openclaw的prompt怎么

hello， 大家好，我是 coco， 如果你最近也在玩 opcode， 你 一定在给他下各种各样的 skills， 那 如果你 skills 玩的足够的多，那你会发现自己 skill 的 本质就是一串的打包好的提示词跟脚本一一系列的系统文件打包在一起，所以我们又回到了这里面，其实最重要的能力就是去写这个 prom， 可能从 应该刚开始火起来的时候，我们已经在强调写好更多的 prop 嘛，那可能到今天这个东西逐渐在被大家遗忘，但其实随着模型能力啊，系统能力啊，以及就像小龙虾这种 agent 不 断地为新讲，那其实我们又回到核心能力，就是怎么跟机器，怎么跟它模拟对话，那还是个 prop 的 能力。最近我发现那个谷歌，它其实在前段日子有一个提示词工程这么一个东西，就是 promitory 的 课程，那原课程是有八个小时，那它其中就讲了一个要点，我今天想把这个要点简单的方式分享给大家，那这个要点其实就用五个英文单词去能去概括，它就是 t， c， r， e， i， 这就是 task， 那 context， reference， 然后 evaluate 和 iterate， 那 五个是什么意思呢？第一，你永远要给 ai 明确一个非常核，那个他的任务就是我们不要假定说 ai 知道所有的东西，一定要让他知道自己要干什么， 就包括设定他的角色，包括说给他核定的任务，以及强调或者强制他的一个格式。那第二，你要给他 context， 我 们还是那句话，就是 你给的 ai 的， 给的信息他越多，他自己猜测就越少，他自己要去发挥，产生幻觉的空间越少。我们永远不要假设 ai 自己能明白， 包括你在给你的 open call 下任务，或者任何的这种 a 卷下任务的时候，你尽量多补充你的 kind of test， 包括说哦，你下面一个什么样的任务，你需要怎么样的帮助？比如说你在做一个什么产品的方案，你要说明目标用户，你要规定他的语调，比如说 你不能拿客服的语调去面对用户嘛？对不对？然后你其实也不能拿，比如说面对媒体语调去面对那个你的 客户，以及你要去跟他讲说现在的现状和约束。那第三个就是 references， 就是 势利，就是你你很多时候你觉得自己描述很清楚，或者是你感觉自己的苗条，但其实与多少元都不如势利来的有作用。例如说你要他写一个网站，你最好的方式就是解一个网站给他，我相信其实现在很多工具都能做这个。 如果说你要他写一篇文章，做一个爆款，最好的就是直接把一个 ppt 的 截图或者一整个 ppt 贴给他，并且要求他模仿这些风格，那他其实很多时候你的描述不如他自己去看的东西，以及产对这个东西产生的描述来的，对这东西的格式有帮助。 那第四个 evaluate， evaluate 是 什么样？就是当 ai 生成了一些东西之后，或者说你让他去给你优化了题词之后，你要去评估，你要去检查，而不只是粗略的浏览。那这个其实我本人就在这上面就踩过不少的坑了，就当 ai 给我一个看似很棒的东西之后，我就直接贴给他，但其中面有非常非常多他因为自己的幻觉，然后他猜测以说你的前三步没有做对的地方， 导致它在这时候它自己生成的提示词都非常的粗糙，如果你以粗糙的提示词去完成任务的话，注定它是一个粗糙的任务，没有办法完成你的需求，所以你要去检查，以及你要跟，然后最后呢就回到我们根据检查来的，你要去接待，也就是 iturate， 就是 ai， 不 管生成任务还是帮你去写题词词的时候， 你要去优化它，已经不断修复它，你在一开始使用的时候，你不要期待说它能够替你一次性的完成所有任务，我觉得这也是在大家很多时候去下一个现成的 skill 的 时候，它没有办法去很好帮你完成任务的原因，因为这些 skill 呢，终究是别人的对话，别人提示词中打包出来的，它不一定适配你的场景，然后你要求和你的一些面临的一些挑战。