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 integra esse harness de execução ao OpenShell e à política de implantação. O OpenClaw conduz cada turno e carrega os arquivos do espaço de trabalho no contexto ativo, sem um orquestrador Python separado. Você examinará esses arquivos, comparará duas instruções de mensagem e verificará a memória armazenada em arquivos a partir de uma nova conversa.
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 acrescenta notas brutas a um arquivo datado em memory/ e resume o que deve persistir no armazenamento de longo prazo, MEMORY.md. Por padrão, MEMORY.md é incluído no contexto da sessão principal e omitido dos prompts compartilhados ou de grupo. Essa escolha de contexto não restringe o acesso ao arquivo. Alguns passos adiante, você lerá ambos diretamente do sandbox em execução.
- quais regras de persona estão ativas,
- quais ferramentas aparecem na lista,
- ou o que ele lembra 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 espaço de trabalho e explique a função de cada um. A resposta reflete o que o ambiente inclui no prompt e o que suas ferramentas leem. Após editar um arquivo, compare o novo relatório com uma leitura feita como operador.
O mesmo runtime do Kickstart. Estas células reutilizam o launchable conectado em 3a. O curso expõe seu gateway em vez da rota interna /v1/chat/completions. Se uma célula falhar ou parar de responder, execute Verificação de integridade e examine as evidências antes de escolher uma ação de recuperação. Uma implantação local pode usar o playbook de configuração do NemoClaw e o mesmo contrato do gateway.
Verificar 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 fora do sandbox do agente. O helper helpers.terminal() abre esse shell diretamente nesta página por dois pontos de entrada:
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.
Etapa 2 · Compare as instruções das mensagens
Faça a mesma pergunta de revisão em duas sessões novas. A segunda solicitação pede explicitamente as verificações de evidências de um auditor. Examine os dois prompts e compare as respostas. As instruções da mensagem mudam; SOUL.md não é editado e nenhum outro arquivo de personalidade é selecionado.
Passo 3 · O agente edita o próprio contexto
Peça ao agente que acrescente uma preferência com um rótulo único a MEMORY.md. Uma leitura pela interface de operador verifica a referência salva antes de pedir ao agente que a leia em uma nova conversa. Afirmar que salvou não é evidência suficiente. A nota acrescentada permanece disponível para inspeção.
- o sistema de arquivos do host,
- o restante da rede,
- ou o workspace de outro agente.
No próximo módulo, você verá esse limite ser testado diretamente, quando um agente com privilégios excessivos concedidos de propósito tentar ultrapassá-lo.
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
Use o chat para examinar um arquivo do espaço de trabalho. Compare a resposta com a leitura pela interface de operador e examine as chamadas de ferramentas. Você pode pedir ao agente para:
- descrever o seu workspace,
- ler um arquivo,
- ou executar um comando.
Depois de editar um arquivo, inicie uma sessão nova e verifique qual conteúdo o agente usa.