OpenClaw的爆火不仅验证了具有“活人感”的通用 Agent 的巨大市场需求，也证明了其智能体底层工程实践的优越性。
下面我将结合《The Engineering Behind Clawbot》与个人实践理解，带你一起研究OpenClaw的底层“图纸”，剖析小龙虾“活人感”的奥秘，从而获取更好的解题思路。
1. OpenClaw的技术本质
很多人以为 Clawdbot 是一个应用或网站产品。实际上，它是一个 TypeScript 编写的 CLI 程序。
本质上，它是一个长期运行的进程，负责：
-通过暴露网关服务器（Gateway Server）接收来自不同渠道的消息（Telegram、Slack、WhatsApp 等）
- 调用 LLM API（Anthropic / OpenAI / 本地模型等）
- 在本地执行工具
- 操作你的文件系统、浏览器、Shell
换句话说，Clawdbot 不是 App，而是一个「本地 Agent 操作系统」。
这就意味着 Clawdbot 不是围绕 UI 设计，而是围绕任务调度与执行可靠性设计。
2. 整体架构：一条请求如何流转？
如下图所示，当你给OpenClaw发送消息到接收到回复，大致经历6个阶段：
1. 渠道适配层（Channel Adapter）
用于接收你各个渠道发来的消息，并将来自不同平台的消息统一成标准格式：文本、附件、元数据。
不同渠道传递来的消息有各自的适配器，这是典型的“输入归一化”预处理。
2. 网关服务器（Gateway Server）
网关服务器是任务/会话的协调器，这是OpenClaw的核心。
主要职责是：
- 管理会话
- 协调并发请求
- 调度任务执行顺序
它采用了一个关键设计：Lane-based Command Queue（基于 Lane 的队列模型）。
每个会话有自己的队列（lane），默认串行执行；只有被明确标记为“低风险”的任务，才允许并行（定时任务）。
这背后的理念是「Default to Serial，Parallel by Exception」。
与到处async/await方式对比，这种方式的优势是：
- 日志更清晰
- 状态更可控
- 几乎避免竞态条件
这与Cognition在《不要构建多代理》中的见解一致。
多数Agent系统失败，并不是模型不行，而是并发失控。
3. Agent运行器（Agent Runner）
这是AI实际发挥作用的地方，系统开始组装一次思考。
- 确定使用哪个模型，选择API密钥（如果无效则将配置文件标记为冷却状态并尝试下一个），如果主要模型失败则回退到不同的模型
- 动态地组装系统提示
- 注入可用的工具、技能、记忆
- 然后添加会话历史（来自.jsonl文件）
这是接下来传递给上下文窗口守护程序，确保有足够的上下文空间。如果上下文快满了，它要么自动压缩会话（总结上下文），要么优雅的失败。
4. LLM API调用
统一封装不同模型提供商：
- LLM调用本身会流式传输响应
- 如果模型支持，还可以请求扩展思考（extended thinking）
- 支持失败自动切换模型
5. Agent循环（Agentic Loop）
如果LLM返回一个工具调用响应，OpenClaw将在本地执行它并将结果添加到对话中。
这是一个典型的循环模式，直到LLM返回最终文本或达到最大回合数（默认约20回合）。
这也是令大家aha moment的魔法：Computer Use（下文详细介绍）。
6. Response Path（响应与持久化）
响应结果发回给用户，同时也将过程写入.jsonl进行持久化，每行是一个包含用户消息、工具调用、结果、响应等的JSON对象。
这是OpenClaw调试依据，也是会话级记忆。
3. 记忆系统：刻意保持简单
OpenClaw有两种记忆系统。
（1）会话日志（JSONL）
（2）长期记忆（Markdown文件），位于MEMORY.md或memory/文件夹中
搜索方式是混合搜索，结合了向量搜索（语义）和关键词匹配，融合了两种方法的优势。
举个例子：
搜索“身份验证漏洞（authentication bug）”时，既能找到提到“登录问题（auth issues）”的语义匹配文档，同时也能通过关键词匹配到包含该精确短语的文档。
技术上实现上，向量搜索使用SQLlite，关键词搜索使用FTS5，后者也是SQLite的扩展。其中，向量检索的Embedding模型允许自定义供应商。
此外，它还受益于**智能同步（Smart Synching）功能，该功能在文件监视器（File Watcher）**监测到文件变化时触发。
这些Markdown文件是由Agent本身使用标准的write文件工具生成的，并没有专门的“记忆写入API”，Agent只是简单地写入到memory/*.md中。
