浅谈Open Claw原理

不会背八股
5 阅读9分钟

架构：基于通道的任务流水线

image.png

OpenClaw 遵循“核心极小、分层清晰”的设计哲学，所有用户指令的处理都遵循标准化的流水线流程，从消息接收至结果返回，共分为5个技术环节，环环相扣且职责明确：

1. Channel Adapters：消息标准化入口

作为 OpenClaw 与外部交互的第一道关口，负责接收来自 Telegram、WhatsApp、飞书、Discord 等各类 IM 工具的消息，核心做两件事：标准化预处理（将不同 IM 的消息格式统一，规避格式差异带来的解析问题）+附件提取（自动识别并提取图片、文档、音频等附件内容）。每个 IM 软件都有专属的 Adapter，保证不同渠道的消息能被系统统一识别，这是 OpenClaw 实现多渠道适配的基础。

2. Gateway：系统中枢，指令分发与结果回传核心

网关（Gateway）：一个 WebSocket 服务器，连接各种聊天平台和控制界面，把收到的消息派发给 Agent 运行时处理。

设计亮点：

  • 采用基于通道 (Channel) 的命令队列，默认序列化执行，每个会话都有专属执行通道，保证单个会话的操作有序进行，从根源规避传统 async/await 异步嵌套带来的状态冲突、调试困难等问题；
  • 支持灵活的任务运行模式，低风险、可并行的任务可显式声明并行运行，兼顾执行有序性和效率；
  • 默认 WebSocket 端点：ws://127.0.0.1:18789，是各类客户端与 Gateway 的统一通信入口。

3. Agent Runner：推理引擎，AI 决策与工具调度核心

Agent Runner 是 OpenClaw 的推理执行核心，相当于 AI 的思考与行动中枢，包含三个模块：LLM、tools、skills，主要负责以下四个功能：

a. 动态拼接系统提示词：将会话历史与核心配置文件 AGENT.md拼接为完整提示词，传递给 LLM，让大模型掌握上下文和行为规则；

b. 智能模型选择：根据 API 配置选择适配模型，高流量场景可自动启动备用模型，保证服务稳定性；

c. 模型推理与工具调用：LLM 接收提示词后，判断是否需要调用工具，工具执行结果实时返回给 LLM，再由 Agent 通过 Gateway 回传至对应 channel；

d. 上下文窗口维护：当上下文接近模型阈值时，自动对上下文进行压缩，或终止无效请求，避免 Token 浪费和推理失败。

OpenClaw 支持多 Agent 模式，各个 Agent 互相独立，拥有专属配置和记忆，可同时处理不同任务。

4. Agent Loop：任务执行闭环，基于 ReAct 范式的自主推理

反复循环（默认上限 20 次）

5. Memory 持久化记忆：会话数据留存，保证任务连贯性

任务执行结果会通过原渠道回传到对应的 IM 软件中，同时系统会将 全量会话数据（包含工具调用记录、执行结果、对话内容等）以 .jsonl格式持久化存储，既方便用户回溯任务过程，也为后续的上下文理解、记忆检索提供数据支撑，这是 OpenClaw 实现长任务连贯性的基础。

配置：7 个 Markdown 文件，定义 Agent 的灵魂与规则

安装 OpenClaw 后，在 ~/.openclaw/workspace目录下能看到 7 个核心 Markdown 文件，这 7 个文件是 OpenClaw 的配置文件，定义了 Agent 的身份、行为准则、记忆规则、工具配置等关键信息，也是 Agent 能按规则工作的基础：

  1. AGENTS.md：OpenClaw的核心指南，定义了Agent的行为规范、会话流程、内存管理（日常日志+长期记忆）、安全规则、群聊参与原则、工具使用说明，以及心跳机制的配置方式，是Agent的操作手册；
  2. BOOTSTRAP.md：首次启动时的引导文件，用于与用户对话确定Agent的身份（名称、性格、风格、表情符号），并更新IDENTITY.md和USER.md，完成引导后可删除；
  3. HEARTBEAT.md：定期检查清单，用于配置周期性任务（如邮件查收、日历提醒、天气查询、服务器状态检测），Agent会在心跳轮询时执行这些任务；
  4. IDENTITY.md：Agent的身份证，记录名称、类型、风格、表情符号和头像路径，定义Agent的外在标识；
  5. SOUL.md：Agent的“灵魂内核”，定义核心价值观和行为准则，强调真诚帮助、有主见、主动解决问题，同时明确边界和隐私保护原则，拒绝“讨好型AI”；
  6. TOOLS.md：环境特定的工具配置信息，记录本地可调用工具的具体参数、运行环境等；
  7. USER.md：用户专属档案，记录用户基本信息、关心事项、项目背景、操作偏好等，帮助Agent更精准地理解和服务用户。

OpenClaw的底层：Pi内核，轻量且稳定的推理引擎

OpenClaw的底层并非传统的Web应用，而是一个基于TypeScript开发的命令行应用（CLI），运行在Node.js环境下（喜欢敲命令的人可以用命令行控制一切），其底层核心是Pi内核——这是理解OpenClaw轻量、稳定、可扩展的关键：

