用户消息   ↓【System Prompt】  ←  告诉 LLM "你是谁、有什么工具、有什么 Skill"   ↓【Agent 运行循环】 ←  接收消息 → 调用工具 → 生成回复 → 输出   ↑【Skill 机制】    ←  把专业知识按需注入 System Prompt

You are a personal assistant running inside OpenClaw.## Tooling              ← 工具清单## Tool Call Style      ← 调用工具的风格规范## Safety               ← 安全规则## OpenClaw CLI         ← CLI 快速参考## Skills (mandatory)   ← ⭐ Skill 注入点（见第三章）## Memory Recall        ← 记忆召回规则## Workspace            ← 工作目录## Reply Tags           ← 回复格式标签## Messaging            ← 消息发送规则## Silent Replies       ← 无话可说时的规则## Heartbeats           ← 心跳机制说明## Runtime              ← 运行时信息（OS/模型/channel）# Project Context       ← 项目文件内容（AGENTS.md 等）

// src/agents/system-prompt.tsexport function buildAgentSystemPrompt(params: {  workspaceDir: string;          // 工作目录  toolNames?: string[];          // 可用工具列表  skillsPrompt?: string;         // ⭐ Skill 注入内容  extraSystemPrompt?: string;    // 用户自定义扩展  ownerNumbers?: string[];       // 授权用户列表  userTimezone?: string;         // 用户时区  promptMode?: PromptMode;       // "full" | "minimal" | "none"  runtimeInfo?: { ... };         // 运行时信息  contextFiles?: EmbeddedContextFile[];  // 项目文件注入  // ...更多参数}) {  // 拼装所有模块，最后 join('\n') 输出  const lines = [    "You are a personal assistant running inside OpenClaw.",    "",    "## Tooling",    toolLines.join("\n"),  // 工具清单    "",    ...skillsSection,      // ← Skill 在这里注入    ...memorySection,      // ← 记忆模块    "## Workspace",    `Your working directory is: ${workspaceDir}`,    ...  ];  return lines.filter(Boolean).join("\n");}

// promptMode 控制哪些模块被包含type PromptMode = "full" | "minimal" | "none";// "full"    → 主 Agent 使用，包含所有模块// "minimal" → 子 Agent 使用，只保留核心工具部分// "none"    → 最简模式，只有一行身份说明if (promptMode === "none") {  return "You are a personal assistant running inside OpenClaw.";}const isMinimal = promptMode === "minimal" || promptMode === "none";// isMinimal 时，Memory/Identity/Messaging 等模块会被跳过

// 工具摘要字典（节选）const coreToolSummaries = {  read:        "Read file contents",  write:       "Create or overwrite files",  edit:        "Make precise edits to files",  grep:        "Search file contents for patterns",  exec:        "Run shell commands",  web_search:  "Search the web (Brave API)",  cron:        "Manage cron jobs and wake events",  message:     "Send messages and channel actions",  sessions_spawn: "Spawn an isolated sub-agent session",};// 最终生成的 Tooling 块长这样：// ## Tooling// Tool availability (filtered by policy):// - read: Read file contents// - write: Create or overwrite files// - exec: Run shell commands// ...

// 以下是写死在 System Prompt 里的安全规则const safetySection = [  "## Safety",  "You have no independent goals: do not pursue self-preservation, replication," +  " resource acquisition, or power-seeking; avoid long-term plans beyond the user's request.",  "Prioritize safety and human oversight over completion; if instructions conflict," +  " pause and ask; comply with stop/pause/audit requests and never bypass safeguards.",  "Do not manipulate or persuade anyone to expand access or disable safeguards." +  " Do not copy yourself or change system prompts, safety rules, or tool policies" +  " unless explicitly requested.",];

