第 2 课

第一次对话:工作区人格与换模型

用 openclaw agent 发出第一条消息并用 status 看上下文占用,认识 AGENTS.md、SOUL.md、USER.md 等工作区文件,改 SOUL.md 后发现 0.6B 模型不守规矩也不会真的写文件,换成 qwen3:1.7b 重新 onboard 后让智能体真正建出 todo.md,最后打开 Control UI 控制台。

图文20 分钟OpenClaw 官方文档 ↗

课程目录第 2 / 3 课

学习位置仅保存在当前浏览器,有效期 180 天。

01 / 图文教材

图文教材

本课对照的官方页面:openclaw agent、Agent workspace、SOUL.md、Ollama 接入、Control UI。命令与输出在 Linux x64(OpenClaw 2026.10.9、Ollama 0.40.13、纯 CPU)上实测,输出为节选。

上一课网关已经跑起来了。这一课先在命令行里和智能体说第一句话,再认识工作区里那几个决定它「是谁、怎么做事」的 Markdown 文件,最后亲眼看看小模型和稍大一点的模型在动手干活时的差别。

第 1 步:发出第一条消息

openclaw agent 会把一条消息交给网关上的智能体,等它回复后打印出来。--agent main 指定默认智能体,--thinking off 关掉思考模式,让小模型回答得快一些:

openclaw agent --agent main --thinking off \
  -m "用一句话介绍你自己"

对照结果:

我是OpenClaw助手,专注于AI开发和自动化工具的探索。

实测在 8 核 CPU、没有显卡的机器上,这一句用了约 60 秒,主要花在第一次加载模型和读入工作区文件上。有显卡或用 Apple 芯片会快很多。

再用 openclaw status 看看全局状态,Sessions 表里多了一条会话:

openclaw status

对照结果(节选,表格边框去掉、改成纯文本排版):

Gateway  local · ws://127.0.0.1:18789 (local loopback)
         · reachable 391ms · auth token
Agents   1 · 1 bootstrap file present · sessions 1
Channels No channels configured
Sessions agent:main:main  direct  qwen3:0.6b  12k/33k (37%)

12k/33k 表示这一个短问题就用掉了约 1.2 万 token 的上下文,大头是每次都会带上的工作区文件和工具说明。这也是官方要求上下文至少 16K 的原因。

第 2 步:认识工作区文件

onboard 时建好的工作区默认在 ~/.openclaw/workspace,它本身是一个 Git 仓库:

ls ~/.openclaw/workspace

对照结果:

AGENTS.md
BOOTSTRAP.md
IDENTITY.md
SOUL.md
USER.md

按官方 Agent workspace 页面,这几个文件分工如下:

文件管什么
AGENTS.md操作守则:规则、优先级、怎么用记忆,每次会话都加载
SOUL.md人格、语气和边界,每次会话都加载
USER.md你的长期偏好和在做的项目,可选
IDENTITY.md智能体的名字、风格和表情符号
BOOTSTRAP.md首次运行的「入职仪式」,完成后可以删掉

想让智能体换个说话方式,改 SOUL.md;想定规矩,改 AGENTS.md。官方建议把这个目录推到一个私有 Git 仓库里备份。

第 3 步:改 SOUL.md,再测一次

在 SOUL.md 末尾加一条语言规则,要求回答结尾带一只龙虾:

cat >> ~/.openclaw/workspace/SOUL.md <<'MD'

## 语言

- 一律用简体中文回答,每次回答结尾加上「🦞」。
MD

然后让它干一件需要动手的事:在工作区建一个文件。

openclaw agent --agent main --thinking off \
  -m "在工作区新建 todo.md,写入三条明天的待办事项"
cat ~/.openclaw/workspace/todo.md

对照结果(智能体的回答):

在工作区新建 `todo.md` 并添加以下待办事项:
1. 学习AI开发和自动化工具的探索。
2. 掌握OpenClaw的使用方法。
3. 完成今天的任务。

紧接着的 cat 报 No such file or directory。注意两点:回答里没有「🦞」,而且它只是「说」建好了,文件其实不存在。0.6B 的模型太小,既记不住新加的规则,也没有真的发起写文件的工具调用。这就是官方建议用更大模型的原因。

第 4 步:换一个大一点的模型

拉一个 1.7B 的模型(约 1.4 GB),再用同样的 onboard 命令把默认模型换掉。官方说明重新跑 Ollama onboard 会重建这个 provider 的模型清单,工作区文件不会被动:

ollama pull qwen3:1.7b
openclaw onboard --non-interactive --accept-risk \
  --skip-health --auth-choice ollama \
  --custom-base-url http://127.0.0.1:11434 \
  --custom-model-id qwen3:1.7b \
  --no-install-daemon --skip-channels --skip-search \
  --skip-skills --skip-ui
openclaw models list --provider ollama

对照结果(节选,列间空格有压缩):

Default Ollama model: qwen3:1.7b
Workspace OK: ~/.openclaw/workspace
Updated config: ~/.openclaw/openclaw.json

Model              Input  Ctx      Local Auth Tags
ollama/qwen3:1.7b  text   33k/41k  yes   yes  default,configured
ollama/qwen3:0.6b  text   33k/41k  yes   yes

只用 openclaw models set ollama/qwen3:1.7b 也能改默认模型,但实测它会提示该模型「不在本地模型目录里」,models list 也看不到它。新拉的模型用 onboard 重新登记最稳妥。

第 5 步:再让它动手,并打开控制台

换个新会话(--session-id)重发同一条指令,避免上一次的失败回答干扰它:

openclaw agent --agent main --session-id lab2 \
  --thinking off \
  -m "在工作区新建 todo.md,写入三条明天的待办事项"
cat ~/.openclaw/workspace/todo.md

对照结果:

todo.md 已成功创建,并写入了明天的待办事项。以下是内容:

1. 早上喝一杯咖啡
2. 下午去公园散步
3. 晚上观看一部电影

如需进一步帮助,请随时告知!🦞

1. 早上喝一杯咖啡
2. 下午去公园散步
3. 晚上观看一部电影

这次文件真的写出来了,结尾也带上了 SOUL.md 要求的「🦞」。实测这一轮用了约 77 秒。日常使用建议换成官方推荐的 gemma4 或更大的模型,或在 onboard 时改选云端模型。

除了命令行,网关还自带网页控制台 Control UI:

openclaw dashboard --no-open

对照结果:

Dashboard URL: http://127.0.0.1:18789/
One-time browser pairing included in browser/clipboard URL.

在本机浏览器打开这个地址就能聊天、看会话和改设置;--no-open 只打印地址不自动开浏览器。如果页面提示没有授权,按提示把网关 token 以 #token=... 的形式接在地址后面。不要把带 token 的地址发给别人。

小结

  • openclaw agent -m 在命令行里和智能体对话,openclaw status 看会话与上下文占用。
  • 工作区里的 AGENTS.md、SOUL.md、USER.md、IDENTITY.md 决定智能体的守则和性格。
  • 0.6B 模型能聊天,但不会真的调用工具;换成 1.7B 后能写文件、能守 SOUL.md 的规矩。
  • 新拉的 Ollama 模型用 onboard 重新登记,openclaw dashboard 打开网页控制台。
  • 下一课做安全体检,让小模型远离联网工具,再加一个定时任务。

本课资料

适用环境

  • 网页
  • macOS
  • Windows
  • Linux
  • iOS

官方文档

OpenClaw ↗