मुख्य सामग्री पर जाएं
OpenClaw हर agent run के लिए एक कस्टम सिस्टम प्रॉम्प्ट बनाता है। प्रॉम्प्ट OpenClaw-स्वामित्व वाला है और runtime डिफ़ॉल्ट प्रॉम्प्ट का उपयोग नहीं करता। प्रॉम्प्ट OpenClaw द्वारा असेंबल किया जाता है और हर agent run में इंजेक्ट किया जाता है। प्रॉम्प्ट असेंबली की तीन परतें हैं:
  • buildAgentSystemPrompt स्पष्ट इनपुट से प्रॉम्प्ट रेंडर करता है। इसे एक शुद्ध renderer रहना चाहिए और global config को सीधे नहीं पढ़ना चाहिए।
  • resolveAgentSystemPromptConfig किसी विशिष्ट agent के लिए owner display, TTS hints, model aliases, memory citation mode, और sub-agent delegation mode जैसे config-backed prompt knobs resolve करता है।
  • Runtime adapters (embedded, CLI, command/export previews, compaction) tools, sandbox state, channel capabilities, context files, और provider prompt contributions जैसे live facts इकट्ठा करते हैं, फिर configured prompt facade को कॉल करते हैं।
यह exported/debug prompt surfaces को live runs के साथ aligned रखता है, बिना हर runtime-specific detail को एक monolithic builder में बदलें। Provider plugins पूरा OpenClaw-स्वामित्व वाला प्रॉम्प्ट बदले बिना cache-aware prompt guidance contribute कर सकते हैं। provider runtime यह कर सकता है:
  • named core sections (interaction_style, tool_call_style, execution_bias) के छोटे set को replace करना
  • prompt cache boundary के ऊपर एक stable prefix inject करना
  • prompt cache boundary के नीचे एक dynamic suffix inject करना
model-family-specific tuning के लिए provider-owned contributions का उपयोग करें। legacy before_prompt_build prompt mutation को compatibility या सचमुच global prompt changes के लिए रखें, सामान्य provider behavior के लिए नहीं। OpenAI GPT-5 family overlay core execution rule को छोटा रखता है और persona latching, concise output, tool discipline, parallel lookup, deliverable coverage, verification, missing context, और terminal-tool hygiene के लिए model-specific guidance जोड़ता है।

