深度剖析OpenClaw工作原理：应用生态与资源一网打尽

共计 7829 个字符，预计需要花费 20 分钟才能阅读完成。

探索 OpenClaw：个人 AI 代理的创新之路

深度剖析 OpenClaw 工作原理：应用生态与资源一网打尽

本文字数约 5200，预计阅读时长六分钟。

经历了 Clawbot、Moltbot，最终更名为 OpenClaw，这一备受关注的项目在 2 月 4 日于 GitHub 上已获得超过 160K 的星标。
OpenClaw 是一款自主托管的开源个人 AI 代理网关，旨在用户自有设备上运作的智能助手。它的设计理念强调“本地优先、隐私可控”，通过自然语言指令实现电脑的全功能自动化，真正做到有效执行任务，而不仅仅是回答问题。

该项目由 PSPDFKit 的创始人 Peter Steinberger 发起，目前已有 378 位贡献者加入，其中还形成了一个超过 8900 名开发者的社区，致力于构建个人 AI 的基础设施。

与传统的云端聊天机器人不同，OpenClaw 在用户自有的硬件上持续运行（例如 Mac Mini 或各种 PC），能够执行 shell 命令、管理文件，并无需人工审核便协调多步骤的工作流程。

用户可通过 PC 或手机上的 WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、Microsoft Teams、WebChat 等通讯软件，以文字或语音形式发布任务，OpenClaw 将在用户的另一台设备上完成任务，并将结果发送回相应的通讯软件。

这种架构将智能（可从 Anthropic、OpenAI 或本地模型获取）与代理（本地拥有和控制）分离，使得技术界所称的“主权个人 AI”得以实现。

尽管关于 OpenClaw 的安装和配置教程已经不少，详细解析其技术框架和工作原理的文章却相对稀缺。本文旨在通过分析 OpenClaw 的技术架构、工作机制及其应用生态，让大家更深入地了解这一平台。

【附注：文末有赠书福利】

OpenClaw 的工作机制

Hesam@Hesamation
原文来源于 Hesam (@Hesamation) 发布于 X 的文章，具体链接见文末。

我对 OpenClaw 的架构进行了深入研究，探索其在智能体执行、工具调用及浏览器操作等方面的实现逻辑，这些设计理念对 AI 工程师具有重要的参考价值。深入了解 Clawd 的底层机制，能够帮助我们更清晰地界定系统的功能范围，并明确其优劣势。最初，我的研究动机源于个人好奇，想要探讨 Clawd 的记忆机制及其运行的稳定性。

接下来，我将简要介绍 Clawd 的核心运行原理。

Clawd 的技术实质

众所周知，OpenClaw 是一款可以本地部署或通过大型模型 API 进行调用的个人智能助手，甚至在手机上也能轻松操作，但它的技术核心到底是什么呢？
OpenClaw 的核心是一个基于 TypeScript 开发的命令行应用（CLI），并不是用 Python 开发的，也不是基于 Next.js 的网页应用。它作为一个独立进程，具备以下核心功能：

• 在本地设备上启动并运行网关服务器，处理来自各个渠道的连接（如 Telegram、WhatsApp、Slack 等）；
• 调用大型语言模型的 API（包括 Anthropic、OpenAI 和本地模型等）；
• 在本地执行各种工具指令；
• 满足用户对电脑的各种操作需求。

技术架构

为了更直观地说明其架构，我们可以通过“向 Clawd 发送消息以获取反馈”的完整流程进行解析。

深度剖析 OpenClaw 工作原理：应用生态与资源一网打尽

（流程链路：用户消息 → 通道适配器 → 网关服务器 → 会话路由器 → 智能体运行器 → 模型解析器 → 系统提示词构建器 → 历史加载器 → 会话 → 任务通道队列 → 上下文窗口防护机制 → 大语言模型 API → 智能体循环 → 反馈通路 → 通道适配器 → 最终文本）

在即时通讯工具中向 Clawd 发送指令后，系统将依次触发以下环节：

1. 通道适配器

通道适配器负责接收用户消息并进行预处理，涉及消息标准化、附件提取等环节。不同的即时通讯工具和输入流均配有专属的适配器。

2. 网关服务器

作为任务与会话的核心协调者，网关服务器接收用户的消息并将其分发到相应的会话。这是 Clawd 的关键模块，能够处理多个并行请求。为了实现操作的序列化，Clawd 采用了基于任务通道的命令队列：每个会话都有专属的任务通道，而低风险、可并行的任务（如定时任务）则可以在多个通道中同时执行。
这种方式与混乱的异步 / 等待（async/await）嵌套代码形成鲜明对比：过度的并行化可能会降低系统的可靠性，并引发大量难以调试的问题。

Clawd 的设计原则为：默认串行执行，显式声明并行。

参与智能体开发的开发者对此感同身受，这也是 Cognition 公司在其博文中强调的核心观点。为单一智能体构建简单的异步架构，最终只会导致复杂的交错代码，难以阅读的日志；若多个智能体共享状态，开发过程中更需时刻关注竞态条件问题。

而任务通道则是对队列的一层抽象，将序列化作为默认的设计原则，而非后续的补充优化。开发者只需关注业务代码，队列将自动处理竞态条件，从而将思路从“需要锁定哪些内容”转变为“哪些操作可以安全并行执行”。

3. 智能体运行器

本模块真正体现了人工智能的能力。它负责选择待调用的模型，匹配相应的 API 密钥（如果密钥失效，则将该配置标记为冷却状态并尝试下一个），若主模型调用失败，会自动切换到备用模型。
智能体运行器会根据可用的工具、技能和记忆内容，动态生成系统提示，并将其与会话历史（存储于.jsonl 文件）结合，接着将完整的提示词传递至上下文窗口的保护机制，以验证是否有足够的上下文空间。如果上下文空间即将耗尽，系统会选择压缩会话内容（对上下文进行总结）或优雅地终止执行。

4. 大语言模型 API 调用

在进行大模型调用时，结果会以流式方式返回，同时对不同服务商的 API 进行了抽象封装；若所调用的模型支持深度思考功能，该模块还会激活模型的扩展思考逻辑。

5. 智能体循环

若大模型返回工具调用指令，Clawd 将在本地执行该指令，并将执行结果添加至对话中。这个过程会不断循环，直到大模型返回最终的文本结果，或者达到最大循环次数（默认约 20 次）。
这一环节正是 Clawd 实现其核心能力——电脑操作功能的关键所在。

6. 反馈通路

这一过程的逻辑相对常见：执行结果会通过原消息通道反馈给用户，同时会话数据将以基本的 jsonl 格式进行持久化存储，文件中的每一行都是一个 JSON 对象，记录了用户消息、工具调用指令、执行结果以及模型反馈等内容，这也是 Clawd 实现记忆的方式——基于会话的记忆机制。

上述内容概述了 Clawd 的基本架构，接下来我们将讨论其中几个关键的核心模块。

Clawd 的记忆机制

如果没有完善的记忆系统，AI 助手的功能将会受到限制。Clawd 通过两种系统来实现记忆功能：

1、之前提到的以 jsonl 格式存储的会话记录；
2、以 Markdown 格式保存的记忆文件，位于 MEMORY.md 或 memory/ 文件夹中。

在检索过程中，Clawd 采用了向量检索与关键词匹配相结合的混合检索方式，兼具两者的优点。例如，在检索“认证漏洞（authentication bug）”时，系统不仅能够找到提到“认证问题（auth issues）”的文档（语义匹配），还可以准确定位包含该确切短语的内容（关键词匹配）。

其中，向量检索基于 SQLite 实现，而关键词检索是利用 SQLite 的扩展模块 FTS5 完成的，嵌入向量生成服务商支持自定义配置。
该系统还具备智能同步功能，当文件监视器检测到文件变化时，会自动触发同步。这些 Markdown 记忆文件由智能体通过常规的“写入”文件工具生成，无需专门的记忆写入 API，智能体只需向 memory/*.md 路径写入内容即可。

在新对话开始时，系统会提取上一轮的对话内容，并将其总结为 Markdown 格式的文件。

Clawd 的记忆系统设计出乎意料地简洁，和我们在 [项目名称] 中实现的工作流记忆机制高度相似：无需合并记忆文件，也不需要按月 / 周周期压缩记忆内容。这种简洁性可能是优势也可能是缺陷，但我始终倾向于可解释的简洁设计，而不是复杂混乱的架构。

Clawd 的记忆会永久保存，新老记忆的权重基本一致，不存在记忆衰减的情况。

Clawd 的核心能力：电脑操作实现

这正是 Clawd 的核心优势之一：能够接管本地电脑并实施各种操作。其实现逻辑与人们的直观认知基本一致。

Clawd 向智能体开放较高权限的电脑操作能力，相关风险由用户自行承担。它通过执行工具（exec tool）在设备上运行 Shell 命令，支持三种运行环境：

• 沙箱环境（默认）：命令在 Docker 容器中执行；
• 本地宿主机；
• 远程设备。

此外，Clawd 还配备了多种工具：

文件系统工具（支持读取、写入、编辑）；
基于 Playwright 实现的浏览器工具，能够生成语义快照；
进程管理工具，用于执行后台长期运行的命令、终止进程等。

安全机制（或几乎缺失？）

与 Claude Code 类似，Clawd 为用户设置了命令白名单，用户可以对各种命令进行权限审批，支持三种操作：单次允许、始终允许、拒绝，并将向用户弹出审批提示。

代码示例：命令审批配置文件

{"agents": {"main": {"allowlist": [{"pattern": "/usr/bin/npm", "lastUsedAt": 1706644800},{"pattern": "/opt/homebrew/bin/git", "lastUsedAt": 1706644900}]}}}

某些安全命令（如 jq、grep、cut、sort、uniq、head、tail、tr、wc）已默认获得批准。默认情况下，危险的 Shell 语法结构会被拦截。
代码示例：被拦截的危险命令

以下命令在执行前会被拒绝：

cat file > /etc/hosts # 重定向 rm -rf / || echo "failed" # 逻辑或链接(sudo rm -rf /)          # 子 shell`

Clawd 的安全机制与 Claude Code 的设计理念十分相似，核心在于在用户允许的范围内，给予智能体尽可能大的自主操作权限。

浏览器工具：语义快照而非截图

Clawd 的浏览器工具并不主要依赖于截图，而是采用语义快照——一种基于页面无障碍树（ARIA）的文本化表示形式。

因此智能体将看到：

- textbox "Email" [ref=2]- textbox "Password" [ref=3]- link "Forgot password?" [ref=4]- heading "Welcome back"- list  - listitem "Dashboard"  - listitem "Settings"

这展现了四个显著优势。正如你可能已经猜测的，浏览网站并不仅仅是一项视觉任务。

截图文件大小为 5 MB，而语义快照则少于 50 KB，且仅占图像代币成本的一小部分。

现在，我们已经概述了主要组成部分，接下来是一些有趣的细节：

动态系统提示词

与大多数框架截然不同，Clawd 的系统提示词并非一成不变，而是结合技能、记忆检索结果、用户身份、时区等信息动态生成。其基本系统提示词如下：

## 工具集可用工具（按策略筛选）：工具名称区分大小写，需严格按列出的名称调用。- read：读取文件内容 - exec：运行 Shell 命令 - browser：控制网页浏览器[... 仅显示该智能体可访问的工具]## 工具调用风格默认规则：常规、低风险的工具调用无需说明（直接调用即可）；仅在以下场景需补充说明：多步骤操作、复杂问题、敏感操作。## Moltbot 命令行快速参考[网关命令参考内容]## 工作目录你的工作目录为：/path/to/workspace 将该目录视为唯一的全局工作空间...## 运行时信息运行环境：智能体 = 主智能体 | 主机 =MacBook | 操作系统 =Darwin（arm64 架构）| 模型 =claude-sonnet-420250514 | 通道 = 电报 | 思考模式 = 关闭推理过程：关闭（仅在开启 / 流式模式下显示）

子智能体 / 智能体生成

智能体可以生成子智能体（但子智能体无法再生成下一级智能体）。子智能体拥有独立的会话，父子智能体通过 session_send 实现沟通，子智能体的执行结果会反馈给父智能体，父智能体可以通过轮询子智能体会话查看执行进度。

上下文压缩

智能体记忆管理与信息总结

当上下文长度接近限制时，智能体会将重要信息存储到记忆中。会话记录会被分割成多个部分，随后由大型语言模型对这些部分进行总结，最终合成一个连贯的摘要，以替代原有的信息内容。

整体概述

OpenClaw 的流行绝非偶然，它在易用性和实用性上都表现优异。然而，从技术层面分析，它并不能被视为一种“革命性”的创新。这款工具的受欢迎程度并不完全来源于其惊人的技术突破，但这并不意味着其价值被低估。Clawd 设计中蕴藏了众多值得借鉴的思路，我发现其中不少方法与 [相关技术 / 框架] 有着高度的相似性。

OpenClaw 生态系统

自 OpenClaw 走红以来，其生态系统迅速扩展，形成了一个完整的数字社会，涵盖社交、爱情、工作、游戏等各个方面。以下是 Base 中文台整理的当前 OpenClaw 生态的主要组成部分。根据目前的发展趋势，预计在一个月内会有更多新项目和产品加入。

下图展示了 OpenClaw 在 Base 区块链上的智能体生态布局，核心围绕着 OpenClaw 的本地优先 AI 智能体能力，扩展出多种生活和工作场景的第三方应用与平台，整体按照场景进行分类，直观反映出 OpenClaw 生态的多样性和应用范围。

该图将应用场景划分为十个主要板块，每个板块对应特定需求的生态项目，实质上是 OpenClaw 智能体能力在不同场景中的具体应用：

基础设施：包括 Bankr、XMTP、Clanker、Neynar 等支撑性项目，为其他应用提供技术接口、数据传输和身份验证等基础服务，是生态运转的核心。

恋爱交友：专注于社交匹配需求，当前未列出具体项目，推测是为未来情感社交类智能体应用留出的空间。

消息：包括 moltline.com、claw.direct 等通讯相关应用，极可能基于 OpenClaw 的跨通道通信能力开发的即时通讯工具或消息路由服务。

发现：如 clawdr.co、shelimates.app 等资源探索类平台，可能用于聚合 AI 智能体技能、生态应用或兴趣内容的发现。

论坛：面向 OpenClaw 开发者和用户的讨论社区，如 lobchan.ai、moltoverflo.com 等，用于分享应用经验和反馈问题。

工作与市场：涵盖职场和交易相关应用，如 openwork.bot、clawnet.org 等，可能是基于 AI 智能体的协同办公工具或自由职业者对接平台。

预测市场：专注于趋势预测的需求，当前尚未有具体项目，推测与 OpenClaw 的数据分析能力结合的事件预测与市场趋势判断应用。

社交媒体：如 moltbook.bot、instaclaw.xyz 等社交内容平台，类似 AI 驱动的社交网络，支持智能体辅助内容创作与社交互动。

代币经济：涉及加密货币的应用，如 moltx.io、clawk.ai 等，可能是基于 Base 链的代币管理或 DeFi 交互类智能体工具。

游戏虚拟世界：包括娱乐场景应用，如 molt.chess、shell-town.com/viewer 等，结合 AI 智能体的游戏辅助和虚拟世界交互工具。

附录：OpenClaw 相关资源

官方网站与工具

OpenClaw 官网链接：https://openclaw.ai/

OpenClaw GitHub 仓库：https://github.com/openclaw/openclaw

OpenClaw 技能合集：https://github.com/VoltAgent/awesome-openclaw-skills

OpenClaw 一键部署工具：https://github.com/miaoxworld/OpenClawInstaller

OpenClaw 汉化版：https://github.com/1186258278/OpenClawChineseTranslation

OpenClaw 钉钉插件：https://github.com/DingTalk-Real-AI/dingtalk-moltbot-connector

OpenClaw 飞书独立桥接器：https://github.com/AlexAnys/feishu-openclaw

部署指南与资源

阿里云：快速部署 OpenClaw
https://www.aliyun.com/benefit/scene/moltbot?spm=5176.29832386.J_4VYgf18xNlTAyFFbOuOQe.17.5c71396cBFL6yi&scm=20140722.M_10948942.P_120.MO_1774-ID_10948942-MID_10948942-CID_36705-ST_15536-V_1

腾讯云：在云端秒级部署 OpenClaw 全能助手
https://cloud.tencent.com/act/pro/lighthouse-moltbot

华为云：使用 OpenClaw（Moltbot）搭建个人 AI 助手（飞书）
https://support.huaweicloud.com/bestpractice-flexusl/flexusl_bp_0001.html

火山引擎：一键部署 OpenClaw
https://www.volcengine.com/activity/clawdbot

百度云：极简部署 OpenClaw 打造专属 AI 助手
https://cloud.baidu.com/product/BCC/moltbot.html

移动云：本地 / 云主机部署 OpenClaw 并接入移动云模型
https://ecloud.10086.cn/op-help-center/doc/article/98120

天翼云：天翼云与 OpenClaw 结合的行动 AI 新生态
https://www.ctyun.cn/act/OpenClaw

京东云：快速启动，全天候提供 Moltbot 服务
https://www.jdcloud.com/cn/pages/moltbot

青云：通过一键式操作，零门槛掌握 Clawdbot AI 超级助手
https://console.qingcloud.com/apps/app-3bou002j

亚马逊 AWS：利用亚马逊云的 Mac 实例部署 OpenClaw，成为深度整合苹果生态系统的最佳选择
https://aws.amazon.com/cn/blogs/china/openclaw-deployment-aws-mac/

Ollama 官方提供的 OpenClaw 本地部署指南
https://docs.ollama.com/integrations/openclaw

参考资料：关于 Clawdbot 的工作原理详解：https://x.com/Hesamation/status/2017038553058

【王吉伟频道，专注于 AIGC 与 IoT，致力于数字化转型和业务流程的自动化，以及 AI Agent 的相关内容。公号 ID：jiwei1122，欢迎关注与交流。】