18 KiB

Raw Permalink Blame History

Remote Agent Blueprints — 模板庫與自動化部署管道（LLM 解耦 + 認知配置 + ChatOps）

版本: 2.0
日期: 2026-03-12
維護者: 架構組

本文檔描述遠端 Agent 標準化模板庫與自動化部署管道，供 AI 與維護人員查閱。包含目錄結構、模板說明、腳本行為、環境變數對齊關係，以及歷史修復記錄。

本文僅為說明與維運參考，不執行任何測試；所有變更僅經靜態檢查與邏輯校對。

1. 概述

目標：
- 用模板（blueprints）標準化遠端 Agent 的 Docker/配置/認知檔案。
- 透過 Volume 掛載解耦 Skill/Plugin 與映像檔，支援熱更新。
- 支援容器內歸檔目錄（archive/），供 Agent 寫入媒體與本地檔案。
- LLM 提供商解耦：使用通用 LLM_BASE_URL / LLM_API_KEY / LLM_MODEL_ID，不再綁定特定雲廠商。
- 植入認知配置（Agent Profile JSON，含 project_id 與系統提示）。
- 支援 Main Agent 以 純 CLI 無交互 方式呼叫（ChatOps Ready）。
工作根目錄：/root/.openclaw/workspace
模板根目錄：workspace/remote-blueprints/template/
腳本目錄：workspace/scripts/（generate_remote.sh、sync_skill.sh）

2. 檔案樹結構

workspace/
├── remote-blueprints/
│   └── template/
│       ├── config/
│       │   └── openclaw.json          # 閘道器配置，使用 ${VAR} 字串插值（CONTROL_UI_TOKEN、LLM_*）
│       ├── skills/                    # 掛載點 -> /root/.openclaw/workspace/skills
│       │   └── .gitkeep
│       ├── plugins/                   # 掛載點 -> /root/.openclaw/workspace/plugins
│       │   └── .gitkeep
│       ├── archive/                   # 掛載點 -> /root/.openclaw/workspace/archive（容器內 chmod 777）
│       │   └── .gitkeep
│       ├── agents/                    # 認知配置模板，會被渲染為 agents/<AGENT_ID>.json
│       │   └── {{AGENT_ID}}.json.tpl
│       ├── Dockerfile
│       ├── docker-compose.yml.tpl     # 使用 {{...}} 作為模板佔位符，其餘從 .env 讀取
│       └── .env.tpl
├── scripts/
│   ├── generate_remote.sh             # 從模板生成實例 + deploy_to_target.sh（支援無交互模式）
│   └── sync_skill.sh                  # 跨節點 Skill 同步（優先 rsync，無則 scp）
└── docs/
    └── REMOTE_BLUEPRINTS.md           # 本文檔

生成實例後（執行 generate_remote.sh ... 後）：

remote-blueprints/<AGENT_ID>/
├── config/openclaw.json
├── skills/, plugins/, archive/
├── agents/<AGENT_ID>.json            # 已渲染的 Agent Profile
├── Dockerfile
├── docker-compose.yml                 # 已替換 {{AGENT_ID}} 等佔位符
├── .env                               # 已替換環境變數佔位符
└── deploy_to_target.sh                # 動態生成，可執行

3. 模板說明

3.1 .env.tpl — 環境變數模板

路徑：remote-blueprints/template/.env.tpl

AGENT_ID={{AGENT_ID}}
CONTROL_UI_TOKEN={{CONTROL_UI_TOKEN}}
HUB_QDRANT_URL=http://100.115.94.1:6333
# mem0-integration skill (Layer 4) reads these; align with HUB_QDRANT_URL if using central Qdrant
MEM0_QDRANT_HOST=100.115.94.1
MEM0_QDRANT_PORT=6333
# Generic LLM provider configuration (provider-agnostic)
LLM_BASE_URL={{LLM_BASE_URL}}
LLM_API_KEY={{LLM_API_KEY}}
LLM_MODEL_ID={{LLM_MODEL_ID}}