​
संरचना

प्रॉम्प्ट जानबूझकर compact है और fixed sections का उपयोग करता है:
  • Tooling: structured-tool source-of-truth reminder और runtime tool-use guidance।
  • Execution Bias: compact follow-through guidance: actionable requests पर उसी turn में act करें, done या blocked होने तक जारी रखें, weak tool results से recover करें, mutable state को live check करें, और finalizing से पहले verify करें।
  • Safety: power-seeking behavior या oversight bypass करने से बचने के लिए छोटा guardrail reminder।
  • Skills (जब उपलब्ध हों): model को बताता है कि demand पर skill instructions कैसे load करें।
  • OpenClaw Control: model को config/restart work के लिए gateway tool को prefer करने और CLI commands invent करने से बचने को कहता है।
  • OpenClaw Self-Update: config.schema.lookup के साथ config safely inspect करने, config.patch के साथ config patch करने, config.apply के साथ पूरा config replace करने, और केवल explicit user request पर update.run चलाने का तरीका। agent-facing gateway tool tools.exec.ask / tools.exec.security को rewrite करने से भी मना करता है, जिसमें legacy tools.bash.* aliases शामिल हैं जो उन protected exec paths पर normalize होते हैं।
  • Workspace: working directory (agents.defaults.workspace)।
  • Documentation: OpenClaw docs/source का local path और उन्हें कब पढ़ना है।
  • Workspace Files (injected): बताता है कि bootstrap files नीचे शामिल हैं।
  • Sandbox (जब enabled हो): sandboxed runtime, sandbox paths, और elevated exec उपलब्ध है या नहीं, बताता है।
  • Current Date & Time: केवल time zone (cache-stable; live clock session_status से आता है)।
  • Assistant Output Directives: compact attachment, voice-note, और reply tag syntax।
  • Heartbeats: default agent के लिए heartbeats enabled होने पर heartbeat prompt और ack behavior।
  • Runtime: host, OS, node, model, repo root (जब detected हो), thinking level (एक line)।
  • Reasoning: current visibility level + /reasoning toggle hint।
OpenClaw बड़े stable content, जिसमें Project Context शामिल है, को internal prompt cache boundary के ऊपर रखता है। Control UI embed guidance, Messaging, Voice, Group Chat Context, Reactions, Heartbeats, और Runtime जैसे volatile channel/session sections उस boundary के नीचे append किए जाते हैं ताकि prefix caches वाले local backends stable workspace prefix को channel turns में reuse कर सकें। Tool descriptions को भी current channel names embed करने से बचना चाहिए जब accepted schema पहले से वह runtime detail carry करता हो। Tooling section long-running work के लिए runtime guidance भी शामिल करता है:
  • future follow-up (check back later, reminders, recurring work) के लिए cron का उपयोग करें, exec sleep loops, yieldMs delay tricks, या repeated process polling के बजाय
  • exec / process का उपयोग केवल उन commands के लिए करें जो अभी start होती हैं और background में running रहती हैं
  • जब automatic completion wake enabled हो, command को एक बार start करें और output emit होने या fail होने पर push-based wake path पर rely करें
  • जब किसी running command को inspect करने की जरूरत हो, logs, status, input, या intervention के लिए process का उपयोग करें
  • यदि task बड़ा है, तो sessions_spawn prefer करें; sub-agent completion push-based है और requester को auto-announces back करता है
  • completion का wait करने के लिए subagents list / sessions_list को loop में poll न करें
agents.defaults.subagents.delegationMode इस guidance को मजबूत कर सकता है। default suggest mode baseline nudge रखता है। prefer एक dedicated Sub-Agent Delegation section जोड़ता है, जो main agent को responsive coordinator की तरह act करने और direct reply से ज्यादा involved किसी भी चीज को sessions_spawn के माध्यम से push करने को कहता है। यह केवल prompt-only है; tool policy अब भी control करती है कि sessions_spawn उपलब्ध है या नहीं। जब experimental update_plan tool enabled हो, Tooling model को यह भी बताता है कि इसे केवल non-trivial multi-step work के लिए उपयोग करें, ठीक एक in_progress step रखें, और हर update के बाद पूरा plan repeat करने से बचें। system prompt में Safety guardrails advisory हैं। वे model behavior को guide करते हैं लेकिन policy enforce नहीं करते। hard enforcement के लिए tool policy, exec approvals, sandboxing, और channel allowlists का उपयोग करें; operators इन्हें design के अनुसार disable कर सकते हैं। native approval cards/buttons वाले channels पर, runtime prompt अब agent को पहले उस native approval UI पर rely करने को कहता है। इसे manual /approve command केवल तब शामिल करनी चाहिए जब tool result कहे कि chat approvals unavailable हैं या manual approval ही एकमात्र path है।

​
प्रॉम्प्ट modes

OpenClaw sub-agents के लिए छोटे system prompts render कर सकता है। runtime हर run के लिए promptMode set करता है (user-facing config नहीं):
  • full (default): ऊपर के सभी sections शामिल करता है।
  • minimal: sub-agents के लिए उपयोग होता है; Memory Recall, OpenClaw Self-Update, Model Aliases, User Identity, Assistant Output Directives, Messaging, Silent Replies, और Heartbeats छोड़ देता है। Tooling, Safety, Skills जब supplied हों, Workspace, Sandbox, Current Date & Time (जब known हो), Runtime, और injected context उपलब्ध रहते हैं।
  • none: केवल base identity line लौटाता है।
जब promptMode=minimal हो, extra injected prompts को Group Chat Context के बजाय Subagent Context label किया जाता है। channel auto-reply runs के लिए, OpenClaw generic Silent Replies section को छोड़ देता है जब direct, group, या message-tool-only context visible-reply contract own करता है। केवल old automatic group/channel mode को NO_REPLY दिखाना चाहिए; direct chats और message-tool-only replies को silent-token guidance नहीं मिलती।

