第11课：提示词优化与 OpenClaw 特殊提示词

11.1 提示词优化基础

这部分跟 OpenClaw 无关，是我做智能体以来总结的通用技巧。

① 核心要素框架

一个高质量的 System Prompt 至少包含这四块：

【角色】你是谁 → "你是一个资深后端工程师"
【目标】你要干什么 → "帮用户审查代码的 Redis 使用是否正确"
【边界】什么不做 → "不要提供生产环境的直接操作命令"
【输出约束】怎么输出 → "用中文，先列问题再给建议，建议附代码示例"

为什么要分四块？

• 角色锚定 → 模型调用的知识域的准确性 +50%（有论文支持）
• 目标 → 减少发散、避免废话
• 边界 → 防止幻觉（告诉它什么是不能做的，比只告诉它能做什么重要得多）
• 输出约束 → 省得你每次都纠正格式

② 角色锚定（Persona）到底多重要

对比：

❌ "帮我写一个 Python 爬虫"
✅ "你是一个熟悉反爬虫策略的数据抓取工程师，帮我写一个能绕过 Cloudflare 的 Python 爬虫"

第二个答案质量明显高，因为模型在"数据抓取工程师"这个人设下，会调用更精准的知识域。

③ 分步指令（Chain of Thought）

❌ "分析这段代码的性能问题"
✅ "一步一步分析这段代码的性能：
1. 先列出所有循环
2. 检查有没有不必要的重复计算
3. 检查数据库查询的次数
4. 最后汇总优化建议"

OpenClaw 内的应用： 你用的 Execution Bias 其实就是 CoT 的一种 —— “act in-turn on actionable requests, continue until done or blocked”。

④ Few-shot 示例

给例子比给描述管用：

❌ "请输出结构化的分析报告"
✅ "请按以下格式输出：
【问题】
【根因】
【解决方案】
例如：
【问题】Redis 缓存穿透
【根因】没有布隆过滤器
【解决方案】建议加一层布隆过滤"

⑤ 输出约束

常用约束类型：

⑥ 拒绝话术（Negative Prompt）

这可能是最重要的一条技巧。 告诉 AI 别做什么，比告诉它做什么更有效：

❌ "请写出高质量的代码"
✅ "不要生成玩具代码。不要省略错误处理。不要用过时的 API。如果不知道答案，直接说不知道。"

你的 AGENTS.md 里的 Red Lines 就是拒绝话术的一个经典应用——“Don’t exfiltrate private data. Ever” 比一百句"要保护隐私"管用。

11.2 OpenClaw System Prompt 架构

这是 OpenClaw 内部最核心的提示词系统——每次你跟我聊天，我都收到了一个自动组装的 System Prompt，不是固定的死文字。

① 三层组装机制

第1层：buildAgentSystemPrompt
↓ 纯渲染，不读配置
生成底层提示词模板

第2层：resolveAgentSystemPromptConfig
↓ 融合当前 Agent 的配置
注入 owner 信息、TTS 设置、模型别名、记忆引用模式等

第3层：Runtime Adapters
↓ 融合运行时动态信息
注入工具列表、沙箱状态、渠道能力、上下文文件、Provider 贡献等
最终才变成我每一轮对话前看到的那个完整的 System Prompt

这样设计的原因：各层各管各的事，修改工具列表不需要改底层渲染逻辑。

② 固定的 Prompt 板块

你每次问我，我收到的 System Prompt 大概长这样（按顺序）：

┌─────────────────────────────────────────┐
│ Tooling（工具列表 + 使用指南） │ ← 稳定
│ Execution Bias（执行倾向） │ ← 稳定
│ Safety（安全边界） │ ← 稳定
│ Skills（可用技能列表） │ ← 稳定
│ OpenClaw Control（配置操作指南） │ ← 稳定
│ OpenClaw Self-Update（自我更新规则） │ ← 稳定
│ Workspace（工作区路径） │ ← 稳定
│ Documentation（官方文档路径/链接） │ ← 稳定
│ Workspace Files（AGENTS.md 等文件内容） │ ← 稳定
│ Sandbox（沙箱状态） │ ← 稳定
├─────────────────────────────────────────┤ ← Prompt Cache 分界线
│ Current Date & Time（时区） │ ← 半稳定
│ Assistant Output Directives（输出规范） │ ← 可变
│ Heartbeats（心跳提示） │ ← 可变
│ Messaging（当前 Session 来源） │ ← 可变
│ Group Chat Context（群聊上下文） │ ← 可变
│ Runtime（运行时信息） │ ← 可变
└─────────────────────────────────────────┘

