如果说 ChatGPT 的横空出世,让自然语言接口第一次以主流产品形态站上舞台中心,成为许多人绕开搜索与复杂菜单的快捷入口;那么 OpenClaw 及其衍生 Moltbook 生态的爆发,则标志着“无头智能体”(Headless Agent)从概念走向可用:不靠 UI 交互,纯靠技能、记忆与 API 协议持续工作。它带来的不只是交互的再简化,更是一次关于控制权、可观测性与平台接口形态的结构性重构。
OpenClaw 架构
OpenClaw[1](曾用名 MoltBot / ClawdBot)能在 2026 年初成为现象级产品,是因为它的系统架构刚好踩中了“个人自动化”的需求点。OpenClaw 刻意弱化繁重的 Web UI,转而拥抱 Unix 哲学:小工具、可组合、以文本流为中心;并在此之上,把 IM(即时通信)、Skills(技能)、Toolchain(工具链)融为一体。
内核 Pi
OpenClaw 的爆火,看起来像是“把 agent 接进聊天里就能跑”。但真正厉害的不是聊天本身——聊天只是入口;内部能长期运转的工程底座才是关键,而这套底座里最核心的一块,就是 Pi[2]。
更准确地说:Pi 提供的是“通用引擎”——模型抽象、流式推理、agent loop、工具执行这些底层机制;OpenClaw 则负责“车身和交通规则”——会话怎么建、怎么存、怎么分支,实例怎么发现,怎么连到 WhatsApp / Telegram / Discord 这类 IM 通道,以及怎么接沙盒与各种外部系统。你可以把它理解成:Pi 让它“能跑起来”,OpenClaw 让它“能跑得久、跑得稳、跑得像产品”。
集成方式
OpenClaw 并不是把 Pi 当成外部进程(子进程 / RPC)去调度,而是直接把 Pi 以 SDK 方式嵌入到 Gateway 架构里:代码里导入 Pi 的包,通过 createAgentSession() 实例化 AgentSession,让 Pi 在进程内承担推理与工具循环。
这点很关键:一旦 Pi 被嵌入,OpenClaw 就能对会话生命周期、事件流、权限边界、工具注入做“系统级掌控”,而不是把命运交给一个黑盒进程。
设计哲学
Pi 的设计哲学是 “核心极小,但能长出来”。它倾向于把底层能力收敛到很少的原语(你常见到的 Read / Write / Edit / Bash 这类极简组合,就是这种气质:少而硬、可控、可复用)。但这里要补一句更贴近 OpenClaw 的实现细节:
OpenClaw 集成 Pi 时,通常不会“沿用 Pi 自带工具再加点料”,而是更干脆:把 Pi 的 built-in tools 直接清空,然后用 customTools 把 OpenClaw 的工具链整套注入进去。
这意味着:Pi 负责“工具如何执行”,OpenClaw 负责“有哪些工具、哪些能用、哪些要审批、哪些只能读不能写”。IM 通道动作、沙盒能力、channel-specific actions、连接器……都由 OpenClaw 定义成统一的工具面。结果就是:引擎越小越稳定,工具越统一越可审计,长任务里就不容易“自燃”。
生态接入
Pi 不内置 MCP 支持(这是路线选择,不是偷懒)。OpenClaw 如果要用 MCP,会通过 mcporter[3] 这类桥接,把 MCP 能力变成 CLI/绑定,再作为 skill/工具链的一部分交给 agent 调用。
这背后的取舍很务实:把协议复杂度留在外部,核心依旧干净;同时能力仍然可插拔、可替换,不会把会话与工具列表变成一个越来越臃肿的“不可维护的工具墙”。
长期运行
很多 agent 失败,不是因为不会做,而是因为做着做着就忘:上下文一压缩,关键背景就被挤出去,最后变成反复重讲、反复试错。OpenClaw 的解法不是玄学,而是工程。
第一步,两层持久化:
sessions.json:小而可变的 session store,像索引表,记录元信息(当前 session、上次活动、计数器、toggle、压缩周期状态等)。*.jsonltranscript:追加写的事件日志,才是真正的“会话历史”。它不只是聊天记录,还会包含工具调用、压缩摘要、分支摘要等条目。
第二步,树状 transcript:
- transcript 的条目用
id/parentId形成树结构,于是你可以开“支线”(基于forkSessionFromParent())处理脏活(比如修一个坏掉的工具、尝试两套方案),做完再回到主线;支线发生的事可以被总结成branch_summary带回主线。这极大降低了长期任务最常见的成本:“修工具把主对话上下文污染掉”。
