一、产品定义
1.1
产品介绍
OpenClaw(原 Clawdbot)是一个开源的本地个人 AI 执行代理系统,简单来说就是一个拥有键盘、屏幕和身份的高权限Agent。它可以长时间自主运行在用户的个人设备甚至是云端设备上,核心理念是让用户能够在自己的硬件上运行一个完全本地化的 AI 助手。
用户通过自然语言使用Clawdbot预定餐厅 产品通过用户日常使用的聊天入口接收指令,绑定自己的若干账号和应用,并在个人设备上调用各种工具执行真实操作(读写文件、跑命令、控制浏览器、发消息/邮件、管理日历等)。官方网站强调其定位是“The AI that actually does things”。
MacOS下的运行界面 由开发者 Peter Steinberger 和社区共同维护,吉祥物是只龙虾。该项目发布后在GitHub上极其火爆,目前Star数从10k飙升至100k+。近期由于被Anthropic指控侵权,Clawdbot项目更名为Moltbot,随后又改为OpenClaw。主要服务于开发者、重度信息工作者、自动化爱好者的个人 Agent 平台,尚处于极客与早期专业用户圈层,但形态上具备向更广泛用户扩散的潜力。
核心特点
-
全天候待命: 7x24 小时运行,自主完成任务,减少Human in the loop的部分。
-
灵活的工具调用:支持外接各种skills以及模型,并且拥有高系统权限,能够根据任务负责程度匹配适合的模型。
-
多模态、跨平台: 支持通过手机上的iMessage、Telegram、WhatsApp 等聊天工具使用语音、文字等形式给家里的电脑发指令。
-
多智能体:支持多智能体同时调度,满足多种任务并发。
-
记忆功能: 基于本地文件存储的长期记忆,记录偏好、习惯和历史任务。
产品官网:https://openclaw.ai/代码仓库:https://openclaw.ai/ 从产品定位上看,OpenClaw 与主流 AI 产品有一些小的差异性:
-
对比ChatGPT、Claude 等云端Chatbot,它的重心更偏向本地任务的执行;
-
对比Claude Code、Devin 等编程 Agent,它的入口与任务覆盖从开发场景扩展到了日常电脑操作与个人生活和工作流;
-
对比自动化平台,它依赖 LLM 的语义理解与工具调用来即时编排,而不是固定的工作流;
-
对比语音助手,它是开源、自托管的个人 Agent 操作系统,智能程度更高。
OpenClaw(原 Clawdbot)与常见形态的对比定位 1.2
产品架构
从整体上看,OpenClaw 的架构可以拆成三层:接入层、中枢控制层和执行与记忆层。一条典型请求流程的逻辑大概是这样的:
OpenClaw(原 Clawdbot)的系统架构图 ① 外部聊天入口(WhatsApp/Telegram/Slack…)1) 用户在任意入口发出自然语言指令平台消息到达 Gateway 内的 Channel 适配器2) Channel 适配器把不同平台的消息统一成内部事件3) Gateway 接收事件并完成路由4) Agent Runtime理解上下文,拆解步骤并调用 Tools/Skills5) 需要真实执行时,Gateway 把调用转发到某个 Node(具体设备)执行6) 结果回到 Channel 适配器,返回聊天应用,并在需要时写回记忆 ② 本地控制入口(Mac App / CLI / Web Admin)1) 用户在本地界面下指令2) 客户端通过 WebSocket 把请求发给 Gateway3) Gateway 路由到对应 Agent ,再由Agent Runtime 去执行4) 结果通过 WebSocket 回到界面或发送到对应的外部聊天平台
1.2.1 整体架构
1) Gateway DaemonGateway Daemon内部主要分为Connection Manager和Agent Runtime两个部分。Connection Manager 负责接入与分发,Agent Runtime 负责理解、执行与交付。 Connection Manager是常驻模块,他主要负责两件事:
-
负责把各种入口接进来,并维持稳定通信。内部入口走统一的实时通道,外部聊天平台由渠道适配器分别对接,但都由Connection Manager统一管理和路由。
-
把消息分给正确的 Agent,保证每个 Agent 只能做它被允许做的事情。实际执行中需要根据消息来源的平台、人群、以及会话标识,按绑定规则把消息分配给某个 Agent。每个 Agent 拿到的权限是事先配置好的,它能调用的工具、执行的命令,都是统一管控的。