​
प्रॉम्प्ट snapshots

OpenClaw Codex runtime happy path के लिए committed prompt snapshots test/fixtures/agents/prompt-snapshots/codex-runtime-happy-path/ के अंतर्गत रखता है। वे selected app-server thread/turn params और Telegram direct, Discord group, और heartbeat turns के लिए reconstructed model-bound prompt layer stack render करते हैं। उस stack में Codex के model catalog/cache shape से generated pinned Codex gpt-5.5 model prompt fixture, Codex happy-path permission developer text, OpenClaw developer instructions, turn-scoped collaboration-mode instructions जब OpenClaw उन्हें provide करता है, user turn input, और dynamic tool specs के references शामिल हैं। pinned Codex model prompt fixture को pnpm prompt:snapshots:sync-codex-model के साथ refresh करें। default रूप से, script Codex के runtime cache को $CODEX_HOME/models_cache.json, फिर ~/.codex/models_cache.json, और उसके बाद ही maintainer Codex checkout convention ~/code/codex/codex-rs/models-manager/models.json पर खोजता है। यदि इनमें से कोई source मौजूद नहीं है, command committed fixture बदले बिना exit करता है। किसी specific models_cache.json या models.json file से refresh करने के लिए --catalog <path> pass करें। ये snapshots अभी भी byte-for-byte raw OpenAI request capture नहीं हैं। OpenClaw द्वारा thread और turn params भेजने के बाद Codex runtime के अंदर Codex AGENTS.md, environment context, memories, app/plugin instructions, और built-in Default collaboration-mode instructions जैसे runtime-owned workspace context जोड़ सकता है। उन्हें pnpm prompt:snapshots:gen के साथ regenerate करें और drift को pnpm prompt:snapshots:check के साथ verify करें। CI additional boundary shard में drift check चलाता है ताकि prompt changes और snapshot updates उसी PR से attached रहें।

