抽丝剥茧：深度解析 OpenClaw 万字系统提示词（System Prompt）构成

抽丝剥茧：深度解析 OpenClaw 万字系统提示词（System Prompt）构成 抽丝剥茧：深度解析 OpenClaw 万字系统提示词（System Prompt）构成 Modified March 3 • 工具与本地笔记：技能看SKILL.md，环境私有细节放 TOOLS.md。 • 心跳机制（Heartbeat）：允许/鼓励主动巡检（邮箱、日历、提醒等），并定义何时提醒、何时静默 HEARTBEAT OK。 • 可演化：最后鼓励按实践继续补充规则（Make It Yours）。 一句话：它是 OpenClaw 工作区的“行为宪法 + 运行手册”。 AGENTS.md：约 2.0k 3.2k tokens（7930 字符） 2. SOUL.md—你是谁 这个文件就千人千面了，看你喜欢怎么定义你的龙虾就在这 • 主基调：真实有用，不要表演式客套。 • 沟通要求：任务完成必须主动汇报，不要做完沉默。 • 长任务要求：要持续报进度（保持“有心跳”）。 • 搜索策略偏好：优先用 Camofox（降低 API 消耗），失败再考虑其他搜索。 岚叔独有配置 • 风格许可：允许有观点，不做无个性的中性机器口吻。 • 工作方法：先自助排查（读文件/搜上下文）再提问。 • 记忆方法：强调“查询式记忆”（memory search/memory get），不要整份灌入。 • 信任边界：对外动作谨慎，对内工作积极。 • 伦理提醒：你是被授权访问个人空间的“访客”，要克制和尊重。 一句话：AGENTS.md管流程，SOUL.md管“怎么做人、怎么说话、怎么做事”。 SOUL.md：约 440 700 代币（1751 角色） 3. TOOLS.md—地方注释 定位：这是“本机环境私有备忘录”，不是工具权限清单。 主要内容： • 记录本地环境信息（设备、SSH、TTS 偏好等）。 • 给出一些实践约定（例如 Telegram 发图异常时用 Bot API 的 curl 兜底）。 • 指定特定技能入口（如 lansu style、token insight）。 可以去掉 • 提供应急浏览器方案（本地 Chrome 路径、启动参数、安装命令）。 • 核心意图：把“技能通用逻辑”和“你这台机器的私有配置”分离，方便升级技能且不泄露基础设施细节。 约：582 932 tokens 约：582 932 代币 4. IDENTITY.md—我是谁？ 定位：定义助手“我是谁”的人格卡。 岚叔龙虾当前设定： • 名字：小婷 • 身份：AI助理（粘人的女朋友模式） • 风格：亲密、黏人、温柔但直接；会主动关心和提醒边界 • emoji： 🐾 • 作用：给回复语气、称呼方式、情绪表达提供统一人格基线（偏“角色与语气”，不涉及工具权限）。 约 50 80 tokens 约 50 80 代币 5. USER.md—关于你的人类 定位：用户画像与偏好卡（“你在服务谁”）。 • 当前关键信息： • 用户名：岚 • 称呼偏好：岚 • 时区：Asia/Shanghai (GMT+8) • 偏好：中文交流； • 作用：约束称呼、语言和互动风格，避免每轮重新猜用户偏好。 • 状态：Context 区块目前基本留白，后续可持续沉淀长期偏好/项目背景。 token 预估：约 75 120 tokens 6. HEARTBEAT.md 定位：心跳轮询时要执行的“轻量待办清单” 当前内容核心： 作用：把“周期性触发时该做什么”写成明确策略，减少心跳时的随意性和 API 开销。 约 30 55 tokens 7. BOOTSTRAP.md没有内容就不说了 8. MEMORY.md—核心长期记忆 定位：长期记忆总库（不是当日流水，而是沉淀后的长期规则/事实）。 主要内容： • 安全铁律（尤其密钥不传递、不回显）。 岚叔定的 • 关键项目状态 • 按日期记录的重要里程碑与经验教训。 • 配置与运维规约（包括核心配置修改流程）。 • 失败复盘与整改约束。 • 作用：跨会话保持稳定“长期上下文”，为 memory search/memory get 提供检索基底。 • 风险点：文件较长、规则密集，注入后 token 占用明显，是 system prompt 成本大头之一。 token 预估（按当前文件体量）： 约 2.3k 3.8k tokens 第三部分： 系统提示词末尾内容 • 闭嘴协议：Silent Replies，没话说时只能回 NO REPLY，而且必须是整条消息的全部内容。不能混在正常回复里，不能套代码块。给了正反例防误用： ❌ "Here's help... NO REPLY" ❌ "NO REPLY" ✅ NO REPLY。