AGENT_ID：實例 ID，用於 container_name、標籤與部分配置；僅允許 [a-zA-Z0-9_-]。
CONTROL_UI_TOKEN：Gateway Control UI token，可由腳本自動生成。
HUB_QDRANT_URL / MEM0_QDRANT_*：指向中心 Qdrant（mem0 Layer 4 所用）。
LLM_BASE_URL / LLM_API_KEY / LLM_MODEL_ID：解耦後的通用 LLM provider 設定，對應 OpenAI-compatible API 或其他兼容端點。

3.2 config/openclaw.json — Gateway 配置

路徑：remote-blueprints/template/config/openclaw.json

核心片段：

{
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "lan",
    "controlUi": {
      "allowedOrigins": [
        "http://localhost:*",
        "http://localhost:18789",
        "http://127.0.0.1:*",
        "http://127.0.0.1:18789",
        "http://100.115.94.1:18789"
      ],
      "dangerouslyDisableDeviceAuth": false
    },
    "auth": {
      "mode": "token",
      "token": "${CONTROL_UI_TOKEN}",
      "rateLimit": {
        "maxAttempts": 10,
        "windowMs": 60000,
        "lockoutMs": 300000
      }
    },
    "trustedProxies": ["127.0.0.1", "100.115.94.1", "::1"]
  },
  "agents": {
    "defaults": {
      "workspace": "/root/.openclaw/workspace",
      "model": { "primary": "default_llm/primary" }
    },
    "list": [
      { "id": "main" },
      { "id": "{{AGENT_ID}}", "enabled": true }
    ]
  },
  "models": {
    "mode": "merge",
    "providers": {
      "default_llm": {
        "baseUrl": "${LLM_BASE_URL}",
        "apiKey": "${LLM_API_KEY}",
        "api": "openai-completions",
        "models": [
          {
            "id": "primary",
            "name": "${LLM_MODEL_ID}",
            "contextWindow": 128000,
            "maxTokens": 8192
          }
        ]
      }
    }
  },
  "memory": { "backend": "qmd", "citations": "auto" },
  "skills": { "install": { "nodeManager": "npm" }, "entries": {} },
  "plugins": { "allow": [], "load": { "paths": [] }, "entries": {} }
}

gateway.auth.token 使用 ${CONTROL_UI_TOKEN}，與 .env / compose 變數名一致。
models.providers.default_llm 使用 ${LLM_BASE_URL} / ${LLM_API_KEY} / ${LLM_MODEL_ID}，完整解耦底層供應商；agents.defaults.model.primary 指向 "default_llm/primary"。
agents.list 中預先註冊 {{AGENT_ID}}，渲染後即為遠端 Agent 的 ID。

3.3 docker-compose.yml.tpl — 容器編排模板

路徑：remote-blueprints/template/docker-compose.yml.tpl

# Remote Agent - OpenClaw Gateway
# Placeholders: {{AGENT_ID}}, {{AGENT_NAME}}, {{PROJECT_ID}}
# After render: .env supplies CONTROL_UI_TOKEN, LLM_BASE_URL, LLM_API_KEY, LLM_MODEL_ID, HUB_QDRANT_URL, MEM0_QDRANT_*
services:
  gateway:
    build: .
    container_name: {{AGENT_ID}}
    network_mode: "host"
    restart: always
    environment:
      - OPENCLAW_GATEWAY_AUTH_MODE=token
      - OPENCLAW_GATEWAY_AUTH_TOKEN=${CONTROL_UI_TOKEN}
      - NODE_OPTIONS=--max-old-space-size=1536
      - QDRANT_HOST=${HUB_QDRANT_URL}
      - AGENT_TAG={{AGENT_ID}}
      - LLM_BASE_URL=${LLM_BASE_URL}
      - LLM_API_KEY=${LLM_API_KEY}
      - LLM_MODEL_ID=${LLM_MODEL_ID}
      - MEM0_QDRANT_HOST=${MEM0_QDRANT_HOST}
      - MEM0_QDRANT_PORT=${MEM0_QDRANT_PORT}
    volumes:
      - ./config/openclaw.json:/root/.openclaw/openclaw.json
      - ./skills:/root/.openclaw/workspace/skills
      - ./plugins:/root/.openclaw/workspace/plugins
      - ./archive:/root/.openclaw/workspace/archive
      - ./agents:/root/.openclaw/workspace/agents

network_mode: host 方便 Tailscale / SSH 隧道使用。
./agents 掛載到 /root/.openclaw/workspace/agents，配合 openclaw.json 中的 agents 配置與未來 auto-discovery 能力。