​
Workspace bootstrap injection

Bootstrap files active workspace से resolve होती हैं, फिर उनके lifetime से match करने वाली prompt surface पर route होती हैं:
  • AGENTS.md
  • SOUL.md
  • TOOLS.md
  • IDENTITY.md
  • USER.md
  • HEARTBEAT.md
  • BOOTSTRAP.md (केवल brand-new workspaces पर)
  • MEMORY.md जब present हो
native Codex harness पर, OpenClaw हर user turn में stable workspace files repeat करने से बचता है। Codex AGENTS.md को अपनी project-doc discovery के माध्यम से load करता है। SOUL.md, IDENTITY.md, TOOLS.md, और USER.md को Codex developer instructions के रूप में forward किया जाता है। compact OpenClaw skills list भी turn-scoped collaboration developer instructions के रूप में forward की जाती है। HEARTBEAT.md content inject नहीं होता; heartbeat turns को file की ओर इशारा करता collaboration-mode note मिलता है जब वह मौजूद हो और non-empty हो। configured agent workspace से MEMORY.md content हर native Codex turn में paste नहीं किया जाता; जब memory tools उस workspace के लिए available हों, Codex turns को turn-scoped collaboration developer instructions में एक छोटा workspace-memory note मिलता है और durable memory relevant होने पर memory_search या memory_get का उपयोग करना चाहिए। यदि tools disabled हों, memory search unavailable हो, या active workspace agent memory workspace से अलग हो, तो MEMORY.md normal bounded turn-context path पर fallback करता है। Active BOOTSTRAP.md content अभी के लिए normal turn-context role रखता है। non-Codex harnesses पर, bootstrap files अपने existing gates के अनुसार OpenClaw prompt में compose होती रहती हैं। HEARTBEAT.md normal runs पर तब omit होता है जब default agent के लिए heartbeats disabled हों या agents.defaults.heartbeat.includeSystemPromptSection false हो। injected files concise रखें, खासकर non-Codex MEMORY.md। MEMORY.md को curated long-term summary बने रहने के लिए intended है; detailed daily notes memory/*.md में belong करते हैं जहाँ memory_search और memory_get उन्हें demand पर retrieve कर सकते हैं। Oversized non-Codex MEMORY.md files prompt usage बढ़ाती हैं और नीचे दिए गए bootstrap file limits के कारण partially injected हो सकती हैं।
memory/*.md daily files normal bootstrap Project Context का हिस्सा नहीं हैं। ordinary turns पर वे memory_search और memory_get tools के माध्यम से demand पर access की जाती हैं, इसलिए वे context window में count नहीं होतीं जब तक model उन्हें explicitly read न करे। Bare /new और /reset turns exception हैं: runtime उस first turn के लिए recent daily memory को one-shot startup-context block के रूप में prepend कर सकता है।
बड़ी फ़ाइलें एक मार्कर के साथ काट दी जाती हैं। प्रति-फ़ाइल अधिकतम आकार agents.defaults.bootstrapMaxChars (डिफ़ॉल्ट: 20000) द्वारा नियंत्रित होता है। फ़ाइलों में कुल injected bootstrap सामग्री agents.defaults.bootstrapTotalMaxChars (डिफ़ॉल्ट: 60000) तक सीमित है। गुम फ़ाइलें एक छोटा missing-file marker inject करती हैं। जब truncation होता है, OpenClaw एक संक्षिप्त system-prompt चेतावनी सूचना inject कर सकता है; इसे agents.defaults.bootstrapPromptTruncationWarning (off, once, always; डिफ़ॉल्ट: always) से नियंत्रित करें। विस्तृत raw/injected counts diagnostics जैसे /context, /status, doctor, और logs में रहते हैं। memory फ़ाइलों के लिए, truncation डेटा हानि नहीं है: फ़ाइल डिस्क पर सही-सलामत रहती है। native Codex पर, MEMORY.md उपलब्ध होने पर memory tools के माध्यम से on demand पढ़ी जाती है, और जब tools नहीं चल सकते तब bounded prompt fallback होता है। अन्य harnesses पर, model केवल छोटी की गई injected copy देखता है, जब तक वह memory को सीधे पढ़ता या खोजता नहीं। यदि MEMORY.md वहाँ बार-बार truncate हो रही है, तो उसे एक छोटे durable summary में distill करें और detailed history को memory/*.md में ले जाएँ, या जानबूझकर bootstrap limits बढ़ाएँ। Sub-agent sessions केवल AGENTS.md और TOOLS.md inject करते हैं (अन्य bootstrap files sub-agent context छोटा रखने के लिए filter out की जाती हैं)। Internal hooks इस चरण को agent:bootstrap के माध्यम से intercept करके injected bootstrap files को mutate या replace कर सकते हैं (उदाहरण के लिए SOUL.md को किसी alternate persona से swap करना)। यदि आप agent को कम generic sounding बनाना चाहते हैं, तो SOUL.md Personality Guide से शुरू करें। यह देखने के लिए कि प्रत्येक injected file कितना योगदान देती है (raw बनाम injected, truncation, और tool schema overhead), /context list या /context detail का उपयोग करें। Context देखें।

​
समय प्रबंधन

जब user timezone ज्ञात हो, system prompt में एक समर्पित Current Date & Time अनुभाग शामिल होता है। prompt cache-stable रखने के लिए, अब इसमें केवल time zone शामिल होता है (कोई dynamic clock या time format नहीं)। जब agent को current time चाहिए, session_status का उपयोग करें; status card में timestamp line शामिल होती है। वही tool वैकल्पिक रूप से per-session model override set कर सकता है (model=default इसे clear करता है)। इसके साथ configure करें:
  • agents.defaults.userTimezone
  • agents.defaults.timeFormat (auto | 12 | 24)
पूर्ण behavior details के लिए Date & Time देखें।