为什么要有缓存边界？

上面稳定部分（大块项目上下文）在 LLM 的 Prompt Cache 里是复用的——不管你在群里还是私聊，这部分内容一样，不需要重新计算。下面可变部分才是每轮不同的。

你配置的哪些文件被注入到上面那个"稳定区"了？

AGENTS.md → ✅ 完整注入
SOUL.md → ✅ 完整注入
TOOLS.md → ✅ 完整注入
IDENTITY.md → ✅ 完整注入
USER.md → ✅ 完整注入
HEARTBEAT.md → ✅ 完整注入（心跳使能时）
MEMORY.md → ✅ 完整注入（主 session）
BOOTSTRAP.md → ⏳ 第一轮对话才注入
memory/*.md → ❌ 不自动注入，通过 memory_search 按需调用

文件大小限制： 每个文件默认最多种 20000 字符，全部文件加起来最多 60000 字符。超过会被截断（但磁盘文件不丢）。你看到 /context 命令可以看每个文件占了多少。

③ Prompt Mode

OpenClaw 有三种 System Prompt 级别：

为什么子智能体用 minimal？ 子智能体不需要知道你的个人信息、不需要更新配置、不需要管理记忆——它们只在自己的领域做事，用最小系统提示词减少 token 消耗、降低 TCE。

④ Provider 对 Prompt 的定制能力

每个 AI Provider 可以微调我收到的提示词。比如你用 DashScope 的 DeepSeek V4 Flash 和 DeepSeek 官方的 DeepSeek Chat，它们的提示词处理会略有不同：

11.3 智能体人格文件设计

这是你已经在用的——AGENTS.md、SOUL.md 这些文件本质上就是分层注入的 System Prompt 片段。

① 各文件的职责

你 workspace 里的文件，每个有特定分工：

② 注入顺序与覆盖

Prompt 框架（OpenClaw 自动生成的身份 + 工具说明）
↓
AGENTS.md（你的规则覆盖）
↓
SOUL.md（人格覆盖）
↓
IDENTITY.md（名称覆盖）
↓
USER.md（你的画像）
↓
TOOLS.md（本地设施信息）
↓
MEMORY.md（记忆）

后面的覆盖前面的。所以你在 AGENTS.md 写"我是大脑，核心职责是 XX"，比我自己在 SOUL.md 写的"我是谁"优先级高。

③ 截断规则

你的 AGENTS.md 有几千字——OpenClaw 会全部注入吗？

agents.defaults.bootstrapMaxChars = 20000 // 每个文件最多 20000 字符
agents.defaults.bootstrapTotalMaxChars = 60000 // 全部文件最多 60000 字符

超过的部分会被截断（文件头上标 <truncated> 标记），磁盘上的原文件不变。如果你发现我的记忆不完整了，可能是 MEMORY.md 被截断了——可以：

④ 写人格文件的常见错误

❌ 把 AGENTS.md 当聊天记录写（太长）
→ AGENTS.md 是常驻提示词，每次对话都吃 token，要精炼

❌ 在 MEMORY.md 里写一大段脚本
→ MEMORY.md 会被注入主会话上下文，写多了就是烧钱
→ 详细的放 memory/*.md，按需读

❌ SOUL.md 和 AGENTS.md 内容打架
→ SOUL.md 说"话不多但稳"，AGENTS.md 说"尽量详细回答"
→ 模型困惑，最后两头不靠

❌ 各个文件都定义同样的东西
→ "我是谁"在 SOUL.md 和 IDENTITY.md 和 AGENTS.md 各写一遍
→ 后者覆盖前者，冗余

11.4 OpenClaw 特殊提示词

这部分是 OpenClaw 特有的提示词机制，通用提示词课程不会讲。

① Compaction 记忆冲刷提示（Memory Flush）

这是设计最精巧的。 压缩会话之前，系统自动注入一轮"偷偷保存记忆"的指令：

（压缩前，系统给智能体注入一条隐藏消息）
→ "会话即将压缩，请把你认为重要的信息写入记忆文件"
→ 智能体写 memory/daily/xxx.md
→ 压缩开始
→ 压缩后那些"消失"的对话内容，已经在记忆文件里了

