OpenClaw 系统提示词解析

文件即认知，文本即记忆，文件即灵魂

📅 2026-02-12  |  ✍️ 陶刚（Timeplus CTO）  |  📖 技术深度

核心设计理念

OpenClaw 的核心秘密：一切皆 Markdown。没有模型微调，没有复杂的提示词编译器，没有黑盒——一组精心设计的 Markdown 文件在每次对话时被动态组装成系统提示词。

文件即认知，文本即记忆，文件即灵魂。

七个 Markdown 文件构成的"认知层"

OpenClaw 的提示词系统由一组放置在工作区目录下的 Markdown 文件组成，每个文件承担特定职责，共同构成 Agent 的完整"人格架构"。

每个文件有字符上限（默认 20,000），超限时按 70% 头部 + 20% 尾部 + 10% 截断标记 的比例截断。

提示词组装流水线（三阶段）

第一阶段：运行时参数收集

buildSystemPromptParams() 收集主机名、操作系统、CPU 架构、Node 版本、当前模型、频道类型等上下文。

第二阶段：系统提示词组装

buildAgentSystemPrompt() 按严格顺序拼接：

• 基础身份（"You are a personal assistant running inside OpenClaw."）
• 工具列表（经六层策略过滤）
• 工具调用风格
• 安全护栏
• 技能列表（仅 full 模式）
• 记忆召回指令
• 自更新指令、模型别名、工作区路径
• 沙箱信息、当前日期时间（仅时区，优化缓存命中率）
• 回复标签、消息路由、语音/TTS
• 反应指令、静默回复协议、心跳确认协议
• 运行时信息行、推理模式、项目上下文

第三阶段：注入 Agent 会话

通过 createSystemPromptOverride() 覆盖默认 prompt。

提示词模式与上下文压缩

Prompt 模式分层

上下文压缩

• 触发条件
  ：模型返回上下文溢出错误，或已使用 token 超过 contextWindow - reserveTokens（默认预留 20,000 token）
• 最精妙设计
  ：压缩前的记忆刷写——提示 Agent 将重要信息写入 memory/YYYY-MM-DD.md，确保压缩不会造成认知丢失

技能与记忆系统

技能系统

• 即时加载原则
  ：系统提示词仅注入技能元数据（名称、描述、路径），不预加载 SKILL.md
• 基础 prompt 保持在约 2.7k-10k token
• ClawHub 已有超过 5,700 个社区构建的技能

记忆系统

• 单一真相来源
  ：MEMORY.md + memory/YYYY-MM-DD.md
• 混合检索
  ：BM25 关键词搜索 + 向量语义搜索（text-embedding-3-small / text-embedding-004）
• 通过 memory_search 和 memory_get 工具按需获取

心跳系统

每 30 分钟触发一次 Agent 回合，读取 HEARTBEAT.md 并执行任务，通过 HEARTBEAT_OK 抑制外发投递。

与其他框架的架构对比

核心差异：其他框架的提示词是代码的一部分，而 OpenClaw 的 prompt 就是工作区里的文件——可以 git diff、可以 grep。

文件驱动架构的三大启示

1. 关注点分离
   ：将人格、身份、用户画像、操作手册、环境配置解耦到不同文件
2. 元数据进提示词、内容按需加载
   ：是管理大规模工具和知识库时控制 token 成本的最佳实践
3. Agent 的自我修改能力
   ：更新 SOUL.md、维护 MEMORY.md、清理 HEARTBEAT.md，创造"文件即认知"范式

📋 核心要点总结

• OpenClaw 用 7 个 Markdown 文件构建 Agent 的完整"人格架构"
• 提示词组装采用三阶段流水线：参数收集 → 系统提示词组装 → 注入会话
• 压缩前的记忆刷写机制确保认知不丢失
• 技能和记忆系统遵循"元数据进提示词、内容按需加载"原则
• 文件驱动架构让提示词工程从代码领域回归文档领域

本文由 AI 辅助整理，内容来源于知乎专栏"闻数起舞"