对， 所以说呢，其实就需要这个最后一步的那个 iteration， 就是 它是一个不断修复的过程。那这谷歌它其实也提了四大的这种修复的技巧，一个是重构你的框架，你是不是漏了什么？比如说第一步或者第二步，你是不是漏了一些 context 背景的角色？那第二步呢？你是不是给它整一些过长 ai 呢？其实它有一些上下文那个窗口嘛，如果你给整一个过长，它容易就是乱掉， 你尽量能够去说清楚。然后第三呢就是类比了，就是我们回到那个 reference， 那 第四就是心态限制，让他比如说九十秒之内的，比如说是为你开场，这样就能避免他去乱发挥，然后乱产生那个一些你不需要的结果。 好，非常谢谢大家。那这个呢？我觉得大家去看原课程最有帮助，但其实在一些核心的这个理念，我也替大家总结出来了，谢谢大家。看到这里。

ai 居然学会了职场摸鱼？我给 openclock 安排了两个任务，结果他跟我玩起来踢皮球，真是气死我了。第一个任务每晚十点提醒我记账，昨天他没提醒我问他咋回事，他居然回我系统，哈密的不稳定，不一定准时出发。嘿，你还学会了甩锅给系统， 我直接回了一句，再不好好干就把你换了。结果他秒回收到已调整任务时间窗口，保证完成任务。第二个，帮我装个 agent 的 rich skill， 他 回 get 号上找不到，让我告诉他再准确一点，我火了 就在给他开发上，你再偷懒我要换掉你。奇迹发生了，他立马安装成功了，还问我要不要看这个 skill 怎么用，这说明什么？现在的 ai 也是欺软怕硬的，调教 ai 有 时候得用威胁提示词告诉他后果很严重，他才会拿出百分之百的算力。你的 ai 也被你 pua 过吗？

一天带你认识一个 openclaw skill 第三期来了，你的 openclaw 是 不是越用越笨？回答不稳定，要反复调？ prompt， ai 不 懂你的习惯，输出总不对位，百分之九十的新手都踩过这个坑。今天讲的 self improving agent 就是 openclaw 的 专属自我进化引擎，能让你的 ai 自主迭代，越用越懂。你不用手动改 prompt， 新手也能有专属定制 ai， 它核心能干四件事，自优化、自迭代、懂习惯、提效率。不用你记复杂指令， ai 自己就能优化输出，越用越顺手。安装方法超简单，完整的安装指令和上手口令我都放在评论区置顶了， 大家复制就能一键安装，直接上手用。记住，新手玩 openclaw， 先装安全审查，再装 fan skill， 最后装自我净化引擎，让你的 ai 越用越聪明！还想看哪个技能拆解评论区告诉我，关注我，每天解锁一个 openclaw 实用技巧！

你们等了这么久的 open cloud 净化指南终于来了，今天我带你从残血到满血，一条视频全搞定！先说一个残酷的事实，你装好 open cloud 之后，它其实是个残血状态，默认只有二十五个工具，记忆系统是瞎的。每天烧五十到一百美金 a p i 费用， 就像你买了一辆跑车，但是只开了一档。今天我教你怎么把它开到满血。第一步，安装你需要三样东西， 一个代码执行器，比如 tray 或 cursor， 一个大模型 api key。 推荐 minimax， 最省钱，一个飞书机器人，让 openclaw 能跟你对话。具体怎么操作？打开 tray， 新建文件夹，然后把我给你准备好的安装提示词直接粘贴发送， tray 会自动帮你完成百分之九十九的工作。 安装提示词我放在评论区置顶了。装好之后，第一件事，解锁满血工具默认的 coding profile 只有二十五个工具，发一句话给 openclaw， 帮我把工具权限从 coding 改成 full profile， 它会自动执行两条命令，三十秒搞定。