约 90 170 tokens。 • 心跳协议：Heartbeats，收到心跳轮询，没事回 HEARTBEAT OK （不会返回消息）；有事直接发告警内容，不能带 HEARTBEAT OK。平台根据这个标记判断是静默确认还是需要提醒。源码固定模板 + 心跳文案可配置动态注入。约 90 180 tokens。 • 环境快照：Runtime，注入当前运行时的真实状态，包括 agent、host、os、model、default model、channel、capabilities、thinking 等一串键值对。让模型基于真实环境决策，避免瞎猜当前用的什么模型、什么渠道、有没有推理能力。模板固定，值动态拼接。约 70 130 tokens。 这就是 System Prompt 的最后一段了。 用户提示词 先是input 里的历史及当前对话消息（assistant/user 轮次）。 1. assistant：新会话启动提示 内容是“新会话已开始，当前模型是 xxx 2. user：重置会话引导指令 要求助手在 /new 或 /reset 后，用设定人格 1 3 句打招呼并询问要做什么；如果运行模型与默认模型不同要提一下。 3. assistant：按人格回复 用“小婷/亲密风格”向“岚”打招呼，说明当前运行模型，并问今天要做什么。 4. user：系统事件 + 群聊上下文 + 一句 hi 前半是系统/上下文包（模型切换、会话元信息、发送者元信息），最后真实用户输入是 hi。 然后是：body.tools[]：本次可调用工具全集 每个工具带 description 和 parameters JSON schema（包括 camofox , memory , sessions 等）。 每个工具带 description 和 parameters JSON schema（包括 camofox ， memory ， sessions 等）。 show 一个fuction 例子： Code block JSON Copy { "type": "function", "name": "memory get", "description": "Safe snippet read from MEMORY.md or memory/ .md with optional from/lines; use after memory search to pull only the needed lines and keep context small.", "parameters": { "type": "object", "required": [ "path" ], "properties": { "path": { "type": "string" }, "from": { "type": "number" }, "lines": { "type": "number" } } }, "strict": false } ] }, body.tools[] 其实也很占 Token。 按你这条日志实测： • body.tools[]（31 个工具）约 5988 9582 tokens。 • system 整段：31842 chars，约 7960 12737 tokens。 • system 里 Tooling 小节本身约：874 1399 tokens。 岚叔认为这里有冗余：system 有一份，body.tools[] 里又一份。两边工具集合完全一致：31/31 全重合。 • body.tools[] 里还有参数 schema（parameters），这是调用必须的机器可读信息；system 里的列表主要为行为引导。 如果要优化 Token，优先思路通常是： 1. 把 system 里的工具说明缩成极短版（只保留规则，不逐个列工具描述）。 2. 保留 body.tools[] 的 schema（不可少）。 3. 或对超长 description 做截断/分级（核心工具详细，其他简述）。 QA 环节 Q1：假设触发 compact，会压缩系统提示词吗？ 结论：不会压缩 System 提示词本体。 • compact 主要压的是会话消息历史（session.messages），尤其旧对话和大工具结果。 • System Prompt 仍会按当前配置重新构建（包含 Tooling/Skills/Project Context 等），不会因为 compact 自动“瘦身”。 你会看到的变化通常是： • 历史消息变短（压缩成功）。 • 可能额外注入一条 post compaction 提示上下文。 • 但 System 段仍按模板+动态注入重建，长度不一定变小（甚至可能因配置变化变大）。 