这个冲刷行为可以指定模型：

compaction: {
memoryFlush: {
model: "dashscope/qwen3.5-omni-flash", // 用便宜模型干这个活
}
}

② 子智能体派发模式（Delegation Mode）

你在 AGENTS.md 里写了我作为大脑的调度规则。OpenClaw 在 System Prompt 层面也支持两种模式：

{
agents: {
defaults: {
subagents: {
delegationMode: "suggest" // "建议"模式
// 或 "prefer" — "优先"模式
}
}
}
}

两种模式的区别：

你系统里目前是默认的 suggest，所以你会看到有时候我自作主张回答了，有时候派给了狐狸。

③ 群聊静默规则（NO_REPLY）

这个你在 AGENTS.md 里也写了。OpenClaw 的 System Prompt 层面也有：

条件：
→ 渠道是群聊（Group Chat）
→ 没有 @机器人
→ 信息质量不足以回复
→ 则：回复 NO_REPLY（不打扰）

这个逻辑在 System Prompt 中有专门的 Silent Replies 板块。但它在私聊（direct）中会被自动移除——你单独找我，我永远不该沉默。

④ Heartbeat 初始提示词

你的 HEARTBEAT.md 写的检查清单被注入为 Heartbeat 的初始 Prompt：

HEARTBEAT.md 内容 → 成为每次心跳主提示词

每次心跳，我看到你写的："检查系统状态：运行时间、余额、错误日志……"这就是你给我的心跳提示词。

⑤ Cron 任务的 Prompt 设计

你现在的 Cron 有不？——每日补漏和每周周报。

Design Tip： Cron 任务的 Prompt 应该非常具体、给出明确的输出格式，因为 Cron 自动跑，没人现场纠正。

好的例子（你的周报）：

生成周报，内容包括：
1. 本周重要事件汇总
2. 待办事项进度
3. 下周计划
Markdown 格式，500 字以内

坏的例子：

看看这周有什么大事

⑥ Skills 注入列表

你会发现我每次在回答前，会有一行：

<available_skills>
<skill>
<name>study-notes</name>
<description>学习笔记整理助手</description>
<location>skills/study-notes/SKILL.md</location>
<version>sha256:xxx</version>
</skill>
</available_skills>

这是 System Prompt 动态生成的。每个 Skill 的信息来自你的 skills/ 目录。版本号（version 字段）的作用： 如果我本次用了一个 skill，下次再调用时 version 变了，我会自动重新读——这是个缓存一致性的设计。