3.4 Agent Profile 模板 — 認知配置

路徑：remote-blueprints/template/agents/{{AGENT_ID}}.json.tpl

{
  "id": "{{AGENT_ID}}",
  "name": "{{AGENT_NAME}}",
  "project_id": "{{PROJECT_ID}}",
  "metadata": {
    "project_id": "{{PROJECT_ID}}",
    "role": "project-specialized-remote-agent"
  },
  "systemPrompt": "You are an AI agent named {{AGENT_NAME}}. You belong to project {{PROJECT_ID}}. Always follow the project conventions, coordinate with the main hub agent, and log important decisions to shared memory."
}

在渲染與 rename 後，會變成 agents/<AGENT_ID>.json 並掛載到 workspace，供 Gateway 或其他輔助工具使用。

3.5 Dockerfile — 執行環境與權限

路徑：remote-blueprints/template/Dockerfile

# Remote Agent - OpenClaw Gateway
# Base: node:20-slim; deps for build + image processing (libvips)
FROM node:20-slim

RUN apt-get update && apt-get install -y --no-install-recommends \
    git \
    python3 \
    make \
    g++ \
    libvips-dev \
    && rm -rf /var/lib/apt/lists/*

RUN npm install -g @openclaw/cli

RUN mkdir -p /root/.openclaw/workspace/skills \
             /root/.openclaw/workspace/plugins \
             /root/.openclaw/workspace/archive \
    && chmod -R 777 /root/.openclaw/workspace/archive

EXPOSE 18789

CMD ["openclaw", "gateway", "--port", "18789"]

確保 archive/ 在容器內存在並可寫入（chmod 777），避免 Volume 掛載後出現 Permission Denied。

4. 腳本說明

4.1 generate_remote.sh — 實例壓鑄腳本

路徑：scripts/generate_remote.sh

4.1.1 模式說明

互動模式（人類操作）：
- 條件：未帶任何 flag（-a/-n/-p/-u/-k/-m/-t）。
- 行為：
  - 依序 read：AGENT_ID、AGENT_NAME、PROJECT_ID、LLM_BASE_URL、LLM_API_KEY、LLM_MODEL_ID、CONTROL_UI_TOKEN。
  - 若 AGENT_ID 為空則直接報錯退出。
非互動模式（ChatOps Ready）：
- 條件：只要帶任一 flag（-a/-n/-p/-u/-k/-m/-t），即視為非互動模式。
- 行為：
  - 絕對不執行任何 read，完全靜默（只輸出日誌 / JSON 錯誤）。
  - 必填參數：AGENT_ID、LLM_BASE_URL、LLM_API_KEY、LLM_MODEL_ID。
  - 若任一缺失，輸出 JSON 錯誤並 exit 1，示例：
```
{"ok":false,"error":"missing_required_params","missing":["AGENT_ID","LLM_BASE_URL"]}
```
  - AGENT_NAME 預設為 AGENT_ID，PROJECT_ID 預設為 "default"。

4.1.2 參數與旗標

支援的 flags：
- -a <AgentID> → AGENT_ID
- -n <AgentName> → AGENT_NAME
- -p <ProjectID> → PROJECT_ID
- -u <BaseURL> → LLM_BASE_URL
- -k <API_Key> → LLM_API_KEY
- -m <ModelID> → LLM_MODEL_ID（例如 qwen-max, gpt-4o）
- -t <ControlUiToken> → CONTROL_UI_TOKEN（可選；未提供則自動生成）

4.1.3 Token 自動生成

若解析完所有輸入後 CONTROL_UI_TOKEN 仍為空：
- 首選：openssl rand -hex 24 生成 48 位十六進位字串。
- 若系統無 openssl，改用 /dev/urandom + base64 + 過濾成 hex 的備援方案（並輸出 WARN 日誌）。

