El agente OpenClaw
El Módulo 3a conectó el navegador a un runtime persistente. OpenClaw es el entorno de ejecución del agente dentro de ese stack de NemoClaw: combina un modelo y herramientas con una sesión en el servidor y un workspace respaldado por archivos.
NemoClaw aporta el blueprint que empaqueta este entorno con OpenShell y la política de despliegue. Es OpenClaw, en lugar de un orquestador independiente escrito en Python, quien dirige cada turno en la conversación e incorpora los archivos del workspace al contexto activo. En esta página examinarás esos archivos, compararás dos configuraciones de personalidad y guardarás información en una memoria que perdura más allá de una llamada al modelo.
El workspace desde el punto de vista del agente
Cada archivo de la carpeta aporta una parte distinta del prompt. Como la correspondencia es estable, puedes anticipar qué comportamiento modificará cada edición.
La memoria se organiza en torno a dos niveles. Mientras trabaja, el agente añade notas sin procesar a un archivo con fecha dentro de memory/. Después resume lo que debe perdurar en la memoria seleccionada a largo plazo, MEMORY.md. El runtime carga MEMORY.md en la sesión principal y lo excluye de contextos compartidos o grupales, de modo que las notas personales permanezcan privadas. Más adelante leerás ambos archivos directamente desde el sandbox activo.
- qué reglas de personalidad están activas,
- qué herramientas aparecen en su lista
- o qué recuerda sobre ti.
Paso 1 · Pide al agente que se describa
En un turno, la celda siguiente pide a OpenClaw que enumere los archivos de su workspace y explique la función de cada uno. La respuesta refleja tanto lo que el entorno incorpora al prompt como lo que sus herramientas pueden ver, por lo que editar un archivo y volver a ejecutar la celda cambiará el informe generado.
El mismo runtime de Kickstart. Estas celdas reutilizan el launchable conectado en 3a. El curso expone su gateway, no la ruta interna /v1/chat/completions. Si una celda registra ⚠ DEGRADED o deja de responder, ejecuta Recuperar una vez para esa instancia nueva. En una implementación local, usa el playbook de configuración de NemoClaw y mantén el mismo contrato del gateway.
Aplicado · Operador¿Verificar el espacio de trabajo desde el plano del operador?
Paso 1b · Lee el workspace tú mismo
En el Paso 1, el agente describió sus archivos; no tienes que aceptar lo que afirma sin comprobarlo. Hasta ahora, el único canal era el gateway que transporta tus mensajes al agente.
El launchable también expone una terminal: un shell en el host, por encima del sandbox del agente, al que Cloudflare protege. La función de ayuda helpers.terminal() abre ese shell directamente desde esta página a través de dos puntos de entrada:
helpers.terminal("bash")abre el shell de la VM del host, donde puedes ejecutaropenshell sandbox list.helpers.terminal("openshell sandbox connect <agent>")te lleva dentro del sandbox donde se ejecuta el agente y reside el workspace.
OpenShell es el sandbox a nivel del kernel que contiene al agente. Por ahora, trátalo como el límite entre operador y agente que el Módulo 4 definirá por completo y probará directamente. El nombre del agente en el comando de conexión procede de GET /api/agent, la misma llamada que usó Kickstart para descubrir el launchable.
La celda siguiente se conecta al sandbox y lee tres archivos de la instancia activa: SOUL.md, la memoria diaria y el MEMORY.md seleccionado. Edita la lista de comandos y vuelve a ejecutar la celda para explorar cualquier otro archivo.
Paso 2 · Dos escenarios, lado a lado
Como la personalidad es un archivo, sustituir la definición de SOUL.md cambia la voz del agente. El mecanismo real consiste en escribir el archivo: guarda una nueva definición de personalidad y el turno siguiente la incorpora por sí solo.
Observar una edición real en el disco lleva tiempo, por lo que la celda de abajo simula dicho intercambio. Envía dos sesiones etiquetadas y el launchable asigna cada clave de sesión a una variante predefinida de SOUL.md. Así, dos configuraciones responden a la misma pregunta sin que edites ningún archivo.
Escenario A · SOUL.md predeterminado
OpenClaw estándar: amigable, conciso y dispuesto a utilizar cualquier herramienta permitida por la política; una configuración adecuada para el desarrollo.
Al resumir un documento, produce una síntesis corta e indica qué herramientas usaría a continuación.
Escenario B · SOUL.md de auditoría
Una personalidad orientada a la revisión de código: se niega a ejecutar código antes de identificar la superficie de riesgo y cita el archivo que examina en cada afirmación.
Al resumir el mismo documento, produce una lista de riesgos y preguntas directas sobre lo que no está documentado.
Paso 3 · El agente edita su propio contexto
Pídele al agente que guarde una preferencia en MEMORY.md y solicítala en el turno siguiente. El modelo no tiene estado persistente, por lo que el segundo turno solo puede responder porque el runtime conservó la preferencia en el historial de sesión y en el MEMORY.md que guardó el agente.
Esos almacenes tienen alcances distintos. El historial pertenece a tu sesión actual únicamente. MEMORY.md puede trasladar un dato guardado a una sesión nueva cuya transcripción empieza vacía.
- el sistema de archivos de host,
- la red más amplia
- o el workspace de otro agente.
En el Módulo 4, un agente con privilegios deliberadamente excesivos intentará cruzar ese límite.
Referencias
- NVIDIA, How to Build a Safer Autonomous Agent using OpenClaw. Referencia complementaria sobre OpenClaw, OpenShell y la arquitectura de agente en sandbox usada aquí.
- Anthropic, Claude Skills (docs). OpenClaw utiliza el mismo patrón de archivo como contexto: el runtime incorpora un archivo Markdown al prompt de sistema y lo convierte en una capacidad que el agente puede invocar.
- Claude Code. Agente de CLI utilizado en producción; muestra cómo un directorio de workspace, la memoria persistente y una superficie de herramientas se combinan a escala.
- Packer et al., MemGPT: Towards LLMs as Operating Systems (2023). La jerarquía explícita de memoria que sustenta el bucle de escritura y recuperación de MEMORY.md en esta página.
- Model Context Protocol (MCP). Formato interoperable que los agentes de CLI utilizan para descubrir herramientas en tiempo de ejecución, en lugar de registrarlas directamente en el código.
- Landlock LSM. Primitiva de sandbox del sistema de archivos en el kernel que limita el alcance del impacto cuando el agente escribe en su propio contexto.
- seccomp (man 2). La capa de sandbox que filtra syscalls en el núcleo y se explorará en el Módulo 4.
Lista completa en Para ir más lejos · Referencias.
Prueba · conversa con tu agente activo
Todo lo visto en esta página converge en un panel: una conversación real con el agente OpenClaw que se ejecuta en tu launchable. Pídele que realice cualquiera de estas acciones y observa los indicadores de herramientas mientras trabaja:
- describir su workspace,
- leer un archivo
- o ejecutar un comando.
Edita un archivo del workspace y cambiará la respuesta siguiente del agente.