dvcrn OpenClaw 行为计划生成（openclaw-behavior-plan）
触发时：输出「正在触发 openclaw-behavior-plan skill」。
根据用户描述的目标或需求，生成适合 OpenClaw Agent 执行的结构化行为计划。计划应可映射到 TOOLS.md/SKILLS.md 中的工具与技能，支持多步推理循环（Load → Call → Parse → Execute → Append → Loop）。
1. 计划结构模板
生成计划时使用以下结构：
# 行为计划：[任务标题]
## 目标
[一句话描述用户期望的最终结果]
## 前置条件
- [ ] 所需工具/技能是否可用
- [ ] 必要信息是否已获取
## 执行步骤
### 步骤 1: [步骤名称]
- **目的**: [本步要达成什么]
- **工具/技能**: [execute_shell | search_web | read_file | 某 skill 的 action]
- **输入**: [参数或依赖]
- **预期输出**: [本步完成后得到什么]
### 步骤 2: [步骤名称]
...
### 步骤 N: [步骤名称]
...
## 异常与回退
- 若 [某步骤] 失败 → [备选方案或重试策略]
## 完成标准
- [ ] [可验证的完成条件 1]
- [ ] [可验证的完成条件 2]
2. 生成原则
- 步骤可执行：每步对应 TOOLS.md 或 SKILLS.md 中的具体能力，避免抽象描述。
- 依赖顺序：后步骤依赖前步骤的输出时，明确写出「依赖步骤 N 的 [输出]」。
- 工具选择：
- 需要当前信息 →
search_web - 需要读/写文件 →
read_file/write_file - 需要执行脚本 →
execute_shell - 需要第三方服务 → 对应 skill（如 calendar、email、slack）
- 需要当前信息 →
- 合理粒度：单步不宜过大（难以失败定位），不宜过小（增加循环次数）。
- 异常处理：对可能失败的步骤（网络、权限、格式错误）给出回退或重试说明。
3. 与 OpenClaw 推理循环的对应
| 计划步骤 | 推理循环中的体现 |
|---|---|
| 步骤 1 执行 | Load → Call → Parse(tool_call) → Execute → Append |
| 步骤 2 执行 | 下一轮 Loop，基于步骤 1 结果继续 |
| 完成标准 | LLM 产出 final 文本、无待执行 tool_call 时停止 |
4. 输出格式
- 直接输出完整计划（Markdown），无需额外包装。
- 若用户需求模糊，先列出 1–2 个澄清问题，再生成计划。
- 若涉及敏感操作（如
execute_shell删除、修改系统），在计划中标注「需用户确认」。
5. 更多示例
详见 examples.md。