OpenClaw: https://openclaw.ai/

OpenClaw 技术架构

常见的误解

三层架构

关键认知：

• 🦞 OpenClaw 是代理人（Agent）：它跑在你的电脑上，负责记忆、任务管理、操控电脑
• 🧠 大语言模型是大脑：Claude/GPT/Gemini 等，真正聪明的是它
• 👤 你是发指令的人：通过通讯软件触达

AI Agent 如何知道自己是谁

核心问题：每次对话从零开始，AI 怎么"认识"自己？

System Prompt 的内部结构

System Prompt 不是一个字段，而是一份由多个 .md 文件拼装而成的"灵魂档案"：

• [ ] 查看真实档案示例

AI Agent 的记忆机制

残酷的事实：LLM 每次对话都是"从0开始"

AI Agent 每次对话其实重新开始，每次都要阅读文档，包括自己是谁、主人是谁。

多轮对话的工作方式（时序图）

关键发现：大语言模型没有状态。每次调用，OpenClaw 都要把"之前所有对话"重新打包塞进去。

跨 session 的记忆：MEMORY.md + 每日笔记

AGENTS.md 里是这样写的：

1
2
3
4
5
6
7
8
9

## Memory
You wake up fresh each session. These files are your continuity:

- **Daily notes:** `memory/YYYY-MM-DD.md` (create `memory/` if needed)
  — raw logs of what happened
- **Long-term:** `MEMORY.md` — your curated memories,
  like a human's long-term memory

Capture what matters. Decisions, context, things to remember.

记忆写入的真实动作：工具调用

当用户告诉 AI"你的生日是 2 月 13 日"时，AI 不会"默默记住"，它要做一次工具调用：

跨 session 记忆检索：memory_search + memory_get

光靠把整个 MEMORY.md 塞进 context 也不够，所以需要检索：

两种检索的混合：

• 字面比对（s₁）：精确匹配关键词
• 语义比对（s₂）：向量相似度
• 综合评分：s = a·s₁ + b·s₂，取分最高的几个 chunk

💡 记忆 ≠ 把所有内容塞进 context window。记忆 = 外部文件 + 检索工具。

✍️ 注意：模型可能"光说不练"，真正的记忆 ≠ 嘴上说"记住了"，而是.md文件里确实改了。

AI Agent 怎么用你的电脑

工具调用（tool_use）的基本概念

问题：LLM 只会输出文字，它怎么"读文件"？

答案：LLM 输出一个结构化指令 [tool_use] Read(question.txt)，由 OpenClaw 真正执行文件读取。

模型怎么"知道有 Read 工具"？

💡 模型知道有 Read 这个工具，完全是因为 System Prompt 告诉它的。"

exec 工具的威力与危险

OpenClaw 强大的核心是 exec 工具——可以执行任意 shell command：

威力：文字输出是大语言模型最擅长的事 → 它天生就能生成 shell 命令。

危险：rm -rf * 这种命令它也会"听话"地生成。

AI Agent 三大防线

防御原则：

• 🔴 不能光靠模型听话（它可能被 prompt injection 骗）
• 🟢 必须靠外部强制（config 层规则判断，不依赖智能）

AI Agent分工协作：Sub-agent

什么是 Sub-agent？

Sub-agent 是 OpenClaw 中的一种特殊工具（sessions_spawn），让主 agent 派生子 agent 来并行处理任务。

典型场景：比较 A、B 两篇论文的方法

Sub-agent 的设计哲学

为什么这么设计？

• 🔴 如果主 agent 读完整论文：context window 会被论文全文撑爆
• 🟢 Sub-agent 隔离 context：主 agent 只看摘要，复杂互动在子 agent 内完成

💡 子代理的上下文是独立的，主代理只看到结果，不被细节淹没

AI Agent 的长期运行

长期运行的两大挑战

HEARTBEAT 心跳机制

问题：AI Agent 默认只在被询问时才响应。能不能让它主动定期做事？

答案：HEARTBEAT 机制。

HEARTBEAT.md 的标准指令：

Read HEARTBEAT.md if it exists (workspace context). Follow it strictly. Do not infer or repeat old tasks from prior chats. If nothing needs attention, reply HEARTBEAT_OK.

Context Compression：上下文压缩

粗暴方案：直接 New session，从零开始。

但更精细的方案是 Context Compression：

"套娃摘要"：对 Summary 再做一次 Summary，形成层级压缩。

两种剪枝方法

当工具输出太长时（特别是 exec/read 返回的大文件），需要"剪枝"：

异步任务调度（Cron job）

场景：设置每隔一段时间检查视频生成结果

小结：六大器官的对照表

解剖图：OpenClaw 的六大器官

核心公式

1
2
3

AI Agent = LLM + Tools + Skills + Memory + Heartbeat + Channels
        = 大脑 + 四肢 + 技能 + 记忆 + 心跳 + 通讯软件
        = 一个能 24 小时自主干活的数字员工

三大误区

附录 A：术语对照表