一图让你看懂小龙虾的核心原理和详细流程，明明白白的养虾！
大家好，我是寒山。
你在微信/飞书/Slack/WebChat 里发一句话，小龙虾为什么能“理解你在说什么”，还能真的去执行（发消息、建任务、查资料），最后把结果发回同一个对话？这件事用一张图就能讲清楚。
1. 先记住一句话
小龙虾不是“聊天机器人”，而是“带工具的个人助理”：它会把你的输入变成一次可执行的行动，必要时会反复调用大模型和工具，直到把事情做完。
2. 图里的 7 个主要方块及主要功能
-
渠道入口：你从任何地方发来的消息（微信/飞书/Telegram/Slack/WebChat/语音等）。
-
Gateway（入口与路由）：接住消息，做鉴权/限流/安全检查，把它送到正确的会话。
-
Auto-reply（组装上下文）：整理“材料包”，把历史上下文、技能说明、可用工具清单准备好。
-
Memory（长记忆）：长期偏好/背景/常用信息。既会被读出来注入上下文，也会在对话后被更新。
-
交互决策模块（Agent Loop）：真正“跑流程”的大脑。它会多轮调用大模型，并在中间执行工具、回填结果。
-
大模型（LLM）：推理内核，负责理解与决策，输出回复草稿或工具调用请求。
-
Tools：真正做事的工具箱（发消息、建任务、查网页、读写文件、调用节点能力等）。
3. 一条消息的完整旅程（按图走一遍）
-
你发来消息：可能是一句话，也可能带图片/文件/语音。
-
Gateway 接住：它不负责“理解语义”，只负责接入与路由，把消息放到对的对话里，并做好安全与权限的第一道门。
-
Auto-reply 开始整理：
-
合并这次对话需要的历史上下文。
-
把 Skills 生成成“说明书”（告诉模型：现在有哪些能力、怎么用）。
-
计算可用 Tools/MCP 清单（每个工具有什么参数、能不能用）。
-
-
Memory 参与上下文：
-
读：把你的偏好/背景/常用信息注入到“材料包”里。
-
-
交互决策模块开始跑回路：
-
用材料包组织 prompt，然后向大模型发起一次请求（call LLM）。
-
大模型返回两种可能：
-
直接给“最终回复草稿”。
-
或者给出 tool_calls（告诉系统：先去做哪些事）。
-
-
-
如果有 tool_calls：交互决策模块会调用 Tools 去执行，并拿到 tool_result（执行结果）。
-
tool_result 回填后再问大模型：如果任务还没完成，就继续下一轮 call LLM，直到产出最终回复。
-
Memory 被更新：
-
写：把这次对话里值得长期记住的信息沉淀下来，方便下次更懂你。
-
-
最终回复回到原渠道：同一条对话里，你看到的是“答案 + 已完成的行动结果”。
4. 两个最常见的误解
误解 1：Gateway 会先调用一次大模型做初步理解
多数情况下不会。Gateway 更像“总机”，它做的是低延迟、确定性的工作：接入、鉴权、路由、安全与权限。真正的语义理解发生在 Agent Loop 调用大模型的时候。
误解 2：系统会直接‘匹配’某个 skill 然后执行
Skills 更像“写给大模型看的说明书”，不是 Gateway 语义匹配出来的结果。系统会把“允许的 skills 和工具规则”整理好交给模型，由模型决定要不要调用、调用哪个。
现在你明白小龙虾的原理了么？更多AI内容我们下期再讲！