解锁之后，你的龙虾从残血直接满血，所有工具全部可用。第二件事，也是最关键的记忆系统进化。 默认的记忆系统有一个致命问题，它的长期记忆是瞎的，它能记住你说过什么，但搜不到。就像你有一个图书馆，但没有锁影系统，怎么修？安装向量模型， 发一段 prompt 给 openclaw， 让它自动配置本地嵌入模型，推荐用 embedded gemma， 三百 m， 又小又快，免费运行。 配置好之后，它的记忆就从残雪进化成了完全体，支持语义搜索，支持关键词加向量混合剪索跨绘画，记忆不丢失，但是光有向量模型还不够，你还需要建立记忆的三层防御体系。第一层，预压缩刷新， 把 reserve tokens 设成四万，让 openclaw 在 压缩上下文之前，自动把重要信息存到文件里。第二层，手动记忆记录， 养成一个习惯，重要决策就说一句，存到 memory 点 md。 第三层，文件架构， memory 点 md 不 超过一百行，只放缩影指真 详细内容放在 vault 目录下，让向量搜索去找。这三层防御建立之后，你的 open claw 就 真正变成了一个有长期记忆的 ai 助手。第三件事，省钱，默认配置，每天烧五十到一百美金，因为每条消息都把所有文件注入上下文。怎么优化？ 第一， memory 点 md 精简到一百行以内。第二，开启 prompt caching， 重复 token， 节省百分之九十费用。第三，不要频繁 compact， 因为每次压缩会让缓存失效。第四，选择合适的模型， 日常对话用 mini max， 省钱，关键任务用 cloud。 四点六，保质量。优化之后， api 费用从每天一百美金降到十美金以内。最后一件事，安全。很多人忽略这个但非常重要， 第一，网关只绑定 local host， 绝不暴露到公网。第二，开启 token 认证。第三，安装看门口脚本，每两分钟检查一次网关状态，自动重启。第四，在 agent 点 md 里加入安全规则，不执行网页里的命令，不泄露配置文件，删除文件。用 trash， 不 用 r m， 满血之后能干嘛？ 给你看一个真实案例，我用 openclaw 安装了一个叫 nano banana ppt skills 的 技能，包装好之后，我只需要对它说一句话，比如帮我生成六张关于 ai 编程的配图，风格要暗色加霓虹，它就会自动调用 gemini 帮我生成配图， 然后再装一个 humanizer zg 文案润色技能，把 ai 写的口播稿变成人话，最后用昆文 tts 克隆我的声音，自动配音， 整个流程从脚本到成片，一个人就能搞定。这就是我为什么说 open class ai 时代的超级武器。好了，今天六步走完，你的龙虾已经满血了。安装工具解锁记忆进化省钱优化安全加固，再到视频工厂实战， 所有的安装提示词和配置代码我都放在评论区了。关注 ai 厂长，后面还有更多 opencloud 的 高阶玩法，我们下期见！ ok， 这期视频呢，同样也是全部通过 ai 制作的，可以给大家先看一下效果， 然后完整的文件内容。这是我们的视频生产的流水线，如果大家感兴趣的话，可以在评论区留言，下期我也会把这一套流水线开源出来，谢谢大家！