4.1.4 安全與佔位符替換

AGENT_ID 僅允許 [a-zA-Z0-9_-]，否則報錯退出。
使用統一的 escape_sed_val() 對所有值進行轉義：
- \ → \\、& → \&、/ → \/。
所有 sed 替換使用 # 作為定界符，避免 URL 中的 / 破壞語法：

sed -i "s#{{AGENT_ID}}#$AGENT_ID#g" "$f"
sed -i "s#{{AGENT_NAME}}#$AGENT_NAME_ESC#g" "$f"
sed -i "s#{{PROJECT_ID}}#$PROJECT_ID_ESC#g" "$f"
sed -i "s#{{LLM_BASE_URL}}#$LLM_BASE_URL_ESC#g" "$f"
sed -i "s#{{LLM_API_KEY}}#$LLM_API_KEY_ESC#g" "$f"
sed -i "s#{{LLM_MODEL_ID}}#$LLM_MODEL_ID_ESC#g" "$f"
sed -i "s#{{CONTROL_UI_TOKEN}}#$CONTROL_UI_TOKEN_ESC#g" "$f"

佔位符覆蓋範圍：
- {{AGENT_ID}}, {{AGENT_NAME}}, {{PROJECT_ID}}
- {{LLM_BASE_URL}}, {{LLM_API_KEY}}, {{LLM_MODEL_ID}}
- {{CONTROL_UI_TOKEN}}
- 兼容移除舊的 {{BAILIAN_API_KEY}}（若仍存在會被同值覆蓋）。
遍歷所有 *.tpl 與 .env.tpl 檔案（包含 agents/{{AGENT_ID}}.json.tpl）。

4.1.5 檔名重寫與 deploy 腳本生成

在 rename 所有 *.tpl 前，先將 agents/{{AGENT_ID}}.json.tpl 改名為 agents/<AGENT_ID>.json.tpl，再統一移除 .tpl 副檔名。
最終 agents/<AGENT_ID>.json 會被 docker-compose 掛載到 /root/.openclaw/workspace/agents/<AGENT_ID>.json。
deploy_to_target.sh 透過單引號 heredoc 生成，內部變數不會被當前 shell 展開，之後用 sed 注入實際 AGENT_ID，邏輯：
- TARGET_IP / SSH_USER 參數檢查。
- 檢查本地 docker-compose.yml 是否存在。
- ssh mkdir 遠端目錄後，用 tar cf - . | ssh tar xf - 覆蓋整個目錄。
- 執行 docker compose down 2>/dev/null || true && docker compose up -d --build。

4.1.6 結尾輸出

成功後輸出：

[OK] Instance ready: /root/.openclaw/workspace/remote-blueprints/<AGENT_ID>
[OK] CONTROL_UI_TOKEN: <實際 token>
Next: cd /root/.openclaw/workspace/remote-blueprints/<AGENT_ID> && ./deploy_to_target.sh <TARGET_IP> [SSH_USER]

4.2 sync_skill.sh — Skill/Plugin 同步腳本

路徑：scripts/sync_skill.sh

參數：<TARGET_IP> <AGENT_ID> <MODULE_DIR_NAME>。
本地來源：workspace/skills/<MODULE_DIR_NAME>，不存在則報錯退出。
遠端目的：/opt/openclaw-remote/<AGENT_ID>/skills/。
優先使用 rsync -avz --exclude 'node_modules'，無 rsync 才降級為 scp -r。
同步完成後執行：ssh root@<TARGET_IP> 'cd /opt/openclaw-remote/<AGENT_ID> && docker compose restart'。

5. 環境變數與配置對齊表

變數名	.env.tpl	docker-compose	openclaw.json	說明
AGENT_ID	`{{AGENT_ID}}`	`container_name` / `AGENT_TAG`	`agents.list[].id`（模板為 `{{AGENT_ID}}`）	遠端 Agent ID，僅允許 `[a-zA-Z0-9_-]`
CONTROL_UI_TOKEN	`{{CONTROL_UI_TOKEN}}`	`OPENCLAW_GATEWAY_AUTH_TOKEN`	`gateway.auth.token="${CONTROL_UI_TOKEN}"`	Gateway Control UI token
HUB_QDRANT_URL	固定 http://100.115...	`QDRANT_HOST`	—	中心 Qdrant URL
MEM0_QDRANT_HOST	100.115.94.1	`MEM0_QDRANT_HOST`	—	mem0-integration 使用的 Qdrant host
MEM0_QDRANT_PORT	6333	`MEM0_QDRANT_PORT`	—	mem0-integration 使用的 Qdrant port
LLM_BASE_URL	`{{LLM_BASE_URL}}`	`LLM_BASE_URL`	`models.providers.default_llm.baseUrl`	通用 LLM 端點（OpenAI compatible 等）
LLM_API_KEY	`{{LLM_API_KEY}}`	`LLM_API_KEY`	`models.providers.default_llm.apiKey`	通用 LLM API key
LLM_MODEL_ID	`{{LLM_MODEL_ID}}`	`LLM_MODEL_ID`	`models.providers.default_llm.models[].name`	實際使用的大模型 ID（如 qwen-max, gpt-4o）

