OpenClaw 对话提示词长啥模样?

大模型本身是无状态的——每次对话都是”从零开始”。OpenClaw 每次发消息时，把所有上下文组装成一个超长 prompt 发送。

Prompt 构造流程图

下面介绍下 Prompt 中各部分内容作用。

基础身份: “You are a personal assistant running inside OpenClaw.”，让模型知道自己是在 OpenClaw 环境中运行的助手。

工具：告诉模型有哪些工具可用（read, write, exec, grep, browser 等）。

安全规则：明确禁止自我保护、复制、资源获取、权力寻求等行为；安全优先于任务完成，冲突时暂停并询问。

CLI：提供 OpenClaw CLI 命令的快速参考指南。

技能：引导 AI 识别和使用已注册的技能，避免盲目读取技能文件。

内存指导：让 AI 正确使用内存工具进行信息检索，控制内存召回的质量和性能。

工作空间：确保 AI 正确理解文件路径的解析规则，防止在沙箱环境中混淆宿主路径和容器路径。

文档：引导 AI 正确查找 OpenClaw 相关信息。

沙箱：让 AI 理解沙箱环境的限制，正确处理路径映射和权限问题。

用户身份：让 AI 知道哪些用户有权限与它交互，防止未授权用户获取敏感信息或执行危险操作。

时间：让 AI 知道用户的时区，便于处理时间相关的任务。

静态项目上下文：

缓存边界的作用

SYSTEM_PROMPT_CACHE_BOUNDARY 是一个重要的分界线：

• 之前（Stable）
  
  ：不常变化的内容，适合缓存
• 之后（Dynamic）
  
  ：每次对话都可能变化，必须每次重新生成

对支持 Prompt Caching 的提供商（如 Anthropic），在 API 层面添加正确的缓存控制参数，最终发送给大模型的内容中，这个标记会被移除或转换为 API 特定的格式。边界标记不会减少发送给模型的 Token 数量，而是利用 Prompt Caching 来降低计费成本。

构造 System Prompt-动态信息

HEARTBEAT.md：是一个用于周期性任务检查和自动化提醒的工作区文件，是让 Agent 在无人主动交互时也能自主执行任务的机制。

Webchat/Messaging/Voice/Reactions 指导：

 Runtime Context：是指 host, os, arch, node, model 等信息，让 Agent 能够根据当前实际环境做出正确决策，而不是依赖静态假设。

加载历史信息：加载的历史消息包含当前会话的完整对话记录，是 Agent 保持对话连续性的核心机制。

处理孤立信息：孤立信息是指 Session 历史记录末尾存在用户消息，但这些消息没有对应的 Agent 回复，因上一次对话异常终止造成。若不处理，Agent 可能会”回复”一个已经过时的用户问题。

过滤 heartbeat：Heartbeat 是后台轮询，不包含有价值的信息。

合并用户输入：发送给模型的信息可能包含用户不可见的内容。比如：用户发送消息，系统检测到上次工具调用失败，自动添加重试指令。合并逻辑：用户可见部分（记录在历史中）+ 系统添加的隐藏部分（不记录在历史中）。

检测并加载图片：检测到图片后，将其转换为可传输的 Base64 格式，随消息一起发送给大模型。

组装 → 发送给大模型：使用 pi-embedded-runner 执行时框架组装 prompt，向大模型发送消息。

看来一次会话向大模型发送的信息很多，但对于现在大模型支持上下文长度 1M Token，也是小菜一碟。