第三步,压缩前落盘(最硬的一步):
- 在自动 compaction 触发前,OpenClaw 会先跑一轮静默的 memory flush:当上下文使用接近阈值时,先强制 agent 把关键持久状态写进工作区文件(例如当天的记忆/状态文件),并用
NO_REPLY让用户无感。 - 你可以把它理解成:先把命根子写进硬盘记忆,再允许短期上下文被压缩。长任务因此不靠“模型记性好”,而靠“系统先把该留的留住”。
护栏机制
为了让“长期运行”更可控,OpenClaw 还会加载自定义扩展做护栏:
- Compaction Safeguard:给压缩加保护(例如更稳的 token 预算、工具失败/文件操作的必要摘要),避免压缩把执行语义压坏。
- Context Pruning:更可控的上下文修剪策略(比如基于缓存 TTL),防止上下文无限膨胀,同时避免粗暴裁剪剪断关键线索。
小结
把这些拼在一起,你会发现 OpenClaw 的“简单”不是功能少,而是分层清晰:IM 把交互变简单,Pi 把引擎做小做稳,而 OpenClaw 用工具注入、会话树、两层持久化、压缩前落盘与护栏扩展把“长期运行”从玄学变成机制。你看到的只是一个聊天窗口,但底下跑的是一套能分支、能回放、能压缩仍不丢命的执行系统。
IM 通用总线
在传统软件工程中,构建一个全功能应用通常需要前端(React/Vue)、后端(Node/Python/Rust)和数据库的紧密配合,形成复杂的 MVC 或 MVVM 架构。而 OpenClaw 采取了激进的“无界面”(Headless)设计策略,将即时通讯软件(IM)提升为唯一的交互界面(UI)。
零学习成本 & 全场景覆盖
OpenClaw 原生支持 WhatsApp、Telegram、Discord 等,甚至可以将 Apple iMessage 作为入口。这种设计带来显著优势:
- 心理认知的无缝接入:用户无需适应新仪表盘、复杂设置菜单或命令行语法(首次安装比较麻烦,尤其是最近频繁更名,导致各种配置错误)。对于非技术用户而言,OpenClaw 就像通讯录里的另一个联系人。这种“拟人化”的交互入口极大地降低了认知负荷。
- 全平台覆盖的零边际成本: 借助 IM 软件天然的跨端能力(Mobile, Desktop, Web, Watch),OpenClaw 在诞生的第一天就实现了全平台覆盖,而开发者无需编写一行移动端代码。
- 异步交互的完美载体: 传统 GUI 应用在处理长耗时任务(Long-Horizon Tasks)时,往往面临进度条焦虑或会话超时的技术难题。而 IM 天然是异步的。当用户向 OpenClaw 下达“整理过去一年的税务发票”这一可能耗时 4 小时的任务时,用户可以立即关闭窗口去处理其他事务。当任务完成,OpenClaw 会像同事一样发送一条“任务完成”的通知。这种“推送即通知”(Push-as-Notification)机制,完美解决了人类与 AI 在时间尺度上的不匹配问题。
守护进程(Daemon)& 事件驱动
从工程实现角度看,OpenClaw 本质上是一个运行在本地(如 Mac Mini, Raspberry Pi)或云端 VPS 上的守护进程。其核心循环是一个事件驱动的状态机:
- 监听层(Listener):持续监听 IM 平台的 Webhook 或通过轮询(Polling)获取新消息。
- 路由层(Router):将接收到的自然语言文本发送给 LLM 进行意图识别(Intent Recognition)。
- 规划层(Planner):LLM 根据当前上下文和可用工具,生成执行计划(Plan)。
- 执行层(Executor):调用本地 Shell、文件系统 API 或外部网络接口执行具体操作。
- 反馈层(Reporter):将执行结果(stdout, stderr, JSON)回传给 LLM 进行汇总,最终通过 IM 发送给用户。
这种架构极大地简化了系统复杂度,使得 OpenClaw 能够以极低的资源占用运行,甚至可以在闲置的旧硬件上部署,真正实现了“由你控制基础设施”的去中心化愿景。这也是其创始人 Peter Steinberger 所倡导的“本地优先”(Local-First)哲学的体现——数据不离本地,控制权归还用户。
📌在写《深度解析:Moltbot 底层架构》时,我就得出过这样一个结论:mac 上部署才是能力完全体!
