

OpenClaw 是一个用于将即时通信渠道与编程智能体连接起来的 Gateway 网关系统。 它本身不提供模型能力,而是作为 消息入口、控制平面与节点协调中心 存在。
它更接近一个长期运行的 Agent 基础设施组件。
OpenClaw 的整体工作结构可以抽象为一条清晰的控制与执行链路:
WhatsApp / Telegram / Discord / iMessage(+ 插件)
│
▼
┌───────────────────────────┐
│ Gateway 网关 │ ws://127.0.0.1:18789(仅 loopback)
│ (单一来源) │
│ │ http://<gateway-host>:18793
│ │ /__openclaw__/canvas/(Canvas 主机)
└───────────┬───────────────┘
│
├─ Pi 智能体(RPC)
├─ CLI(openclaw …)
├─ 聊天 UI(SwiftUI)
├─ macOS 应用(OpenClaw.app)
├─ iOS 节点(Gateway WS + 配对)
└─ Android 节点(Gateway WS + 配对)所有消息首先进入 Gateway 网关,由其统一完成:
Gateway 是系统中的单一事实源(Single Source of Truth)。
openclaw gateway 是一个长期运行的单进程服务,承担以下职责:
这意味着它在工程上同时是:
任何系统级问题,最终都会回到 Gateway。
OpenClaw 官方推荐的部署模型是:
每台主机一个 Gateway 网关
原因非常明确:
关键网络策略包括:
ws://127.0.0.1:18789openclaw gateway --bind tailnet --token ...节点(iOS / Android / UI)通过 WebSocket 连接 Gateway,可经由:
旧版 TCP 桥接已被弃用。
Gateway 同时承担 Canvas Host 职责:
/__openclaw__/canvas/Canvas 用于为节点 WebView 提供界面能力:
节点并不直接暴露业务逻辑,而是通过 Gateway 统一调度。
OpenClaw 提供的能力主要集中在“接入、路由、控制”层:
在智能体侧:
在会话与路由层:
在多端体验层:
旧版 Claude / Codex / Gemini / Opencode 路径已移除,仅保留 Pi。
运行环境要求:
推荐通过全局安装与新手引导完成部署:
npm install -g openclaw@latest
# 或
pnpm add -g openclaw@latest
openclaw onboard --install-daemon向导会完成:
WhatsApp Web 配对:
openclaw channels login如需手动运行 Gateway:
openclaw gateway --port 18789在需要隔离或多 Gateway 场景下,可通过环境变量启动多个实例:
OPENCLAW_CONFIG_PATH=~/.openclaw/a.json \
OPENCLAW_STATE_DIR=~/.openclaw-a \
openclaw gateway --port 19001发送测试消息(需 Gateway 运行中):
openclaw message send \
--target +15555550123 \
--message "Hello from OpenClaw"默认配置文件位于:
~/.openclaw/openclaw.json如果不做任何配置,系统将:
更常见的工程实践是先限制入口,例如 WhatsApp 来源控制:
{
"channels": {
"whatsapp": {
"allowFrom": ["+15555550123"],
"groups": { "*": { "requireMention": true } }
}
},
"messages": {
"groupChat": {
"mentionPatterns": ["@openclaw"]
}
}
}这些配置本质上是访问控制与风险收敛策略,而不是功能开关。
OpenClaw 的设计目标并不是构建一个“更聪明的聊天工具”,而是提供一套:
它更接近一个 消息驱动的自动化系统入口。
对于测试、测开、平台工程团队来说,这类系统的关键不在模型能力,而在于:
这些问题,才是真正落到工程现场时需要面对的部分。
霍格沃兹测试开发学社,隶属于 测吧(北京)科技有限公司,是一个面向软件测试爱好者的技术交流社区。
学社围绕现代软件测试工程体系展开,内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试,以及人工智能测试与 AI 在测试工程中的应用实践。
我们关注测试工程能力的系统化建设,包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设,同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法,沉淀可复用、可落地的测试开发工程经验。
在技术社区与工程实践之外,学社还参与测试工程人才培养体系建设,面向高校提供测试实训平台与实践支持,组织开展 “火焰杯” 软件测试相关技术赛事,并探索以能力为导向的人才培养模式,包括高校学员先学习、就业后付款的实践路径。
同时,学社结合真实行业需求,为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务,用于个性化能力提升与工程实践指导。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。