Agent Runtime是 Agent 真正思考、执行的能力,负责理解问题、查资料、调用工具,最后形成结论和返回结果。 主要负责四件事:
- 理解上下文,总结消息背景和上下文关系
- 决定适合的模型进行思考
- 需要时调用工具、查数据、或设备去解决任务
- 把答案用合适的方式输出,并发回对应入口
此外,为了在有限的上下文窗口中维持高效运行,Clawdbot 采用了分级 Prompt 策略。
- Full Mode主要在主会话使用。加载完整的 Tooling、Skills、Memory Recall、以及 SOUL.md和 USER.md。
- Minimal Mode主要给子 Agent使用。为了节省 Token 和聚焦任务,剥离了情感设定和非必要记忆,仅保留工具集和任务上下文,确保复杂任务的执行效率和经济性。
2) Channel 与多设备 NodeGateway 上下左右都挂了不同模块,包括上方的Mac App、CLI、Web Admin UI等控制与使用界面,下方是WhatsApp、Telegram 等聊天平台的渠道适配器Channel,以及左右两边的macOS、iOS、Android、Headless 等设备节点 Node。可以看到 Clawdbot 信息入口很多,但执行不一定在同一台机器上。消息从哪进来,和在哪执行,是可以组合的。 Channel负责把 WhatsApp、Telegram 等不同协议的聊天应用合并为内部的统一格式,并把结果按各平台的要求再转换回去。其次,Channel还负责针对同一个用户做身份映射。如果同一个人在不同平台的账号为同一身份,也可以通过配置把多个平台 ID 关联到同一个身份,让会话的上下文和输出保持一致。 Node 通过 WebSocket 与 Gateway 连接,但它并不负责思考,真正做决策、调用模型的是Agent Runtime。Node 的作用是把这台设备能做什么暴露出来给 Gateway 调用。比如Mac和移动端设备具备的能力和配置就不同,当 Agent 需要对应的能力时,Gateway 会把相应的工具调用转发到指定 Node 执行,再把结果汇总回来。
1.2.2 记忆架构
OpenClaw(原 Clawdbot)的记忆架构图 OpenClaw 的记忆系统可以理解为一个以本地文件为事实源的可检索记忆子系统。它的关键在于把记忆变成可管理的数据流:写入、索引、检索、回填、压缩。让整个系统成为有检索、有索引、有生命周期管理的记忆子系统。 1) Agent Workspace记忆源文件层记忆系统的最上层是 Agent Workspace,可以理解为每个 Agent 在本机上的总目录。 主要文件有两种,这两类文件都是实际写入本地的 Markdown 文件,用户可以审阅并编辑:
- memory/YYYY-MM-DD.md:高频追加的 Daily Logs,记录对话片段、重要事件、决策经过等。
- MEMORY.md:经整理后的长期记忆清单,例如用户偏好、关键人物、长期项目背景等。
2) Memory Files Layer逻辑分层为了便于理解,我们可以把 Workspace 里的记忆文件在用途上分成两层:
- Daily Logs:来自 memory/YYYY-MM-DD.md,信息密度高、噪音多,适合回溯;
- Long-term Memory:来自 MEMORY.md,结构更清晰、体量更小,适合频繁检索与重复使用。
系统不仅是存储日志,还模拟了人类大脑海马体到皮层的记忆固化过程。Runtime 会定期回顾 Daily Logs,提取精华决策和事实,写入 MEMORY.md,随后归档原始日志。 3) Per-agent Memory Index记忆索引层紧接着是记忆索引系统。系统会基于 Workspace 的 Markdown 文件建立,每个Agent都会有属于自己的一份的记录,储存了文本片段的向量表示以及对应原文位置。 索引层包含三块核心能力:
- Chunking & Reindexing:文本切片处理,便于向量化与检索,文件变更后只重建受影响 chunk。
- Embedding Cache:对已经算过 embedding 的文本做缓存,避免重复执行造成资源浪费。
- Keyword Index:用于关键词检索以及精确匹配;当 FTS 不可用时,会退化为仅向量检索。