这里再解释一下原因:
- 作者 Peter Steinberger 是 Apple 生态的资深开发者,他深谙 Apple 系统的底层架构与性能优化技巧,构建出大量可供 OpenClaw 使用的底层插件/应用/CLI。
- 在 Mac Mini 上运行 OpenClaw 能够最大化利用硬件加速和系统集成优势(很多底层工具目前只有 mac 版)。此外,Mac Mini 的静音设计和低功耗特性,使其成为长时间运行 AI 代理的理想选择。
推荐 Mac Mini 作为 OpenClaw 的首选部署平台,不仅能获得最佳性能体验,还能充分发挥其本地优先的设计理念。当然 Windows/Linux 也是不错选择,但在生态整合和性能优化方面就需要靠开源社区的努力了。
Skills 架构:自然语言定义的软体接口
OpenClaw 的核心竞争力在于其 Skills 系统(Skills 虽诞生于 Anthropic,但 OpenClaw 将它发挥到了极致)。不同于传统插件系统(如 OpenAPI/Swagger)需要严格的、机器可读的模式定义(Schema Definition),OpenClaw Skills 采用 Markdown 文件(SKILL.md)作为接口描述语言。这一设计直击 LLM 的本质——它是一个概率性的自然语言处理器,而非确定性的逻辑编译器。
SKILL.md:面向 LLM 的说明书
一个典型的 OpenClaw Skill 包含以下核心要素:
- 自然语言描述:告诉 Agent 这个工具的用途、适用场景以及限制条件(例如:“此工具用于管理 Docker 容器,请谨慎执行删除操作”)。
- 命令示例(Few-Shot Examples):展示如何调用底层 CLI 工具(例如:“运行 docker ps 查看列表”)。
- 参数说明: 解释各个参数的含义。
这种设计的精妙之处在于它利用了 LLM 强大的上下文学习(In-Context Learning)能力。开发者无需编写复杂的胶水代码(Glue Code)来适配数据格式,只需提供一份写给人看的“说明书”,Agent 就能在运行时“阅读”并学会使用任意 CLI 工具或 API。
Moltbook Skill[4] 是 OpenClaw 生态中一个经典,展示了如何通过自然语言描述、命令示例,让 Agent 学会在 Moltbook 社交网络上构造 HTTP 请求、发帖、浏览内容和与其他代理互动。这种“即插即用”的学习过程,模拟了人类工程师阅读文档学习新工具的过程,极大地降低了扩展 Agent 能力的门槛。
📌 Moltbook Skill从下载 Skill 到发帖的全流程讲解:
Step 0:把技能文件放进本地技能目录(可选,但推荐)
安装脚本做的事很简单:创建目录,然后把四个文件拉下来,分别保存为本地文件:
- SKILL.md:主说明书(API、鉴权、安全、示例)
- HEARTBEAT.md:告诉 agent 多久来“签到/检查一次”
- MESSAGING.md:消息相关约定(通常用于通知策略)
- package.json:技能元数据(版本、分类、emoji、api_base 等)
本质上就是让技能变成“本地可读的教材”。即使不下载,你也可以让 agent 直接读 URL,但下载的好处是:稳定、可审计、可版本管理。
Step 1:Agent 读取 SKILL.md(真正的“学习”发生在这里)
Agent 打开 ~/.moltbot/skills/moltbook/SKILL.md 后,会在文档里获得一套完整的“调用契约”:
- Base URL:https://www.moltbook.com/api/v1
- 强制规则:必须带 www,否则跳转会“吞掉 Authorization”
- 安全红线:API key 只能发给 https://www.moltbook.com/api/v1/*
- 接口清单:注册、鉴权、发帖、评论、投票、submolt、搜索、资料更新等
- 返回结构:成功/失败 JSON 格式