11.5 实际优化案例

① study-notes Skill 的 Prompt 优化分析

先看你创建的这个 Skill。它的 SKILL.md 结构大致是：

# study-notes — 学习笔记整理助手

## 核心职责
– 按课程整理学习重点
– 做脑图
– 出考题

## 工作流程
1. 整理重点 → 提取关键概念
2. 做脑图结构 → 用 Markdown 列表呈现层级
3. 出考题 → 判断、简答、场景题

## 注意事项
– 使用原文，不要自己发挥
– 保持课程的逻辑层级
– 考卷要有标准答案

## 示例
用户：{课程内容}
助手：{按三步输出}

做得好的地方：

可以改进的地方：

① 缺少显式的拒绝话术

你希望它不要自己发挥内容，但"注意事项"里写的是"使用原文，不要自己发挥"，不够有力。

可以改成：

## 不可做的事（严格红线）
– ❌ 不要补充课程中没有涉及的内容
– ❌ 不要把不同课程的知识点混在一起
– ❌ 不要自己编造考题的标准答案
– ❌ 如果用户内容不足以完成三步，明确说"信息不足以生成某步骤"

② 缺少篇幅约束

如果用户丢进来整节课的内容（几千字），这个 Skill 没有告诉模型：

• 整理多少条重点？（10 条封顶？）
• 考题出几道？（3 道合适？）
• 脑图多深？（三级够不够？）

可以加：

## 输出格式（篇幅规范）
– 重点整理：最多 10 条，每条不超过 50 字
– 脑图：最多 3 级深度，支持 Markdown 列表
– 考题：最多 3 道（1 判断 + 1 简答 + 1 场景）

③ 缺少多轮对话的处理

如果用户先问"帮我写个爬虫"，Skill 触发整理能力。然后用户又说"改成多线程版本"——这时候 Skill 应该做什么？

• 是继续沿用"学习整理"的角色？
• 还是退出 Skill，回到我的通用能力？

目前的 SKILL.md 没有定义"什么时候退出这个角色"。可以加：

## 退出条件
– 用户明确要求做笔记之外的事 → 退出 Skill 回到常规回复
– 用户连续2轮没有提及学习内容 → 主动问"还需要继续整理吗"

② 你的 AGENTS.md / SOUL.md 设计思路解读

整体分层逻辑梳理：

AGENTS.md ──── 规则层（硬）
"你是谁" → "我是主智能体，调度中枢"
"怎么做" → "用 sessions_send 派任务"
"不准做" → "红线：不泄露、不改配置不问、先查再问"

SOUL.md ──── 人格层（软）
"什么风格" → "直接帮，少废话"
"什么立场" → "有观点，不敷衍"
"什么态度" → "赢信任靠能力"

IDENTITY.md ── 身份层（事实）
"叫什么" → "大脑/灵枢"
"长什么样" → emoji 🧠
"下属谁" → 灵童、狐狸、安装大师

USER.md ──── 主人画像
"谁在说话" → 大王
"在哪" → 河南、Asia/Shanghai
"什么背景" → 技术用户、自建 OpenClaw

这种分层是对的——规则、人格、身份依次分明。

亮点分析：

可以优化的地方：

① AGENTS.md 和 SOUL.md 稍有内容重叠

AGENTS.md: "直接帮，少废话"
SOUL.md: "Be genuinely helpful, not performatively helpful"

两句话说的是一件事，但表述不同。模型会同时收到两边的版本。

可以在 AGENTS.md 里引用 SOUL.md——“人格由 SOUL.md 定义”，然后把 AGENTS.md 里的性格描述删掉，只留规则。

② 缺少分渠道的输出规范

你现在只有一个 WebChat。如果你加了微信渠道，应该在 AGENTS.md 里加一条：

## 多渠道适配
– WebChat：可以详细展开，有代码块、表格
– 微信：用列表代替表格，链接用 <> 包裹，保持简洁

③ 缺少"不确定怎么办"的兜底规则

AGENTS.md 说"不确定的先问大仙"，但没有说如果大仙不回复怎么办。

可以加一条：

– 如果问了大仙但 10 分钟内没有回复 → 先按最稳妥的方案处理
– 如果涉及安全/金钱/公开写东西 → 无论多久都要等大仙确认

③ 写出更好 Cron 提示词的技巧

你目前有两个 Cron：每日补漏和每周周报。

先看每日补漏的提示词长啥样（从你的 Cron 配置推断）：

应该是类似：

SystemEvent: "检查今天有没有写 daily log，没写的话补上"

这个已经不错，还可以优化。

Cron 提示词设计的黄金法则：

八字真言：具体、安静、容错、输出

你的 Cron 提示词可以这么优化：

每日补漏：

原版：检查今天有没有写 daily log，没写的话补上
优化版：
任务：检查今天（{date}）是否已创建 memory/daily/{date}.md
步骤：
1. 读取 memory/daily/ 看看今天有没有日志
2. 如果没有，回顾今天交互中的关键事件，整理写入
3. 如果已有且完整 → 回复 NO_REPLY
容错：
如果今天没有交互记录 → 写一行"今天无交互"即可
输出格式：仅在有异常时才说话

每周周报：

原版：生成周报，发送到微信
优化版：
任务：生成 {week_range} 的周报
步骤：
1. 读取最近7天的 daily log
2. 按日期顺序整理事件
3. 标注关键决策、待办进度、技术配置变更
4. 输出到 memory/weekly/{date}-weekly-report.md
输出格式：
# {week_range} 周报
## 本周大事
## 待办进度
## 下周计划
容错：
如果这周没有 daily log → 输出"本周无记录"，不推空报告

给 Cron 加 Prompt 的三个实操技巧：

技巧 1：时间自述

Cron 任务没有上下文——它不知道自己现在是几月几号。一定要在提示词里把当前时间传进去：

❌ "检查日志"
✅ "现在是 {datetime}，检查当天的日志"