向量化由底层的 Embedding Providers 提供,目前支持OpenAI Embeddings、Gemini Embeddings以及本地 Embedding 模型。 4) Search Mechanism混合检索下方的 Search Mechanism 负责对记忆进行检索,采用混合搜索的模式。 先是通过语义相似度使用向量距离找语义上类似的记忆片段。然后是关键词匹配用传统倒排索引做精确或近似关键词匹配,确保关键词强相关时不会被语义距离平均掉。 最终的记分是两者加权组合,既利用语义,又不完全丢掉关键词信号。 5) Memory Tools运行接口接着是Memory Tools对 Agent Runtime 开放的两类接口:
- memory_search:按条件搜索相关记忆,返回候选列表;
- memory_get:按 ID 精确取出某条记忆的内容,用于取回更完整的上下文。
此外还有一块 Session Memory Search,针对会话级 jsonl 日志做检索,用于短期对话上下文的恢复,与长期记忆文件属于不同来源。 6) Pre-compaction Memory Ping生命周期管理最右侧是 Auto Memory Flush 模块,负责记忆的自动整理与压缩。能够监听对话长度和记忆长度,当超过 4000 tokens时会提示 Agent 把值得长期保留的事实写回 Workspace 的记忆文件,在压缩对话上下文之前,把重要信息储存。之后再进行上下文的触发压缩和搬运。 1.3
交互与部署
1.3.1 交互形态
从架构图与官方 Integrations 页来看,OpenClaw 目前主要有三类交互方式: 1) 本地控制界面:Mac App / CLI / Web Admin UI
- Mac App:Mac是本机常驻的 companion,既提供可视化状态与快捷操作入口,也负责处理一些需要 macOS 权限的交互能力,是最基础的本机管理和执行工具;
- CLI:所有安装、更新、启动、调试,以及部分高级操作,都可以通过命令行完成,包括不限于脚本或 npm 安装、初始化命令、运行命令、插件安装等,是运维调试的主要入口;
- Web Admin UI:通过浏览器访问本机开放的管理端口,部分场景提供 WebChat 作为对话入口,还可以管理当前任务列表、执行日志,并一部分配置项和插件管理能力。
2) 聊天入口Channel 模块,整合了 WhatsApp、Telegram、Slack、Discord、Signal、iMessage、Teams、WebChat 等聊天服务。用户只要在常用聊天软件里,给某个 Bot 联系人发消息,直接对 OpenClaw 下指令。对于手表、手机等穿戴或便携设备,还可以用 iMessage等工具作为移动端遥控器,远程驱动工具。 3) 主动推送在目前监控到的案例中,OpenClaw 可以进行定时类的任务执行。通过内置的工具Cron、Heartbeat、Hooks这三类机制,可以把一些任务做成自动执行与主动回传。比如定时生成 Daily Brief或者Weekly Report、持续监控日志、指标甚至是社交媒体趋势。还可以根据长期记忆和你的任务列表,自动创建和安排任务,并发消息确认。
1.3.2部署形态
当前主流的部署方式可以分为三类:1) 本地个人电脑比如使用公司或家中的Mac、Windows直接部署运行Clawdbot,通过 Web端或者CLI 做调试,跑一些小任务。整体入门门槛最低,不需要额外买机器或折腾网络。但没有做安全隔离的情况下,风险极高。 2) 专用家庭服务器这是现在在社区讨论中最常见、也是话题性最强的一种部署形态。常见的是买一台 Mac mini 或拿一台闲置 PC / Linux 机器,专门用来跑 OpenClaw。类似于服务器部署,把这台机器放在家里/办公室角落,长期开机,通过VPN 或公网映射,在外部远程操控。 3) 云端部署对更熟悉云环境的用户,可以把 OpenClaw 部署在云服务器或者Docker等虚拟化的容器环境。更接近传统后端服务的运维模式,便于水平扩展、备份与监控。通过身份认证、网络策略、堡垒机等手段,可以一定程度降低直接暴露在公网的风险。
二、产品能力概览
OpenClaw 的产品能力基本围绕三件事展开:
- 核心模型接入:通过灵活的模型接入层,把 Anthropic、OpenAI、Gemini、DeepSeek 等不同 LLM 当作可替换的计算后端,在对话、工具调用和记忆检索中统一调度。
