O agente OpenClaw
O Módulo 3a conectou o navegador a um runtime persistente. O OpenClaw é o harness do agente dentro dessa stack do NemoClaw: combina um modelo e ferramentas com uma sessão mantida no servidor e um workspace em arquivos.
O NemoClaw fornece o blueprint que reúne esse harness, o OpenShell e a política de implantação. Em vez de depender de outro orquestrador em Python, o OpenClaw conduz cada turno e incorpora os arquivos do workspace ao contexto ativo. Você inspecionará esses arquivos, comparará duas personas e salvará uma memória que persiste além da chamada ao modelo.
O workspace, do ponto de vista do agente
Cada arquivo da pasta fornece uma parte diferente do prompt. Como esse mapeamento é estável, você pode prever qual comportamento uma edição afetará.
A memória tem dois níveis. Enquanto trabalha, o agente adiciona notas brutas a um arquivo datado em memory/. Depois, seleciona o que deve persistir e grava em MEMORY.md. O runtime carrega MEMORY.md na sessão principal, mas não em contextos compartilhados ou de grupo, preservando a privacidade das notas pessoais. Daqui a pouco, você lerá os dois diretamente no sandbox ativo.
- quais regras de persona estão ativas,
- o que está na sua lista de ferramentas,
- e o que ele recorda sobre você.
Passo 1 · Peça ao agente para se descrever
Em um turno, a célula abaixo pede ao OpenClaw que liste os arquivos do próprio workspace e explique a função de cada um. A resposta reflete tanto o que o harness incorpora ao prompt quanto o que as ferramentas conseguem ler. Edite um arquivo e execute novamente para alterar o relatório.
O mesmo runtime do Kickstart. Estas células reutilizam o launchable conectado em 3a. O curso expõe o gateway, não a rota interna /v1/chat/completions. Se uma célula registrar ⚠ DEGRADED ou parar de responder, execute Recuperar uma vez para a instância nova. Em uma implantação local, use o playbook de configuração do NemoClaw e preserve o mesmo contrato do gateway.
Aplicado · OperadorVerificar o workspace a partir do plano do operador?
Passo 1b · Leia o workspace você mesmo
O Passo 1 pediu ao agente que descrevesse os arquivos; você não precisa aceitar apenas o relato. Até aqui, seu único canal foi o gateway que leva mensagens ao agente.
O launchable também expõe um terminal do operador: um shell no host, acima do sandbox do agente, protegido pelo Cloudflare. O helper helpers.terminal() abre esse shell pela página de duas formas:
helpers.terminal("bash")abre o shell da VM do host, onde você pode executaropenshell sandbox list.helpers.terminal("openshell sandbox connect <agent>")entra dentro do sandbox em que o agente é executado e onde fica o workspace.
O OpenShell fornece o sandbox no nível do kernel que contém o agente. Por enquanto, trate-o como o limite entre operador e agente; o Módulo 4 define e testa esse limite. O nome usado no comando de conexão vem de GET /api/agent, a mesma chamada usada pelo Kickstart para descobrir o launchable.
A célula abaixo entra no sandbox e lê três arquivos da instância ativa: SOUL.md, a memória diária e o MEMORY.md selecionado. Edite a lista de comandos e execute novamente para explorar outros arquivos.
Passo 2 · Dois cenários, lado a lado
Como a persona é um arquivo, trocar a definição em SOUL.md muda a voz do agente. O mecanismo real é simples: grave outra persona no arquivo; o turno seguinte passa a usá-la.
Uma edição real demora para ser demonstrada. Por isso, a célula abaixo simula a troca: envia duas sessões identificadas, e o launchable associa cada chave a uma variante pronta de SOUL.md. Assim, duas configurações respondem à mesma pergunta sem exigir uma edição sua.
Cenário A · Padrão SOUL.md
OpenClaw padrão: amigável, conciso e disposto a usar qualquer ferramenta permitida pela política; uma configuração adequada ao desenvolvimento.
Ao resumir um documento, produz uma síntese curta e indica quais ferramentas usaria em seguida.
Cenário B · "Auditor" SOUL.md
Uma persona voltada à revisão de código: recusa-se a executar código antes de identificar a superfície de risco e cita o arquivo analisado em cada afirmação.
Ao resumir o mesmo documento, produz uma lista de riscos e perguntas diretas sobre o que não está documentado.
Passo 3 · O agente edita o próprio contexto
Peça ao agente que grave uma preferência em MEMORY.md e pergunte por ela no turno seguinte. O modelo não possui estado persistente. A segunda resposta só é possível porque o runtime mantém o histórico da sessão e porque o agente salvou MEMORY.md.
Esses meios têm alcances diferentes. O histórico pertence a uma sessão. Um fato salvo em MEMORY.md pode chegar a uma nova sessão cuja transcrição começa vazia.
- o sistema de arquivos do host,
- a rede mais ampla,
- ou o workspace de outro agente.
No próximo módulo, um agente deliberadamente privilegiado demais tentará cruzar esse limite.
Referências
- NVIDIA, How to Build a Safer Autonomous Agent using OpenClaw. Referência complementar sobre OpenClaw, OpenShell e a arquitetura de agente em sandbox usada aqui.
- Anthropic, Claude Skills (docs). O OpenClaw usa o mesmo padrão de arquivo como contexto: o runtime incorpora um arquivo Markdown ao prompt de sistema, tornando-o uma capacidade que o agente pode acionar.
- Claude Code. Agente de CLI usado em produção; mostra como diretório de trabalho, memória persistente e ferramentas se combinam em maior escala.
- Packer et al., MemGPT: Towards LLMs as Operating Systems (2023). A hierarquia de memória explícita que fundamenta o ciclo de gravar e recuperar dados em MEMORY.md nesta página.
- Model Context Protocol (MCP). Protocolo usado por agentes de CLI para descobrir ferramentas no runtime sem registro específico no código.
- Landlock LSM. Primitiva do kernel que limita o raio de impacto quando o agente grava no próprio contexto.
- seccomp (man 2). A camada do sandbox que filtra syscalls no kernel e será explorada no Módulo 4.
Lista completa em Próximos passos · Referências.
Experimente · chat com o seu agente ao vivo
Toda a página converge neste painel: uma conversa real com o agente OpenClaw executado no launchable. Peça uma das ações abaixo e observe os indicadores de ferramenta durante o trabalho:
- descrever o seu workspace,
- ler um arquivo,
- ou executar um comando.
Edite um arquivo workspace, e a próxima resposta do agente muda.