AI工具

发布日期: 2026-03-06

文章字数: 2.4k

阅读时长: 8 分

拆解 OpenClaw 的大脑：一个 AI 助手的 System Prompt 是怎么炼成的

你有没有好奇过，当你跟一个 AI 助手说话时，它究竟是如何”知道”自己是谁、能做什么、该怎么回答你的？

答案就藏在一个叫 System Prompt（系统提示词） 的东西里。

最近，@servasyy_ai 在推特发了一篇深度长文，对 OpenClaw Agent 发给大语言模型的完整 System Prompt 进行了逐层拆解。这篇文章的质量之高，作者自称是「呕心沥血肝出来的」。

我把它翻译整理成了更通俗的版本，希望让更多人看懂这背后的设计逻辑。

先说清楚：什么是 System Prompt？

在你跟 AI 对话之前，系统会偷偷给 AI 发一段”内部说明”。这段说明告诉 AI：

你是谁（身份）
你能用什么工具（能力边界）
你要遵守哪些规则（行为准则）
你现在处于什么环境（运行状态）

这就是 System Prompt。普通用户看不到它，但它深刻影响着 AI 的每一个回答。

OpenClaw 的 System Prompt 不是随便写的一段话，而是一套精心设计的 9 层架构。

9 层架构总览

简单来说，这 9 层可以分为三类：

Layer 1~6：框架自动生成，用户不能动
Layer 7~8：用户可以自定义，这是你真正能控制的部分
Layer 9：每次对话都动态注入，实时更新

下面我们逐层拆解。

Layer 1：框架核心层——“说明书”

比喻：就像一本操作手册的使用说明，告诉 AI 你是谁、能做什么、应该怎么回应。

这一层是 OpenClaw 框架自动生成的基础配置，包括：

AI 的身份定义（比如”你是一个内容创作专家 Agent”）
当前时间和运行环境
工具调用的格式规范
安全边界（哪些操作是绝对禁止的）

设计思路：
框架统一生成这一层，好处是所有 Agent 行为基线一致，坏处是用户无法直接修改。如果你需要特殊行为，只能通过后面的 Layer 7 和 8 间接实现。

Layer 2：工具定义层——“瑞士军刀清单”

比喻：就像瑞士军刀的工具清单，告诉 AI 手上有哪些工具、每个工具怎么用。

这一层列出了 AI 可以调用的所有工具，比如读取文件、执行代码、发送消息等。

每个工具都有严格的 JSON Schema 定义，确保 AI 准确理解工具用法。

为什么这样设计？

用严格的 JSON Schema 定义工具，AI 能更准确地理解”什么时候用哪个工具、需要填什么参数”，减少胡乱调用工具的情况。

Layer 3：技能注册表——“特色菜谱”

比喻：就像餐厅的特色菜谱，告诉 AI 有哪些专业领域的”配方”可以调用。

OpenClaw 有一套 Skills（技能）系统。框架会自动扫描技能目录，把所有可用技能都告诉 AI。

优点： 添加新技能只需把文件放入目录，无需改配置。

代价： 所有技能都会被注入 System Prompt，技能越多，消耗的 token 越多。

Layer 4：模型别名层——“快捷键”

比喻：就像给复杂的模型路径起个简短的别名，方便调用。

比如，你可以把 zhipu/glm-5 简称为 glm-5，把冗长的 Claude API 地址简称为 opus。

这样在对话中切换模型时只需输入 /model glm-5，而不需要记住一串复杂的 API 路径。

Layer 5：协议规范层——“交通规则”

比喻：就像交通规则，定义 Agent 与系统交互的标准协议。

这一层定义了一些特殊的交互约定，比如：

Silent Replies（静默回复）：用户说”收到”，AI 不需要回复，直接返回 NO_REPLY
Heartbeats（心跳检测）：系统定期发送 [Heartbeat Poll]，AI 回复 HEARTBEAT_OK 表示在线
Reply Tags（回复标签）：AI 在回复中标注这条消息是回复哪一条

这些看似小细节的设计，是让多 Agent 协作成为可能的基础。

Layer 6：运行时信息层——“仪表盘”