- 核心工具调用:依托本地 Gateway+插件的体系,把文件系统、浏览器、邮件、日历、任务管理工具以及各种第三方 SaaS 变成 Agent 的一部分,实现值机动手执行复杂任务。
- 多入口多Agent:通过 Channel 把主流聊天应用统一为信息入口;另一方面支持一个 Gateway 下挂多 Agent、多 Node,使不同角色、不同设备协同工作。
2.1
模型接入
产品在设计上是一个 模型无关的 Gateway,产品本身不自带 LLM,而是通过配置接入不同供应商的模型作为处理核心。通过官方提供的接口能力定义上可以看到,OpenClaw 支持各种主流模型接入方式,开源的、闭源的、本地的等等。 实际使用上,模型的角色分为以下四个部分:① 主模型主模型在架构中的任务主要负责决策与对话,比如解析自然语言指令、拆解任务步骤、决定并选择工具、生成最终回复。目前普遍使用的模型是Claude 系列模型和MiniMax的M2.1模型,前者实践效果较好,后者价格优势明显。 ② 工具、代码专用模型对于需要大量代码生成和修 bug 的任务,部分配置会单独指定一个Coding Agent 模型。观察到的案例中,Agent 会进行生成代码 → 运行 → 读取错误日志 → 再调用模型修正代码 → 再运行的循环,直到通过测试。 ③ Embedding 模型这个模型主要用于记忆与检索后端。在前面记忆架构图梳理已经有过分析。本质是把对话、决策模型和向量检索模型分开配置。在一些成本敏感场景,可以用便宜或本地 Embedding 替代昂贵的云端 Embedding 服务。 ④ 专用模型在一些特殊场景下,比如TTS、搜索、视觉等领域,用户可以选择接入其他模型。比如部分 Skills 会再接入第三方模型,通过TTS生成语音电话、语音播报、使用搜索类 API用于信息检索。 用户可以在Onboarding 向导阶段和后续配置文件、命令行管理时选择模型。用户可以为不同 Agent 指定不同的主模型,并为不同任务类型配置不同的模型策略以及独立配置 Embedding Provider 与参数,支持支持在同一个 Gateway 下配置多模型。可以实现在日常对话与轻量任务使用相对便宜的模型,遇到复杂长链路任务,可在配置好的策略或提示下切换到更强模型。 在默认高自动化的配置下,OpenClaw 为了完成一个复杂任务会经历多轮思考–执行–修正循环,API 调用次数和 Token 消耗非常可观,比如一些爬虫和文件整理,很容易烧掉大量的token。目前针对这个情况的解决方案是通过接入多模型解决,日常用便宜模型或国产模型,只在必要时调用昂贵模型,并且对任务进行粒度划分。 2.2
自动化与工具调用能力
从工程实现上看,OpenClaw 执行任务不仅依赖大模型的模型能力,还需要通过一整套工具调度机制。Tools是官方内置的系统级能力;Skills是社区开发的,具体业务能力封装。再通过系统调度,用对话、定时任务和事件触发,把工具串成完整工作流。 和普通 ChatGPT+插件的模型相比,OpenClaw 的工具调用落点在本地环境的所有权限调用,可以真正贯通用户、开发者的日常工作流。护城河在于工具体系和社区技能生态,以及围绕这些能力形成的自动化范式。
2.2.1 工具体系
Tools官方 README 把 browser、canvas、nodes、cron、sessions 等 13 个 tools 列为first-class tools。这些能力直接挂在 Agent Runtime 上,被模型标准化调用,而不是简单 shell 脚本封装,定义产品能覆盖的自动化边界,从浏览器、文件系统到跨设备控制。
主要的工具能力可见下表:| 工具 | 能力 & 典型用途 | | --- | --- | | Browser | 远程控制 Chrome:开关 Tab、跳转 URL、点击、输入、截图、DOM snapshot;用于表单填写、自动登录、爬取 JS 重站点、比价等。 | | Web | 提供搜索与抓取能力;抓取网页并抽取可读正文(HTML→Markdown),作为 agent 决策输入;适合做资讯收集、价格监控、报告写作前的信息准备。 | | Canvas | 让 Agent 在本地 Canvas 里生成可交互 UI(按钮、表格、小面板),用来当作控制台、可视化报表或简单应用界面。 | | Nodes tool | 把其它设备(iOS、Android、Headless 服务器等)挂成“节点”,暴露 camera. / system. / canvas.* 等命令面。 | | Cron / Sessions / Actions | Cron 负责定时任务(小时/天/周),sessions 管理多会话上下文,Discord/Slack actions 用于在群聊里触发自动化。 |
Skills在 Tools 之外,OpenClaw 提供了 Skill 插件系统。Skill 本质是一个 SKILL.md 描述文件和若干脚本的封装工具,定义了技能用途、参数和调用方式。目前社区已经积累了 100+~500+ 可复用技能,涵盖生产力、金融、健康、家居、开发等多个方向。
典型 Skill 类型示例:
- 生产力:Todoist、Notion、Google Workspace、Apple 生态等集成Skills,支持创建任务、读写笔记、查日程、草拟和发送邮件;
- 自动化与数据处理:Email PDF 收集、PDF 解析自动整理Excel、定时整理下载文件夹等;
- 开发与运维:GitHub集成、CI/CD 监控、PR 自动合并、代码 review、日志分析等;
- 家居与 IoT:Home Assistant 控制、3D 打印机管理、智能恒温器和扫地机调度;
- 金融与业务:费用跟踪、账单汇总、投资组合监控、发票处理等。
Skills库收集:
- https://clawhub.ai/skills
- https://github.com/VoltAgent/awesome-openclaw-skills?utm_source=chatgpt.com
- https://github.com/neonone123/moltdirectory
2.2.2 自动化模式
OpenClaw 支持三种主要的自动化交互模型,分别是对话触发、定时调度以及长期监听。 1) 对话触发这是最直观的使用方式,也是目前国内教程里展示最多的场景。技术路径大致是:自然语言需求 → 计划拆解→ 依次调用 Skill/Tool → 校验结果 → 继续/回滚是典型的 Agentic Workflow 范式,只是执行面拓展到了本地文件、浏览器以及第三方服务。 2) 定时调度依托内建的 Cron 工具 和会话记忆,OpenClaw 可以把某些任务变成每天、每周自动执行。比如早上发 AI、投资、公众号内容简报;基于历史对话自动选择一个主题写教授风格的研究报告;定时整理邮件和未读收件箱;定期做账单&税务文件预处理等。 3) 长期监听借助 web、browser 以及多种Skills和外部服务,OpenClaw 可以常驻监控一些内容,一旦满足条件就主动触发动作。比如监控 X、公众号、竞品内容表现,当某条内容在同账号基线之上显著爆量时,主动发消息提醒并附带分析。 2.3
多Agent与多节点协同
借由 Gateway 的统一中枢,OpenClaw 在两个层面支持多实例协同:● 多 Agent:同一 Gateway 下可以挂多个 Agent,每个 Agent 有独立配置与记忆;● 多 Node:Gateway 下可以连接多台设备作为执行节点。结合文档与社区实践,基本可以拆成多 Agent 管理、多节点协作两块来看。
2.3.1 多Agent
多 Agent 不是指多个聊天窗口,而是多个有独立配置文档的 Agent 实例。每个 Agent 有自己的:模型选择、调用工具边界、记忆文档以及对接渠道。Clawdbot 内部抽象了 Session 的概念,每一个对话、任务都是一个 Session。主 Session 可以自己发起子 Session,相当于创建了一个子 Agent 。子 Agent 有自己的会话上下文、局部目标和 System Prompt,可以长时间执行某个任务。主 Agent 可以与子 Agent 通信、查看进展。这样就可以做到主 Agent继续和用户聊天,而一些费时的工作被分叉出去,由后台 Agent处理。 在系统层面,一个 Agent 包含几组核心要素:1) 独立配置每个 Agent 都可以配置不同的主模型,并且Agent各个环节中的模型也可以独立配置。其次是工具的独立性,不是全局启用一堆插件,而是每个 Agent 限定适用的范围。比如你可以给高权限 Agent高级的技能,但限定只在个别场景使用。然后是安全向的独立性,就算两个 Agent 都能访问某个 Node或者某个工具,也可以在配置里给出不同的限制。比如可以进行文件系统的层级限制,允许读写某个文件夹的子目录,但是禁止访问整个文件夹。 2) 独立记忆空间…