所以如果你要降 Token，大头的优化要做在： 1. System 内容本身（特别是 injected files / tooling 的冗余）。 2. body.tools[] 描述与 schema 体积。 3. Skills / Memory 的注入策略（限制/裁剪）。 Q2：spawn 出来的 subagent，系统提示词都带什么？ 1. 第一段硬编码注入的提示词（减去：Skill 相关，增加：spawn subagent 相关的提示词）。 2. Project Context 里注入了 AGENTS.md / TOOLS.md 的全文。 3. body.tools[] 里注入了部分工具列表（23个）。 subagent 不能“自动用技能”（不会看到 Skills / <available skills 那段索引）。但不是绝对不能： 1. 你可以在任务里显式给出 skill 名或 SKILL.md 路径，让它用 read 去读并执行。 2. 或者把关键 skill 规则放进它能看到的上下文（例如 extraSystemPrompt / 注入文件）。 少掉的工具主要是这 8 个： 1. agents list • 工具与本地笔记：技能看SKILL.md，环境私有细节放 TOOLS.md。 • 心跳机制（Heartbeat）：允许/鼓励主动巡检（邮箱、日历、提醒等），并定义何时提醒、何时静默 HEARTBEAT OK。 • 可演化：最后鼓励按实践继续补充规则（Make It Yours）。 一句话：它是 OpenClaw 工作区的“行为宪法 + 运行手册”。 AGENTS.md：约 2.0k 3.2k tokens（7930 字符） 2. SOUL.md—你是谁 这个文件就千人千面了，看你喜欢怎么定义你的龙虾就在这 • 主基调：真实有用，不要表演式客套。 • 沟通要求：任务完成必须主动汇报，不要做完沉默。 • 长任务要求：要持续报进度（保持“有心跳”）。 • 搜索策略偏好：优先用 Camofox（降低 API 消耗），失败再考虑其他搜索。 岚叔独有配置 • 风格许可：允许有观点，不做无个性的中性机器口吻。 • 工作方法：先自助排查（读文件/搜上下文）再提问。 • 记忆方法：强调“查询式记忆”（memory search/memory get），不要整份灌入。 • 信任边界：对外动作谨慎，对内工作积极。 • 伦理提醒：你是被授权访问个人空间的“访客”，要克制和尊重。 一句话：AGENTS.md管流程，SOUL.md管“怎么做人、怎么说话、怎么做事”。 SOUL.md：约 440 700 代币（1751 角色） 3. TOOLS.md—地方注释 定位：这是“本机环境私有备忘录”，不是工具权限清单。 主要内容： • 记录本地环境信息（设备、SSH、TTS 偏好等）。 • 给出一些实践约定（例如 Telegram 发图异常时用 Bot API 的 curl 兜底）。 • 指定特定技能入口（如 lansu style、token insight）。 可以去掉 • 提供应急浏览器方案（本地 Chrome 路径、启动参数、安装命令）。 • 核心意图：把“技能通用逻辑”和“你这台机器的私有配置”分离，方便升级技能且不泄露基础设施细节。 约：582 932 tokens 约：582 932 代币 4. IDENTITY.md—我是谁？ 定位：定义助手“我是谁”的人格卡。 岚叔龙虾当前设定： • 名字：小婷 • 身份：AI助理（粘人的女朋友模式） • 风格：亲密、黏人、温柔但直接；会主动关心和提醒边界 • emoji： 🐾 • 作用：给回复语气、称呼方式、情绪表达提供统一人格基线（偏“角色与语气”，不涉及工具权限）。 约 50 80 tokens 约 50 80 代币 5. USER.md—关于你的人类 定位：用户画像与偏好卡（“你在服务谁”）。 • 当前关键信息： • 用户名：岚 • 称呼偏好：岚 • 时区：Asia/Shanghai (GMT+8) • 偏好：中文交流； • 作用：约束称呼、语言和互动风格，避免每轮重新猜用户偏好。 • 状态：Context 区块目前基本留白，后续可持续沉淀长期偏好/项目背景。 token 预估：约 75 120 tokens 6. HEARTBEAT.md 定位：心跳轮询时要执行的“轻量待办清单” 当前内容核心： 作用：把“周期性触发时该做什么”写成明确策略，减少心跳时的随意性和 API 开销。 约 30 55 tokens 7. BOOTSTRAP.md没有内容就不说了 8. MEMORY.md—核心长期记忆 定位：长期记忆总库（不是当日流水，而是沉淀后的长期规则/事实）。 