比喻：就像汽车仪表盘，实时告知 AI 当前运行状态。

每次请求都会注入最新的环境信息：

当前时间（避免 AI 不知道今天是哪天）
正在使用的模型（避免 AI 误判自己的能力边界）
当前操作系统、工作目录、shell 环境

代价： 每次请求消耗约 2KB 额外 token，但换来的是上下文准确性，值得。

Layer 7：工作区文件层——“你的工作笔记”（用户可控）

重点来了！这是你可以直接编辑的层。

比喻：就像你的工作笔记，你可以自由写入自己的配置。

这一层包含若干静态 Markdown 文件，用户可以直接编辑：

文件	作用
`IDENTITY.md`	定义 Agent 的身份、风格、价值观
`AGENTS.md`	配置可调用的子 Agent
`MEMORY.md`	AI 的长期记忆
`TOOLS.md`	额外的工具说明

实用建议：

想改变 AI 的”性格”或”说话风格”？修改 IDENTITY.md
不要把框架已经知道的内容重复写进去，会浪费 token
保持精简，用表格代替长段落，效果更好

Layer 8：动态注入层——“可编程的注射器”（用户可控）

这是第二个用户可控层，也是最强大的一层。

比喻：就像一个可编程的注射器，你可以写脚本，在对话开始前自动注入内容。

Layer 8 提供了 4 种 Hook（钩子）机制：

Hook 1：`agent:bootstrap`（最强大）

完全控制 System Prompt 的文件列表，可以增删改排序，适合复杂定制场景��

Hook 2：`bootstrap-extra-files`（最简单）

通过配置文件指定额外文件路径，框架会自动把这些文件内容追加到 System Prompt 末尾。

适用场景： 你有项目文档（比如 API 说明、架构文档），想让 AI 每次都知道这些内容。

{
  "hooks": {
    "bootstrap-extra-files": {
      "enabled": true,
      "paths": ["docs/API.md", "docs/ARCHITECTURE.md"]
    }
  }
}

Hook 3：`before_prompt_build`（最灵活）

在每次发送给 AI 之前，可以动态修改 prompt，或在 prompt 前追加实时上下文。

适用场景： 注入实时天气、当前 Git 状态、股票价格等动态信息。

on("before_prompt_build", (event, ctx) => {
  return {
    prependContext: `当前时间：${new Date().toISOString()}`
  };
});

Hook 4：`bootstrapMaxChars`（控制大小）

控制每个文件和总 System Prompt 的字符上限，避免 token 超出限制。

Layer 9：入站上下文层——“实时路况”

比喻：就像实时路况信息，每次请求都动态注入当前对话的上下文。

这一层包括：

当前发送者信息（是谁在说话）
消息历史（最近的对话）
是否被 @ 提及（决定是否需要响应）

这一层用户无法直接控制，但你的每一条发言都会影响它——因为你发的消息本身就是上下文的一部分。

各层 Token 大小对比

注意：Layer 7 和 8 是用户可控层，大小因配置不同而差异很大。其他层由框架自动生成，理论上各 Agent 相同。

普通用户最需要知道的三件事

读完这 9 层，你可能会觉得”太复杂了”。但其实对普通用户来说，只需要记住三点：

1. 想改 AI 的身份和风格？
→ 编辑 Layer 7 的 IDENTITY.md 文件

2. 想让 AI 知道你的项目文档？
→ 用 Layer 8 的 bootstrap-extra-files Hook 注入文件

3. 想注入实时数据（时间、天气、状态）？
→ 用 Layer 8 的 before_prompt_build Hook

其他 7 层是框架自动处理的，你了解它们的存在、知道它们的作用，就已经比 90% 的用户更懂 AI 了。

System Prompt 太大怎么办？

如果你的 System Prompt 越来越臃肿，可以参考以下优化策略：

精简 Layer 7（静态文件）：

用表格代替长段落
删除框架已经知道的内容（不要重复）
不要把技能说明复制进去

控制 Layer 8（Hook 注入）：

不要在 Hook 里执行耗时操作
不要一次注入太多文档
优先使用 bootstrap-extra-files（最简单），复杂场景才用 agent:bootstrap

总结

OpenClaw 的 System Prompt 不是一段随便写的话，而是 9 层精心设计的架构：

层级	名称	谁控制	作用
Layer 1	框架核心层	框架	基础身份、规则、安全边界
Layer 2	工具定义层	框架	工具清单和调用规范
Layer 3	技能注册表	框架	可用技能目录
Layer 4	模型别名层	框架	模型快捷方式
Layer 5	协议规范层	框架	标准交互协议
Layer 6	运行时信息层	框架	实时环境状态
Layer 7	工作区文件层	用户	静态配置文件（身份、记忆）
Layer 8	动态注入层	用户	脚本动态注入内容
Layer 9	入站上下文层	框架	实时对话上下文