OpenClaw：本地 AI 代理的架構、開發與安全
本課程深入分析 OpenClaw，這是一個革命性的開源框架，專為自主型人工智慧代理設計。課程系統性地拆解該框架的層疊式架構、以本地為首的 RAG 記憶機制、瀏覽器自動化協定以及高度可擴展的技能生態系。課程內容涵蓋複雜工作流程的實際整合，包括 PIV 自動化流程與多代理委員會模式。此外，還批判性地分析生產級部署模式中的硬體取捨，並提出針對核心安全威脅（如遠端程式碼執行漏洞與提示注入）的纵深防禦策略。本課程旨在賦能資深開發者與架構師，建立具有高度自主性，同時仍具備安全性與可控性的 AI 代理系統。
課程
課程總覽
📚 內容摘要
本課程深入探討 OpenClaw——一個革命性的開源框架，專為自主式人工智慧代理設計。我們系統性地剖析其分層架構，重點聚焦於 本地優先的 RAG 記憶機制、瀏覽器自動化協定，以及高度可擴展的技能生態系統。
課程內容不僅涵蓋理論，更著重於複雜工作流程的實際整合，例如 PIV 自動化流程 和 多代理委員會模式。關鍵的是，課程解決了生產環境中的挑戰，分析硬體取捨並實施 深度防禦策略，以應對如遠端程式碼執行（RCE）漏洞和提示注入等重大威脅。本課程旨在賦能資深開發者與系統架構師，打造既高度自主又嚴謹安全的人工智慧系統。
目標受眾：資深開發者與系統架構師
🎯 學習目標
完成本課程後，您將能夠：
- 架構 使用 OpenClaw 框架及其「Markdown 為先」哲學的自主系統。
- 部署 安全、本地優先的記憶體架構，在高併發環境中防止狀態損壞。
- 加固 代理供應鏈，抵禦如間接提示注入與靜默回退 RCE 等進階威脅。
課程
概述：
本模組建立使用 OpenClaw 所需的基本知識。我們探討框架獨特的「Markdown 為先」理念，並剖析確保安全、隔離代理會話的閘道器（Gateway）架構。
學習成果：
- 核心哲學： 理解
SOUL.md與AGENTS.md等設定檔如何在 Markdown 為先的架構下主導代理行為。 - 閘道器機制： 識別閘道器與通道佇列（Lane Queue）的結構元件，以維持會話隔離並防止狀態損壞。
- 安全基礎： 分析用於降低遠端程式碼執行（RCE）與提示注入風險的基礎協定。
- 資料架構： 解釋本地優先 RAG 架構，及其依賴語意快照實現高效資料檢索的機制。
- 全域設定： 掌握
openclaw.json內參數配置，以管理模型路由與環境變數。
概述：
聚焦於執行環境，本課探討代理如何與網路互動並管理長期記憶。我們深入研究 PIV 工作流程，以及持久且安全的記憶體結構實作。
學習成果：
- 代理生命週期： 解釋在代理執行時（Agent Runtime）內，使用 PIV（規劃-互動-驗證）工作流程的自主代理生命週期。
- 身分管理： 設定核心清單（
SOUL.md,openclaw.json），建立與模型無關的身分識別。 - 記憶體實作： 使用
MEMORY.md實作本地優先 RAG，以實現持久且具上下文感知的記憶管理。 - 執行時安全： 分析並緩解多代理環境中可能出現的憑證外洩與狀態損壞等漏洞。
概述：
本課由基本設定過渡至複雜行為。您將學習如何透過技能生態系統擴展代理功能，並利用高階佇列機制協調非同步任務。
學習成果：
- 技能定義： 精通
SOUL、SKILL與AGENTS清單的設定，以定義複雜的代理邏輯。 - 非同步工作流程： 使用 HEARTBEAT 信號與通道佇列機制，實作背景工作流程。
- 優化策略： 運用 六層過濾漏斗，優化本地優先 RAG 架構的精確度。
- 控制平面安全： 識別並化解閘道器控制平面中特定的威脅，包括 RCE 與提示注入。
概述：
進入開發運維與基礎設施領域，本模組分析如何在生產環境中部署 OpenClaw。我們評估硬體選擇與調校策略，以達成高性能量、成本效益的運作。
學習成果：
- 效能分析： 評估本地優先 RAG 與純雲端執行在高併發情境下的影響差異。
- 併發管理： 實作通道佇列策略，以管理非同步任務並避免狀態衝突。
- 安全運維： 設定生產環境，嚴格防止未經授權的憑證外洩與 RCE 風險。
- 資源調校： 使用 預先壓縮清除 與會話隔離技術，最佳化硬體資源運用。
概述：
最後一課專注於安全深度剖析。我們採取敵對思維，審計代理供應鏈，並建立零信任架構，以最小化任何潛在入侵的「爆炸半徑」。
學習成果：
- 進階威脅偵測： 識別系統性弱點，包括 靜默回退 RCE 與 間接提示注入。
- 分層防禦： 建立六層過濾漏斗，打造穩固的深度防禦架構。
- 供應鏈安全： 审查
SKILL.md與SOUL.md設定，防止惡意覆蓋。 - 零信任實作： 將零信任原則應用於閘道器管理與暫態憑證處理。