OpenClaw 工作原理解析：从消息输入到完整反馈

Clawd 的技术本质#

大家都知道，OpenClaw 是一款个人智能助手，可本地部署或通过大模型 API 调用，甚至在手机上就能轻松操作，但它的技术本质究竟是什么？OpenClaw 的核心是一个基于 TypeScript 开发的命令行应用（CLI），既非 Python 开发、也非基于 Next.js 的网页应用。作为一个独立运行进程，它的核心功能包括：

• 在本地设备运行并启动网关服务器，处理全渠道连接（电报、WhatsApp、斯拉克等）；
• 调用大语言模型 API（Anthropic、OpenAI、本地模型等）；
• 本地执行各类工具指令；
• 实现用户对电脑的各类操作需求。

技术框架#

为了更通俗地解释其架构，我们以”向 Clawd 发送消息到获取反馈”的完整流程为例说明。

（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，会依次触发以下环节：

1. 通道适配器#

通道适配器接收用户消息并进行预处理，包括消息标准化、提取附件等。不同的即时通讯工具和输入流，都配有专属的适配器。

2. 网关服务器#

作为任务与会话的协调中枢，网关服务器接收用户消息并将其分发至对应会话，是 Clawd 的核心模块，可处理多个并行的请求。

Clawd 为了防止 AI 在处理多任务时把数据搞乱（竞态条件），放弃了那种看似高级但容易出错的”多线程异步”写法，而是采用了最稳妥的”排队叫号（命令队列）“机制。默认所有任务都乖乖排队（串行），只有明确安全的任务才允许插队同时做（显式并行），从而保证了系统极高的稳定性和可靠性。

那么，OpenClaw 怎么保证配置了一个 Agent，当有很多用户同时向他发送消息、让他处理任务的时候，怎么保证这个任务能够稳定执行呢？

我们可以把 OpenClaw 想象成一家 “只有一个超级大脑（Agent），但拥有完美管理系统的超级咨询公司”。当一大群客户（多个用户）同时涌进来提需求时，为了保证这个超级大脑不崩溃、不串台、稳定输出，Clawd 设计了 五道防线。

3. 智能体运行器#

这是真正承载 AI 能力的模块。该模块会确定待调用的模型、匹配对应的 API 密钥（若密钥失效，会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，会自动切换至备用模型。

智能体运行器会结合可用工具、技能、记忆内容动态生成系统提示词，再加入会话历史（存储于 .jsonl 文件），随后将完整提示词传入上下文窗口防护机制，校验是否有足够的上下文空间。若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）或优雅降级终止执行。

4. 大语言模型 API 调用#

大模型调用环节会以流式方式返回结果，同时对不同服务商的 API 做了一层抽象封装；若所调用的模型支持深度思考功能，该模块还会触发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 会在本地执行该指令，并将执行结果补充至对话中。这一过程会反复执行，直至大模型返回最终文本结果，或达到最大循环次数（默认约 20 次）。正是在这一环节，Clawd 实现了其核心能力——电脑操作功能。

6. 反馈通路#

这一环节的逻辑较为常规：执行结果会通过原消息通道反馈给用户，同时会话数据会以基础的 jsonl 格式持久化存储，文件中每行都是一个 json 对象，记录了用户消息、工具调用指令、执行结果、模型反馈等内容，这也是 Clawd 的记忆实现方式——基于会话的记忆机制。

以上就是 Clawd 的基础架构，接下来我们聊聊其中几个关键的核心模块。

Clawd 的记忆机制#

没有完善的记忆系统，AI 助手的能力便会大打折扣。Clawd 通过两套系统实现记忆功能：

1. 以 jsonl 格式存储的会话记录；
2. 存储为 Markdown 格式的记忆文件，文件位于 MEMORY.md 或 memory/ 文件夹中。

在检索环节，Clawd 采用了向量检索与关键词匹配相结合的混合检索方式，兼具两种方式的优势。例如检索”认证漏洞（authentication bug）“时，系统既能找到提及”认证问题（auth issues）“的文档（语义匹配），也能精准定位包含该精确短语的内容（关键词匹配）。

其中，向量检索基于 SQLite 实现，关键词检索则借助 SQLite 的扩展模块 FTS5 完成，嵌入向量生成服务商支持自定义配置。这些 Markdown 记忆文件由智能体通过常规的”写入”文件工具生成，无专属的记忆写入 API，智能体只需向 memory/*.md 路径写入内容即可。

当新的对话开始时，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，无需合并记忆文件，也无需按每月/每周的周期压缩记忆内容。这种简洁性是优势还是缺陷，因人而异，但我始终推崇可解释的简洁设计，而非混乱复杂的架构。

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

Clawd 的核心能力：电脑操作实现#

这是 Clawd 的核心壁垒之一：可接管本地电脑并实现各类操作。其实现逻辑与大家的直观认知基本一致。

Clawd 会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 容器中运行；
• 本地宿主机；
• 远程设备。

除此之外，Clawd 还配备了各类工具：

• 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，可生成语义快照；
• 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（或近乎缺失？）#

与 Claude Code 类似，Clawd 为用户设置了命令白名单，用户可对各类命令进行权限审批，支持三种操作：单次允许、始终允许、拒绝，并会向用户弹出审批提示。Clawd 的安全机制与 Claude Code 的设计思路高度相似，核心是在用户允许的范围内，给予智能体最大的自主操作权限。

浏览器工具：语义快照而非截图#

Clawd 的浏览器工具并非主要依赖截图，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。

所以 Agent 将看到：

1
- textbox "Email" [ref=2]
2
- textbox "Password" [ref=3]
3
- link "Forgot password?" [ref=4]
4
- heading "Welcome back"
5
- list
6
  - listitem "Dashboard"
7
  - listitem "Settings"

这透露了四个显著优势。正如你可能已经猜到的，浏览网站并不一定是视觉上的任务。截图大小为 5 MB，语义快照则少于 50 KB，且仅占图像代币成本的一小部分。

动态系统提示词#

与大多数框架不同，Clawd 的系统提示词并非固定不变，而是结合技能、记忆检索结果、用户身份、时区等信息动态构建。其基础系统提示词如下：

1
## 工具集
2
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。
3
- read：读取文件内容
4
- exec：运行 Shell 命令
5
- browser：控制网页浏览器
6
[...仅显示该智能体可访问的工具]
7

8
## 工具调用风格
9
默认规则：常规、低风险的工具调用无需说明（直接调用即可）；
10
仅在以下场景需补充说明：多步骤操作、复杂问题、敏感操作。
11

12
## 子智能体/智能体生成
13
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）。
14
子智能体拥有独立会话，父子智能体通过 session_send 实现通信，
15
子智能体的执行结果会反馈给父智能体，
16
父智能体可通过轮询子智能体会话查看执行进度。

上下文压缩#

当接近上下文长度限制时，智能体会将关键信息保存至记忆中。会话历史会被拆分为多个片段，由大语言模型对片段进行总结，最终合并为连贯的摘要，替换原始消息内容。