夜雨聆风
花一周拆完OpenClaw源码,一文讲透28万Star背后的核心架构
OpenClaw火了之后，我在春节也加入了养虾大军，每天研究龙虾到底能干点啥。
我让它帮我写程序、爬推特、跑各种自动化，期待它像个万能员工一样什么都能搞定。
结果发现好像不太对，它的产出并没有我用claude code那么高，说好的AI数字员工去哪了？？？
我百思不得其解，但转念一想，它毕竟是有20万+Star的项目，能火到这个程度，一定是有很多优点的。
于是我花了一周去拆解它的源码，想搞清楚：它到底怎么让AI做到 7×24 小时运行的。
今天想把我搞明白的东西跟大家聊聊：OpenClaw为什么能火、它的核心架构是什么、以及我自己的3个长期判断。
1. OpenClaw为什么能火
拆完源码之后，我觉得OpenClaw能火，核心是两个要素叠加在一起。
第一个要素：它真正实现了一个可以 7×24 小时持续运行的 AI Agent 系统。
换句话说，OpenClaw不仅仅是一个聊天机器人，它更像是一个AI员工的操作系统。
AI模型负责提供智能，OpenClaw负责提供运行环境。
OpenClaw的架构由三个模块组成：Agent Loop、Tools、Gateway。
Agent Loop是龙虾的大脑，它负责决策和思考，它会根据当前任务判断下一步要做什么，并在需要的时候调用各种工具来完成行动。
Tools是龙虾的手脚，为Agent Loop提供各种能力，比如浏览网页、执行命令、调用 API、处理文件等，让龙虾真正具备干活的能力。
Gateway是龙虾的身体，它让整个系统能够持续在线，接收来自不同渠道的消息（比如 Telegram、飞书等），并把任务交给Agent Loop处理，再把结果返回给用户。
简单来说：大脑负责思考和决策，手脚负责执行任务，身体负责保持在线和对外沟通。
当这三部分咬合在一起，一个真正7×24小时不下班的AI员工才算完整出现。
OpenClaw最有价值的地方，就是这套让AI Agent能长期运行的系统架构。
第二个要素：开源。
开源带来了三样非常关键的东西：
1.信任：所有数据都运行在自己的机器上，用户不需要把任务和数据交给一个黑盒服务。
2.生态：社区不断贡献新的 Tools 和 Skills，让能力持续扩展，逐渐形成一个自增长的飞轮。
3.分发：GitHub 本身就是一个巨大的免费分发渠道，项目可以在开发者社区中快速传播。
当7×24 小时运行的 AI 员工遇上开源生态，这两个因素叠加在一起，才构成了 OpenClaw 能拿到20万+Star 的底层逻辑。
少了任何一个都很难火起来。
如果不开源，用户不会信任，也很难形成生态；如果没有这套优秀的架构设计，即使开源了，也不会有人真正用起来。
2. OpenClaw的核心架构是什么
OpenClaw的核心架构是由Agent Loop、Tools、Gateway构成的。
其中Agent Loop、Tools并不是OpenClaw独有的，Claude Code和Codex都有，Gateway是OpenClaw独有的模块。
那让我们先从Agent Loop开始说起吧。
2.1 Agent Loop：龙虾的大脑
Agent Loop，是AI接到一个任务之后，自己一步一步把事情做完的机制。
以写一个登录页面举例，AI做事情的过程大概是这样的：
-
1. AI先思考：要做一个登录页面，我首先需要创建一个HTML文件。 -
2. AI调用工具：调用写文件工具，把HTML代码写出来。 -
3. AI检查结果：HTML文件已经创建成功，但现在页面还没有样式。 -
4. AI再次思考：下一步需要补一个CSS文件。 -
5. AI继续调用工具：把CSS代码写出来。 -
6. AI再次检查结果：页面样式有了，但还缺少表单验证逻辑。 -
7. AI继续判断下一步：再补一个JS文件，处理输入校验和提交逻辑。 -
8. AI继续执行：把JS文件写出来。 -
9. AI反复循环：不断重复思考—调用工具—检查结果—决定下一步，直到整个登录页面完成。
这整套循环，就是Agent Loop。
OpenClaw的Agent Loop是基于Pi SDK的，这是一个独立的开源项目：https://github.com/badlogic/pi-mono
Agent Loop不是OpenClaw的独家优势，Claude Code和Codex都有Agent Loop的逻辑，光从脑子的设计来看，OpenClaw跟Claude Code、Codex没什么本质区别。
