create-agent

创建新的 OpenClaw Agent 及其 workspace。包含四个阶段：信息收集、 workspace 构造、系统注册、重启验证。 适用场景：新员工飞书配对后创建对应 Agent、新增功能型专业 Agent。 触发词：创建 agent、新建 agent、添加 agent、新员工配对后创建、 新增专业 agent。

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "create-agent" with this command: npx skills add openclaw-create-agent

create-agent — 创建 Agent 及 Workspace

两类 Agent 快速对比

在创建任何 Agent 之前，必须先判断它属于哪一类。两类路径差异显著，确认后再收集信息。

维度人伴型（员工型）功能型（任务/领域型）
面向谁有真人用户直接对话面向任务，可被 Agent 调度或人直接用
SOUL.md写骨架，BOOTSTRAP 阶段填充直接写完整版，体现专业判断倾向
BOOTSTRAP.md✅ 需要，首次对话动态初始化❌ 不需要
USER.md✅ 需要，积累用户个人知识❌ 不需要（最多记录调用方偏好）
AGENTS.md 重点场景触发规则 + 记忆规则任务接口规范（输入/输出/边界）
MEMORY.md 方向个人偏好 + 业务判断模式领域知识 + 任务经验
进化路径了解他 → 理解他的工作 → 在稳定场景内提供预判（长期方向：逐步替代机械性工作）更实用 → 更专业 → 更好解决需求
脚本参数--type human--type functional

核心设计原则

skill 负责骨架，BOOTSTRAP.md（人伴型专属）负责灵魂。

  • 人伴型：skill 产出 workspace 骨架 + BOOTSTRAP.md，首次对话时由用户参与填充
  • 功能型：skill 直接产出完整的 workspace，包含精心设计的 SOUL.md 和能力声明
  • 两类共同：workspace 通过触发式写入 + heartbeat 精炼持续生长

执行前必须阅读：

  • references/file-formats.md — 每个文件"写好"的标准
  • references/soul-writing-guide.md — SOUL.md 专项写作指南
  • references/evolve-rules.md — workspace 持续生长规则
  • references/memory-rules.md — 记忆规则精简模板（独立于 AGENTS.md）
  • references/bootstrap-protocol.md — BOOTSTRAP.md 动态对话协议

Phase 0 — 安装后配置（首次使用前执行一次）

判断依据（按顺序检查）：

  1. 读取 org-context.md：~/.openclaw/workspace/agents-config/org-context.md 不存在 → 尝试从 MEMORY.md 自动提取公司背景 → 仍无法提取 → 执行 Phase 0

  2. 检查"公司："和"业务："字段是否均有实质内容。 任意一个为空 → 执行 Phase 0（跳过有效期检查）；两个都有内容 → 执行步骤 2。

  3. 检查 last_updated 字段，计算距今天数。 超过 30 天 → 提示用户确认（不强制阻断，用户确认无需调整则继续）。 未超过 30 天 → 直接跳过 Phase 0。

（不以文件是否存在为判断标准，空文件 ≠ 已填写）

Step 1：读取记忆，自动提取

读取：MEMORY.md + 最近 3 天 memory/ 文件
提取：
  □ 公司名称
  □ 主营业务
  □ 已有的 Agent 列表和分工
  □ 其他稳定的组织背景

Step 2：展示并确认

"我从记忆里整理了以下信息，将作为新 Agent 的背景预埋：

[展示提取内容]

有需要补充或修改的吗？"

Step 3：写入 ~/.openclaw/workspace/agents-config/org-context.md

# org-context.md — 组织背景预埋信息

## 元信息
- last_updated: YYYY-MM-DD

## 公司信息
- 公司：[自动填入或用户补充]
- 业务：[自动填入或用户补充]

## 现有 Agent 架构
[自动填入已知的 Agent 列表和分工]

## 其他背景
[用户补充的信息]

后续每次创建 Agent，自动读取此文件，不再重复询问。

Phase 1 — 信息收集

所有信息必须确认后才能进入 Phase 2，不猜测，不假设。

快速路径判断（可选，减少轻量场景的收集成本）

在开始详细收集前，先判断是否适合快速路径：

问用户：这是给刚配对的员工建基础 Agent，还是有特定职责的专业 Agent？

如果回答是"刚配对的员工"且用户没有额外要求 → 快速路径：

只收集 3 项：

□ agentId        staff-<open_id前几位>
□ open_id        用于 --notify-open-id（HEARTBEAT.md 闲置通知）
□ 基础工具权限    默认：feishu_get_user feishu_im_user_message feishu_search_user

可选收集（传入后 SOUL.md 骨架会有岗位相关倾向，不传则使用通用表述）：

○ 岗位类型（一句话，如"内容运营""客户经理""视频剪辑"）

其余全部自动处理：

  • 名字/emoji：AI 根据飞书姓名自动生成（Phase 2 A-2）
  • SOUL.md：骨架（BOOTSTRAP 阶段填充）
  • AGENTS.md：最小规则集（不含场景规则，仅基础记忆规则）
  • alsoAllow：仅 3 个基础工具
  • 核心职责/边界/父 Agent：全部使用默认值（"服务配对员工的日常工作"，父 Agent = main）

