← 返回
未分类

Create Agent

创建新的 OpenClaw Agent 及其 workspace。包含四个阶段:信息收集、 workspace 构造、系统注册、重启验证。 适用场景:新员工飞书配对后创建对应 Agent、新增功能型专业 Agent。 触发词:创建 agent、新建 agent、添加 agent、新员工配对后创建、 新增专业 ag...
创建新 OpenClaw Agent 及其工作空间,流程包括信息收集、工作空间构建、系统注册、重启验证;适用于新员工飞书配对后创建 Agent 或新增专业 Agent。触发词:创建 agent、新建 agent、添加 agent、新员工配对后创建、新增专业 agent
dios-man
未分类 clawhub v2.2.0 1 版本 100000 Key: 无需
★ 0
Stars
📥 410
下载
💾 0
安装
1
版本
#latest

概述

create-agent — 创建 Agent 及 Workspace

两类 Agent 快速对比

> 在创建任何 Agent 之前,必须先判断它属于哪一类。两类路径差异显著,确认后再收集信息。

维度人伴型(员工型)功能型(任务/领域型)
---------
面向谁有真人用户直接对话面向任务,可被 Agent 调度或人直接用
SOUL.md写骨架,BOOTSTRAP 阶段填充直接写完整版,体现专业判断倾向
BOOTSTRAP.md✅ 需要,首次对话动态初始化❌ 不需要
USER.md✅ 需要,积累用户个人知识❌ 不需要(最多记录调用方偏好)
AGENTS.md 重点场景触发规则 + 记忆规则任务接口规范(输入/输出/边界)
MEMORY.md 方向个人偏好 + 业务判断模式领域知识 + 任务经验
进化路径了解他 → 理解他的工作 → 在稳定场景内提供预判(长期方向:逐步替代机械性工作)更实用 → 更专业 → 更好解决需求
脚本参数--type human--type functional

核心设计原则

> skill 负责骨架,BOOTSTRAP.md(人伴型专属)负责灵魂。

  • 人伴型:skill 产出 workspace 骨架 + BOOTSTRAP.md,首次对话时由用户参与填充
  • 功能型:skill 直接产出完整的 workspace,包含精心设计的 SOUL.md 和能力声明
  • 两类共同:workspace 通过触发式写入 + heartbeat 精炼持续生长

执行前必须阅读:

  • references/file-formats.md — 每个文件"写好"的标准
  • references/soul-writing-guide.md — SOUL.md 专项写作指南
  • references/evolve-rules.md — workspace 持续生长规则
  • references/memory-rules.md — 记忆规则精简模板(独立于 AGENTS.md)
  • references/bootstrap-protocol.md — BOOTSTRAP.md 动态对话协议

Phase 0 — 安装后配置(首次使用前执行一次)

> 判断依据(按顺序检查):

>

> 1. 读取 org-context.md:~/.openclaw/workspace/agents-config/org-context.md

> 不存在 → 尝试从 MEMORY.md 自动提取公司背景 → 仍无法提取 → 执行 Phase 0

>

> 2. 检查"公司:"和"业务:"字段是否均有实质内容。

> 任意一个为空 → 执行 Phase 0(跳过有效期检查);两个都有内容 → 执行步骤 2。

>

> 3. 检查 last_updated 字段,计算距今天数。

> 超过 30 天 → 提示用户确认(不强制阻断,用户确认无需调整则继续)。

> 未超过 30 天 → 直接跳过 Phase 0。

>

> (不以文件是否存在为判断标准,空文件 ≠ 已填写)

Step 1:读取记忆,自动提取

读取:MEMORY.md + 最近 3 天 memory/ 文件
提取:
  □ 公司名称
  □ 主营业务
  □ 已有的 Agent 列表和分工
  □ 其他稳定的组织背景

Step 2:展示并确认

"我从记忆里整理了以下信息,将作为新 Agent 的背景预埋:

[展示提取内容]

有需要补充或修改的吗?"

Step 3:写入 ~/.openclaw/workspace/agents-config/org-context.md

# org-context.md — 组织背景预埋信息

## 元信息
- last_updated: YYYY-MM-DD

## 公司信息
- 公司:[自动填入或用户补充]
- 业务:[自动填入或用户补充]

## 现有 Agent 架构
[自动填入已知的 Agent 列表和分工]

## 其他背景
[用户补充的信息]

后续每次创建 Agent,自动读取此文件,不再重复询问。


Phase 1 — 信息收集

所有信息必须确认后才能进入 Phase 2,不猜测,不假设。

快速路径判断(可选,减少轻量场景的收集成本)

在开始详细收集前,先判断是否适合快速路径:

问用户:这是给刚配对的员工建基础 Agent,还是有特定职责的专业 Agent?

