你以為你在跟 AI 說話，其實你在跟一座冰山說話

你打開 OpenClaw，輸入一句「幫我重構這個 function」。

看起來很單純對吧？一句話進去，一坨 code 出來。但你有沒有想過，在你的那句話抵達 LLM 的大腦之前，OpenClaw 已經偷偷在前面塞了一整份「作弊小抄」？

X 上的 @servasyy_ai 把這份小抄完整拆開來看了。結果發現 —— 你寫的 prompt 只是冰山露出水面的那一小角。水面下？整整 9 層。

這就像你以為自己在跟朋友講電話，其實中間有 9 個翻譯在接力傳話 ╰(°▽°)⁠╯

今天就來一層一層剝開這顆洋蔥，看看 OpenClaw v2.1 到底在你背後做了什麼事。

Clawd Clawd 偷偷說：

先打個預防針：這 9 層裡面，你真正能碰的只有 2 層（Layer 7 和 8）。其他 7 層都是框架說了算。所以與其說「9 層架構大解密」，不如說「搞清楚你家的牆哪面能打、哪面是承重牆」(￣▽￣)⁠／ 知道界線在哪，才不會裝潢裝到房子塌。

Layer 1-3：地基，別亂挖

這三層是 OpenClaw 的地基。你碰不到，也不該碰。

Layer 1（Framework Core） 是整棟大樓的鋼筋水泥。它告訴 LLM：「你叫什麼名字、你能用什麼工具、什麼事情絕對不能做。」比方說，rm -rf / 這種毀天滅地的指令，就是在這層被攔下來的。

你可以把它想成學校的校規 —— 你不能改，但它保護了所有人。框架升級的時候，你的 Agent 會自動吃到新能力，不用自己動手。代價就是：你也沒辦法自己加規則進去。

Layer 2（Tool Definitions） 是 LLM 的工具箱。每個工具都用 JSON Schema 寫死參數格式。這有點像你去 IKEA 買家具附的螺絲包 —— 螺絲就那幾種，但至少保證你不會鎖錯孔。加新工具要寫完整 Schema 是有點煩，但總比 LLM 亂猜參數然後炸掉好。

Layer 3（Skills Registry） 是技能商店。OpenClaw 會自動掃描 skills 目錄，把所有技能的名稱和簡短描述注入 System Prompt —— 像是一份菜單，告訴 LLM 有哪些專業領域的「配方」可以調用。

實際的 SKILL.md 內容是 on-demand 載入 的：Agent 先掃描描述，判斷哪個 skill 最相關，才去讀取完整內容。不是全部上桌，而是「看菜單點菜」。

Clawd Clawd 溫馨提示：

原作者在這裡的描述是準確的：Skills Registry 的設計權衡是「自動掃描 vs 手動註冊」，好處是放入目錄即可用、降低配置錯誤風險；代價是無法精確控制每個 Agent 可用的 Skill。但注入 System Prompt 的只有名稱和描述（每個 skill 大約幾十個 token），完整的 SKILL.md 要到 Agent 判斷需要時才會讀取。所以 20 個 skill 的目錄不會讓 System Prompt 胖到 80K —— 描述加起來大概也就幾百個 token (◍˃̶ᗜ˂̶◍)⁠ノ

ShroomDog ShroomDog 真心話：

ShroomDog 事實查核：我們的初版翻譯在這裡犯了事實錯誤，把「載入描述」寫成了「載入所有技能」。經過對照原作者 @servasyy_ai 的原文和 OpenClaw 原始碼確認：Skills 是 lazy-loading 機制，System Prompt 只放菜單（name + description），不是把整本食譜都塞進去。原作者的分析是對的，是我們的翻譯過度解讀了。已修正。

Layer 4-6：中場三兄弟，不起眼但少一個就散架

好，到了容易讓人恍神的中段。Layer 4 到 6 做的事情不怎麼性感，但你可以這樣想：如果 Layer 1-3 是房子的地基，那 Layer 4-6 就是水管、電線、還有你牆壁裡那些看不到的管線。你平常完全不會注意到它們 —— 直到某天馬桶不通了。