​
Skills

जब eligible skills मौजूद हों, OpenClaw एक compact available skills list (formatSkillsForPrompt) inject करता है, जिसमें प्रत्येक skill के लिए file path और content-derived <version> marker शामिल होता है। prompt model को listed location (workspace, managed, या bundled) पर SKILL.md load करने के लिए read का उपयोग करने का निर्देश देता है, और जब उसका <version> पिछले turn से अलग हो तो skill को फिर से पढ़ने के लिए कहता है। यदि कोई skills eligible नहीं हैं, तो Skills section omitted रहती है। Native Codex turns को यह list per-turn user input के बजाय turn-scoped collaboration developer instructions के रूप में मिलती है, उन lightweight cron turns को छोड़कर जो exact scheduled prompt preserve करते हैं। अन्य harnesses normal prompt section रखते हैं। location किसी nested skill की ओर point कर सकती है, जैसे skills/personal/foo/SKILL.md। Nesting केवल organizational है; prompt फिर भी SKILL.md frontmatter से flat skill name का उपयोग करता है। Eligibility में skill metadata gates, runtime environment/config checks, और effective agent skill allowlist शामिल होती है जब agents.defaults.skills या agents.list[].skills configured हो। Plugin-bundled skills केवल तब eligible होती हैं जब उनका owning plugin enabled हो। इससे tool plugins हर tool description में सारी guidance embed किए बिना deeper operating guides expose कर सकते हैं। 
<available_skills>
  <skill>
    <name>...</name>
    <description>...</description>
    <location>...</location>
    <version>sha256:...</version>
  </skill>
</available_skills>
यह base prompt को छोटा रखता है, फिर भी targeted skill usage enable करता है। skills list budget skills subsystem के ownership में है:
  • Global default: skills.limits.maxSkillsPromptChars
  • Per-agent override: agents.list[].skillsLimits.maxSkillsPromptChars
Generic bounded runtime excerpts एक अलग surface का उपयोग करते हैं:
  • agents.defaults.contextLimits.*
  • agents.list[].contextLimits.*
यह split skills sizing को runtime read/injection sizing से अलग रखता है, जैसे memory_get, live tool results, और post-compaction AGENTS.md refreshes।

​
दस्तावेज़ीकरण

system prompt में एक Documentation section शामिल होता है। जब local docs available हों, तो यह local OpenClaw docs directory (docs/ Git checkout में या bundled npm package docs) की ओर point करता है। यदि local docs unavailable हैं, तो यह https://docs.openclaw.ai पर fallback करता है। वही section OpenClaw source location भी शामिल करता है। Git checkouts local source root expose करते हैं ताकि agent सीधे code inspect कर सके। Package installs में GitHub source URL शामिल होता है और agent को बताता है कि जब docs incomplete या stale हों तो वहाँ source review करे। prompt public docs mirror, community Discord, और ClawHub (https://clawhub.ai) को skills discovery के लिए भी note करता है। यह docs को OpenClaw self-knowledge की authority के रूप में frame करता है, इससे पहले कि model समझे कि OpenClaw कैसे काम करता है, जिसमें memory/daily notes, sessions, tools, Gateway, config, commands, या project context शामिल हैं। prompt model को local docs (या local docs unavailable होने पर docs mirror) पहले उपयोग करने के लिए कहता है, और AGENTS.md, project context, workspace/profile/memory notes, और memory_search को OpenClaw design या implementation knowledge के बजाय instruction context या user memory मानने के लिए कहता है। यदि docs silent या stale हों, तो model को ऐसा कहना चाहिए और source inspect करना चाहिए। prompt model को संभव होने पर स्वयं openclaw status run करने के लिए भी कहता है, और केवल access न होने पर user से पूछने के लिए कहता है। configuration के लिए विशेष रूप से, यह agents को exact field-level docs और constraints के लिए gateway tool action config.schema.lookup की ओर point करता है, फिर broader guidance के लिए docs/gateway/configuration.md और docs/gateway/configuration-reference.md की ओर।

​
संबंधित