《AI OS的升维之旅》文章系列第一篇：人格即架构，从社区版白板到三体宪法体系- 大数跨境

AI驱动数字化转型

2026-07-08

导读：我构建了一套多智能体协同系统，取名为三体架构。三个体各有独立职责。第一篇：人格即架构，从社区版白板到三体宪法体系。

我构建了一套多智能体协同系统，取名为三体架构。三个体各有独立职责。OpenClaw 是意识中枢，负责理解意图、路由任务、管理对话，不做任何有副作用的操作。Hermes 是执行层，负责搜索、文件操作、浏览器自动化、shell 命令以及内容写作，不做决策。Codex 是编码层，负责写代码、重构、调试、测试。三个体通过 sessions_spawn 通信，不共享内存，不共享进程空间，故障互相隔离。

支撑这套系统持续进化的是一套知识基础设施，以 Obsidian 为基础的知识库。每次写作完成，新概念自动写入原子笔记，文章索引自动更新，知识图谱重新关联。知识不会停在原地，它会在系统内部流动，从原始对话逐渐提炼成可复用的结构化知识。

三体加 Obsidian 知识库构成了一个从意图理解到执行落地到知识沉淀的完整闭环。

本文是「AI OS 升维之旅」系列第一篇。

社区版的白板现状

社区版 OpenClaw 安装完成后是一张白纸。没有预设风格，没有名字，没有词汇过滤，没有质量约束，没有用户画像。每次对话在零上下文中启动，前几轮总要重复交代你是谁，想要什么，对话该用什么节奏。技术验证没问题，持续做内容输出就不够用了。

这套框架和市面上所有 AI 应用框架一样，把人格留给了使用者。框架开发者专注基础设施，模型路由、工具调用、会话管理、Agent 调度，这些是通用能力，做好了人人受益。但人格是应用层的事，就像 Meta 的 Llama 不管你的聊天机器人用什么口吻，LangChain 的 AgentExecutor 不关心你的 Agent 值多少钱。从工程分工看没错，框架不该替开发者决定输出长什么样。但分工正确不意味着问题自动消失了。

社区版在 AGENTS.md 里支持了一个叫 profile 的字段，作用是在 Agent 启动时注入一段角色描述，跟着 system prompt 一起送到模型那边。你可以在这里写几句"你是一个写作助手，出口简洁"。这个设计有道理，profile 字段在系统 prompt 层有预留空间，每次 Agent 启动可以注入。但有一个关键差异：profile 是可选配置，不是强制约束。可选的意思是，不填也能运行，框架不会因为少了 profile 就拒绝启动。它对 Agent 行为一致性的要求到了路由触发那一层就停了。之后模型输出什么风格，规避什么词汇，应符合什么质量标准，这些事不在 AGENTS.md 的表层结构里。两个开发者用同一套 OpenClaw，配置文件一字不差，光靠模型采样的随机性就可能得到风格完全不同的输出。实验阶段可以接受，一旦进入面向用户的内容管道，就是结构性问题。

裂口就在这里。路由告诉 Agent 什么时候该出来工作，但没有告诉它你的工作交付标准是什么。

操作层对齐的思路

对齐这个词在 AI 领域有专门含义。Anthropic 的 Constitutional AI 用一组宪法规则在训练阶段嵌入模型，靠自我修正机制让模型在推理时遵守。OpenAI 的 spec methodology 也类似。这些方案都在模型层做对齐，代价是改一条规则意味着重组训练数据、重新跑 RLHF 管道，从发现规则不合适到新规则生效，周期以周计。

换个思路看看。不在模型层对齐，在 Agent 操作层对齐。OpenClaw 的 AGENTS.md 在 Agent 启动时作为 system prompt 的一部分注入，这个注入点就是对操作层规则做对齐的天然接口。改操作层规则不用重新训练模型，不用跑 RLHF，不用重新部署。编辑一个文本文件，重启 Agent，生效。周期从几周缩短到几分钟。这个思路不是要替代模型层对齐，模型层对齐管安全底线，不让模型说危险内容。操作层对齐管输出质量的稳定性，不让输出掉进统计平均的平庸。两条路径各自解决不同粒度的问题，可以并存。