1. Pi内核（open claw里的底层 Agent 执行引擎）的定位

Pi是一个通用轻量推理引擎，负责模型抽象、流式推理、Agent Loop和工具执行等底层机制，其设计遵循“极简主义”：将核心能力收敛到几个底层原语（read、write、edit、bash），保证核心引擎的稳定性，同时预留丰富的扩展接口，让上层架构（OpenClaw）能在此基础上构建复杂的工具栈。

2. OpenClaw与Pi内核的融合方式

OpenClaw通过SDK方式将Pi内核嵌入到Gateway架构中，Gateway 实时拦截并接管 Pi 的状态流，通过会话映射和推理拦截，实现了对推理生命周期的精细化掌控。这种设计确保了底层的 Pi 内核可以保持极度轻量与纯粹（专注于原子化推理），而复杂的业务逻辑、状态持久化和多租户隔离则由上层的 Gateway 统一调度。

这种解耦设计的优势：底层推理引擎不会因上层业务逻辑的增加而臃肿，同时让算法工程师开发新Skills时，无需关心底层工具调用逻辑，专注于业务场景即可，大幅提升开发效率。

五大设计亮点

OpenClaw 能成为爆款开源项目，核心在于其围绕 “本地运行、自主执行、稳定可靠” 设计的一系列特性，涵盖记忆机制、系统操作能力、插件 机制、心跳机制、安全机制五大核心：

1. 记忆机制：混合检索 + 上下文管理，保证长任务连贯性

OpenClaw 的记忆系统分为短期记忆 + 长期记忆两层，搭配混合检索和上下文压缩策略，从根源避免长任务失忆：

  • 短期记忆：以 memory/YYYY-MM-DD.md 文件存储，仅追加每天的上下文日志，会话开始时自动读取当天和昨天的日志，保证近期任务的连贯性；
  • 长期记忆：以 MEMORY.md 文件存储，持久化保存关键聊天内容、用户偏好、重要决策，跨会话长期保留；
  • 混合检索：将短期和长期记忆切分为 chunk，采用向量检索 + 关键词匹配的混合方式，快速精准调取相关记忆；
  • 上下文压缩：当上下文接近模型阈值时，先执行 Memory Flush，强制 Agent 将关键状态写入硬盘文件，再进行压缩总结，确保长任务不因上下文修剪而丢失关键信息。

2. 技术护栏：强大的本地系统操作能力

这是 OpenClaw 区别于传统云端 AI 的优势，能直接操作本地电脑，支持四种能力，覆盖绝大多数自动化场景：

  • Shell 命令执行：通过 exec 工具支持三种运行环境，兼顾灵活性和安全性 —— 沙箱（Docker 容器，高风险任务）、本地宿主机（常规任务）、远程设备（跨设备操作）；

  • 文件系统操作：支持读、写、编辑各类格式文件，实现本地文件的自动化管理；

  • 浏览器工具：基于 Playwright 开发，抛弃传统 AI 的图像截图识别，采用语义快照（Semantic Snapshot）技术，基于页面可访问性树生成文本化表征；

    • ✨ 优势：文本表征大小不足 50KB（截图通常为 5MB 级），极大节省 Token 消耗，且模型能通过 [ref=1] button "Sign In"这类标识精准定位页面元素；

  • 进程管理：可创建、终止本地进程，控制电脑运行状态，实现全流程自动化。

3. 通过插件实现可扩展性

OpenClaw 怎么让别人在不改核心代码的情况下，扩展新功能？

OpenClaw 的设计哲学是开放扩展，不改核心。

你可以通过插件（Plugin）在四个方向上扩展：

  • 渠道插件（Channel Plugin）：添加新的聊天平台，比如 飞书、钉钉等
  • 记忆插件（Memory Plugin）：换一种存储后端，比如用向量数据库代替默认的 SQLite
  • 工具插件（Tool Plugin）：添加自定义能力，比如除了内置的命令行、浏览器、文件操作之外的新工具
  • 模型提供商插件（Provider Plugin）：接入自定义的 AI 模型或自己部署的模型

插件代码放在 extensions/ 目录下，系统会自动扫描、发现和加载。

image.png

4. 心跳机制：从被动响应到主动自治，实现定时任务

在 HEARTBEAT.md 中进行设置，通过类似 Cron 的定时机制定义周期性任务（如每 4 小时检查一次服务器状态、每天早上推送天气提醒）。这使得 Agent 能够从被动响应转变为主动自治，具备了 7×24 小时运行的能力，也是 OpenClaw 能成为数字员工的关键。

5.  多 Agent 路由

image.png 比如你想让：

  • Discord 服务器的 Bot 用 Claude Sonnet，性格像个友好的版主
  • Telegram 的客服私聊用 GPT-4，语气更正式，工具权限不同

通过配置就能搞定，每个 Agent 实例有自己的工作空间、模型和行为设定。

这带来了很多玩法：

  • 不同社区用不同人设
  • 不同场景开放不同工具

总结

OpenClaw 的原理，总结来说就是：

  • 定位是本地算力 + 大模型自动化的开源智能体，解耦推理引擎与执行环境；
  • 所有指令遵循 Channel Adapters → Gateway → Agent Runner → Agent Loop → Memory 持久化​ 的流水线处理；
  • 底层依赖 Pi 轻量内核，实现推理与业务的解耦；
  • 五大关键设计（记忆、系统操作、插件、心跳、安全）让其能落地为实用的本地数字员工。
avatar
文章
阅读
粉丝