Open Claw

更新: 3/15/2026 字数: 0 字 时长: 0 分钟

Hello-Claw

Open claw成为了26年初最火热的项目，作为开发者肯定要第一时间来调研一下（虽然其实已经有些晚了）

安装

HelloClaw的安装教程

类似的教程还有很多，这里就不赘述了

值得一提的是，如果你使用的是Docker构建，且还是建立在WSL环境下，那么大概率会遇到部署上的问题，OpenClaw Gateway会一直重启，这是目前版本的小bug（2026-3），可以在OpenClaw的issue上找到相对应的解决方案，回答者也已经即时提交了PR，相信不久后就会得到修复

OpenClaw究竟是什么

OpenClaw是Agent

这是对OpenClaw最好的诠释，即时OpenClaw核心基于Multi-Agent的思想进行开发，仍然逃脱不开Agent的定义

正如Google Agent白皮书上写的一样：

宽泛地来说，生成式 AI Agent 可以被定义为一个应用程序， 通过观察周围世界并使用可用的工具来实现其目标

不论是最近的OpenClaw还是当年的Manus，其本质都是Agent开发的爆火，只是Manus是一个闭源的，运行在云端上的，可定制化低的Agent，而OpenClaw这是一个开源的，可以运行在本地的，高定制化的Agent

这也进一步的说明了目前Agent开发的趋势————让Agent通过电脑来尽可能的完成人可以完成的操作

OpenClaw的工具

工具是将基础模型与外部世界连接起来的桥梁

OpenClaw的强大能力就来源于各种各样的Tools，某种程度上，MCP，AgentSkills都属于广义上的Tools，但是我们一般会将编码在项目内部的Tools称之为Tools

OpenClaw的工具分为四个档次

配置档	能力范围	适用场景
full	无限制，所有工具可用	推荐——个人电脑上的全能助手
coding	文件读写、命令执行、会话管理、记忆、图片分析	开发者专用，不含消息和浏览器
messaging	消息收发、会话浏览、状态查看	纯聊天机器人，不能操作文件或执行命令
minimal	仅状态查看	最小权限，几乎什么都不能做

网上传的神乎其神的功能本质上就是启动了full权限，我们可以通过下列指令将其修改为full权限

# 查看当前配置
openclaw config get tools.profile

# 设置为 full（推荐）
openclaw config set tools.profile full
openclaw gateway restart

OpenClaw的网关

OpenClaw的网关是OpenClaw运行的关键，如果我们使用Docker启动OpenClaw，不难发现启动的实际上就是一个OpenClaw的网关

OpenClaw的网关默认接受外界的信息（WebUI和聊天软件等），然后完成对LLM的调度

LLM能力发展的过程

23年，OpenAI早期发布了FunctionCalling功能，为LLM提供了调用API的能力，在此之后，LLM就不仅限于为人们提供建议了，Agent也就由此而生

22年，普林斯顿大学与Google研究院一同发表了ReAct的论文，提出了推理和行动应该交织进行

• 传统方式: 先规划完所有步骤 → 按步骤执行（一次性，不能调整）
• ReAct方式: 观察 → 思考 → 行动 → 观察 → 思考 → 行动 ...（循环迭代）

此后的大模型便可以一次对话调用多个工具，进一步拓展了AI的实力

AgentRuntime

AgentRutime是OpenClaw设计的核心之一，我们首先要理解什么是AgentRuntime

要理解AgentRuntime首先要理解Runtime是什么，Wiki中给出的解释是：“运行时（Run time）在计算机科学中代表一个计算机程序从开始执行到终止执行的运作、执行的时期

简单的讲，Runtime就是一个时期，这个时期包含了程序的开始到结束，具象化就表现为这个运行期所必须的所有东西（包含所有的代码和环境），这个东西将会贯穿整个程序运行的始终

所以我们不难发现，有些代码，如果想要将一个实例注册为全局任意时间可用，经常会将其给到一个叫XXXRuntime的东西，本质上也是这个含义（有些时候也会注册给一个叫XXXContext的东西，这个东西叫上下文，本身可以理解为Runtime的一部分）

回到AgentRuntime，我们不难理解，AgentRuntime就是Agent从开始到结束的运行时间，与直接与LLM对话的核心区别就在于维护了一个长期的状态，而根据Agent的定义，Agent是必须要有对外的Tool的，所以AgentRuntime自然也包含Tools，进而也就拥有了更多的能力

OpenClaw的创始人Peter Steinberger在原有基础上希望完成的是一个更加方便的Agent，可以通过简单的配置实现复杂的Agent功能

目前的OpenClaw可以实现编辑markdown就完成对于Agent的实现

OpenClaw的核心设计

我们来看一下OpenClaw中包含的各个系统

• ReAct循环：使LLM在一次用户感知的对话中调用多个工具
• 提示词工程：给LLM赋予基础的身份
• 工具系统：各个Tools
• 消息循环：定时任务
• 统一网关：对外部的消息进行统一的接受和回应
• 安全沙箱：对系统提供一个基础的安全保护

