOUL.md / IDENTITY.md / USER.md** をしっかり書く（10分、即効性あり）
2. ✅ 階層型メモリ構造を設計し、**memorySearch** を有効化（30分）
3. ✅ **HEARTBEAT.md** を設定（10分）
4. ✅ 最もよく使う **skill** を2〜3個インストールまたは作成（必要に応じて）
5. ✅ マルチモデル階層化を設定（複数モデルが使える場合）
6. ✅ **AGENTS.md** の行動規範とセキュリティルールを整備

## おわりに：デフォルトはスタート地点にすぎない——価値は「どう定義するか」にある

OpenClawの設計思想は、こう理解しています：

> フレームワークを提供するから、誰にするかはあなたが決める。

デフォルト設定は「動く」というレベルでしかありません。本当に使えるものにするのは、あなたのワークフローに合ったパートナーにチューニングすること：
コンテキストを覚え、手順どおりに作業し、能動的に巡回・リマインドしてくれる存在。

自分がしばらくいじってみて一番感じたのは：
「メッセージに返信するだけのbot」から「本当に時間を節約してくれるアシスタント」へ、その差はこれらの設定の細部にある、ということです。

あなたもOpenClawを使っているなら、チューニング経験をぜひシェアしてください 👋