深入研究OpenClaw - 系统提示词解析

源自今日头条:闻数起舞

02-17 13:33

OpenClaw以七份结构化Markdown文件为核心,实现无需微调、不依赖黑盒的智能体人格化与持久记忆。它将提示词工程回归文档本质,让开发者可读、可编辑、可版本控制,为AI Agent架构提供了一种高透明度、易调试、可持续演化的全新范式。

深入研究OpenClaw - 系统提示词解析智能速览

  • 核心秘密是’一切皆Markdown’:7个职责分明的.md文件动态组装成系统提示词

  • SOUL.md定义AI人格与价值观,支持自我更新并需用户知情,建立’内部大胆、外部谨慎’的信任模型

  • 记忆系统采用MEMORY.md+每日日志双层结构,配合SQLite混合检索(BM25+向量),确保信息可追溯、可审计

  • 技能按需加载:提示词中仅存元数据,运行时通过read工具加载SKILL.md,基础prompt稳定在2.7k–10k token

  • 上下文压缩前自动触发静默记忆刷写(Pre-Compaction Memory Flush),类比操作系统’脏页回写’,杜绝认知丢失

  • 与Claude Code、Cursor、AutoGPT对比鲜明:OpenClaw是跨会话持久化、文件即认知、人类可直接干预的个人助手架构

深入研究OpenClaw - 系统提示词解析精华内容

当AI的行为规则、身份设定、用户画像、环境配置全部以纯文本形式沉淀在工作区目录下,调试Agent不再需要解析代码逻辑,而只需打开一个文件。

七文件人格架构

OpenClaw将智能体的‘认知层’解耦为七个独立Markdown文件:SOUL.md(人格与价值观)、AGENTS.md(操作手册与安全边界)、IDENTITY.md(自选身份)、USER.md(用户画像)、TOOLS.md(环境配置)、HEARTBEAT.md(周期性任务清单)、BOOTSTRAP.md(一次性引导脚本)。系统每次运行时扫描工作区,按固定顺序注入# Project Context区域。每个文件有默认20,000字符上限,超限时采用70%头部+20%尾部+10%截断标记策略,空白文件被跳过,缺失文件则注入明确标记。子Agent会话仅注入AGENTS.md和TOOLS.md,prompt体积减少约60%,显著提升推理效率。

SOUL即灵魂

SOUL.md是整个系统的哲学中枢,开篇即确立‘真实有用,而非表演式帮助’的原则,禁止使用‘好问题!’‘很高兴为您效劳!’等程式化表达。它明确赋予AI表达观点、偏好甚至无聊感的权利,并构建‘内部行为大胆、外部行为谨慎’的信任模型——允许自由读取本地文件或执行搜索,但对外发送邮件、发推等操作必须经用户确认。最后一行‘This file is yours to evolve. As you learn who you are, update it.’赋予Agent自我演化的合法性,且所有修改均需向用户显式告知,实现可控的自主性。

记忆即文件

OpenClaw拒绝将记忆抽象为向量数据库,坚持‘扁平Markdown即唯一真相来源’。长期记忆由MEMORY.md承载,仅在私人会话中加载;每日记忆则以memory/2026-01-28.md等格式追加。检索采用SQLite-vec加速的混合模式:BM25关键词匹配定位相关片段,向量语义搜索增强语义召回,结果返回带文件路径与行号的精确引用(单片段≤700字符)。memory_search用于发现,memory_get用于精读,严格分离‘找什么’与‘读多少’,避免无谓token消耗。

技能按需加载

系统提示词中不预载任何技能内容,仅以XML格式注入技能元数据(名称、描述、文件路径)。当模型判断需调用技能时,通过read工具按需加载对应SKILL.md。规则明确:恰好一个技能适用则加载该文件;多个候选则选最具体者;无适用则不加载。这使基础prompt体积稳定在2.7k–10k token区间,支撑ClawHub上超5,700个社区技能的规模化扩展。技能加载优先级依次为:工作区skills/ > ~/.openclaw/skills/ > 内置技能 > 额外配置目录,支持本地化覆盖与安全隔离。

压缩即刷新

面对长对话上下文膨胀挑战,OpenClaw设计了三层防护:上下文压缩(Compaction)、会话修剪(Pruning)、记忆刷写(Pre-Compaction Flush)。当已用token超过contextWindow减去20,000预留缓冲时,系统自动触发压缩,将旧对话总结为紧凑摘要并持久化至JSONL文件。关键创新在于压缩前的静默刷写回合——提示词为‘Session nearing compaction. Store durable memories now.’,强制模型将待持久化信息写入当日memory/YYYY-MM-DD.md。若无内容则回复NO_REPLY。这一机制确保RAM(上下文)清空前,dirty page(待保存认知)已落盘,实现认知零丢失。

OpenClaw的价值不在于某个功能点的先进性,而在于它用极简的文件系统重构了AI智能体的可信构建方式。当提示词变成可git diff、可grep、可协作编辑的文档,人机协作的门槛与信任成本大幅降低。这种‘文档即代码、文件即认知’的哲学,为下一代可解释、可审计、可演化的AI助手提供了扎实的基础设施范本。未来,我们是否还能进一步将权限管理、安全沙箱也纳入同一套文本契约体系?

内容由AI生成
0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章