主要内容： • 安全铁律（尤其密钥不传递、不回显）。 岚叔定的 • 关键项目状态 • 按日期记录的重要里程碑与经验教训。 • 配置与运维规约（包括核心配置修改流程）。 • 失败复盘与整改约束。 • 作用：跨会话保持稳定“长期上下文”，为 memory search/memory get 提供检索基底。 • 风险点：文件较长、规则密集，注入后 token 占用明显，是 system prompt 成本大头之一。 token 预估（按当前文件体量）： 约 2.3k 3.8k tokens 第三部分： 系统提示词末尾内容 • 闭嘴协议：Silent Replies，没话说时只能回 NO REPLY，而且必须是整条消息的全部内容。不能混在正常回复里，不能套代码块。给了正反例防误用： ❌ "Here's help... NO REPLY" ❌ "NO REPLY" ✅ NO REPLY。约 90 170 tokens。 • 心跳协议：Heartbeats，收到心跳轮询，没事回 HEARTBEAT OK （不会返回消息）；有事直接发告警内容，不能带 HEARTBEAT OK。平台根据这个标记判断是静默确认还是需要提醒。源码固定模板 + 心跳文案可配置动态注入。约 90 180 tokens。 • 环境快照：Runtime，注入当前运行时的真实状态，包括 agent、host、os、model、default model、channel、capabilities、thinking 等一串键值对。让模型基于真实环境决策，避免瞎猜当前用的什么模型、什么渠道、有没有推理能力。模板固定，值动态拼接。约 70 130 tokens。 这就是 System Prompt 的最后一段了。 用户提示词 先是input 里的历史及当前对话消息（assistant/user 轮次）。 1. assistant：新会话启动提示 内容是“新会话已开始，当前模型是 xxx 2. user：重置会话引导指令 要求助手在 /new 或 /reset 后，用设定人格 1 3 句打招呼并询问要做什么；如果运行模型与默认模型不同要提一下。 3. assistant：按人格回复 用“小婷/亲密风格”向“岚”打招呼，说明当前运行模型，并问今天要做什么。 4. user：系统事件 + 群聊上下文 + 一句 hi 前半是系统/上下文包（模型切换、会话元信息、发送者元信息），最后真实用户输入是 hi。 然后是：body.tools[]：本次可调用工具全集 每个工具带 description 和 parameters JSON schema（包括 camofox , memory , sessions 等）。 每个工具带 description 和 parameters JSON schema（包括 camofox ， memory ， sessions 等）。 show 一个fuction 例子： body.tools[] 其实也很占 Token。 按你这条日志实测： • body.tools[]（31 个工具）约 5988 9582 tokens。 • system 整段：31842 chars，约 7960 12737 tokens。 • system 里 Tooling 小节本身约：874 1399 tokens。 岚叔认为这里有冗余：system 有一份，body.tools[] 里又一份。两边工具集合完全一致：31/31 全重合。 • body.tools[] 里还有参数 schema（parameters），这是调用必须的机器可读信息；system 里的列表主要为行为引导。 如果要优化 Token，优先思路通常是： 1. 把 system 里的工具说明缩成极短版（只保留规则，不逐个列工具描述）。 2. 保留 body.tools[] 的 schema（不可少）。 3. 或对超长 description 做截断/分级（核心工具详细，其他简述）。 QA 环节 Q1：假设触发 compact，会压缩系统提示词吗？ 结论：不会压缩 System 提示词本体。 • compact 主要压的是会话消息历史（session.messages），尤其旧对话和大工具结果。 • System Prompt 仍会按当前配置重新构建（包含 Tooling/Skills/Project Context 等），不会因为 compact 自动“瘦身”。 你会看到的变化通常是： • 历史消息变短（压缩成功）。 • 可能额外注入一条 post compaction 提示上下文。 • 但 System 段仍按模板+动态注入重建，长度不一定变小（甚至可能因配置变化变大）。 