中文 ENG

行业前沿顾问 Bot __openClaw in Practice #1

Author Lens

这个想法来自一个很朴素的压力：前沿信息太多，而真正值得进入工程判断的线索太少。我希望先把 Agent 限定在只读、周期性、可追溯的顾问位置，让它每天替我完成粗筛和结构化整理，而不是一开始就把它做成会行动、会改系统的自动化角色。

方案一：行业前沿顾问 Bot (Industry Consultant Agent)

1. 系统架构与数据流 (Architecture & Data Flow)

此 Agent 设计为无状态（Stateless）的周期性批处理任务。

  • 触发层：通过宿主机的 cron 或 Docker 内部的轻量级定时器（如 node-cron）每天定时唤醒。
  • 感知层（工具）：赋予 Agent WebSearch（搜索引擎调用，如 Tavily API）和 WebScrape（网页内容抓取，如 Playwright）的只读权限。
  • 处理层：LLM 依据系统 Prompt，对抓取到的非结构化 HTML/文本进行降噪、信息抽取和逻辑重组。
  • 输出层：仅开放一个指定目录的写权限，Agent 将最终报告以 Markdown 格式持久化到该目录。

2. 文件系统与隔离目录设计

在宿主机上，为该顾问 Bot 建立完全独立的物理目录。这种结构确保了其运行逻辑（Config）不可被 Agent 自身篡改，且输出（Outputs）被严格限制。

/opt/openclaw/consultant_bot/
├── docker-compose.yml          # 容器编排文件
├── config/                     # 配置目录 (挂载为只读 :ro)
│   ├── openclaw.json           # Agent 核心配置与工具白名单
│   └── system_prompt.md        # 系统提示词（定义角色与关注领域）
└── workspace/
    └── reports/                # 输出目录 (挂载为读写 :rw)

3. 核心配置文件示例 (docker-compose.yml)

这里通过 Docker Volume 实现了我们在上一轮讨论的“权限最小化”。

version: '3.8'

services:
  consultant_agent:
    image: openclaw/openclaw:latest
    container_name: claw_consultant
    user: "1000:1000"           # 强制非 Root 运行
    cap_drop:
      - ALL                     # 剥夺所有内核特权
    restart: unless-stopped
    environment:
      - LLM_API_KEY=${LLM_API_KEY}
      - SEARCH_API_KEY=${SEARCH_API_KEY} # 如 Tavily 或 Serper
      - CRON_SCHEDULE="0 8 * * *"        # 设定为每天早晨 8 点执行
    volumes:
      - ./config:/app/config:ro          # 挂载配置为只读
      - ./workspace/reports:/app/workspace/reports:rw # 仅报告目录可写

4. 领域特化与信息降噪 (System Prompt 设计)

Agent 的输出质量极大地依赖于上下文的定义。一个严谨的顾问 Bot 不能仅仅进行宽泛的搜索，必须在 Prompt 中锁定特定的技术栈与评估标准。

在 config/system_prompt.md 中，我们需要写入如下约束逻辑：

# Role
你是一个资深的工程与学术研究助理，负责每日筛选和提炼高价值的技术前沿信息。你的语言必须极致理性和严谨，拒绝任何营销话术与无意义的修饰词。

# Task
每日执行网络检索，汇总过去 24 小时内的关键技术进展，并生成 Markdown 格式的报告保存至 `/app/workspace/reports/` 目录下。

# Target Domains
你的检索和监控必须高度聚焦于以下领域：
1. 机器人学 (Robotics) 与具身智能 (Embodied AI)：重点关注硬件控制逻辑、多模态大模型在物理世界的落地案例。
2. 控制工程与算法：例如复杂系统的状态估计、控制算法（如 TVC 推力矢量控制等闭环系统）的最新开源实现。
3. AI 驱动的软件工程：多智能体协作架构 (Multi-Agent Systems)、大模型在代码生成与工程流自动化中的应用。

# Workflow & Constraints
1. 使用 `WebSearch` 工具搜索上述领域的最新 arXiv 论文、顶级会议 (ICRA, IROS, CVPR 等) 更新、以及 GitHub 开源项目趋势。
2. 过滤掉所有重复资讯、公关稿件和缺乏技术细节的泛泛之谈。
3. 报告结构必须包含：[技术标题]、[核心突破/原理解析]、[数据来源/链接]、[工程应用潜力评估]。
4. 绝对禁止尝试读取或修改 `/app/workspace/reports/` 以外的任何文件。

5. 风险与工程考量

  • 网页反爬虫 (Anti-Bot)：如果直接抓取学术网站或新闻源，容易触发 Cloudflare 等 WAF（Web Application Firewall）拦截。建议通过聚合类的 API（如 News API, 或是专用的检索工具 API）作为数据源，而非让 Agent 直接发起原生的 HTTP 请求。
  • Token 消耗控制：网页抓取会产生极大的 Token 消耗。在 openclaw.json 中配置工具时，需要设定 max_tokens_per_scrape，截断冗长的网页 DOM 树。