重要：openclaw.json 僅透過 ${VAR_NAME} 讀取這些變數，實際值由 .env / compose 注入，不再使用任何 SecretRef 物件，也不再引用 BAILIAN_API_KEY。

6. 修復與變更記錄（供 AI / 維運對照）

項目	問題 / 風險	修復 / 改動摘要
LLM 提供商耦合	過去綁定 `bailian` 提供商與固定模型 ID	改為 `default_llm` provider，使用 `${LLM_BASE_URL}`、`${LLM_API_KEY}`、`${LLM_MODEL_ID}` 完全解耦。
openclaw.json secrets 格式	使用 SecretRef 或硬編 API key	改為一致使用 `${CONTROL_UI_TOKEN}`、`${LLM_API_KEY}` 字串插值，並由 .env/compose 提供實際值。
Agent Profile 掛載路徑	先前構想使用 `/root/.openclaw/agents`	修正為 `/root/.openclaw/workspace/agents`，與 workspace 路徑對齊，並新增 `agents/{{AGENT_ID}}.json.tpl`。
generate_remote 無交互模式	可能於缺參數時卡在 `read` 導致 Hang	帶任一 flag 即進入嚴格非互動模式，缺少必填參數時回傳 JSON 錯誤並立刻退出，不進行任何 `read`。
sed URL 替換問題	`https://` 中的 `/` 會破壞 `s/old/new/g`	全面改用 `s#old#new#g`，並對值先經 `escape_sed_val` 處理 `\`、`&`、`/`。
Token / API key sed 注入風險	token 中含 `&` 或 `\` 造成 sed 失敗	使用 `escape_sed_val` 對所有值做轉義；同時限制 AGENT_ID 僅允許 `[a-zA-Z0-9_-]`。
deploy_to_target 腳本嵌套變數	早期版本 heredoc 中混雜當前 shell 變數	改用單引號 heredoc 並使用 placeholder `__AGENT_ID_PLACEHOLDER__`，事後以 sed 注入實際 AGENT_ID。
mem0 Qdrant 依賴明確化	容器端 mem0 可能找不到 Qdrant 地址	`.env.tpl` + compose 中顯式提供 `MEM0_QDRANT_HOST`、`MEM0_QDRANT_PORT`。

本版未再執行額外自動化測試；以上變動經過靜態檢查與少量手動 sanity run 佐證，建議在實際部署前再做一次端對端驗證。

7. 使用建議（高階）

Main Agent ChatOps 調用：

建議統一由 Main Agent 以非互動模式呼叫：

./generate_remote.sh \
  -a advert-bot \
  -n "Advert Bot" \
  -p advert \
  -u https://llm.example.com/v1 \
  -k sk-xxx \
  -m qwen-max

部署：

在目標伺服器上確保 Docker 與 LLM 網路連線可用後，執行：

cd /root/.openclaw/workspace/remote-blueprints/advert-bot
./deploy_to_target.sh <TARGET_IP> [SSH_USER]

Skill 熱更新：
- 使用 sync_skill.sh 精準同步單一 Skill 目錄，避免重建鏡像：
```
./sync_skill.sh <TARGET_IP> advert-bot tavily
```

最後更新: 2026-03-12 — 將舊版 BAILIAN_API_KEY 說明全面替換為通用 LLM_BASE_URL / LLM_API_KEY / LLM_MODEL_ID 模型解耦方案，並補充 ChatOps 無交互模式與認知配置掛載設計。

18 KiB Raw Permalink Blame History