本文介绍了如何通过工具分发机制扩展Agent功能，而无需修改主循环。核心思想是使用Dispatch Map注册工具处理器，通过工具名称映射到对应的执行函数。文章展示了Java实现的关键代码，包括工具处理器注册、工具列表定义、循环体保持不变等要点。重点强调了路径安全沙箱机制(isSafePath)的实现，确保文件操作限制在工作目录内。此外，还详细说明了读取和写入文件工具的具体实现，包括路径检查、内容

本文介绍了一种提高AI Agent任务完成率的方法——通过待办事项管理工具实现任务规划。文章指出，在多步任务中，AI模型容易丢失进度，出现重复、跳步或跑偏等问题。解决方案是引入两个关键机制：1)TodoManager状态管理器，让AI自行维护任务状态；2)提醒机制，3轮不更新待办就自动提醒。文章详细展示了Java实现代码，包括TodoManager类、待办事项实体类、工具注册流程和系统提示词设置。

本文提出了一种创新的技能管理机制，通过动态加载专业技能实现AI模型的按需知识注入。核心思想是将技能区分为"KNOWS"和"CAN DO"两个维度，采用工具调用方式实现知识的高效利用。 系统通过SkillLoader组件管理技能仓库，每个技能以SKILL.md文件形式存储，包含YAML元数据和Markdown内容。关键特性包括： 按需加载机制，避免上下文膨胀

任务管理系统实现摘要 本文实现了一个基于文件持久化的任务管理系统，核心功能包括： 任务持久化：将任务数据以JSON格式存储到磁盘，支持会话恢复和跨对话状态保持 依赖管理：通过blockedBy和blocks字段实现任务间依赖关系，支持双向更新 状态管理：提供pending/in_progress/completed三种状态，任务完成时自动清理依赖关系 文件存储：每个任务单独存储为task_id.j

OpenClaw 是一个强大的 AI 智能体框架，提供了完整的系统提示词架构，用于构建可在沙箱环境中运行的 AI 助手。其提示词设计涵盖了工具使用、安全控制、记忆管理、会话管理等多个维度。以下是 OpenClaw 系统提示词构建的核心源码（TypeScript），已添加详细中文注释：完整提示词模板以下是完整的系统提示词模板（英文原版），其中包含占位符标记 ：主提示词（中文版）占位符提示词详解以下是

在 OpenClaw 中，技能（Skill）是一种让 AI 智能体获得特定能力的机制。与传统 MCP 或 Function Calling 的工具注册方式不同，OpenClaw 采用声明式设计——技能不是作为自定义工具注册给大模型，而是通过系统提示词让 AI 主动扫描和选择。OpenClaw 的技能系统采用了独特的声明式设计渐进式披露：系统提示词中只加载技能简介，按需通过 Read 工具读取完整内

多Agent协作架构 本文介绍了基于"领导+团队成员"的多Agent协作系统设计。核心架构采用一个领导Agent(Lead)与多个成员Agent(Teammate)通过异步消息总线(MessageBus)进行协作的模式。系统实现了以下关键特性： 组件化重构：将系统划分为Agent入口、核心组件(循环、工具、团队管理等)和公共设施 状态管理：通过State接口和ThreadLoc

本文介绍了一种子代理(Subagent)设计模式，通过将大任务拆解为小任务并保持上下文隔离来优化AI代理的工作效率。核心思想是让子代理使用独立的消息列表处理任务，完成后只返回摘要给父代理，避免中间过程污染主对话上下文。文章详细讲解了Java实现方案，包括父子工具配置隔离、系统提示区分、工具注册机制以及子代理执行流程。该设计通过限制子代理工具集(禁用task工具)、设置50轮安全限制等技术手段，有效

文章摘要： 本文提出了一种异步任务处理方案，通过后台线程执行耗时命令（如sleep 10或大文件编译），避免阻塞Agent主线程。核心机制包括： 任务管理：通过BackgroundManager维护任务队列，支持异步执行与状态跟踪 回调通知：任务完成后通过消息队列推送结果（如[bg:xxx] completed） 非阻塞交互：Agent可继续处理其他请求，通过drainNotifications(

本文介绍了团队协作中的规范化流程，重点实现了优雅停止和方案审批两大协议机制。在优雅停止方面，通过ShutdownRequests管理器记录请求状态，由Lead发起停止请求，Teammate响应后可设置停止标志。在方案审批方面，使用PlanRequests管理器跟踪方案状态，Teammate提交方案后需等待Lead审批反馈。两个协议都采用请求-响应模式，通过唯一ID跟踪请求状态，实现了团队协作的规范