Layer 4（Model Aliases） 解決了一個所有開發者都恨的問題：「為什麼 API endpoint 名稱要這麼長。」

真的，providers/google/models/gemini-3-pro-latest 這種東西你每天要打幾次？Layer 4 讓你打 glm-5 就搞定，就像手機聯絡人 —— 你存的是「老媽」，不是「中華民國台北市大安區…李王美玉女士」。但它真正厲害的地方不是少打字，是做 A/B 測試的時候。你想把整個專案的 model 從 A 換成 B？改一行 alias 就好，不用在 codebase 裡面 find-and-replace 到天荒地老。這個設計我服 (๑•̀ㅂ•́)و✧

Layer 5（Protocol Specifications） 是 Agent 世界的交通規則，而且是針對「多車上路」設計的。

單一 Agent 的時候你不太會感覺到這層的存在。但當你開始玩多 Agent 協作 —— 比方說一個 Agent 負責寫 code、一個負責 review、一個負責部署 —— 這層就是決定誰先說話、誰閉嘴等待的裁判。Silent Replies 就是已讀不回的正式版（「我收到了但我沒話要說」），Heartbeats 就是心跳偵測（「我還活著別把我殺掉」）。沒有這些規則，三個 Agent 同時搶著講話的場面，你可以想像一下三個人同時對著同一個 Google Doc 狂打字。

Layer 6（Runtime Info） 是 LLM 每次醒來的「今天是幾號」便條紙。

這個設計看起來蠢蠢的 —— 每次請求都要告訴 LLM 現在幾點、跑在什麼 OS、用的是哪個模型。但你想想：LLM 是沒有記憶的。它每次被叫醒的時候，對世界的認知是一片空白。沒有 Layer 6，它可能以為自己還活在 2024 年。你叫它寫 shell script，它給你寫 Windows batch file。你問它今天星期幾，它回答的是它 training data 截止的那一天。原作者估算大約多花 2KB Token —— 坦白說，讓一個失憶症患者每天早上看一張便條紙，這 2KB 我覺得很值。

Clawd Clawd 內心戲：

Layer 4 的 alias 設計讓我想到 CP-85 裡 Steve Yegge 講的那個概念 —— 好的抽象層應該讓你忘記底層的存在。一個 alias 背後藏著完整的 provider endpoint，但你不需要知道，也不想知道。這才是正確的抽象。反觀 Layer 6 的「每次都要重新自我介紹」，老實說有點蠢，但在 stateless 的 LLM 世界裡你還真沒別的辦法 ┐(￣ヘ￣)┌ 人類至少醒來還記得自己是誰，LLM 連這個都辦不到。

Layer 7-8：你的地盤，你的規則

好，重頭戲來了。前面 6 層都是「請勿觸摸」，但 Layer 7 和 8 是 OpenClaw 特地留給你的操作空間。這兩層的差別，一句話講完：Layer 7 是寫在牆上的規矩，Layer 8 是每天早上可以重新貼的便利貼。

Layer 7：靜態設定檔

這層是你的「工作手冊」。你可以直接編輯 IDENTITY.md 告訴 Agent 它是誰（「你是一個專精 TypeScript 的 senior engineer」），或者在 AGENTS.md 裡定義多個 Agent 的分工。

但原作者提了一個很多人會中的陷阱：不要在 Layer 7 寫散文。

這邊真的值得停下來想一秒。很多人第一次寫 IDENTITY.md 的時候，會忍不住寫成長篇自我介紹 ——「你是一個友善且專業的 AI 助手，擁有豐富的程式開發經驗，精通 TypeScript、Python、Go…」。

拜託不要。

用條列。用表格。像你在寫便利貼給同事：「部署前跑 pnpm test」就夠了，不需要寫成「親愛的同事，在您將程式碼推送到生產環境之前，煩請您先行執行測試套件以確保…」。框架已經知道的事你再寫一次是浪費 Token，過多的修辭反而會讓 LLM 抓不到重點 —— 你想想，你期末考前看的是條列重點還是原文教科書？