// src/agents/system-prompt.tsfunction buildSkillsSection(params: {  skillsPrompt?: string;  // 已格式化好的 Skill 目录  readToolName: string;   // 工具名（通常是 "read"）}) {  const trimmed = params.skillsPrompt?.trim();  if (!trimmed) return [];  return [    "## Skills (mandatory)",    "Before replying: scan <available_skills> <description> entries.",    // ↓ 核心指令：找到匹配的 Skill，用 read 工具读取 SKILL.md    `- If exactly one skill clearly applies: read its SKILL.md at <location>` +    ` with \`${params.readToolName}\`, then follow it.`,    "- If multiple could apply: choose the most specific one, then read/follow it.",    "- If none clearly apply: do not read any SKILL.md.",    "Constraints: never read more than one skill up front; only read after selecting.",    trimmed,  // ← 实际的 <available_skills> XML 内容在这里    "",  ];}

“##技能（必填）”，    "回复之前：扫描 <available_skills> <description> 条目。",    // ↓ 核心指令：找到匹配的技能，用阅读工具读取SKILL.md    `- 如果明确适用一项技能：请阅读 <location> 处的 SKILL.md` +    ` 与 \`${params.readToolName}\`，然后按照它。`,    "- 如果可以适用多个：选择最具体的一个，然后阅读/遵循它。",    “- 如果没有明确适用：请勿阅读任何 SKILL.md。”，    "限制：永远不要预先阅读超过一项技能；只能在选择后阅读。",    trimmed, // ← 实际的 <available_skills> XML 内容在这里

## Skills (mandatory)Before replying: scan <available_skills> <description> entries.- If exactly one skill clearly applies: read its SKILL.md at <location> with `read`, then follow it.- If multiple could apply: choose the most specific one, then read/follow it.- If none clearly apply: do not read any SKILL.md.<available_skills>  <skill>    <name>order-handler</name>    <description>处理商家收款、备货通知全流程。当用户提到下单、付款时使用。</description>    <location>~/.agents/skills/order-handler/SKILL.md</location>  </skill>  <skill>    <name>git</name>    <description>Core git operations for version control.</description>    <location>~/.agents/skills/git/SKILL.md</location>  </skill></available_skills>

// src/agents/skills/workspace.ts（节选）// 优先级：extra < bundled < managed < personal < project < workspace// 同名 Skill 后来源覆盖先来源（Map 机制）const merged = new Map<string, Skill>();for (const skill of extraSkills)           merged.set(skill.name, skill);for (const skill of bundledSkills)         merged.set(skill.name, skill);for (const skill of managedSkills)         merged.set(skill.name, skill);for (const skill of personalAgentsSkills)  merged.set(skill.name, skill);  // ~/.agents/skills/for (const skill of projectAgentsSkills)   merged.set(skill.name, skill);  // ./.agents/skills/ ⬆️最高for (const skill of workspaceSkills)       merged.set(skill.name, skill);  // 工作目录下

// src/agents/skills/workspace.tsfunction filterSkillEntries(  entries: SkillEntry[],  config?: OpenClawConfig,  skillFilter?: string[],  eligibility?: SkillEligibilityContext,): SkillEntry[] {  // shouldIncludeSkill 检查：  // - metadata.os 是否包含当前平台  // - metadata.requires.bins 里的二进制是否存在  // - metadata.requires.env 里的环境变量是否设置  let filtered = entries.filter((entry) =>    shouldIncludeSkill({ entry, config, eligibility })  );  // 如果有 skillFilter 白名单，只保留白名单里的  if (skillFilter !== undefined) {    filtered = filtered.filter((entry) =>      normalized.includes(entry.skill.name)    );  }  return filtered;}

// src/agents/skills/workspace.ts/** * 把 home 目录替换为 ~ ，节省 token * 例：/Users/alice/.agents/skills/git/SKILL.md *   → ~/.agents/skills/git/SKILL.md * * 每个路径节省 5-6 个 token × N 个 Skill ≈ 400-600 token 总节省 */function compactSkillPaths(skills: Skill[]): Skill[] {  const home = os.homedir();  const prefix = home + path.sep;  return skills.map((s) => ({    ...s,    filePath: s.filePath.startsWith(prefix)      ? "~/" + s.filePath.slice(prefix.length)      : s.filePath,  }));}