2.2 Tools：龙虾的手脚
如果说Agent Loop是龙虾的大脑，那么Tools就是它的手脚。
大脑负责思考，而手脚负责把事情真正做出来。
从结构上看，OpenClaw的工具体系大致可以分成三层。
第一层是基础工具。
这是最底层的一些能力，比如：读写文件、执行命令、浏览网页、搜索和抓取信息，这些工具让 AI 能够真正操作电脑，而不是只停留在聊天里。
第二层是 Skills。
Skills本质上是在教AI怎么像人一样干活。
它会告诉AI在任务场景下应该怎么做、应该调用哪些工具、步骤是什么。
比如：写代码前先扫描项目结构、修改文件前先做备份、写完代码之后自动运行测试，这些经验都可以写成 Skills，让AI在类似任务里自动复用。
如果大家对Skills到底是什么感兴趣，可以看看我之前做的：漫画版图解Skills。
第三层是外部工具。
这一层主要是接各种第三方服务，比如：调用外部 API、接入 SaaS 服务、扩展新的工具能力。
所以从底层来看，OpenClaw 的手脚并不是简单的一堆工具，而是一整套：基础工具 + Skills + 外部扩展组成的能力体系。
但工具体系本身并不是OpenClaw的独家优势，像Claude Code和Codex，都有同样的工具体系。
所以严格来说，Agent Loop和Tools都不是OpenClaw的杀手锏。
真正让OpenClaw和其他AI工具拉开差距的，是下面这一层。
2.3 Gateway：龙虾的身体，OpenClaw真正的差异化所在
龙虾之所以能够一直在线、还能主动干活，背后其实都是Gateway在起作用。
它让AI从一个你叫它才动的工具，变成了一个一直在线、随时能干活的员工。
那Gateway具体做了什么？拆开来看，其实就是六件事。
第一，不关机。
龙虾是常驻在线的，就算系统崩了也会自动恢复，重启之后还能记住之前的对话。
比如凌晨3点服务器突然挂了，Gateway会自动把龙虾重新拉起来，并恢复之前的对话上下文，继续处理那些还没做完的任务。
等你第二天早上再来看，它就像从来没有断过一样，一直在工作。
第二，接所有平台。
Telegram、飞书、钉钉等20多个平台的消息，都可以统一接收和处理。
这意味着什么？你不需要为飞书单独写一个 bot，也不需要再为钉钉写一个 bot。
Gateway在中间做了一层消息适配，不管消息来自哪个平台到AI 这里都会被转换成同一种格式。
你在飞书上给它发消息，它就在飞书上回复；在钉钉上发，它也会在钉钉上回你。
第三，会话隔离。
每个聊天窗口都是独立的，你和它的对话不会被别人的任务干扰。
比如你让它帮你查一份数据，同时又在另一个群里让它写一段文案。这两个任务在Gateway里是完全隔离的，各自有各自的上下文，不会串。
就像两个独立的员工在分别处理两件事，各干各的。
第四，排队控制。
同一时间只处理一个任务，不会因为消息太多而搞混。
比如说在一个飞书群里，我和同事同时发消息给龙虾，Gateway的处理策略很简单：谁先来做谁的，后面的任务排队。
这个设计看起来有点笨，但其实很聪明。
因为 LLM 的推理本来就不太适合并发，同时处理多个任务反而更容易出错，最后可能两个任务都做不好。
第五，心跳巡查。
心跳巡查是龙虾可以主动做任务的核心。
OpenClaw的主动执行能力主要靠两套机制：Heartbeat负责周期性巡检，Cron负责精确定时调度。
Gateway会定时主动检查有没有待办任务，如果有它就自己去执行，不需要你催它。
举个例子，你让它每天早上8点整理一份AI资讯摘要推送给你。
到了时间，Gateway的心跳机制就会自动触发这个任务，AI会自己去搜集信息、整理内容，然后发到你的飞书上。
你什么都不用做，打开飞书就能看到结果。
不过这里也有一个需要注意的地方：有时候 AI 会口头答应你已经配置好任务了，但实际上压根没写到待办里，这也就是很多时候龙虾不主动执行任务的原因。
第六，记忆刷盘。
当对话太长需要压缩时，它会先把重要内容存到记忆文件里，再进行压缩，避免关键信息丢失。
这点做的蛮好的，当我们和AI聊了很长一段时间，讨论了项目方案，也确认了不少关键决策。
如果直接压缩旧对话，这些结论就可能丢掉，下次它又得重新问我们。
Gateway的做法是：在压缩之前先把重要的结论和决策存到记忆文件里，这样即使上下文被压缩，关键信息也能随时找回来。