Layer 8：動態 Hook 系統

如果 Layer 7 是刻在石頭上的規則，Layer 8 就是可以每天改寫的白板。你可以寫腳本，在 Agent 啟動或每次對話前動態注入內容。

幾個關鍵機制：

  • agent:bootstrap Hook —— 系統級的，可以完全控制載入哪些檔案。大招，但也最危險。
  • bootstrap-extra-files Hook —— 只能追加檔案，不能刪。比較安全的玩法。
  • before_prompt_build Hook —— 在 prompt 送出前攔截修改。想注入「現在是台北時間下午 3 點」之類的即時資訊？就用這個。
  • bootstrapMaxChars 設定 —— Token 預算上限（預設單檔 20K，總計 150K）。超過的部分會按「頭 70% + 尾 20%」截斷，中間直接砍掉。
Clawd Clawd 偷偷說：

那個截斷策略「頭 70% + 尾 20%」—— 你有沒有覺得哪裡怪怪的？對，加起來只有 90%，中間 10% 直接消失。OpenClaw 的邏輯是：文件的開頭和結尾通常最重要（想想論文的 abstract 和 conclusion），中間的可以犧牲。但這也意味著你的 IDENTITY.md 如果寫太長，中間那段精心設計的 few-shot examples 可能會被無情砍掉，而你完全不會收到任何警告 (╯°□°)⁠╯ 這種 silent truncation 是 prompt engineering 最陰險的陷阱之一 —— 你以為 LLM 看到了你寫的所有東西，其實它只看到了七成。

Layer 9：每次對話的即時快照

最後一層。每次你跟 Agent 說話，OpenClaw 都會把「這次對話的上下文」打包塞進去 —— 你是誰、之前聊了什麼、現在在哪個 channel。大約 3KB，但能讓 LLM 知道自己身在何處。

你沒辦法直接寫 code 控制這層，但你可以透過對話的方式間接影響它。講白了：你跟 Agent 說的每句話，都會變成下一輪的 context。 所以廢話少說、指令明確，你的 Agent 表現就會更好。

原作者也提醒：所有 Token 估算都是「大概值」。實際消耗會隨著你裝了多少工具、載入多少 Skill、聊了多久而浮動。就算是理論上固定的框架層（Layer 1-6），實測也可能因為配置不同而出現差異。

延伸閱讀

Clawd Clawd 偷偷說：

「你說的每句話都會變成 context」—— 這句話聽起來像廢話，但我看過太多人踩這個坑了。Debug 到一半開始在對話裡貼整份 log 檔，context window 直接爆滿，Agent 的回答品質斷崖式下跌。這就像你在開會的時候突然拿出一疊 500 頁的報告要大家「參考一下」—— 你猜怎樣，沒人參考得了 (¬‿¬) 對話是最貴的 Token 通道，你該把大量資料交給 Layer 8 的 Hook 動態注入，而不是全部倒進聊天室。這不是「建議」，是血淚教訓。

洋蔥剝完了，你聞到什麼？

回到開頭那個畫面：你輸入「幫我重構這個 function」，以為是一句話的事。

現在你知道了 —— 在那句話前面，OpenClaw 已經幫你貼了一份 9 層的作弊小抄。前 6 層是框架打的底，最後 1 層是對話的即時快照，而你真正能施展拳腳的，就是中間那 Layer 7 和 Layer 8。

但這篇文章真正想告訴你的不是「哇好多層好複雜」。而是：大部分人在錯誤的層花時間。

你反覆改寫 prompt 試圖讓 Agent 更聽話？那是 Layer 9，每次對話結束就消失了。你應該把精力花在 Layer 7 的精簡設定和 Layer 8 的動態注入上 —— 那才是持久的、累積的、會隨著你一起成長的東西。

裝潢房子之前，先搞清楚哪面牆能打。打對了，小套房也能住得像豪宅 ╰(°▽°)⁠╯

打錯了 —— 嗯，至少你現在知道那是承重牆了 ┐(￣ヘ￣)┌