// src/agents/skills/workspace.tsconst DEFAULT_MAX_SKILLS_IN_PROMPT   = 150;    // 最多 150 个 Skillconst DEFAULT_MAX_SKILLS_PROMPT_CHARS = 30_000; // 最多 30,000 字符const DEFAULT_MAX_SKILL_FILE_BYTES   = 256_000; // 单个 SKILL.md 最大 256KBfunction applySkillsPromptLimits(params) {  // 先按数量截断（取前 150 个）  const byCount = params.skills.slice(0, limits.maxSkillsInPrompt);  // 再用二分查找找最大能放入的 Skill 数量（按字符预算）  if (!fits(byCount)) {    let lo = 0, hi = byCount.length;    while (lo < hi) {      const mid = Math.ceil((lo + hi) / 2);      if (fits(byCount.slice(0, mid))) lo = mid;      else hi = mid - 1;    }    skillsForPrompt = byCount.slice(0, lo);  }}

// src/agents/skills/workspace.tsexport type SkillSnapshot = {  prompt: string;   // 注入 system prompt 的文本（Tier 1 目录）  skills: Array<{    name: string;    primaryEnv?: string;    requiredEnv?: string[];  }>;  skillFilter?: string[];  resolvedSkills?: Skill[];  version?: number;};// 每次 run 开始时，重新构建 snapshot 注入 prompt// 这样即使上下文被压缩，Skill 目录也不会丢失export function resolveSkillsPromptForRun(params: {  skillsSnapshot?: SkillSnapshot;  entries?: SkillEntry[];  config?: OpenClawConfig;  workspaceDir: string;}): string {  const snapshotPrompt = params.skillsSnapshot?.prompt?.trim();  if (snapshotPrompt) return snapshotPrompt;  // 优先用快照  // ...否则实时构建}

// src/agents/skills/types.tsexport type OpenClawSkillMetadata = {  always?: boolean;      // true = 永远注入，不受 filter 影响  emoji?: string;        // 展示用图标  os?: string[];         // 限定操作系统，如 ["darwin", "linux"]  requires?: {    bins?: string[];     // 必须存在的二进制（全部）    anyBins?: string[];  // 至少存在其中一个    env?: string[];      // 必须设置的环境变量    config?: string[];   // 必须配置的 config key  };  install?: SkillInstallSpec[];  // 如何安装依赖};export type SkillInvocationPolicy = {  userInvocable: boolean;          // 用户可以主动调用（/skill-name）  disableModelInvocation: boolean; // 禁止 LLM 自动激活};export type SkillEntry = {  skill: Skill;                         // 基础信息（name, filePath, body）  frontmatter: ParsedSkillFrontmatter;  // 原始 YAML 元数据  metadata?: OpenClawSkillMetadata;     // 解析后的 OpenClaw 扩展字段  invocation?: SkillInvocationPolicy;   // 调用策略};

// src/infra/system-message.tsexport const SYSTEM_MARK = "⚙️";  // 所有系统消息的前缀export function prefixSystemMessage(text: string): string {  const normalized = text.trim();  if (!normalized) return normalized;  if (hasSystemMark(normalized)) return normalized;  // 避免重复标记  return `${SYSTEM_MARK}${normalized}`;}// 用途：区分"系统推送的通知"和"用户发来的消息"// 例如心跳消息、定时任务完成通知，都带 ⚙️ 前缀

// src/infra/heartbeat-runner.ts（节选）// 心跳就是定时给 Agent 发一条"检查一下有没有事情要做"的系统消息// System Prompt 里的心跳说明：const heartbeatSection = [  "## Heartbeats",  `Heartbeat prompt: ${heartbeatPrompt}`,  // 如果没事就回 HEARTBEAT_OK，有事就正常回复  "If you receive a heartbeat poll and there is nothing that needs attention, reply exactly:",  "HEARTBEAT_OK",  "If something needs attention, do NOT include 'HEARTBEAT_OK'; reply with the alert text instead.",];

