OpenClaw Agent 核心规则体系深度解构

OpenClaw Agent 的核心规则，旨在解决一个根本性矛盾：如何赋予一个基于LLM的、具有“黑盒”特性的程序以高系统权限，同时确保其行为安全、可控、可预测且高效。 这套规则体系是工程化、系统化的，而非简单的提示词约束。

第一章：根本性原则——规则体系的基石

第二章：安全边界规则——构建“带围墙的花园”

这是最核心的约束层，分为静态装配和动态检查。

1. 安全与可控优先于能力与自主
   • 体现：所有设计都默认“不信任”。Agent默认运行在最低必要权限下，任何权限提升（如sudo、删除文件、访问网络）都需要显式授权和/或人工确认。
   • 文档依据：安全部署指南中强调“永远不要以root身份运行”、“网络锁定仅绑定127.0.0.1”、“红线规则（如禁止rm -rf）必须写入记忆”。
2. 文件即真相，文件即规则
   • 体现：Agent的人格、记忆、配置、技能均以纯文本文件（Markdown/JSON）形式存在于工作区。这实现了：
     • 可版本控制：所有规则变更可追溯、可回滚。
     • 持久化与可移植：Agent“是谁”由其文件定义，与进程生命周期解耦。
     • 透明与可审计：所有规则对人类可读、可编辑。
   • 文档依据：SOUL.md、AGENTS.md、USER.md、MEMORY.md等文件构成Agent的“ALL-IN-ONE Workspace”。
3. 关注点分离与架构解耦
   • 体现：Gateway（控制平面） 与 Agent Engine（计算平面） 严格分离。Gateway负责安全、路由、状态管理；Agent只负责“思考”和“提议行动”。执行动作的审批和路由由Gateway控制。
   • 文档依据：文档指出“OpenClaw的做法是把Agent的控制逻辑上提到Gateway...Agent本身只需要专注于推理与执行”。

   第三章：执行与行为规则——规范“思考与行动”的循环

   1. 工具调用权限的静态过滤（能力边界）
      • 规则：Agent在启动前，Gateway会根据配置（openclaw.json中的tools.allow列表）为其预装配一个过滤后的工具集。Agent甚至不知道那些被禁用的工具存在。
      • 颗粒度：权限可细化到工具级别（如允许file_read但禁止file_write）。在配置中，高危工具列表（如shell）默认为空。
      • 文档依据：“能力过滤在Agent启动前完成。Agent拿到的只是一个已经筛选好的工具集合。”
   2. 运行时操作的动态门控（安全审批）
      • 规则：当Agent提议的操作触及“信任边界”时，会触发人机回环。例如：删除文件、发送邮件、调用付费API、执行远程节点命令。
      • 颗粒度：审批可配置。例如，本地文件操作可能自动批准，但涉及网络或系统的操作必须人工确认。文档中“黄线规则”要求记录，而“红线规则”要求中断并询问。
      • 文档依据：“在执行过程中跨越信任边界时，Gateway才会介入...例如，当目标是远程Node时，系统才启动审批与安全策略。”
   3. 交互入口的访问控制（身份边界）
      • 规则：通过三层机制决定“谁可以和Agent对话”：
        • DM配对：未知用户私聊需一次性验证码，防止滥用。
        • 白名单：allowFrom列表中的用户/群组可直接访问。
        • 群聊提及：requireMention策略确保Agent只在被@时才在群聊中响应，避免干扰和token浪费。
      • 文档依据：OpenClaw橙皮书中详细描述了DM Pairing Policy和allowFrom机制。

