Agent 是什么？和聊天机器人有什么区别？用 OpenClaw 实测读文件

你想让 AI 查看一份小店配送规则，再核对订单并整理成结果文件。聊天机器人可以根据你粘贴的文字回答；Agent 还能在允许的范围里读取文件、调用工具，再把处理结果写回工作区。我们用 OpenClaw 和本机 Qwen 做了这个小例子：它先把系统当天误当成下单日期，给出错误判断；明确限制工具和补充规则后，才按资料得出正确结果。这个过程说明，Agent 会行动，也需要你检查它的依据和权限。

先分清聊天和 Agent

聊天机器人通常根据当前对话生成回答。它也可以接入工具，所以“能不能调用工具”不是两者唯一的区别。

OpenClaw 的 Agent 会围绕一次任务运行一个循环：整理当前上下文，让模型决定下一步，需要时执行工具，再把工具结果交回模型，直到生成回复或任务结束。官方执行循环把这个过程描述为接收任务、组装上下文、模型推理、工具执行和保存会话。

是否让 Agent 写文件、运行命令或发消息，取决于配置里开放了哪些工具和权限。模型说“我会安全操作”不等于权限已经被限制。工具目录列出的工具仍要经过工具策略、权限模式和可用插件的筛选。

准备好本机模型和练习资料

本次使用 OpenClaw 2026.10.1、Ollama 0.35.1 和 Qwen3.8-27B。模型文件约 16GB；在 M1 Max、64GB 内存的电脑上，单次任务实测约 1.5–2 分钟。实际速度会受电脑、模型和上下文长度影响。

如果还没安装，可以先看OpenClaw 本地部署教程和Ollama 安装教程。OpenClaw 自动发现 Ollama 模型时，会检查模型是否支持工具调用和足够的上下文；具体以你的向导结果为准。Ollama 官方接入说明

给练习单独开一个受限配置

首次试用时，别把 Agent 直接接到微信、邮件或真实订单。先创建一个独立 profile 和空工作区，只接本机 Ollama，不装后台服务，也不配置聊天渠道。

openclaw --profile shop-demo onboard \
  --non-interactive --accept-risk --auth-choice ollama \
  --custom-base-url http://127.0.0.1:11434 \
  --custom-model-id qwen3.8-27b:latest \
  --workspace "$HOME/openclaw-shop-demo" \
  --skip-daemon --skip-channels --skip-hooks --skip-skills \
  --skip-search --skip-ui --skip-health --skip-bootstrap

再把这个练习 profile 的可用工具限制为文件读取和写入，并把文件工具限制在工作区内：

openclaw --profile shop-demo config set tools.allow '["read","write"]'
openclaw --profile shop-demo config set tools.deny '["apply_patch","group:runtime","group:web","group:messaging","browser"]'
openclaw --profile shop-demo config set tools.fs.workspaceOnly true

write 仍能改动工作区里的文件，所以这里只放练习资料，不要放配置、密钥或真实订单。OpenClaw 对兼容模型可能把 write 扩展为 apply_patch，因此示例额外拒绝了 apply_patch、命令执行、联网和消息工具。想让 Agent 只回答、不写文件时，把 write 从允许列表去掉。OpenClaw 的权限说明也提醒，工具白名单和工作区范围是不同的限制，敏感资料要使用更窄的目录。权限说明

解压练习包，把 shop-policy.md 和 order.csv 放进 $HOME/openclaw-shop-demo。然后发起一次本机任务：

openclaw --profile shop-demo agent --local \
  --session-id shop-audit \
  --message '读取 shop-policy.md 和 order.csv。只依据文件里明确写出的事实，判断配送范围、配送费和是否能判断当日营业；把依据和结果写入 delivery-result.md。缺少日期时不要猜。'

Agent 需要读取两份文件、比较订单金额和配送规则，再创建结果文件。检查它有没有把工作区外的信息当成订单事实，也要打开结果文件核对金额和日期。

我们实测时发现的错误

第一次让 Agent 自动生成订单审核报告时，订单文件只有商品金额和写字楼距离，没有下单日期。模型却把运行当天的日期带进结果，称当天是周日，因此商店不营业。这个判断不是订单资料给出的，不能拿来处理真实订单。

随后我们把工具范围收紧为 read、write，并限定文件只能在独立工作区里读写。再次运行时，模型调用了两次读取、一次写入，约 2 分钟完成。它正确判断订单距离 2 公里，符合 3 公里配送范围；26 元未满 30 元，配送费为 5 元；由于没有下单日期，无法判断当日是否营业。

这才是 Agent 与普通问答最实际的差别：它能把任务拆成几步并操作文件；同时，一步错用上下文就可能改变结论。先用虚构资料试跑，逐项核对输出，再考虑接入真实流程。

记忆不是模型脑子里的秘密

OpenClaw 的记忆可以存进工作区里的 Markdown 文件，再由记忆工具按需检索。官方记忆说明列出了 MEMORY.md、每日记录等文件。没有写进文件、没有被当前配置加载或检索到的内容，不要假设 Agent 一定记得。

本次练习验证了工具调用和文件操作，没有测试跨会话记忆、定时任务、联网搜索或消息渠道。想了解安全配置，可以继续看OpenClaw 安全须知。

常见问题

聊天机器人也能调用工具，怎么区分？

它们没有绝对的产品边界。你可以把 Agent 理解为带有任务循环、上下文管理和工具权限的运行方式。是否可靠，仍要看模型、工具实现、权限和验证步骤。

为什么不能只靠提示词限制操作？

提示词表达了任务要求，工具策略才决定工具是否可用。在没有收紧工具白名单的试跑里，模型曾调用 exec；后来才把允许工具限制为 read、write。不要把“不要运行命令”当成系统层面的禁止。

长期记忆会自动记住所有聊天吗？

不会。OpenClaw 的记忆基于工作区文件和索引；哪些内容被保存、何时检索，取决于当前配置。先确认保存位置和清理方式，再放入长期资料。

工具清单