每当开始新的对话，一个钩子（Hook）会抓取之前的对话内容，并写入一个Markdown格式的摘要。
由此可见，OpenClaw的记忆系统设计的非常简单。没有记忆合并，也没有每月/每周的记忆压缩。
这种简单性可能是优势也可能是陷阱，作者的态度是：与其做复杂但难以解释的记忆系统，不如选择简单可控的方案。
我认为从长期数据治理角度来看，当前的策略还是太简单了。
4. OpenClaw的利爪：操控你的电脑
这是令用户感到欣喜的点，你给它一台电脑，它可以帮你做很多事。
OpenClaw赋予了Agent极高的电脑访问权限，风险由用户自负。
它使用执行工具在以下环境中运行Shell命令：
- 沙盒：默认选项，命令在Docker容器中运行
- 宿主机：直接在你的主机上操作
- 远程设备：在远程设备上运行
除此之外，OpenClaw还具有文件系统的读取/写入/编辑、操作浏览器（playwrite+语义快照）、进程管理等工具。
其中，浏览器工具不是使用截图，而是一种基于文本的ARIA语义树表示。
如下是Agent看到的：
- button "Sign In" [ref=1]- textbox "Email" [ref=2]- textbox "Password" [ref=3]- link "Forgot password?" [ref=4]- heading "Welcome back"- list - listitem "Dashboard" - listitem "Settings"
浏览网站，本质是结构理解，而不一定是视觉任务。
一张截图大小5MB，但语义快照大小<50KB，是图像token成本的几分之一。
由此可见，通过语义树方式，非常节省token成本，而且更稳定更适合推理。
补充一点，OpenClaw 的执行工具链并不仅限于简单的 Shell / 文件系统，还包括：
- 与 Calendar、邮件、API 等整合流程
- 批处理与条件触发任务
- 子 Agent 管理和多任务调度（多 Agent 路由）
这些体系让它不再只是简单“执行命令”，而是能做复杂工作流。
5. 安全机制：权限可控，而非绝对安全
OpenClaw的安全哲学是：让用户决定Agent能做多大程度的事。
与Claude Code类似，有一个允许列表，用于用户希望批准的命令（包含“允许一次”、“始终允许”、“拒绝”等用户提示）。
// ~/.clawdbot/exec-approvals.json{ "agents": { "main": { "allowlist": [ { "pattern": "/usr/bin/npm", "lastUsedAt": 1706644800 }, { "pattern": "/opt/homebrew/bin/git", "lastUsedAt": 1706644900 } ] } }}
安全命令（如 jq、grep、cut、sort、uniq、head、tail、tr、wc）已经预先批准。危险的shell命令默认被阻止。
# these get rejected before execution:npm install $(cat /etc/passwd) # command substitutioncat file > /etc/hosts # redirectionrm -rf / || echo "failed" # chained with ||(sudo rm -rf /) # subshell
安全机制非常类似于Claude Code，其核心理念是：“在用户允许的范围内，赋予Agent尽可能高的自主权”。
6. 心跳机制：自驱性与活人感
补充一点Hesam没有提到的，但我认为是小龙虾出圈非常重要的亮点——心跳机制（Heartbeat）。
它允许Agent自动“醒来”，不只是被动响应用户指令，还能主动在预定时间或条件下执行任务。
其工作机制如下：
- 心跳机制根据一个配置（如every/activeHours）定时运行任务；
- OpenClaw会在本地生成一个检查列表（比如HEARTBEAT.md），记录需要定期执行的动作；
- 每次心跳触发时，系统会读取这些任务清单并执行相应的技能或检查；
{ "agent": { "heartbeat": { "every": "30m", "activeHours": { "start": "08:00", "end": "22:00" } } }}
OpenClaw的心跳机制本质上是一种周期性事件的调度机制，与Cron(定时任务)类似但更智能。
比如小龙虾可以定期帮我检查邮件中是否有紧急信息，只有在有紧急信息才提醒我，是个有脑子的得力助手。
心跳机制使Agent成为真正的“自驱助手”，而不是被动响应工具，不仅能持续监控，而且主动化决策让OpenClaw非常具有活人感。