hello， 大家好，那我是依依。那上一节课呢，我们讲了一下普通人学习 ai 的 一些需要了解的专业术语，我们把大模型比作是一个学霸， 那这节课呢，我们主要学一下怎么让 ai 干活，以及 ai 是 怎么制造出来的。那涉及到这八个专业名词， promote engineering、 narrowshot， fillshot， c o t pretrite、 tony r l h f is alignment。 那 我们现在依次来看一下这些专业术语具体是什么意思吧。 那首先第一个是 promote engineering 提示词工程，这个用大白话来解释的话就是它是一门研究怎么向学霸提问的一个 呃，学问吧，比如你问他怎么减肥，那这个时候学霸可能泛泛而谈，但是如果你加上你现在是一个健身教练，请为八十千克的上班族制定一周食谱，那这个时候他的回答就非常专业了。这里我总结了一个提示词的一个公式，就是要角色 加背景，加任务，加约束，加视力加格式。举个例子，角色，比如说你是一个叉叉叉叉叉，你是一个健身教练，你是一个呃资深的一个产品经理这种，那背景呢？就是交代一下我们要 做什么，我们的目的大概是什么任务呢？就是我大概分哪几个阶段？一二三，具体怎么做约束呢？比如说要求输出，比如说五百次或者两千次。势利就是我给他一个例子，那格式的话，就是你要求他输出是什么格式，比如说 jason 格式呢？还是？呃具体什么样子的？那 promote engineering 呢？我觉得用一个词来 概括的话，它就可以说说成是驯服学霸的一个念咒语。呃，那第二个是零样本学习， zero short。 呃，零样本很好理解吗？那就是没有任何样本，不给大模型任何参考，直接让他干活啊。比如说你可以直接跟他说，请给我写一个请假条，那这个时候就全凭学霸的基本功去自由发挥了。所以用一个短语来形容的话，你可以理解成他是让学霸裸考。 那第三个呢？就是 feel short， 少量本学习很好理解啊，就是说你先给他看几个例子，比如说你看李白的诗是这样的，杜甫的诗是这样的，现在请你按照他们的风格来帮我写一首诗，那有了参考呢，大模型他就会写的更加符合你的心意。嗯，用一个短语来形容就是给学霸打个样，少量本学习呢，就是先给大家看几个例子，然后再让他张牙画虎。 下一个 c o t c o t 呢？它的全称是思维链。用大白话来解释的话，就是遇到复杂的数学问题呢，你直接问他要答案，这个情况下容易出错。但是如果你 提问，然后最后加一句，请一步一步的思考，那他就会在草稿纸上列出呃，一大堆算式，把推理结果写出来，正确率就会大幅提高。呃，思维链可以理解成让学霸给出呃解析步骤。那小白你需要记住，思维链就是强制 ai 解释 ai 的 思考过程，减少出错率。那刚刚我们讲了怎么向学霸提问，那 下面我们介绍一下学霸的一个求写路，也就是 ai 是 怎么被制造出来的。那学霸呢？他不是一天练成的，他也经历了漫长的一个学习过程。首先第五个词，编程预训练。 呃，用大白话解释的话就是科学家把互联网上几千亿字的书籍网页喂给学霸，让他死记硬背，然后耗费了几个月的时间，让他学会了人类语言的一个规律和海量尝试。所以小白你你需要记住，就是预训练呢，它就是 ai 吸收了海量的知识的一个打基础的阶段，可以理解成我们人类的一个 九年义务教育。然后是反 q 微调，用大白话来解释的话就是这个学霸他虽然懂得多，但是他不够精，比如说你想让他当程序员，那么就专门的给他看大量的代码书，让他从一个通才变成写代码的专才，那这个就叫反 q 微调。呃，你需要记住，微调就是让 ai 掌握特定技能的职业培训，也可以理解成大学的一个专业课吧。 那下一个词呢？是 r l h f 人类反馈强化学习，相信这个词大家在新闻或者是书籍上见到很多，那年初最火的那个 deepsea 呢，它就是通过 r l h f 训练出来的。用大白话解释一下，就是说学霸刚毕业的时候，他说话可能口无遮拦，人类老师会给他回答打分，答得好的话呢，去给他奖励， 答得差的话呢，需要去惩罚他。呃，慢慢的去训练他说出人类喜欢听的话。我觉得你用一个词语来形容的话呢，他就是一个学霸的职场情商课。 那小白你需要记住的就是 r l h f 就是 教 ai 学会察言观色，好好说话的情商训练。那最后一个词 alignment 对 齐。我用大白话来解释一下，就是说你怎么保证学霸的一个价值观和人类是一致的 啊？比如说你问他怎么知道炸炸弹，他必须拒绝回答，确保他做一个遵纪守法的好员工。嗯，我觉得你可以记住。对齐呢，就是确保 ai 的 行为符合人类道德规范的安全所。那你可以理解成学霸的一个思想品德课。