ReAct系统

INFO

在ReAct系统下，用户的一次对话会经过LLM的多次思考，然后调用不同的工具，即使工具发生错误了也不会报错，而是将错误信息当作反馈内容继续思考

ReAct：ReasoningActing，即推理行动系统

ReAct论文本身指出，推理和行动本身不应该分开，应该先思考在行动，行动后对内容进行观察，观察后再次思考，然后再进行行动，进而进入一个循环，直到任务的完成

对于多轮的ReAct，为了尽可能的保证消息的准确性，OpenClaw选择采用显示的对话历史，也就是说这个过程更加偏向正常的多轮对话

对于较长的内容，OpenClaw采用了三层的架构

层级	时间范围	存储方式	类比
工作记忆	当前会话	对话历史（内存）	桌面上摊开的工作文件
长期记忆	跨会话	MEMORY.md（文件系统）	抽屉里的工作笔记本
世界知识	按需获取	通过工具读取	图书馆，用时才去借

当上下文太长时，OponClaw则会对内容进行压缩

预防性压缩（每轮完成后检测）： 
上下文压力超过阈值 → 主动压缩早期记录为摘要 → 为后续轮次腾空间 

溢出修复（已超出限制时）： 
立即压缩早期消息为摘要，保留最近N轮完整记录 → 继续执行

对于何时终止ReAct的过程，OpenClaw则是采用以下的三种条件：

终止类型	触发条件	Agent的行为
正常终止	模型判断任务已完成	生成最终回复，发给用户
安全终止	达到资源或时间边界	汇报当前进度，请求指示
异常终止	持续失败无法恢复	诚实报告卡在哪里、原因是什么

提示词工程

OpenClaw的提示词工程基于八个文件

文件	一句话说明
SOUL.md	定义"我是谁"——性格、价值观、行为准则
USER.md	定义"你是谁"——用户画像、偏好
AGENTS.md	定义"我怎么做事"——决策规则、工作流程
TOOLS.md	定义"我有什么资源"——环境配置
IDENTITY.md	名字、头像等基础身份
MEMORY.md	长期记忆——事实、经验
HEARTBEAT.md	定时任务清单
BOOTSTRAP.md	首次运行的初始化引导

这些文件会在每一次对话时被注入到系统提示词中，Agent始终对于当前的环境有着清楚的认知，且这些信息是热更新的，OpenClaw的md文件发生变化，无需重启OpenClaw就能立刻感受到

与传统的提示词工程不同，OpenClaw将角色和行为准则拆分为SOUL.md和AGENT.md两个文件，这样的好处就是防止了大模型根据角色猜测自身的行为准则

SOUL.md 回答"这个Agent是什么样的存在"，是价值观与信念，不被用户请求覆盖，是底层操作系统
"我是专注安全的系统工程师，不确定时保守行事。" 

AGENTS.md 回答"这个Agent怎么工作"，是决策流程与操作规范，可根据场景调整
"收到部署请求：检查覆盖率 → 确认环境变量 → 发确认消息 → 等待批准 → 执行部署"

每当用户发出消息时，Agent进行推理之前，OpenClaw都会读取所有的配置文件，然后动态装提示词，

工具系统

对于工具的数量，其实一直存在一个问题，工具太少，可能功能不够完善，工具太多，LLM不知道使用哪一个，那么究竟需要几个工具就成了问题

OpenClaw的基础工具有四个

• read：读取文件
• write：创建文件
• edit：修改文件
• exec：执行命令

正是这四个工具实现了OpenClaw的基础功能，并让OpenClaw可以通过Skills实现模块化拓展的能力

read

read工具的核心问题是要解决文件的大小和窗口大小的问题，read采用三层机制来解决问题

第一层：预算感知
计算当前上下文剩余空间
文件超出预算 → 触发截断

第二层：智能截断（按文件类型差异化） 
代码文件 → 保留头部（import + 函数签名）
日志文件 → 保留尾部（最新的错误最有价值）
配置文件 → 尽量完整（配置项相互依赖）

第三层：分页支持 
明确告知还有多少内容未读
Agent 可发起第二次调用继续读取

这里的核心设计是告诉大模型还有多少的内容没有读，进而可以让大模型自己去选择是否要继续读入内容

write

write的核心是原子性，先写入临时文件，成功后再重命名为目标文件。重命名在操作系统层面是原子操作，要么完成，要么不完成，不存在中间损坏状态。

这条"只创建新文件"的限制是刻意的保护。它防止了因文件名拼写错误意外覆盖已有内容的场景，也让工具调用历史里每一次 write 都保持清晰的语义——全新创造，而非替换。

edit

它要求同时提供旧内容和新内容，在文件中搜索精确匹配，找到才替换，找不到就返回错误。这与 sed 截然不同——sed 会替换所有匹配的字符串，可能误改多处；edit 找不到唯一匹配时直接报错。