四文件宪法结构

从思路到工程，需要四个文件。

SOUL.md：宪法条文

SOUL.md 是宪法条文，大约五百行。内容不是角色设定而是行为规范，包含价值立场、写作哲学、安全红线、十四条绝对禁止、二十四个词汇黑名单。每次 Agent 启动时，这个文件加载到系统 prompt 的顶层，模型在推理中生成每一个 token 时都受它约束。社区版在 system prompt 层留了 agent.profile 字段，但它是可选的。可选与强制之间，隔着"忘了填就不被遵守"的风险。顶层强制注入的宪法文本和一段可选注入的 profile 描述，在模型输出质量上是质差不是量差。

IDENTITY.md：身份锚定

IDENTITY.md 是身份锚定，大约两百行。它给了 Agent 一个名字、几条核心信条、一些人格聚焦。名字不是装饰，名字锚定一个心智模型。用户不再对着通用 AI 打字，而是对特定角色的专家提要求。通用 AI 每轮对话需要重新交代身份，有名字的 Agent 在第一轮就完成心智定位。这个差异在 token 层面也有表现，每轮对话节省约二百 token 的身份交代，乘以每日对话量，是真实的 API 成本压缩。

双向画像：PROFILE.md + USER.md

PROFILE.md 加 USER.md 构成双向画像。一个描述 Agent 的能力矩阵、风格指纹、安全敏感度，另一个描述用户是谁、安全边界在哪里。大部分系统只有用户画像，没有 Agent 画像。单向画像的问题在于 Agent 不知道自己的边界，它只知道用户要什么，不知道自己的行为该如何限制。双向画像意味着 Agent 清楚自己可以做什么，也明白用户允许它做什么。

四个文件之间的引用关系是显式的。SOUL.md 引用 PROFILE.md 的能力定义，PROFILE.md 引用 USER.md 的用户画像，AGENTS.md 引用 TOOLS.md 的工具权限。修改任何一个文件，下一个启动周期内系统就能感知。社区版的文件之间不存在这种引用关系，改一个配置项需要工程师手工推断对其他组件的影响。

正交的工程结构

操作层宪法的工程结构是三条轴线叠加的结果。

宪法条文层由 SOUL.md 负责，定义价值立场、写作哲学、安全红线，内容不可协商，十四条禁止不设例外，词汇黑名单没有豁免。

执行规则层由 AGENTS.md 负责，定义路由条件、激活阈值、通信协议，每个 Agent 有精确的触发关键词和匹配度阈值。

执法边界层由 TOOLS.md 负责，规定什么操作免审批、什么操作需要批准、搜索走哪条渠道，是最底层的安全策略。

三条轴线可以独立修改，改 SOUL.md 不用动 AGENTS.md，改 AGENTS.md 不必动 TOOLS.md。修改输出风格不需要理解路由细节，调整工具权限不用重新读一遍写作哲学。这种正交性不是自然产生的，是设计阶段刻意做出的安排。当社区版所有配置挤在同一份 AGENTS.md 里、文件超过一千行时，任何一处改动都承担着影响其他 Agent 的风险。

前置的质量校验

社区版的输出校验卡在工具调用层，检查模型输出的 tool call 参数对不对得上 JSON Schema，确认格式正确性，不确认内容质量。操作层宪法把校验分布到三个位置：

启动阶段在 profile 层加载约束，SOUL.md 的写作红线在 system prompt 层已经生效，模型生成每一个 token 时都受约束，不等输出完成再扫描，而是从源头上控制质量。
执行阶段在工具层校验，exec 参数传递前做类型校验和路径白名单检查，非法操作不会通过。
输出阶段在结果层把关，内容质量、格式规范、词汇合规性在最终输出前走一遍校验。不通过就触发重试或降级。

三层结构的实质是校验时机前置了。社区版在校验输出格式，操作层宪法在校验输出意图。前置迁移有显性代价，system prompt 变长了，五百行文本大约两万字符，占用了上下文窗口的一部分。隐性收益同样可测量，校验失败后需要重试的次数从百分之三十以上降到了百分之五以下。这是从运行日志里统计出来的数据，不是估计。

规则的实际意义

十四条禁止里有一条值得单独讨论，就是破折号全面禁止。破折号通常是思维跳跃的信号，写作者在两个概念之间找不到连接时就用破折号跳过去。禁止破折号本质上是在强制执行逻辑连接的显式化。不是排版偏好，是结构强制。就像编程禁止 goto 语句之后代码质量整体上了一个台阶，在自然语言输出中，破折号的禁止起到类似的作用。

词汇黑名单的逻辑更底层。不加限制时模型向统计频率最高的表达收敛，大多数人谈论大多数话题时，选词落到安全的平均线上。黑名单推着每个输出偏离平均线，这不是降低质量，是避免所有人写出一样的文章。语言的独特性来自对统计习惯的刻意偏离。黑名单上的每个词单独看都没问题，但它们在大量 AI 文本里反复出现后成了信号噪声。读者读到"毋庸置疑""前所未有的变革""底层逻辑"时，潜意识里就把它们和廉价营销内容挂钩了。去掉这些词汇不单纯是风格选择，也是读者信任管理。

知识自动沉淀闭环

每次写作完成后知识库自动更新。系统扫描文章中的概念，与已有知识库交叉检索。新概念写入原子笔记，文章索引更新，知识图谱重新关联。下次写作时，自己之前写过的内容成为优先级最高的检索源。这个闭环依靠的是知识库结构中的回写管道，不是 Agent 的推理能力。管道写完触发索引重建，索引重建完成触发关联图谱更新，每一环都是确定性的工程流程。要是依赖 Agent 推理来决定哪些概念入库，每次回写的质量会随着模型状态波动。管道执行确定性操作，质量一致没有波动。

语义沙盒的价值

不加约束的 AI 输出空间在理论上是无限的，无限空间里质量不可控。加了约束，输出空间缩小了但变得可预期了。有限且可预期比无限且不可控更有工程价值。系统设计里有个概念叫沙盒，沙盒不是为了拖慢程序，而是让程序在安全范围内运行。操作层宪法本质上是一个语义沙盒，它不限制模型的推理能力，只限制输出必须落在预定义的风格和质量框架里。写作者可以换，风格可以调，但宪法不改。宪法改了就变成新的 Agent。宪法文件本身应该纳入版本控制，每一次修改产生一个 diff，每次加载指定版本。

社区版 OpenClaw 是一张白纸，恰恰是它的设计诚实。框架不替开发者预设风格，就像操作系统不替你选桌面壁纸。不是错了，是不够。在它预留的接口上搭四个文件做操作层宪法，人格就从哲学表达变成了工程决策。不是 Agent 配置变了一次，是输出空间的边界重新定义了一次。

完整的《AI OS升维之旅：从单体到三体·社区版到定制版的工程跃迁》全书，关注公众号或者加我好友索取pdf。

【声明】内容源于网络

AI驱动数字化转型

专注AI，促进智造行业数据衍生，服务智能制造企业的数字化、智能化，聚焦大模型私域部署、大模型微调、数据清洗、AI模型训练、私域知识库及agent技术延展等。行业智能，落地为先。

内容 1046

粉丝 1

AI驱动数字化转型专注AI，促进智造行业数据衍生，服务智能制造企业的数字化、智能化，聚焦大模型私域部署、大模型微调、数据清洗、AI模型训练、私域知识库及agent技术延展等。行业智能，落地为先。

总阅读8.0k

粉丝1

内容1.0k