今天是第八天，我们要教给大家一个在 webco 里被称为万能模板的 prompt 框架，那有了这个框架，我们的 ai 不 只是简单的聊天打字，而是一个专业的个人的 ai 架构师。 大家在指挥 ai 的 时候，有没有觉得像在抽奖，如果你运气好了，你可能一遍就过了，但如果运气不好，咱们修改了十遍八遍，还是总是出错。那我今天呢，就给大家一个提示词的公式，有四个方面。那第一个呢，就是角色， 我们不能直接问他，而是要先给他套一个马甲，比如说我们可以跟他这样说，你现在是一个精通 python 的 全能型自动化专家。第二个呢，就是任务， 我们的描述要具体，我们不能说请你直接给我一个脚本，而是要说帮我写个脚本，自动扫描我的下载文件夹， 并根据后缀名分类搬运到图片、视频文档子目录里。那第三个呢，就是最关键的就是约束，我们可以这样说，只使用 python 标准库，请按照文件的添加时间，自动加上时间戳等等等等，这样诸如此类，给一个具体的框架。第四个呢，就是输出，我们可以给一个明确的输出要求，比如我们这样说， 请你给我一个标准的 markdown 格式，我们可以用给自己写一个个人简历来作为例子。那以前我们可能会直接跟 a 说，请你帮我直接输出一份我的个人简历。 但是现在呢，我们可以换一种提示词，用刚才我们给的模板公式写出来的提示词。我们可以这样去跟翠说，你现在是拥有十五年经验的资深技术猎头，精通大厂的筛选标准。根据我提供的原始经历和目标岗位的职位描述，重写一份具备高竞争力的简历。必须遵循 star 原则，所有项目经验要用数据说话， 关键词要命中目标岗位的要求，严禁使用形容词空谈。提取关键词 d i u。 转化率、用户增长。每条经历必须包含具体的数字提升，且长度不超过三行。 输出为专业的 markdown 格式，分为个人总结、核心技能、项目实战三个板块，并给我三个不同版本的文案供我选择。那我们会发现 ai 输出的质量、稳定性和贴合度水平会比之前高了很多， 这就是结构化思维的力量。在 web coding 时代，我们的 prompt 就是 我们的代码编辑器。当我们学会了用角色、任务、约束、输出这四个框架去思考的时候，我们就不再是那个简单求 ai 干活的人，而是一个设计逻辑、掌控大局的超级个体。 我们就会发现，同样的模型在我们的手里比在别人手里要聪明十倍。那今天呢，也可以给大家留一个作业，我们可以用这个脚本框架去尝试性的输出一些其他方面的提示词，比如说你想做一个生活助手、 记账工具等等，都可以尝试用这个 prompt 框架去输出，看看和之前的效果去做一个对比。那大家也记得关注我们，下期再见！拜拜！

你的 ai 项目是不是乱成了一锅粥？改个 prompt 就 得重新部署，加个功能，整个服务全崩。今天这条视频，揭秘 openclaw 架构设计的核心逻辑，解偶与控制。 写过 agent 都知道，那种把 prompt 工具逻辑全写在一个文件里的代码简直就是史山。 你想加个搜索功能，结果把对话逻辑给改坏了。更扯淡的是，一旦 api 接口变动，你整个系统都得停机维护。 为什么？因为很多开发者根本不懂什么叫依赖倒置，就像盖房子不打地基，风一吹就倒。但 open call 不 一样，他一上来就搞了个中央集权。 opencloud 的 设计哲学只有四个字，网关优先。它不是简单的拼积木，而是把所有流量先收拢再分发。这就好比有了交通指挥，谁先走谁后走，听它的。 第一，插件化隔离，你的工具 prompt 记忆模块全是独立的，坏了一个插件，主程序毫发无损。想加新功能， 直接热插拔，不用重启服务。第二，全链路可控，从用户发消息到 ai 回复，中间每一步都在监控，哪里出错了，日制直接甩你脸上，不用像无头苍蝇一样乱猜。 这里有个设计原则叫本地优先，云端算力再强，数据不在你手里也是白搭。 open claw 把核心模型跑在本地，敏感数据根本不出内网， 对比那些把代码喂给公网大模型的 open claw 才是真安全。 lanching 适合做 demo， 但 open claw 适合做产品。 lanching 是 胶水， open claw 是 钢筋混凝土。 一句话，前者是玩具，后者是工业级流水线。想让你的 ai 项目不烂尾？记住这个哲学，网关统一调度模块，彻底解偶数据本地落盘。 明天我们继续拆解怎么用 openclaw 实现真正的多轮对话。关注我，一天一个硬核知识点，让你比同事更懂 ai 架构。

很多人做智能体，是写几个 prompt， 调一次 a p i， 拼几个函数，就说自己做了 agent。 但很快你会发现，逻辑越来越乱，工具越记越多，调试越来越难。这不是智能体工程，只是堆调用。 你一定要认真看丛林构建 ai agent 这本书的第五章，它讲的是智能体核心模块的结构问题。它告诉你大模型在系统里到底扮演什么角色，工具和模型怎么解？偶模型怎么调用工具？什么是 m c p？ 什么是 agent skills？ 例如，很多人听过多 call link， 但不知道你成绩字是什么。这一章把它拆开，讲清楚什么是工具， 工具如何注册，如何通过统一协议挂载模型如何在推理时自动触发调用。你会明白，能调用工具和工程上可维护的调用工具是两回事。更关键的是 agent skills， 它解决的是一个很多人已经踩过的坑，推理逻辑和执行逻辑藕合在一起。第五章教你把系统拆成三层，推理层、调度层、执行层。 六步参与推理，只负责确定性执行。这一步是从写脚本到做系统的分水岭。最后是多智能体协助中心化架构还是去中心化架构？ line graph 还是 a 二 a？ 什么时候用任务图，什么时候用点对点通信？ 很多人只会听说框架名字，却不知道他们的工程差异。这一张帮你把逻辑真正理顺。如果你已经不是完全 a 键的小白，你想做的不是玩具项目，而是可维护、可扩展、可落地的智能体系统，那第五张是这本书真正的分水岭， 讲的不是技巧，而是结构。从会调 a p i 走向会做架构。如果你正卡在工程层面，这一张值得反复读，赶紧点击下方链接看看吧！

打开 openclaw， 满屏的 promotes， token， skills 完全看不懂啊！接下来我们就来搞懂这三个常见的词。第一个呢， promote 就是 你对 ai 说的那句话，你可以想象成是在餐厅点餐，你说随便来点吃的，那上什么都全都凭着运气。 你要说呢，来一份微甜的西红柿炒鸡蛋，那出来的呢，就是你想要的那个菜。 promote 写的越清楚呢， ai 给你的结果就越准确。第二个呢，就是 token， 也就是 ai 的 计费单位，类似于是手机流量， 你发的内容越长，消耗的就会越多。所以写 promote 的 时候呢，要说重点，别说废话，省的 to token 呢，效果还会更好。第三个是 skills， 翻译过来呢，就叫技能包， open klo 里边它支持安装很多个 skills， 可以 是写文案的，做翻译的，做数据分析的， 直接选择你需要的来安装就可以了。它就像是手机里边的 app， 已经内置好了各种各样的流程，装上之后就能用。要记住这三个词，再上手 open klo 就 不慌啦，我是开心关注我，每天进步一点点。