如果回答是"刚配对的员工"且用户没有额外要求 → 快速路径:

只收集 3 项:

□ agentId        staff-<open_id前几位>
□ open_id        用于 --notify-open-id(HEARTBEAT.md 闲置通知)
□ 基础工具权限    默认:feishu_get_user feishu_im_user_message feishu_search_user

可选收集(传入后 SOUL.md 骨架会有岗位相关倾向,不传则使用通用表述):

○ 岗位类型(一句话,如"内容运营""客户经理""视频剪辑")

其余全部自动处理:

  • 名字/emoji:AI 根据飞书姓名自动生成(Phase 2 A-2)
  • SOUL.md:骨架(BOOTSTRAP 阶段填充)
  • AGENTS.md:最小规则集(不含场景规则,仅基础记忆规则)
  • alsoAllow:仅 3 个基础工具
  • 核心职责/边界/父 Agent:全部使用默认值("服务配对员工的日常工作",父 Agent = main)

快速路径跳过功能型专有字段和可选字段,直接进入 Phase 2。Phase 2 中 AGENTS.md 的场景规则和明确不做的事留空(由 BOOTSTRAP 或后续使用中补充)。

如果不适合快速路径 → 继续下面的详细收集。

> ⚠️ Agent 类型必须第一个确认,它决定 Phase 2 走哪条路径,两条路差异显著。

> 收集顺序:先定类型 → 再按对应路径收集剩余信息。

通用必填(按此顺序收集)

□ Agent 类型     【第一个确认】员工 Agent(有真人用户直接对话)
                              还是功能型 Agent(面向任务/被其他 Agent 调度)
□ agentId        全小写,字母+连字符(如 staff-ou_xxx、data-analyst)
□ 名字 + emoji   用于 IDENTITY.md,也是 SOUL.md 的叙事起点
□ 核心职责       1-2句话(这个 Agent 主要干什么)
□ 明确不做什么   至少说出 2-3 条边界
□ 父 Agent id    谁来调度它(用于 allowAgents 白名单)
□ alsoAllow 列表 需要哪些飞书/系统工具权限

如果是员工 Agent,agentId 通常是 staff-

功能型专有必填(仅当类型为功能型时收集)

□ 判断偏向      遇到不确定性时默认保守还是激进
                 (比如:宁可多问一句不瞎猜 / 给个方向等反馈 / 先按最常见情况处理)
□ 输入模糊时    收到的信息不完整时的默认行为
的默认行为        (追问 / 按默认假设执行并标注 / 拒绝执行并说明缺什么)
□ 质量标准排序  正确性 / 完整性 / 效率 / 创新性——哪个优先
                 (比如:宁可慢但要准 / 快速给粗糙结论再迭代)
□ 最不能容忍    这个 Agent 在执行中最不该出现的行为
的输出缺陷        (比如:给了一个看起来完整但实际有错的答案 / 推理过程有跳跃)

可选

○ 是否需要专属 skills
○ 特殊的工具限制或安全约束

Phase 2 — Workspace 构造

> 根据 Agent 类型走不同路径。确认类型后只读对应文件,不读另一个。

人伴型(路径 A): 读取 references/human-path.md,按步骤执行 A-1 到 A-9。

功能型(路径 B): 读取 references/functional-path.md,按步骤执行 B-1 到 B-9。


Phase 3 — 系统注册(高危,严格执行)

python3 scripts/register_agent.py \
  --agent-id <agentId> \
  --workspace ~/.openclaw/agency-agents/<agentId> \
  --parent-id <父AgentId> \
  --agent-type human \
  --core-duty "核心职责一句话描述" \
  --also-allow feishu_get_user feishu_im_user_message feishu_calendar_event

可选参数:

  • --model:指定模型(不传则继承默认)
  • --heartbeat-interval:心跳间隔分钟数(默认 60)
  • --agent-dir:极少数情况才需要,不传则不写入此字段
  • --dry-run:预览变更不写入

脚本执行顺序:

  1. 备份 openclaw.json(带时间戳)
  2. agents.list 追加新 Agent 定义(含 heartbeat + 可选 model)
  3. 在父 Agent 的 subagents.allowAgents 追加新 agentId(双向绑定
  4. 执行 openclaw config validate
  5. validate 通过 → 在父 Agent MEMORY.md 追加子 Agent 档案 → 继续

validate 失败 → 自动回滚,报错退出

💡 首次使用或调试时,先加 --dry-run 预览:

python3 scripts/register_agent.py --agent-id <agentId> ... --dry-run

⚠️ 不要手动改 openclaw.json,用脚本。


注销 Agent(废弃 / 员工离职)

python3 scripts/deregister_agent.py --agent-id <agentId>
# 预览:python3 scripts/deregister_agent.py --agent-id <agentId> --dry-run

脚本执行:

  1. agents.list 移除目标 Agent
  2. 从所有父 Agent 的 allowAgents 移除该 id(自动扫描,不会遗漏)
  3. validate + 回滚机制同注册
  4. workspace 存档到 ~/.openclaw/agency-agents/.archived/-<时间戳>/(不删除)

Phase 4 — 重启与验证

Step 1:验证 workspace 完整性

bash scripts/verify_workspace.sh <agentId> --type human      # 人伴型
bash scripts/verify_workspace.sh <agentId> --type functional # 功能型

脚本执行两层检查:

