前段时间，养虾非常火热，安装OpenClaw得几百一次，基本上身边每个人都要讨论一下，好像不了解就要被时代淘汰一样 ，大家都非常焦虑，再后来又好多人吐槽，好像功能华而不实，并不能真正解放他的生产力 ，甚至卸载都要花钱。

老实说，刚出来的东西肯定是不成熟的，部署门槛高、很难根据自己实际情况落地，api成本也不低 ；当市场热度超过技术成熟度时，自然很多人都在卸载。但是这个工具本身是有很多需要我们学习的地方。

虽然热度降了，但是学习这到底是啥玩意是非常有必要的 ，对你以后了解这些AI工具的发展走向很有帮助。于是我花了好几个星期拆解OpenClaw，阅读源码，让我彻底改变了对AI agents的理解，因为它比我想象的要简单很多。

这是小编vibe coding的很多好用的免费小工具，可以看看是否有需要的，包含图片相关处理，实用工具，GIF处理，后续会添加功能功能。

1. 幻觉工厂

OpenClaw的原理其实很简单，它使用的模式已经在软件开发中存在了几十年的：事件循环，定时任务，基于文件配置，工具调用 。你感觉到的“智能”大都是LLM做的事情，OpenClaw就是一个LLM的脚手架，这个脚手架设计的非常精妙，但是理解学习后，将会改变你使用的方式，包含配置、调试、甚至你会知道你该信任这个系统的哪块。

2. OpenClaw的三部分组成

2.1. 通道

OpenClaw其实并不知道啥是Telegram、WhatsApp，每个平台都只是一个适配器，用于转换特定平台事件的很薄的一层（一个Telegram消息，一个WhatsApp的语音信息），将这些转为标准化的内部格式 。当你用Telegram发送消息给你的agent时，OpenClaw其实不知道那是什么Telegram，它只能看到标准的结构化的数据 ，然后拿这些数据去做对应的反应。

所以比如你要接入你自己的聊天方式，你只需要做适配层即可，把你聊天的结果转成agent能理解的标准化的内容，agent不需要改任何东西。

2.2. 上下文窗口——OpenClaw带有的“记忆”

和所有基于LLM的系统一样，OpenClaw构建了一个上下文窗口并将其发送给模型，上下文包括：

1. 1. 系统提示词（agent是谁，它能干啥）；
2. 2. 工具描述（可以调用哪些函数）；
3. 3. 历史对话（到目前为止来回的对话）；
4. 4. 注入从相关文件中检索的记忆片段 （当你的agent记得上个月相关的信息时，它并不是记得什么，而是从markdown文件检索一个片段，并把这个片段注入到当前上下文中，这不是神经意义上的持久的记忆，是选择文件检索。）

2.3. 工具

工具是LLM可以调用的函数：

send_message(channel, text)read_file(path)exec(command)memory_write(content)memory_search(query)cron_create(schedule, task)

当你的agent“看似主动”给你发送一个总结内容时，它并没有自主决策能力，而是LLM通过模式匹配进而输出工具调用指令，然后OpenClaw拦截该调用、执行对应函数，再将运行结果回填到上下文，整套流程就是这样无限循环、机械重复。

3. 记忆系统：就是基于MakDown

让我们感觉OpenClaw好像活着的，就是他的记忆系统，让我详细描述一下这块，因为这块是我最大的“顿悟”时刻。

3.1. 三层存储

3.1.1. 每日日志

代理每天都会写下一个日志文件，如下：

# 2026-04-25- Discussed new features for trading dashboard- Set reminder for Friday deploy window- User mentioned they're in Wiesbaden

3.1.2. 长期记忆

MEMORY.md是一个代理写下它觉得重要信息的markdown文件，如用户偏好、项目内容、重复出现的模式。

3.1.3. 完整的会话历史

每次对话都会存储在JSON中，agent可以查询所有历史。

3.2. QMD（Query Memory Database查询内存数据库）

OpenClaw包含一个名为QMD的实验性工具，这是一个语义搜索层，可以查询所有Markdown，包含向量嵌入和关键词的组合搜索。

当你说“还记得关于我之前说的认证流程嘛”，QMD不会只查找那几个精确的词，还会去找语义相似的其他词汇，这也是为啥我们有时候会觉得OpenClaw回答的异常准确。

QMD可以作为独立CLI工具使用，也可以作为一个MCP服务器。

4. 主动行为：它如何在未被请求的情况下行动

这是OpenClaw最独特的特点——也是大多数人并不完全理解的。

4.1. 心跳

每30分钟，OpenClaw会读取一个名为 HEARTBEAT.md 的文件，并将其内容发送给大型语言模型进行评估：

# HEARTBEAT.md- Check for new GitHub PRs needing review- Scan content backlog for anything overdue- Monitor RSS for relevant tech news

如果没有需要采取的行动，agent会响应HEARTAEAT_OK并且会继续沉睡，如果有需要做的事，才会做。

30分钟的精准度确实是个限制——你不能在14分37秒时触发某项动作。但对于大多数“环境感知”任务来说，这已经绰绰有余了。

4.2. Cron

OpenClaw 会将 JSON 任务文件写入 chrome/目录：

{"schedule": "0 9 * * MON-FRI","task": "Fetch open PRs from GitHub, summarize, send to Telegram"}

当计划触发时，它会加载任务上下文，发送给LLM，执行工具调用，然后发送结果给你。

内容太长了，先写到这里。明天继续！