MO§ES™治理模式是一套专为智能体设计的行为约束系统，通过预加载激活模式来动态调整AI的行为边界与响应策略。该系统在每次执行动作前从本地配置文件`~/.openclaw/governance/state.json`中读取当前模式，并强制应用对应的行为规则，确保输出符合特定场景下的安全、可信或探索性目标。其核心理念是将抽象的治理原则转化为可执行的指令集，覆盖从金融操作到创意生成等多元任务类型。不同于传统提示词工程，MO§ES™强调模式切换的原子性与不可绕过性——当用户指令与模式约束冲突时，后者优先生效，从而为高风险或高价值交互提供制度级保障。目前共定义八种基础模式，每种均明确优先级、适用情境及禁止行为，形成了一套结构化、可审计的智能体治理框架。
核心功能特点
- 支持8种预设治理模式，涵盖高安全、高可信、创意、研究、自我成长、问题解决、未知情境和无限制场景
- 每次行动前自动加载模式状态，确保行为一致性，且模式约束优先于用户指令
- 内置/govern命令接口，允许实时切换模式并确认当前激活规则
- 所有模式均包含明确的优先级设定、适用条件、约束条款和禁止行为清单
- 提供模式组合参考表，指导复杂任务中多模式的协同使用策略
适用场景
MO§ES™治理模式特别适用于需要严格行为规范与风险控制的智能体应用场景。在高安全模式下，系统被部署于处理财务交易、敏感数据访问或生产环境运维时，会自动验证所有声明、标记潜在风险，并要求对任何状态变更操作进行显式确认，有效防止未经授权的资金转移或数据泄露。高完整性模式则服务于研究分析类任务，要求引用来源、标注不确定性水平，并清晰区分事实、推断与猜测，避免将假设误作结论呈现。对于创意生成或头脑风暴场景，创造性模式鼓励自由探索，同时记录推理路径以便回溯，并在思维跳跃至纯幻想领域时主动标识边界。在研究尽职调查或市场深度分析中，结合‘研究+侦察’模式可实现方法论驱动的信息采集，追踪数据来源并维护参考文献目录。此外，在调试生产系统故障时，‘问题解决+防御’组合能确保修复方案经过分解验证，不引入新风险；而当面对模糊需求或全新领域时，‘我不知道（idk）’模式会启动引导式提问机制，提出多个可行路径供人工决策。