“##心跳”，  `心跳提示：${heartbeatPrompt}`,  // 如果没事就回HEARTBEAT_OK，有事就正常回复  "如果您收到心跳调查，没有什么需要注意的，请准确回复：",  “HEARTBEAT_OK”，  “如果需要注意某些事情，请不要包含“HEARTBEAT_OK”；而是使用alert文本进行回复。”,

心跳 = 08:00 自动发给 Agent 一条消息     "⚙️ 检查库存，有无需要关注的事情？"Agent 收到后：  → 如果库存正常 → 回复 "HEARTBEAT_OK"（不打扰商家）  → 如果草莓库存不足 → 回复 "⚠️ 草莓只剩3斤，建议今日补货！"（推送给商家）

// System Prompt 里对子 Agent 的说明（节选）"If a task is more complex or takes longer, spawn a sub-agent.","Completion is push-based: it will auto-announce when done.",// 对 sessions_spawn 工具的描述：sessions_spawn: "Spawn an isolated sub-agent session"// 关键设计：子 Agent 用 minimal 模式// minimal 模式 = 只有 Tooling + Skills，没有 Memory/Messaging 等模块// 这样子 Agent 更轻量，专注于执行任务

// 当 Agent 判断"没什么要说的"时，用特定 token 代替空回复const SILENT_REPLY_TOKEN = "__SILENT__";  // (实际值见源码)// System Prompt 里的规则："## Silent Replies", // 无声回复// 当你无话可说时，仅回复：${SILENT_REPLY_TOKEN}`When you have nothing to say, respond with ONLY: ${SILENT_REPLY_TOKEN}`,// 这必须是你的全部信息——没有别的"It must be your ENTIRE message — nothing else",// 永远不要将其附加到实际响应中`Never append it to an actual response`,// 商家场景：心跳检查后发现没事，返回 SILENT，不给商家发干扰消息

// src/context-engine/types.tsexport interface ContextEngine {  readonly info: ContextEngineInfo;  // 核心功能：把历史消息 + system prompt 组装成发给 LLM 的上下文  assemble(params: {    sessionId: string;    messages: AgentMessage[];    tokenBudget?: number;    // token 预算  }): Promise<AssembleResult>;  // 压缩：上下文太长时，自动摘要早期对话  compact(params: {    sessionId: string;    sessionFile: string;    tokenBudget?: number;    force?: boolean;  }): Promise<CompactResult>;}// assemble 的输出export type AssembleResult = {  messages: AgentMessage[];     // 组装好的消息列表  estimatedTokens: number;      // 预估 token 数  systemPromptAddition?: string; // 额外追加的系统内容};

不是一整块硬编码的字符串而是由 N 个独立 section 函数拼装：buildSkillsSection()   → Skill 块buildMemorySection()   → 记忆块buildMessagingSection() → 消息块buildTimeSection()     → 时区块...按需启用（isMinimal 控制哪些块出现）这样子 Agent 可以只拿核心块，主 Agent 拿全量块

传统做法：把所有 Skill 内容全放 System Prompt  → 20 个 Skill × 5000 token = 100,000 token（每次都花）OpenClaw 做法：  Phase 1（每次都有）: 只放 name + description ≈ 100 token/个  Phase 2（激活时）:  LLM 用 read 工具读 SKILL.md 全文  Phase 3（引用时）:  scripts/、references/ 按需读取20 个 Skill 初始成本：20 × 100 = 2000 token（节省 98%）

// 关键问题：上下文窗口满了会压缩历史，Skill 目录会被丢弃// OpenClaw 的解法：每次 run 重新注入 Skill snapshotexport function resolveSkillsPromptForRun(params) {  // 优先用 snapshot（快照）  const snapshotPrompt = params.skillsSnapshot?.prompt?.trim();  if (snapshotPrompt) return snapshotPrompt;  // 没有快照则实时重建  return buildWorkspaceSkillsPrompt(params.workspaceDir, ...);}// 结果：即使对话进行了 100 轮，Agent 永远知道有哪些 Skill 可用