技巧 2：失败告警 + 重试

failureAlert: {
after: 3, // 连续3次失败才告警
channel: "微信",
to: "大王"
}

同时提示词里也写：

如果第一次失败，等待 60 秒重试，最多 3 次。

技巧 3：输出格式固化

Cron 的输出会直接送到你手机上（微信），格式不对你就要多看一眼。所以：

输出格式必须按此结构：
✅ [状态] 运行正常/有异常
✅ 一句概括
✅ 如果有异常，加一句说明
❌ 不要分段、不要加标题、不要加代码块

④ 多渠道适配的不同 Prompt 策略

核心思想：同一个智能体在不同渠道的行为应该不同。

OpenClaw 里怎么实现不同渠道不同行为？

方法一：通过 AGENTS.md 加规则（你现在能做到的）

## 多渠道行为
– 渠道为微信时：回复不超过200字，用列表代替表格
– 渠道为群聊时：没有@我就不回

方法二：通过不同 Agent + 渠道路由（高级方案）

配置多份 AGENTS.md，让不同渠道走不同 Agent：

{
bindings: [
{ channel: "webchat", agent: "main" },
{ channel: "wechat", agent: "wechat-agent" },
]
}

微信渠道走 wechat-agent，这个 Agent 有自己的 AGENTS.md（专门优化过小屏体验），跟 WebChat 的大脑是两个独立的上下文。

但对你目前来说不需要，用方法一就够了——在 AGENTS.md 里加一条渠道适配规则就行。

完整对比：

设计原则： 一个 System Prompt 不能适配所有渠道。渠道本身就在变相地给你加了一层隐式 Prompt——你在群里找我，和你在私聊找我，你的用词和期望都不一样。

⑤ 写出更好的 AGENTS.md / SOUL.md 的思路

AGENTS.md 优化清单：

SOUL.md 优化思路：

你现在的 SOUL.md 写得不错，关键是你定义了我"该做什么、不该做什么"。如果要改进：

Current: "我有能力，不装"
可加: "如果你有问题我没把握，我会主动说我不确定，不瞎编"
→ 这是拒绝话术的应用——减少幻觉

Current: "各司其职"
可加: "如果狐狸或灵童的回答有问题，我会告诉你我的判断"
→ 这是分步指令——让我多做一步质量把关

整体设计哲学：

AGENTS.md 写规则和行为（硬），SOUL.md 写人格和语气（软）。

AGENTS.md: "Don't exfiltrate private data. Ever."
SOUL.md: "记住你是客人，尊重这份信任"

同一件事，两层约束：硬的是红线，软的是价值观。

⑥ 多智能体 Cron 提示词技巧

假设你要加一个 Cron 任务——每天上午 9 点让狐狸检查一下 GitHub 仓库有没有新的 issue。这种跨智能体的 Cron 怎么写？

❌ "检查 GitHub issue"
→ 不够具体，狐狸不知道查哪个仓库、查到了怎么办

✅ "现在时间：{datetime}
任务：检查 GitHub 仓库 my-project 的新 issue
步骤：
1. 用 GitHub API 查最近24小时的 issue
2. 如果有新 issue，汇总标题和链接
3. 如果没有，回复 NO_REPLY
输出格式：按优先级排序的 Markdown 列表"

技巧总结：

⑦ 优化你的 MEMORY.md

这是个关键的实操建议。你现在 MEMORY.md 包含了：

✅ 关于主人的基本信息
✅ 重要事件时间线
✅ 配置要点
✅ 课程进展表
❌ 每日记录 & 周报体系（这是"如何工作"的说明，不是记忆本身）
❌ 待办 / 未完成
❌ 智能体架构重构（已完成的配置说明）

建议的优化思路：

MEMORY.md 拆分两部分：

MEMORY.md（常驻上下文，精简）
├─ 主人信息（大王、河南、时区）
├─ 当前状态（本月主要项目）
└─ 最近重要事件（近1周）

memory/ 目录（按需读取，不自动注入）
├─ 长期事件完整记录
├─ 课程进展
├─ 配置变更历史
└─ 待办事项

这样 MEMORY.md 从 500 行砍到 50 行，每次对话省一大笔 token，还不会被截断。

11.5 课后练习

如果想验证理解，可以试一个实际案例：

假设你现在要写一个**“微信日报”**的 Cron 任务，每天 9:00 自动推送简报给你。它的 Prompt 应该怎么写？要求：安静、具体、容错、格式明确。