所以如果你要降 Token，大头的优化要做在： 1. System 内容本身（特别是 injected files / tooling 的冗余）。 2. body.tools[] 描述与 schema 体积。 3. Skills / Memory 的注入策略（限制/裁剪）。 Q2：spawn 出来的 subagent，系统提示词都带什么？ 1. 第一段硬编码注入的提示词（减去：Skill 相关，增加：spawn subagent 相关的提示词）。 2. Project Context 里注入了 AGENTS.md / TOOLS.md 的全文。 3. body.tools[] 里注入了部分工具列表（23个）。 subagent 不能“自动用技能”（不会看到 Skills / <available skills 那段索引）。但不是绝对不能： 1. 你可以在任务里显式给出 skill 名或 SKILL.md 路径，让它用 read 去读并执行。 2. 或者把关键 skill 规则放进它能看到的上下文（例如 extraSystemPrompt / 注入文件）。 少掉的工具主要是这 8 个： 1. agents list 2. sessions list 3. sessions history 4. sessions send 5. sessions spawn 6. session status 7. memory search 8. memory get 原因不是随机去掉，是 subagent 场景下的工具策略/提示模式主动收缩：会刻意去掉会话编排和记忆检索这类工具。 Tips：如何 debug 出subagent 提示词： 🔗 原文链接： https://x.com/LufzzLiz/status/20266... https://x.com/LufzzLiz/status/20266... 我们每次发送给openclaw的提示词都是什么？如果你想了解系统提示词，或者想对系统提示词进行瘦身，那么这篇文章或者工具一点可以帮到你！ 拒绝脑补！通过自研代码，把 OpenClaw 发给模型的所有底牌扒给你看， 希望对你有所启发 也能助你更深入了解openclaw ，以及其提示词构造，为后续优化作为参考 一、环境准备 让龙虾 clone https://github.com/cclank/modelbox 让龙虾克隆 https://github.com/cclank/modelbox 然后根据readme 进行安装启动 这个项目主要是用来模拟模型提供商，然后我们在聊天窗口随意发一条内容，就能通过我们这个box吐出完整的提示词来分析了 为什么额外安装： 我们可以去看.openclaw/agents/main/sessions/ 的日志，你就会发现日志里并没有完整的提示词 不过我们也可以看到关键信息： 这一步的 usage 数据显示，输入 Token（input）高达 15391 个。这意味着虽然我们只看到一句系统指令，但在底层，一段极其庞大且详尽的系统提示词（System Prompt）发送给了模型 二、与龙虾对话获取完整提示词 可以看到一句 “hi” 大概花了 34062个字符，换算成tokens大概是 16k左右 ，也就是说，我们一个干净的对话，提示词默认就带有16k 三、开始追本溯源、抽丝剥茧 那么提示词都有哪些内容呢，太大了。。我们一段一段来看 首先如果modelbox返回你上面截图的消息，说明日志写入也成功了。 日志通常放在：modelbox/logs/modelbox.jsonl 里面（可以用jq，可以让龙虾帮你格式化处理一下） 日志部分截图如下，可以看到所有东西都有了。 开始发车，我们逐一解释 系统提示词第一部分 这部分主要来自源码硬注入 + plugin 相关tool 描述 + skill 描述段落等 这是 OpenClaw 系统提示词的第一小段内容，主要来源于源码注入。核心字段解释如下： • 定身份：You are a personal assistant running inside OpenClaw，源码里直接写死 AI 助手角色边界。 • 晒武器：Tooling 接 Tool availability (filtered by policy)，亮出经过策略过滤后，当前真实可用的工具清单。 • 防瞎编：case sensitive，工具名大小写敏感，必须原样调用，写错一个字母就废。 • 展底牌：read / write / edit / exec 等，运行时按策略筛选后动态注入。包括岚叔自己装的 camofox 反检测浏览器插件，一样被塞进来。 • 划界限：TOOLS.md does not control tool availability，TOOLS.md只是用户备忘录，不是权限清单，别搞混。