OpenClaw: Cara Buat Default Thinking High Saat Agent Baru Langsung di-Spawn

Setiap kali kamu spawn agent baru di OpenClaw, apakah kamu pernah merasa kok harus nge-toggle /think lagi dari awal? Atau bahkan kadang lupa, sampai agent-nya sudah jalan baru sadar reasoning level-nya masih default?

Kabarnya, ada kabar baik. OpenClaw punya jalur yang jauh lebih rapi untuk ini: atur default reasoning level secara global, sekali edit, berlaku untuk semua agent baru tanpa perlu repetisi.

Per Session vs Global Default

Sebelum masuk ke teknis, perlu paham dulu bedanya dua pendekatan pengaturan reasoning:

Per session artinya kamu atur thinking level saat agent sudah berjalan. Fleksibel, tapi kalau sering spawn agent baru, kamu bakal mengulang langkah yang sama terus. Sekali-dua kali nggak masalah. Lima puluh kali sehari, itu sudah jadi friction.

Global default artinya kamu pasang satu config di level gateway, dan semua agent baru yang di-spawn setelahnya otomatis mengikuti. Sekali set, konsisten. Ini yang kita bahas hari ini.

Satu Field yang Ubah Segalanya

Fondasi teknisnya sederhana. Di file config OpenClaw (~/.openclaw/openclaw.json), ada satu field yang mengontrol ini:

agents.defaults.thinkingDefault

Isi nilainya dengan string "high". Selesai. Agent baru yang lahir setelah config ini diterapkan akan langsung berpikir di level high tanpa kamu perlu menjalankan /think atau perintah manual lainnya.

Step-by-Step yang Aman

1. Lookup Schema Dulu

Jangan pernah edit config dengan menebak nama field. Buka terminal, jalankan:

openclaw config get agents.defaults.thinkingDefault

Ini penting supaya kamu tahu persis path config yang benar dan tidak salah sasaran. Field yang valid untuk kebutuhan ini adalah agents.defaults.thinkingDefault.

2. Cek Config Aktif

Lihat apa yang sudah berjalan sekarang:

openclaw config get agents.defaults

Kalau output belum ada thinkingDefault di dalamnya, berarti memang belum di-set. Normal. Itu artinya config masih pakai default bawaan.

3. Patch Config, Jangan Overwrite Penuh

Ini bagian paling penting. Jangan buka openclaw.json lalu replace seluruh isinya hanya untuk satu field. Pakai config patch — paradigma perubahan parsial yang cuma menyentuh apa yang kamu ubah.

Patch yang kamu butuhkan cuma ini:

{
  "agents": {
    "defaults": {
      "thinkingDefault": "high"
    }
  }
}

Terapkan dengan:

openclaw config patch --json '{"agents":{"defaults":{"thinkingDefault":"high"}}}'

Dengan patch, risiko merusak config lain hampir nol. Ini juga lebih mudah di-audit dan di-rollback kalau nanti diperlukan.

4. Restart Gateway

Config sudah tersimpan. Tapi efeknya belum langsung terasa untuk agent baru. Perlu restart gateway supaya ia membaca ulang konfigurasi:

systemctl restart openclaw-gateway

5. Verifikasi

Setelah gateway kembali online, spawn agent baru. Cara paling cepat:

openclaw doctor --non-interactive

Ini memastikan gateway sehat setelah restart dan semua config baru terbaca dengan benar.

Yang Perlu Dicatat

Beberapa hal yang sering bikin bingung saat pertama kali menerapkan ini:

Session lama tidak ikut berubah.
Agent yang sudah berjalan sebelum config diubah bisa tetap pakai state reasoning sebelumnya. Ini normal. Yang perlu diverifikasi adalah agent baru.

Override per agent bisa mengalahkan default.
Kalau satu agent punya konfigurasi khusus yang overrides global default, setting khusus itu yang menang. Default global tidak dimaksudkan untuk jadi absolute rule, tapi sebagai starting point yang cerdas.

Tidak ada field thinkingDefault bukan berarti error.
Kalau langkah lookup tadi menghasilkan null atau error, itu bukan berarti OpenClaw rusak. Bisa jadi versi OpenClaw yang kamu pakai memang belum memiliki field ini. Cek changelog atau tanya komunitas.

Hasil yang Diharapkan

Setelah semua step diterapkan dengan benar:

• agent baru langsung reasoning di level high sejak spawn pertama
• tidak ada lagi langkah manual /think tiap kali bikin agent
• perilaku default antar agent jadi lebih konsisten
• workflow onboarding agent baru jadi lebih cepat

Ini terutama berguna kalau kamu sering bekerja dengan banyak agent secara paralel, atau kalau kamu membangun pipeline automasi yang rely on consistent baseline reasoning quality.