必须进入OpenClaw容器后手动设置Agent专属system_prompt：先通过Control UI创建Agent并获取32位agent-id，再用nano编辑config.json添加或修改"system_prompt"字段，或用openclaw agent update命令动态更新，最后验证回复是否匹配设定。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在 OpenClaw Docker 部署完成后，为特定 Agent 设置专属系统提示词（system prompt），以约束其行为、限定回答范围或植入角色设定。这一步不能在初始 onboarding 向导中完成，必须进入容器后手动编辑配置文件或通过 CLI 修改。
确认 Agent 配置目录位置
运行 docker exec -it openclaw ls -l /root/.openclaw/agents，查看是否存在 agent 目录。若为空或无此路径，说明尚未创建任何 Agent，需先通过 Control UI 创建一个 Agent（如 Internal Agent 或 Customer Agent），再继续后续操作。
OpenClaw 的每个 Agent 配置都独立存放在 /root/.openclaw/agents/{agent-id}/config.json 中，【agent-id 是一串 32 位十六进制字符串，不可手写，必须从 Control UI 的 Agent 列表 URL 或日志中复制】。
方法一：直接编辑 config.json 文件
第一步：获取目标 Agent 的 ID。打开浏览器访问 http://127.0.0.1:18789 → 进入 Agents 页面 → 点击目标 Agent 名称 → 观察浏览器地址栏，URL 形如 .../agents/8a3f9c2e4b1d7f8a0c5e6b3a9d1f2c4e，其中斜杠后的字符串即为 agent-id。
第二步：进入容器并编辑配置文件：docker exec -it openclaw nano /root/.openclaw/agents/8a3f9c2e4b1d7f8a0c5e6b3a9d1f2c4e/config.json（将 ID 替换为你实际获取的值）。
第三步：在 JSON 文件中找到 "system_prompt" 字段。若不存在，就在 "model" 同级位置手动添加一行："system_prompt": "你是一名严谨的技术文档助手，只回答与 Docker 和 OpenClaw 部署相关的问题，拒绝闲聊、不提供代码以外的建议。"。注意保留逗号和引号格式，避免 JSON 语法错误。
使用聊天补全、重试、结构化输出和明确的 User-Agent 标头运行 AIMLAPI LLM 与推理工作流，适用于 Codex 对 AIMLAPI 模型进行脚本化提示/推理调用的场景。
第四步：保存退出（Ctrl+O → Enter → Ctrl+X），然后重启 gateway 容器：docker restart openclaw。不重启会导致新提示词不生效。
方法二：用 openclaw CLI 命令动态设置
进入容器：docker exec -it openclaw /bin/bash。
执行命令更新提示词：openclaw agent update 8a3f9c2e4b1d7f8a0c5e6b3a9d1f2c4e --system-prompt "你负责处理客户投诉，语气礼貌但坚定，不承诺超出服务范围的事宜。"。
这条命令会直接写入配置并热重载，无需重启容器。但注意：【CLI 更新仅对已启用的 Agent 生效；若 Agent 处于 disabled 状态，需先用 openclaw agent enable {id} 启用】。
验证提示词是否生效
在 Control UI 的 Chat 页面中，选择该 Agent 发起新对话，输入“你是谁？”或“请复述你的身份设定”。如果返回内容严格匹配你设定的 system_prompt 描述，说明配置成功。
若返回空或默认欢迎语，检查 config.json 中字段名是否拼写为 system_prompt（不是 systemPrompt、sys_prompt 或其他变体）。