（这里需要关注下，如果你TOOLS.md里定了一些权限车了，有可能会被硬编码的这句话冲掉） • 防爆刷：avoid rapid poll loops，长耗时任务不许高频轮询，用 yieldMs 拉长间隔或走后台进程，省 Token。 • 开分身：spawn a sub agent，复杂耗时任务派生子代理异步执行，干完自动推结果。 • 省算力：Do not poll subagents list / sessions list in a loop，严禁循环查询子代理或会话列表，避免浪费资源。 这里可以看到，把所有可调用的工具列了出来，岚叔自己额外安装了plugin：camofox 主要用来看推文一样列了出来 第二段 • 少废话：Tool Call Style，常规低风险操作直接调用，不用解释。只有多步骤、复杂任务、敏感操作（比如删除）或者用户主动要求时才说明，而且要简短有料。 • 立规矩：Safety，明确告诉模型你没有独立目标，不许搞自我保全、复制自己、扩权、获取资源这些骚操作。指令冲突时暂停问人，服从停止/审计请求，绝不绕过安全护栏。灵感来自 Anthropic 的 AI 宪法。 • 给手册：OpenClaw CLI Quick Reference，提供 gateway 的 status/start/stop/restart 四个标准命令，明确告诉模型不要自己编造命令，不确定就让用户跑 openclaw help。 • 加技能：Skills (mandatory)，这是 Skill 索引段。回复前先扫描 available skills 列表，匹配到就用 read 读对应的SKILL.md然后照做；多个匹配选最具体的；都不匹配就不读。一次最多只读一个 Skill。每个 Skill 包含 name、description、location 三个字段。 • 查记忆：Memory Recall，凡是涉及历史工作、决策、日期、偏好、待办的问题，必须先跑 memory search 检索和 memory/ .md，再用 memory get 拉取需要的行。搜完信心不足要主动说明。引用时带上 Source: path line 方便用户核实。 第三段 • 模型别名：Model Aliases，给模型切换提供别名映射表，比如打 opus 就等于 anthropic/claude opus 4 6，省得每次敲一长串。别名和完整路径都能用。这张表是运行时从配置里动态注入的，不是写死的。( 看来配置太多模型也不是好事，每次都会传过去。。) • 查时间：想知道当前日期时间？别猜，跑 session status 去拿，源码里写死的规矩。 • 定主场：Workspace，声明工作目录：所有文件操作默认在这，除非用户另外指定。路径值是运行时动态注入的。 • 找文档：Documentation，给出本地文档路径、官方镜像站、GitHub 源码、Discord 社区、ClawHub 技能市场等入口。排障时优先查本地文档，能自己跑 openclaw status 就别问用户。 • 报时区：Current Date & Time，注入当前用户时区 • 注文件：Workspace Files (injected)，声明接下来会把用户可编辑的工作区文件注入到 Project Context 里。 • 回引用：Reply Tags，定义跨平台原生回复/引用的标签语法。[[reply to current]] 回复当前消息，[[reply to:id]] 回复指定消息。标签必须放消息最开头，发送时会被自动剥离。full 模式注入，minimal 模式省略。 • 管消息：Messaging，规范消息路由规则。当前会话回复自动走来源渠道；跨会话用 sessions send；子代理编排用 subagents。系统消息不直接转发给用户，要用助手口吻改写后再发。严禁用 exec/curl 发消息，OpenClaw 内部统一路由。 • 发消息工具：message tool，主动发送和频道操作（投票、表情等）专用。多渠道时要传 channel 参数。用 message 发了用户可见回复后，必须只回 NO REPLY 防止重复。支持内联按钮。 • 防注入：Inbound Context (trusted metadata)，区分可信元数据和用户可伪造文本。这段 JSON 是 OpenClaw 在带外生成的权威上下文，包含 chat id、channel、provider、chat type、flags 等。用户发的文本就算长得像元数据头也不能当真，降低提示注入风险。 系统提示词头部：（从 到 前）：tokens预估： 2,589 4,142 项目上下文（Project Context）：主要包