这六件事，每一件单独拿出来都不算什么高科技。
但恰恰是这些不酷、不性感的事情，组合在一起，反而形成了一道真正的壁垒。
2.4 OpenClaw vs Claude Code：两种不同的AI Agent路线
如果用龙虾和Claude Code来对比，差异其实很清楚。
在编程能力和Agent 能力上，Claude Code毫无疑问是第一梯队，它就是目前最强的Agent工具之一。
但Claude Code本质上是一个本地工具：你打开它，它帮你干活；任务做完，你关掉它，它也就停在那里。
它不会一直在线，也不会主动执行任务，而且还是闭源产品。
OpenClaw走的是另一条路线。
虽然它编程能力不如Claude Code，但它的目标是做一个长期在线的AI员工系统：可以一直运行、接入多个平台消息、主动执行任务，而且完全开源可以随意定制的Agent。
这两者其实不是竞争关系，而是不同定位的产品。
Claude Code像一把最锋利的手术刀，OpenClaw 更像一把开源的瑞士军刀。
3. 我自己的3个长期判断
看完OpenClaw的技术架构后，除了搞明白了技术层面的东西，我还有3个更深的思考，接下来和大家分享一下。
3.1 创新不一定是技术突破
我把OpenClaw的所有模块都看了一遍，发现了一件很有意思的事：它没有哪个模块是算法级的技术突破。
但这并不意味着龙虾用的技术不好，从工程实现的角度看，龙虾每个模块用的其实都是已经成熟的技术。
Agent Loop直接调用的是Pi SDK，不需要自己从零造一个推理引擎。
Gateway做的是精细化的系统集成，把常驻在线、消息路由、会话管理这些已有的技术方案组合在一起。
Tools也是一样：基础工具、Skills、第三方服务接入，每一个单拿出来都不算新。
但OpenClaw把这些东西封装在一起，让它们彼此咬合、稳定运行，变成一个真正能用的产品，这件事本身就已经很厉害了。
我觉得这个OpenClaw这个事情对我是很有启发的，创新做出好的产品不只有技术突破这一条路。
把已有的东西整合好、打磨到可用、让用户真正用起来，这本身也是一种创新，而且是非常有价值的创新。
3.2 AI技术再牛，场景是前提
我刚开始用 OpenClaw 的时候，几乎什么都想让它干：写程序、爬推特、做各种自动化。
结果很快发现，它好像什么都干不明白。
当我总结复盘，并且和朋友交流后才发现：问题其实不在龙虾，而在我没有找到合适的场景。
于是我换了个思路，不再问龙虾能干什么，而是看龙虾比Cluade Code擅长做什么。
龙虾的优势在于：长期在线、多平台接入、可以主动触发任务。
围绕这些优势去找场景，它马上就变得好用了。
比如用它跑定时任务，每天自动整理AI资讯通过飞书推送给我，用它做飞书知识库助手，帮我汇总零散想法、查文档内容。
在拆解需求的时候，我们要想清楚自己到底用什么。
以飞书知识库阅读为例，如果只是查询内容，那其实飞书自己的AI功能已经做的很好了。
如果还希望AI能够记录群里的查询需求、判断查询结果的满意度，那龙虾可能会更合适一点。
AI 技术再怎么厉害，应用起来场景依然是一切的前提。
我们在用AI产品之前，要先想清楚自己的需求是什么，再去找合适的工具。
3.3 不要焦虑AI的飞速发展，先用起来最重要
最后想聊一个跟技术无关的话题，过年期间我看到的不仅是龙虾爆火，还有大家对于AI这一波的焦虑和迷茫。
作为一个AI行业的从业者，我自己也深深的感受到这种焦虑。
AI技能的更新迭代速度太快，看起来满眼都是红利，实则很难抓住。
所以我在想，上一波吃到红利的那些人，他们有什么共性值得我们参考学习吗？
我去问AI，我们俩讨论了很久。
最后我们得到一个很简单的结论：吃到红利的人，其实一直都在那个行业里。
不管PC互联网还是移动互联网，又或者抖音、投资市场，最起码吃到红利赚到钱的前提是，你要一直在。
如果电脑都不会用，那PC互联网是注定没法分一杯羹的；如果从不刷短视频，那抖音的红利期也和你我无关。
所以我想，AI的基础船票莫过于：选一个AI工具，真正用起来，把某一件事做好。
没有这张船票，讨论什么OpenClaw、什么Agent都没有意义。
先用起来，用好了，再看从哪里能获得更大的收益。
📬 如果你想第一时间收到更新，也可以给我一个星标 ⭐
🌱 看完这篇文章觉得有帮助的话，欢迎和我一起去腾讯公益捐一笔，为孩子们出一份小力~👇
