20260413研读Openclaw资料摘录

20260413研读openclaw资料摘录

本质上讲，OpenClaw并不是一个突然“凭空诞生”的全新物种，它更像是将近年来Agent发展过程中沉淀的各种关键技术进行了一次系统性的集成与升华：无论是Prompt的动态组装、Context的压缩机制、Memory的管理、Agent Skills的模块化复用和渐进式披露、灵活的Hook机制、安全的Guardrail设计，还是强大的工具调用能力，尤其是将其权限边界扩展到了个人设备层面（Computer Use），都体现了这一趋势。正所谓，量变引起质变，当一些最新技术的集大成者结合到一起，会出现一些之前意想不到的效果（18年的BERT、22年底的ChatGPT、25年初的DeepSeek也是类似的情况）。而现在，这个质变的“点”变成了OpenClaw这只“小龙虾”🦞，之所以突然火出圈，还是因为它相比之前涌现出了更智能的感觉，也能做更多的事情了，让AI开始从一些普通的ChatBot或者单任务、垂类Agent一下子进化到了全面自主的、更私人助理化的强大Agent，带来了更大的“想象空间”。同时，它在Prompt Engineering（提示词工程）、Context Engineering（上下文工程）以及新兴的Harness Engineering（驾驭工程/脚手架工程）等维度上也做了很多可值得学习和落地的工作。Prompt Engineering → Context Engineering → Harness Engineering也是现代AI系统的三大关键阶段，分别聚焦于“如何说”、“让AI看什么”以及“构建怎样的运行环境”，三者层层递进，共同致力于提升大模型在复杂任务中的可靠性与可控性‌

OpenClaw定义了三种提示词模式（PromptMode），适用于不同场景：full（完整模式）：用于主Agent 与用户直接对话，所有模块全部加载minimal（精简模式）：用于子Agent 执行独立任务，只保留核心模块（工具、工作区、运行时信息）none（极简模式）：极简场景，基本上只有一行身份标识

Markdown驱动是OpenClaw比较精妙的设计之一，它通过引入了一套基于Markdown文件的配置体系，将这些关键信息从代码硬编码中解耦出来，并在运行时动态注入到System Prompt中。至于为什么要用Markdown文件来管理？我个人分析，应该主要是因为在File System（文件系统）里操作Markdown会更加方便，比纯文本TXT多了格式，能更容易刻画重点（比如标题、加粗、斜体）这些，同时又可以使用Shell或文件管理工具来管理，比如通过grep等命令就能很好的读取这些.md文件。

几个核心.md文件，它们共同构成了Agent的“灵魂”与“骨架”：AGENT.md（总纲）：这是Agent运行的核心规范要求。它定义了Agent的根本目标、运行逻辑以及与其他模块的交互原则。每次启动时，它是所有指令的基石。
SOUL.md（灵魂）：如果说AGENT.md是骨架，那SOUL.md就是灵魂。它详细描述了这只“龙虾”的人格特质、性格倾向、说话风格甚至价值观。这就很像演员在演戏之前拿到的一份详尽的“人物小传”，大模型一般用的都是通用模型，但是通过模仿这份“灵魂”的设定，才能呈现出千人千面的“养虾”效果。这也是为什么不同的OpenClaw实例能展现出截然不同个性的原因。特别机制：这里还有一个有趣的约束机制——如果OpenClaw要更新修改SOUL.md，必须要通知用户，这保证了人设的稳定性和用户的知情权。
IDENTITY.md（身份信息）：你可以理解为这就是“龙虾”的“身份证”，它的外在标识，比如名字、类型、头像风格等。与SOUL.md侧重内在性格不同，IDENTITY.md更侧重于外在的固化信息展示。
USER.md（主人档案）：记录了用户的个性化信息，包括称呼、偏好、厌恶、习惯等。正是通过对这些隐私数据的持续学习和引用，“龙虾”才能做到“越来越懂你”，实现真正的个性化服务。TOOLS.md（工具清单）：动态记录当前环境下可用的工具信息及其使用说明，确保Agent知道“手里有什么武器”。
HEARTBEAT.md（心跳任务）：定义定时任务逻辑。例如每隔一段时间自动检查特定信息、刷新帖子或执行维护操作，让Agent具备“主动意识”。
BOOTSTRAP.md（首次启动）：有点像“出生证明”，甚至它的第一句是程序员们再熟悉不过的“Hello, World”它仅在首次启动时生效。它预设了一段引导对话，比如“你刚醒来...”，帮助新用户完成初始化设置（如起名、确立初始人设），完成之后就会自动删除。
BOOT.md（启动文件）：不同于BOOTSTRAP.md，BOOT.md会在OpenClaw启动的时候运行，这里会配合Hook机制使用，这个后面的Harness Engineering部分里会介绍。
MEMORY.md（长期记忆）：用于存储和读取跨会话的长期记忆（注：在群聊模式下通常不加载此部分，来避免泄露用户的隐私）。这个后面Context Engineering部分会介绍。

简而言之，Harness Engineering就是在大模型之外构建一套外部的运行环境与约束机制，通过接口（Interface）、钩子（Hooks）、护栏（Guardrails）等手段，约束、引导、检验、评估Agent的行为，使其能够可靠地完成复杂、长周期的任务。