  1. 存在性 + 行数:文件存在且有足够有效行
  2. 内容特征:无未填充占位符、SOUL.md 含名字、AGENTS.md 含边界声明、MEMORY.md 公司已填写

有 ❌ 或 ⚠️ → 补充后重新验证,通过后再重启。

Step 2:重启 Gateway

if systemctl --user status openclaw-gateway.service &>/dev/null 2>&1; then
  systemctl --user restart openclaw-gateway.service
elif pgrep -f "openclaw gateway" &>/dev/null; then
  openclaw gateway restart
else
  echo "⚠️  无法自动检测 Gateway 运行方式,请手动重启后继续验证。"
fi
sleep 8

Step 3:验证工具可用性

  1. 确认新 Agent 在 Gateway 日志里出现
  2. 确认 alsoAllow 里的工具已注册(不以"重启完成"作为结束)

Step 4:首次激活自检

通过 sessions_send 向新 Agent 发一条激活消息:

请读取你的 workspace,用一段话说清楚:你是谁、主要职责是什么、有哪些明确不做的事。

收到回应后:

  • 检查回应是否包含 Agent 名字、核心职责、边界声明三要素
  • 将回应写入新 Agent 的 memory/<今天日期>.md 作为第一条记录(标题:"首次激活自检")
  • 回应缺少三要素之一 → workspace 有问题,检查对应文件后重新自检

Step 5:最小场景化行为验证

自检通过后,根据 Agent 类型发送测试消息。

人伴型:

根据 Phase 1 收集的"明确不做什么",构造一条超出边界的请求:

帮我做一下 [某条明确不做的事]

验证标准: Agent 明确拒绝 + 说明边界,不尝试执行。

不通过时: 检查 SOUL.md 边界 + AGENTS.md 场景规则。

功能型(两项测试,全部通过才算完成):

测试 1 — 输入完整性测试:

帮我处理一下数据

验证标准: Agent 按能力卡点响应(追问必要输入 / 说明需要什么信息 / 指出输入不完整),不直接猜测执行。

不通过时: 检查 AGENTS.md "接受的输入" 部分。

测试 2 — 判断边界测试:

这是一个 [Agent 职责领域] 的任务:[具体但处于能力边界的情况描述]

验证标准:

  • Agent 没有直接跳过判断就执行(说明"工作执念"生效)
  • Agent 的回应中体现了 Phase 1 收集的"判断偏向"
  • Agent 对不确定的部分有标注(不是假装确定)

不通过时: 检查 SOUL.md 是否包含判断偏向素材 + AGENTS.md 边界声明是否覆盖灰色地带。

⚠️ 以"自检三要素通过 + 场景行为验证通过"作为整个 skill 的完成标志。


完成后告知

Agent [名字] 已创建完成:
- agentId: <agentId>
- workspace: ~/.openclaw/agency-agents/<agentId>
- 工具权限: <alsoAllow 列表>
- 状态: 等待用户首次对话完成个性化初始化

员工首次与 Agent 对话时,BOOTSTRAP.md 会自动触发,
通过动态对话完成 workspace 的内容层定制。

Agent 进化里程碑

> 里程碑是可观测、可验证的状态,不是抽象承诺。

> 对应 HEARTBEAT 中 Workspace 成熟度评分(I1)。

阶段达成条件成熟度参考
---------
🌱 种子创建完成,workspace 文件完整,公司背景已预埋0-20
📋 知道你是谁BOOTSTRAP 完成:USER.md 有称呼+岗位+核心工作,SOUL.md 有具体性格,≥3 条偏好20-40
🔍 理解你的工作使用 2-4 周:MEMORY.md 有 ≥3 条业务背景,memory/ 有 ≥2 条业务判断,USER.md 有 ≥5 条偏好40-70
🎯 不用你说就知道使用 1-3 月:Agent 在用户开口前主动提供相关信息,用户不再重复解释背景70+

创建者可通过读取 Agent 的 memory/.health 文件中的 maturity 值来判断当前阶段。


注意事项

  • 每个 Agent 必须有独立 workspace,不能多个 Agent 共用
  • SOUL.md 和 AGENTS.md 不能内容重叠:性格在 SOUL,规则在 AGENTS
  • TOOLS.md 不进 BOOTSTRAP 对话:由 skill 根据 alsoAllow 自动生成
  • MEMORY.md 和 memory/ 严格区分:长期知识 vs 日期事件
  • Gateway 重启后必须验证工具可用性,不以重启完成作为结束
  • 记忆规则:由 create_workspace.sh 自动生成独立文件 memory-rules.md,AGENTS.md 只保留引用

版本历史

共 1 个版本

  • v2.2.0 当前
    2026-05-03 06:59 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

security-compliance

Skill Vetter

spclaudehome
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
★ 1,219 📥 266,923
ai-intelligence

self-improving agent

pskoett
捕获经验教训、错误和纠正,以实现持续改进。使用时机:(1)命令或操作意外失败;(2)用户纠正……
★ 4,062 📥 800,695
ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,363 📥 319,102