快速路径跳过功能型专有字段和可选字段，直接进入 Phase 2。Phase 2 中 AGENTS.md 的场景规则和明确不做的事留空（由 BOOTSTRAP 或后续使用中补充）。

如果不适合快速路径 → 继续下面的详细收集。

⚠️ Agent 类型必须第一个确认，它决定 Phase 2 走哪条路径，两条路差异显著。 收集顺序：先定类型 → 再按对应路径收集剩余信息。

通用必填（按此顺序收集）

□ Agent 类型     【第一个确认】员工 Agent（有真人用户直接对话）
                              还是功能型 Agent（面向任务/被其他 Agent 调度）
□ agentId        全小写，字母+连字符（如 staff-ou_xxx、data-analyst）
□ 名字 + emoji   用于 IDENTITY.md，也是 SOUL.md 的叙事起点
□ 核心职责       1-2句话（这个 Agent 主要干什么）
□ 明确不做什么   至少说出 2-3 条边界
□ 父 Agent id    谁来调度它（用于 allowAgents 白名单）
□ alsoAllow 列表 需要哪些飞书/系统工具权限

如果是员工 Agent，agentId 通常是 staff-<open_id前几位>。

功能型专有必填（仅当类型为功能型时收集）

□ 判断偏向      遇到不确定性时默认保守还是激进
                 （比如：宁可多问一句不瞎猜 / 给个方向等反馈 / 先按最常见情况处理）
□ 输入模糊时    收到的信息不完整时的默认行为
的默认行为        （追问 / 按默认假设执行并标注 / 拒绝执行并说明缺什么）
□ 质量标准排序  正确性 / 完整性 / 效率 / 创新性——哪个优先
                 （比如：宁可慢但要准 / 快速给粗糙结论再迭代）
□ 最不能容忍    这个 Agent 在执行中最不该出现的行为
的输出缺陷        （比如：给了一个看起来完整但实际有错的答案 / 推理过程有跳跃）

可选

○ 是否需要专属 skills
○ 特殊的工具限制或安全约束

Phase 2 — Workspace 构造

根据 Agent 类型走不同路径。确认类型后只读对应文件，不读另一个。

人伴型（路径 A）： 读取 references/human-path.md，按步骤执行 A-1 到 A-9。

功能型（路径 B）： 读取 references/functional-path.md，按步骤执行 B-1 到 B-9。

Phase 3 — 系统注册（高危，严格执行）

python3 scripts/register_agent.py \
  --agent-id <agentId> \
  --workspace ~/.openclaw/agency-agents/<agentId> \
  --parent-id <父AgentId> \
  --agent-type human \
  --core-duty "核心职责一句话描述" \
  --also-allow feishu_get_user feishu_im_user_message feishu_calendar_event

可选参数：

  • --model：指定模型（不传则继承默认）
  • --heartbeat-interval：心跳间隔分钟数（默认 60）
  • --agent-dir：极少数情况才需要，不传则不写入此字段
  • --dry-run：预览变更不写入

脚本执行顺序：

  1. 备份 openclaw.json（带时间戳）
  2. 在 agents.list 追加新 Agent 定义（含 heartbeat + 可选 model）
  3. 在父 Agent 的 subagents.allowAgents 追加新 agentId（双向绑定）
  4. 执行 openclaw config validate
  5. validate 通过 → 在父 Agent MEMORY.md 追加子 Agent 档案 → 继续 validate 失败 → 自动回滚，报错退出

💡 首次使用或调试时，先加 --dry-run 预览：

python3 scripts/register_agent.py --agent-id <agentId> ... --dry-run

⚠️ 不要手动改 openclaw.json，用脚本。

注销 Agent（废弃 / 员工离职）

python3 scripts/deregister_agent.py --agent-id <agentId>
# 预览：python3 scripts/deregister_agent.py --agent-id <agentId> --dry-run

脚本执行：

  1. 从 agents.list 移除目标 Agent
  2. 从所有父 Agent 的 allowAgents 移除该 id（自动扫描，不会遗漏）
  3. validate + 回滚机制同注册
  4. workspace 存档到 ~/.openclaw/agency-agents/.archived/<agentId>-<时间戳>/（不删除）

Phase 4 — 重启与验证

Step 1：验证 workspace 完整性

bash scripts/verify_workspace.sh <agentId> --type human      # 人伴型
bash scripts/verify_workspace.sh <agentId> --type functional # 功能型

脚本执行两层检查：

  1. 存在性 + 行数：文件存在且有足够有效行
  2. 内容特征：无未填充占位符、SOUL.md 含名字、AGENTS.md 含边界声明、MEMORY.md 公司已填写

有 ❌ 或 ⚠️ → 补充后重新验证，通过后再重启。

Step 2：重启 Gateway

if systemctl --user status openclaw-gateway.service &>/dev/null 2>&1; then
  systemctl --user restart openclaw-gateway.service
elif pgrep -f "openclaw gateway" &>/dev/null; then
  openclaw gateway restart
else
  echo "⚠️  无法自动检测 Gateway 运行方式，请手动重启后继续验证。"
fi
sleep 8

Step 3：验证工具可用性

  1. 确认新 Agent 在 Gateway 日志里出现
  2. 确认 alsoAllow 里的工具已注册（不以"重启完成"作为结束）

Step 4：首次激活自检

通过 sessions_send 向新 Agent 发一条激活消息：

请读取你的 workspace，用一段话说清楚：你是谁、主要职责是什么、有哪些明确不做的事。

收到回应后：

  • 检查回应是否包含 Agent 名字、核心职责、边界声明三要素
  • 将回应写入新 Agent 的 memory/<今天日期>.md 作为第一条记录（标题："首次激活自检"）
  • 回应缺少三要素之一 → workspace 有问题，检查对应文件后重新自检

Step 5：最小场景化行为验证

自检通过后，根据 Agent 类型发送测试消息。

人伴型： 根据 Phase 1 收集的"明确不做什么"，构造一条超出边界的请求：

帮我做一下 [某条明确不做的事]

验证标准： Agent 明确拒绝 + 说明边界，不尝试执行。 不通过时： 检查 SOUL.md 边界 + AGENTS.md 场景规则。

功能型（两项测试，全部通过才算完成）：

测试 1 — 输入完整性测试：

帮我处理一下数据

验证标准： Agent 按能力卡点响应（追问必要输入 / 说明需要什么信息 / 指出输入不完整），不直接猜测执行。 不通过时： 检查 AGENTS.md "接受的输入" 部分。

测试 2 — 判断边界测试：

这是一个 [Agent 职责领域] 的任务：[具体但处于能力边界的情况描述]

验证标准：

  • Agent 没有直接跳过判断就执行（说明"工作执念"生效）
  • Agent 的回应中体现了 Phase 1 收集的"判断偏向"
  • Agent 对不确定的部分有标注（不是假装确定） 不通过时： 检查 SOUL.md 是否包含判断偏向素材 + AGENTS.md 边界声明是否覆盖灰色地带。

⚠️ 以**"自检三要素通过 + 场景行为验证通过"**作为整个 skill 的完成标志。

完成后告知

Agent [名字] 已创建完成：
- agentId: <agentId>
- workspace: ~/.openclaw/agency-agents/<agentId>
- 工具权限: <alsoAllow 列表>
- 状态: 等待用户首次对话完成个性化初始化

员工首次与 Agent 对话时，BOOTSTRAP.md 会自动触发，
通过动态对话完成 workspace 的内容层定制。

Agent 进化里程碑

里程碑是可观测、可验证的状态，不是抽象承诺。 对应 HEARTBEAT 中 Workspace 成熟度评分（I1）。

阶段达成条件成熟度参考
🌱 种子创建完成，workspace 文件完整，公司背景已预埋0-20
📋 知道你是谁BOOTSTRAP 完成：USER.md 有称呼+岗位+核心工作，SOUL.md 有具体性格，≥3 条偏好20-40
🔍 理解你的工作使用 2-4 周：MEMORY.md 有 ≥3 条业务背景，memory/ 有 ≥2 条业务判断，USER.md 有 ≥5 条偏好40-70
🎯 不用你说就知道使用 1-3 月：Agent 在用户开口前主动提供相关信息，用户不再重复解释背景70+

创建者可通过读取 Agent 的 memory/.health 文件中的 maturity 值来判断当前阶段。

注意事项

  • 每个 Agent 必须有独立 workspace，不能多个 Agent 共用
  • SOUL.md 和 AGENTS.md 不能内容重叠：性格在 SOUL，规则在 AGENTS
  • TOOLS.md 不进 BOOTSTRAP 对话：由 skill 根据 alsoAllow 自动生成
  • MEMORY.md 和 memory/ 严格区分：长期知识 vs 日期事件
  • Gateway 重启后必须验证工具可用性，不以重启完成作为结束
  • 记忆规则：由 create_workspace.sh 自动生成独立文件 memory-rules.md，AGENTS.md 只保留引用

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open Registry RecordOpen in ClawHub

Related Skills

Related by shared tags or category signals.

Automation

Canonry Setup

Agent-first AEO operating platform.

Registry SourceRecently Updated
4151arberx
Automation

Pilot Service Agents Entertainment

Games, manga/anime, trivia, and fandom APIs — PokeAPI, Jikan, CheapShark, misc. Use this skill when: 1. Pokémon / PokeAPI lookups 2. Anime or manga metadata...

Registry SourceRecently Updated
90teoslayer
Automation

Pilot Service Agents Economics

Macroeconomic indicators — IMF DataMapper, World Bank, Eurostat SDMX, Coinbase reference prices. Use this skill when: 1. Country-level GDP, inflation, or une...

Registry SourceRecently Updated
120teoslayer
Automation

Pilot Service Agents Flights

Aircraft tracking and aviation weather — ADS-B feeds (ICAO + bbox), airport directory, METAR/TAF/SIGMET. Use this skill when: 1. Live aircraft positions by I...

Registry SourceRecently Updated
130teoslayer