- 限流策略:每分钟请求数、发帖冷却、评论频率等
到这一步,Agent 就“知道该怎么构造 HTTP 请求”了:用什么路径、用什么 method、header 怎么写、body 怎么组织、以及哪些行为必须拒绝。
Step 2:注册 agent,拿到 API Key(第一次必须做)
- 按文档调用注册接口:
POST /agents/register,带name和description - 返回
api_key、claim_url、verification_code
关键点:这一步不是为了“能调用 API” 这么简单,而是为了建立 Human-Agent Bond:你的 agent 需要人类 owner 通过 tweet 认领,确保反垃圾与可追责(文档里也写明了目的)。
注册后,建议把 key 保存到 ~/.config/moltbook/credentials.json(或环境变量 MOLTBOOK_API_KEY),这样 agent 后续随时能读到。
Step 3:鉴权调用(之后所有操作都要带 Authorization)
从此以后所有请求都需要:Authorization: Bearer YOUR_API_KEY
例如 GET /agents/me 或 GET /agents/status 用来检查自己是否已被 claim。
Step 4:开始发帖/评论/投票(照着文档模板拼请求)
一旦鉴权 OK,发帖就是:
POST /posts- JSON body:
submolt、title、content(或url)
评论、投票、建 submolt、订阅、follow 等都是同一模式:路径 + method + Bearer key + JSON body。SKILL.md 给了全部样例,Agent 直接套用即可。
Step 5:接入 HEARTBEAT(让它别“学会了就忘”)
文档还强调:注册了不代表你会持续参与,所以建议把 Moltbook 加进 HEARTBEAT.md:
- 每隔 4 小时检查一次 feed / 通知
- 更新
lastMoltbookCheck时间戳 - 避免过度检查(不 spam)
这一步的意义是把“偶发行为”变成“习惯性行为”,否则 agent 很容易注册完就躺尸。
以上就是完整流程,之所以说门槛低是因为学习单位不是“训练模型”,而是“读文档”。SKILL.md 把一个外部系统压缩成:
- 怎么连(base url)
- 怎么安全(域名/密钥规则)
- 怎么做事(API 模板)
- 怎么长期运行(heartbeat 约定)
对 agent 来说,这就是“可复制的学习”。换一个服务,只要也提供类似的 SKILL.md(甚至同一结构),它就能同样方式学会。
动态工具链编排 & 上下文感知
OpenClaw 允许 Agent 根据任务需求动态组合多个 Skills。例如,一个“每日安全简报”任务可能涉及:
- 调用 Browser Skill 抓取 Hacker News 和 CVE 数据库。
- 调用 File System Skill 将原始数据保存到本地日志。
- 调用 LLM 进行摘要和风险评估。
- 调用 IM Skill 发送结构化报告。
这种链式调用(Chain of Thought + Tool Use) 是 Agent 区别于普通 Chatbot 的本质特征。OpenClaw 为这种编排提供了一个极其灵活的运行时环境,支持跨工具的数据流转和错误恢复。如果 Browser Skill 抓取失败,Agent 可以根据 SKILL.md 中的错误处理指引,尝试使用备用 URL 或稍后重试,表现出惊人的鲁棒性。
心跳机制:赋予机器生命感
除了被动响应指令,OpenClaw 最具革命性的设计在于赋予 Agent 主动性(Proactivity)和个性(Personality)。
HEARTBEAT.md:时间维度的自治
OpenClaw 引入了 HEARTBEAT.md 文件,通过类似 Cron 的机制定义周期性任务。
- 机制:每隔固定时间(…