OpenClaw 小白式解读:架构设计与工程实践

重要说明：OpenClaw 是一个新兴的开源个人 AI 助手项目（前身为 Moltbot/Clawdbot），主打“本地优先、隐私可控”的设计理念。本文基于其公开技术文档和社区资料，以小白友好的方式梳理其发展脉络、核心工作原理、整体架构及关键组件功能，并附上清晰的架构图。

一、发展历史：从 Clawdbot 到 OpenClaw

OpenClaw 是什么

创始人：Peter Steinberger（GitHub: @steipete），iOS 开发圈知名人物，PSPDFKit 创始人。他以个人项目的方式启动了这个 AI 助手，没想到一周内吸引了 200 万访问者，迅速成为 GitHub 上最热门的 AI 项目之一。

OpenClaw 的前身可追溯到 Clawdbot，由知名开发者 Peter Steinberger 于 2024 年初发起。项目初衷是打造一个运行在用户自有设备上的主权 AI 助手，能真正替用户执行任务（如操作文件、运行命令），而非仅提供聊天回复。

🎯 核心功能

• 数据本地化：运行在你自己的硬件上，隐私可控
• 多渠道统一接入：WhatsApp/Telegram/Slack/Discord/iMessage 等 10+ 平台
• 可扩展的技能系统：通过 Skills 扩展 AI 能力
• 支持多模型切换：Claude/GPT/开源模型自由选择
• 7×24 小时运行：作为后台服务持续运行，随时响应

更名历史

• 2024 年中：项目更名为 Moltbot，开始引入多渠道通信支持（Telegram、WhatsApp 等）和初步的工具调用能力。
• 2025 年初：为强调其开放性和本地优先特性，正式定名为 OpenClaw，并开源全部代码。
• 截至 2026 年初：项目在 GitHub 获得超 16 万星标，拥有近 400 名贡献者和近 9,000 人的开发者社区，成为个人 AI 基础设施领域的热门项目。

核心理念：将智能（来自大模型）与代理（本地控制权）分离，让用户完全掌控自己的数据和自动化流程。

开源协议：MIT License —— 完全免费，可商用，可修改。

二、工作原理：一条消息的完整旅程

想象你通过 Telegram/飞书/钉钉 给 OpenClaw 发送一条指令：“帮我把上周的会议录音转成文字，并总结要点”。

系统会经历以下步骤：

1. 接收与标准化：Telegram/飞书/钉钉等渠道适配器接收你的消息，将其转换为内部统一格式，并提取附件（录音文件）。
2. 路由与排队：网关（Gateway）将消息分发到你专属的“会话”（Session），并放入该会话的串行指令队列（Lane Queue）中，确保操作有序。
3. Agent 执行：Agent Runner 被唤醒，它会：
   • 动态拼接提示词（结合 SOUL.md 的性格、TOOLS.md 的可用工具、AGENTS.md 的角色定义）。
   • 调用大模型 API（如 Anthropic 或本地模型）。
   • 模型返回“调用音频转录工具”的指令。
4. 工具调用：系统执行音频转录工具，将结果（文字稿）返回给 Agent。
5. 循环与反馈：Agent 再次调用模型，基于文字稿生成总结。整个过程的进度通过 WebSocket 流式推回 Telegram，你看到的是实时打字效果。
6. 持久化：完整的交互记录（包括你的指令、工具调用、模型响应）被保存为 .jsonl 文件，用于后续回溯或学习。

这个过程的核心是 可靠性 和 可控性：所有操作都在你的设备上串行执行，避免了并发混乱；所有数据都留在本地，保障隐私。

三、整体架构：分层解耦，职责清晰

OpenClaw 采用清晰的分层架构，主要包含客户端层、接入协调层、渠道抽象层、核心逻辑层和基础设施层。以下是详细的架构图：

核心设计哲学

• CLI 优先：以命令行作为第一入口，便于直接调用系统能力（如 Shell、文件系统）。
• 默认串行，显式并行：通过“车道式”（Lane-based）队列，保证每个会话的操作绝对串行，从根本上杜绝日志交织和状态冲突。
• 协议无关：网关作为中心枢纽，能无缝对接 Telegram、Discord、iMessage 等数十种通信渠道。

四、关键组件功能详解

1. Gateway（网关）

• 定位：系统的“大脑”和“交通枢纽”。
• 核心功能：
  • 协议编排：统一处理来自不同渠道（CLI、Telegram、Web等）的消息，进行标准化。
  • 会话管理：为每个用户-渠道组合创建独立的会话（Session），维护其状态。
  • 指令队列：实现“车道式”（Lane-based）队列，确保指令按序、可靠地执行。
  • 实时流式反馈：通过 WebSocket 将执行进度（如打字动画、工具调用状态）低延迟地推送给客户端。

2. Agent Runner（智能体运行器）

• 定位：AI 能力的“承载者”和“执行引擎”。
• 核心功能：
  • 动态提示词构建：在运行时，根据 SOUL.md（灵魂/性格）、TOOLS.md（工具集）、AGENTS.md（角色）和会话历史，动态拼接出发送给大模型的完整提示词。
  • 模型调用与容错：自动选择并调用配置的大模型（OpenAI, Anthropic, 本地模型等）。若主模型失败，能自动降级到备用模型或切换 API 密钥。
  • 上下文窗口守护：监控会话长度，当接近模型上下文上限时，自动触发内容压缩（总结）或优雅终止，防止崩溃。

3. Channel Adapters（渠道适配器）

• 定位：连接外部世界的“翻译官”。
• 核心功能：
  • 消息归一化：将不同渠道（如 Telegram 的富文本、WhatsApp 的语音）的消息，转换为 OpenClaw 内部统一的数据结构。
  • 附件处理：自动下载并缓存用户发送的图片、音频、PDF 等附件，供后续工具使用。

4. 记忆系统（Memory System）

• 定位：Agent 的“长期记忆”和“个性”来源。
• 核心功能（四层架构）：
  • SOUL（灵魂）：定义 Agent 不可变的核心价值观和行为准则（如 SOUL.md）。
  • TOOLS（工具）：动态注册的工具元数据，告诉 Agent 它能做什么（如 TOOLS.md）。
  • USER（用户记忆）：基于向量的长期记忆库，存储用户偏好、习惯等，实现“越用越懂你”。
  • Session（会话记忆）：当前对话的短期情景记忆，保证上下文连贯。

5. Skills（技能插件）

• 定位：Agent 能力的“即插即用”扩展包。
• 核心功能：
  • 能力赋予：通过安装一个 SKILL.md 文件，Agent 即可学会操作新系统。例如，安装 apple-notes Skill 后，它就能读写你的苹果备忘录。
  • 自主学习：Agent 通过阅读 SKILL.md 中的“调用契约”（API 文档），自主构造正确的请求，无需重新训练模型。

总结

OpenClaw 并非一个简单的聊天机器人，而是一个工程化、可信赖的本地 AI 自动化平台。它通过精巧的架构设计（如 Lane 队列、四层记忆、Skills 插件），在保障隐私和可靠性的前提下，将大模型的强大能力与本地系统的深度控制权结合起来，真正实现了“替用户做事”的愿景。

对于希望掌控自己数字生活、探索个人 AI 助手可能性的开发者和用户而言，OpenClaw 提供了一个极具参考价值的开源范本。