报错不是坏事。当 edit 报告"找不到指定内容"，这条错误本身传递了两个高价值信息：文件当前内容与 Agent 的记忆不一致，或者提供的旧内容片段不够精确。这两个信息都直接指向下一步——重新 read 文件，再重试。

exec

exec是全能工具，能运行任何 Shell 命令，触达几乎任何外部系统——测试套件、数据库、构建脚本、服务管理。凡是命令行能做的，exec 都能做。

两个值得关注的技术特性：

PTY（伪终端）支持——模拟真实终端环境，处理颜色代码、实时输出、交互式提示。没有 PTY，许多程序会检测到非终端环境并改变行为，比如缓冲所有输出直到结束，或拒绝启动交互模式。

一个具体场景：Agent 运行 npm init 创建新项目。这个命令会弹出交互式问答——"Package name: (my-project)"、"Version: (1.0.0)"……。如果没有 PTY，Agent 的 LLM 看不到这些提示，程序永远卡住。PTY 让 Agent 能看到终端的实时输出，读取提示内容，然后输入正确的回答继续流程。

后台进程模式——像开发服务器这样持续运行的命令，可以在后台启动后立即返回，Agent 随时可以查看输出或终止它。这让 Agent 能在服务运行的同时继续处理其他任务。

---

除此之外，OpenClaw还允许使用Skills来拓展功能的边界

技能是一个 Markdown 文件，包含某领域的专业知识、检查清单、决策指引。它不添加新工具，而是告诉 Agent 如何用已有工具把特定领域的任务做得更专业。

技能不预先加载进上下文，而是 Agent 在任务执行中判断需要时，通过 read 主动读取——上下文里只有当前用得到的知识：

工具扩展                    技能扩展
────────────────────       ────────────────────
增加 Agent 能做的事         增加 Agent 知道的事
通用性高                    专域性强
内置于运行时                按需从文件动态加载
改变执行能力                改变决策质量
更新需要修改代码             更新只需编辑 Markdown

这种设计有一个直接好处：技能更新不需要重启系统。编辑 Markdown，保存，Agent 下次读取时自然获得最新版本。知识与运行时解耦，维护成本极低。

消息循环和事件驱动

OpenClaw针对每个用户的消息是阻塞的，也就是说，用户的每一条消息都是按顺序来处理的，这样可以保证OpenClaw的创建文件和读取文件的操作不会乱序

至于定时任务，OpenClaw则是使用HEARTBEAT.md实现，OpenClaw会监控HEARTBEAT.md文件，并根据里面写明的定时任务进行工作

对于OpenClaw来说，同一泳道的命令是完全的串行，而不同的泳道之间则是完全的串行，而在用户对话的角度来说，一个session就是一个泳道

对于泳道这个设计来说，其边界并非是用户会话，而是任务类型

泳道类型	说明
用户会话泳道	每个用户会话一条泳道，处理常规对话请求
Cron 泳道	定时任务独立运行，不占用用户会话的队列
子 Agent 泳道	子 Agent 的调用和回调在独立泳道中执行
嵌套任务泳道	嵌套任务有自己的隔离执行上下文
泳道模式解决了不同用户向Agent对话的问题，那么同一用户向在一个Agent进行对话会发生什么呢

一个简单的做法可能是打断他，亦或者等他忙完在回答新的对话，但这其实都不完全对，比如有一种场景，就是我们盯着他在执行的对话和任务，但是他的执行效果不尽如人愿，我们希望直接指定任务，让他改变执行的方向，这个时候上面的两种方案就都不适用了

对此，OpenClaw设计了五种队列模式

模式	行为	适用场景
collect	等 Agent 完成后，将等待中的多条消息合并跟进	默认情况，用户可以等待
steer	立即注入当前运行，引导 Agent 调整方向	"不对，先做 X 再做 Y"
followup	排队到当前任务完成后再处理	明确有先后顺序的任务序列
interrupt	立即中断当前运行，处理新消息	紧急停止或方向性错误
queue	标准顺序模式，按序执行	普通连续任务

对于用户的主动对话有了设定，把么Agent能否自己行动呢

OpenClaw当然是做到了，其内部使用的心跳机制，会每隔一段时间对HEARTBEAT.md进行扫描，并执行其中的任务

统一网关

OpenClaw的网关采用的适配器模式，每个平台实现一个ChannelPlugin，所有外部平台的差异在网关层抹平，这样就可以实现通用的Agent

安全沙箱

OpenClaw的安全沙箱是基于多级的权限管理

层级	防御对象	机制
文件系统沙箱	防止越权访问	Agent只能在指定工作目录内操作
命令执行沙箱	防止危险命令	Security模式（deny/allowlist/full） + Ask模式（确认机制）
网络访问沙箱	防止恶意外联	白名单域名控制

以exec工具为例，它有三层安全模型：

1. Security模式决定基本权限——deny（全部禁止）、allowlist（白名单）、full（全部允许）
2. Ask模式决定何时需要人工确认——off（从不）、on-miss（不在白名单时）、always（每次都问）
3. 安全命令列表（safeBins） 提供只读工具的便捷通道——jq、head、tail等安全命令可以直接执行

执行

基于上面的系统，OpenClaw的一次用户对话就转变为: