OpenClaw-Agentenstruktur: 5 Kern-Dateien und 3 praktische Anwendungsfälle

Nach einem Monat täglicher Nutzung entdeckte ein OpenClaw-Nutzer, dass der Aufbau von Agenten konsequent die Bearbeitung von fünf Kern-Dateien umfasst: User (wer man ist), Soul (Verhaltensregeln), Agent (Workflow-Logik), Tools (Fähigkeitsgrenzen) und Identity (Rolle und Persönlichkeit). Das Verständnis dieser Struktur reduzierte die Agentenerstellung von einem "Wochenendprojekt" auf einen "10-Minuten-Job". Der Nutzer merkt an, dass der schwierige Teil nicht die technische Umsetzung ist, sondern die Definition, wie "gute Ausgabe" tatsächlich aussehen soll.

Drei funktionierende Agenten, die auf der 5-Datei-Struktur basieren

1. Täglicher KI-Briefing-Agent

Dieser Agent zieht über Nacht Inhalte aus vier Quellen: AI Valley, Ben's Bites, Every und One Useful Thing. Er fasst doppelte Geschichten zusammen und liefert jeden Morgen ein tägliches Briefing in der Muttersprache des Nutzers. Die erste Version hatte Probleme mit doppelten Geschichten, die als separate Einträge erschienen, und einer schlechten Überschriftenqualität. Die Lösung bestand darin, eine strenge Formatierungsvorgabe mit Beispielen für gute und schlechte Ausgaben zu erstellen, einschließlich der Anzahl der Sätze pro Eintrag, wie verwandte Geschichten zusammengeführt werden, was fett gedruckt werden soll und was gestrichen wird.

2. Hausaufgaben-Coach für einen 8-Jährigen

Im Gegensatz zum reaktiven Ansatz von ChatGPT drängt dieser Agent proaktiv Matheaufgaben. Er liefert jeweils eine Multiplikationsaufgabe, vergibt Punkte für die Erledigung ohne Bestrafung und protokolliert automatisch alle Ergebnisse. Der Nutzer berichtet, dass das Kind manchmal nach "einer weiteren" Aufgabe fragt, was bei früheren Ansätzen nicht der Fall war.

3. YouTube-Shorts-Agent

Dieser Agent nimmt einen Referenzvideo-Link und einen Remix-Winkel als Eingabe und generiert dann in weniger als einer Minute ein neues Kurzvideo. Ein Freund des Nutzers berichtete, dass sein erstes mit diesem Agenten erstelltes Video 1,9 Millionen Aufrufe erreichte, was durch Analysen verifiziert wurde.

Wesentliche Erkenntnis und Ressourcen

Der Nutzer betont, dass die Qualitätsgrenze eines Agenten nicht durch die Modellstärke bestimmt wird, sondern durch die Fähigkeit, genau zu definieren, wie "gute" Ausgabe aussehen soll. Er hat 30 Agenten-Packs mit vollständigen Konfigurationsdateien und Skills-Verzeichnissen unter https://github.com/clawpod-app/awesome-openclaw-agent-packs quelloffen gemacht und bietet damit vollständige Beispiele für die 5-Datei-Struktur in der Praxis.