Structure de l'Agent OpenClaw : 5 Fichiers Principaux et 3 Cas d'Utilisation Pratiques

Après un mois d'utilisation quotidienne, un utilisateur d'OpenClaw a découvert que la création d'agents implique systématiquement la modification de cinq fichiers de base : User (qui vous êtes), Soul (règles comportementales), Agent (logique de flux de travail), Tools (limites des capacités) et Identity (rôle et personnalité). Comprendre cette structure a réduit la création d'agents d'un "projet de week-end" à un "travail de 10 minutes". L'utilisateur note que la difficulté n'est pas l'implémentation technique, mais de définir ce qu'est réellement une "bonne sortie".

Trois agents fonctionnels construits sur la structure à 5 fichiers

1. Agent de briefing quotidien sur l'IA

Cet agent extrait du contenu de quatre sources pendant la nuit : AI Valley, Ben's Bites, Every et One Useful Thing. Il fusionne les articles en double et délivre un briefing quotidien dans la langue maternelle de l'utilisateur chaque matin. La première version avait des problèmes avec des articles en double apparaissant comme des éléments séparés et une qualité médiocre des titres. La solution a consisté à rédiger une spécification de formatage stricte avec des exemples de bonnes et mauvaises sorties, incluant le nombre de phrases par élément, comment fusionner les articles connexes, quoi mettre en gras et quoi couper.

2. Coach de devoirs pour un enfant de 8 ans

Contrairement à l'approche réactive de ChatGPT, cet agent propose des problèmes de mathématiques de manière proactive. Il délivre un problème de multiplication à la fois, attribue des points pour la réalisation sans punition et enregistre automatiquement tous les résultats. L'utilisateur rapporte que l'enfant demande parfois "un problème de plus", ce qui ne se produisait pas avec les approches précédentes.

3. Agent YouTube Shorts

Cet agent prend en entrée un lien vidéo de référence et un angle de remix, puis génère une nouvelle vidéo courte en moins d'une minute. L'ami de l'utilisateur a rapporté que sa première vidéo créée avec cet agent a atteint 1,9 million de vues, ce qui a été vérifié via les analyses.

Idée clé et ressources

L'utilisateur souligne que le plafond de qualité d'un agent n'est pas déterminé par la puissance du modèle, mais par la capacité à définir ce qu'est une sortie "bonne". Il a ouvert le code source de 30 packs d'agents avec des fichiers de configuration complets et des répertoires de compétences sur https://github.com/clawpod-app/awesome-openclaw-agent-packs, fournissant des exemples complets de la structure à 5 fichiers en pratique.