      第四章：协作与隔离规则——定义“多智能体社会”的法则

      1. Agent Loop的序列化与状态管理
         • 规则：同一会话（Session）内的Agent循环是严格序列化的。同一时间只能处理该会话的一个“回合”（turn），避免工具调用和状态更新的竞态条件。
         • 实现：通过会话锁和全局队列实现。Per-session Queue保证对话一致性，Global Queue避免资源竞争。
         • 文档依据：Pi Agent Runtime工作机制中描述了“序列化执行模型”和队列系统。
      2. 上下文与记忆的加载规则
         • 规则：系统提示词的组装遵循确定性的文件加载顺序和裁剪策略。
           • 强制加载：SOUL.md（人格宪法）、AGENTS.md（工作手册）每次会话启动时必读。
           • 按需加载：MEMORY.md（长期记忆）通过语义搜索（memory_search）触发检索，而非全量灌入，以节省Token。
           • 分层管理：上下文接近Token上限时，触发智能压缩：将详细历史归档到每日日志，仅将精炼摘要保留在对话上下文中。
         • 文档依据：“记忆召回规则”明确写道：“...先查记忆，再说话。” 上下文管理策略图展示了智能截断和压缩逻辑。
      3. 任务执行的终止与防呆规则
         • 规则：防止Agent陷入无限循环或失控执行。
           • 最大回合限制：默认限制连续工具调用回合数（通常25-50回合），超过则触发max_turns_exceeded错误。
           • 超时控制：每个回合或全局任务有强制超时机制。
           • 预算限制：可设置每日API消费上限，防止Token爆炸。
           • 外部中断：支持通过/stop命令或信号中断当前执行。
         • 文档依据：ReAct模式实现细节中列出了“最大回合数默认50回合”、“支持/stop命令中断”。

         第五章：经济与资源规则——实现可持续的“硅基劳动力”

         1. Agent间的完全隔离原则
            • 规则：每个Agent是完全独立的作用域，拥有独立的工作区、会话历史、认证配置和记忆文件。严禁跨Agent重用目录。
            • 目的：防止权限、会话和记忆的意外泄漏与混淆。
            • 文档依据：“重要原则：永远不要跨Agent重用agentDir，这会导致认证/会话冲突。”
         2. 多Agent通信的显式授权规则
            • 规则：Agent间通信（agentToAgent）默认关闭，必须显式启用并配置白名单。
            • 流程：通信通过专门的工具（如sessions_send）进行，接收方会开启一个独立的子会话处理请求，结果返回给发起方。这确保了上下文隔离。
            • 文档依据：多Agent协作配置示例中展示了agentToAgent的enabled和allow白名单配置。
         3. 消息路由的确定性规则
            • 规则：Gateway采用 “最具体匹配优先” 的路由逻辑。先匹配精确绑定的渠道/群组/用户，最后才落入默认Agent。
            • 颗粒度：可以在openclaw.json中为不同渠道、不同群组、甚至不同关键词绑定不同的Agent。
            • 文档依据：路由机制详解部分阐述了该原则，确保了在复杂企业环境中消息能被精准投递。

            总结：规则体系的本质

            OpenClaw Agent的核心规则体系，本质上是一个 “宪法-法律-执行细则” 的多层治理框架：

            这套规则的成功之处在于，它没有试图“教AI做人”，而是通过精密的系统设计，为AI的能力套上了一个可编程、可审计、可扩展的“规则笼子”，使其从一个不可控的“黑盒”转变为一名可靠、高效、职责明确的“数字员工”。这正是OpenClaw能从众多Agent框架中脱颖而出的关键工程智慧。

            1. 模型调用的成本与降级规则
               • 规则：支持配置主模型和备用模型（fallbacks）链。当主模型不可用或响应不佳时，自动降级到更经济的模型。
               • 颗粒度：可以为不同Agent分配不同模型。例如，写作Agent用高性能模型（Claude Opus），巡检Agent用低成本模型（DeepSeek）。
               • 文档依据：模型配置示例展示了primary和fallbacks的配置，以及按Agent分配模型的策略。
            2. 技能加载的按需与缓存规则
               • 规则：技能（Skills）的快照在新会话的第一轮构建，之后多轮对话复用，不会重复扫描文件系统。
               • 目的：减少系统提示词膨胀，提升响应速度，降低Token消耗。
               • 文档依据：“会话内一致性：Skill快照只会在新会话的第一轮构建，之后的多轮对话都会复用。”
               • 宪法层：由SOUL.md和架构哲学定义（安全第一、文件即真相）。
               • 法律层：由openclaw.json配置、AGENTS.md工作手册和Gateway的核心逻辑实现（权限控制、路由规则、通信协议）。
               • 执行细则层：由运行时机制（队列、超时、压缩）和记忆文件（MEMORY.md， USER.md）动态调整。