简而言之，Workflow和Harness最大的区别还是在于主导权是谁。在基础大模型越来越强的情况下，基于Workflow模式的弊端越来越大于优势，因此基于Harness的这种设计，更符合当前时间窗口的需求，能尽最大程度发挥大模型本身的能力，同时又能约束其不过于失控。

相较于Cloud Code、Codex等闭源产品，我们只能通过黑盒推演其架构实现；而OpenClaw作为完全开源的项目，让我们有机会深入源码，抽丝剥茧地理解其每一个设计决策。在当下这个“如何用好大模型”的时代，如何构建一套优秀的架构体系，让通用的基座模型能够稳定、高效、可控地完成复杂的、长程的任务，才是我们最值得深入探讨的地方。OpenClaw为我们提供了一个非常好的学习范本，是当今AI Agent领域一次重要的技术里程碑。

如果非要找一个对标产品，XChat 现在真正瞄准的其实是 Telegram。端到端加密、阅后即焚、禁止截图，这一套组合拳打下来，跟 Telegram 的核心卖点高度重合。叫它「纯净版 Telegram」可能比「美国版微信」更准确。XChat 不需要手机号注册，直接绑定 X 账号登录，这个操作很聪明。X 平台现在有几亿用户，这些用户零成本就能迁移到 XChat 上。 XChat 里内置了 Grok。马斯克选择从隐私切入而不是从功能切入，可能恰恰是因为他看到了一个大家还没完全意识到的趋势。在 AI 越来越懂你、数据越来越透明的时代，「被保护」这件事可能会变成一种刚需。

Hermes 的思路完全不同。它维护两个自动更新的记忆文件，一个记环境和经验教训，一个记你的偏好和沟通风格。每次会话启动自动注入，再加上基于 SQLite 的全文搜索，能回溯几周前的对话。
更关键的是技能系统。当你让 Hermes 完成一个复杂任务后，它会自己评估哪些步骤有效、哪些走了弯路，然后把成功路径提炼成一个可复用的技能。下次遇到类似的事，它不用重新推理，直接调用。

如果说R1是靠强化学习推理一鸣惊人，那V4要做的事更大——从底层架构开始重新造一个AI。从万亿参数的MoE架构，到能"永久记住你"的Engram记忆机制，再到无需插件就能看图理解视频的原生多模态，V4的每一处升级都不是小打小闹。
但在正式发布之前，DeepSeek已经开始"预热"——4月8日悄悄上线了专家模式，很多用户已经感受到了V4的雏形。

MiniMax方面称，基于真实的软件工程、专业办公场景的表现，MiniMax M2.7已成为Hermes Agent、OpenClaw等智能体工具中备受好评的模型。
截至4月10日收盘，MiniMax股价报998港元/股，总市值达3130亿港元。官网显示，MiniMax是一家全球领先的通用AI科技公司，自主研发了一系列多模态通用大模型，包括MiniMax M2、Hailuo 2.3、Speech 2.6和Music 2.0等。
MiniMax正在持续推进多个大模型的迭代。4月10日，MiniMax发布新一代音乐生成模型Music 2.6，从底层引擎到创作工具实现全维度进化。

美国企业财务卡发行商 Ramp 最新发布的 AI Index 数据，几乎是把一颗炸弹扔进了硅谷——在它追踪的5万多家美国企业中，已经有一半在为AI产品付费。
其中，使用Anthropic的客户占比已经飙升到 30.6%，单月暴涨 6.3 个百分点；而OpenAI呢？掉到了 35.2%。

在信息（软件）、金融保险、专业服务这三大AI渗透率最高的行业里，Anthropic已经稳稳坐上头把交椅。
一句话：AI用得越深的行业，越偏爱Claude。

Qwen Code更新了新版本，我发现没有一个人来说。其实，它解决了我们很多的痛点，对我来说主要是这三个特别牛逼的功能：
1、支持通过 钉钉或微信远程控制 Qwen Code ：从手机发送消息，即可在服务器上获取结果。
2、定时任务：安排周期性 AI 任务：比如，每 30 分钟自动运行测试，每两周拉取并构建一次。
3、免费，免费，每天1000 次的免费体验额度。

2026 年 3 月的 Claude Code 源码暴露事件，折射出了现代软件工程中的多维安全困境。从调试信息的配置疏漏到供应链底层的连锁崩溃，再到版权保护与净室重写之间的博弈，暴露出现代 AI 产品研发在工程规范性上的挑战。更为重要的是，此次技术架构的白盒化，拉平了智能体应用层的技术壁垒，迫使行业重新审视高阶 AI 工具的架构设计模式与开源发展范式。

MinerU 是上海人工智能实验室（Shanghai AI Lab）开源的一款文档解析引擎，专注于把复杂文档变成AI能直接用的干净数据，比如 Markdown。
MinerU 支持 PDF、Word、PPT、图片、甚至网页 URL，输出格式是 Markdown 或 JSON。不仅是提取文字，还能"理解"文档的排版结构，哪个是标题、正文、表格、公式，都分得清清楚楚。