OpenClaw 源码解析系列·第2篇:Agent 引擎——消息循环与状态管理

一、从一条消息说起

当用户在微信公众号里发来一条消息，这条消息经历怎样的旅程，最终变成一条有意义的回复？

答案是：Agent 引擎——OpenClaw 架构的心脏。它负责接收消息、理解意图、调用 Skill、生成回复、管理状态……全部在这一层完成。

二、消息循环的六个步骤

OpenClaw 的消息循环遵循经典的 ReAct（Reasoning + Acting）模式，整个循环分为六个阶段：

🔄 Agent 消息处理循环

• ① 消息接收
  
   — 从 Channel 层获取原始消息，解析为统一的数据结构
• ② 上下文构建
  
   — 从 Memory 层加载历史消息、系统提示，构建本次请求上下文
• ③ LLM 推理
  
   — 将上下文发送给 LLM，获取结构化 JSON 输出
• ④ 技能调度
  
   — 解析 LLM 输出，调用对应的 Skill / 工具
• ⑤ 结果聚合
  
   — 将 Skill 执行结果追加回上下文，继续循环或进入回复生成
• ⑥ 回复发送
  
   — 将最终回复通过 Channel 层发回给用户

下图展示了消息在各个模块之间的流动路径：

▲ Agent 消息处理循环：消息进入 → 上下文构建 → LLM 推理 → 技能调度 → 结果聚合 → 回复发送

三、Session：状态的容器

Session 是 OpenClaw 状态管理的核心抽象。每个用户（每个 OpenID）在每个渠道下，对应一个独立的 Session。

3.1 Session 的数据结构

• sessionId
  
   — 全局唯一标识符，定位每一次对话
• messages[]
  
   — 消息历史，支持追加和截断压缩
• agentConfig
  
   — 当前 Agent 的配置（模型、temperature、system prompt）
• memory
  
   — 关联的长期记忆引用（MEMORY.md 等）
• metadata
  
   — 用户标签、渠道信息、最后活跃时间等

3.2 状态转换

Session 在生命周期中会在多个状态之间转换：

▲ Session 状态机：Active（正常处理）→ Paused（等待人类回复）→ Closed（会话结束）

为什么 Session 要设计成可序列化的？     ① 断点恢复：当 Agent 处理长任务时意外中断，可以从最近的 checkpoint 恢复     ② 分叉调试：复制一份 Session，就能开一个新分支做并行实验     ③ 调试友好：Session dump 出来，可以直接在代码里重放，定位 bug   

3.3 上下文窗口压缩

当 messages 列表越来越长，OpenClaw 会触发上下文压缩：

• 摘要压缩
  
   — 用 LLM 将历史消息摘要成一段短文本，替代原始消息
• 滑动窗口
  
   — 只保留最近 N 轮对话 + 系统提示
• 重要消息保留
  
   — 标记为重要的消息（如用户明确表达的偏好）永不压缩

四、Agent 循环的实现细节

来看核心循环的简化版逻辑：

4.1 工具调用的确定性

LLM 只负责决定「做什么」，执行是确定性代码完成的。decision.json 输出后，框架通过 switch 语句路由到对应的工具函数：数据库查询、HTTP 请求、文件读写——全部是确定性操作，不依赖 LLM。这种设计让系统行为可预测、可测试。

4.2 Human-in-the-Loop

当 LLM 判断需要人类介入时（如高风险操作），循环会暂停，等待人类通过外部渠道回复后，再注入 Session 继续循环。

五、多 Agent 调度

OpenClaw 支持在同一进程内运行多个 Agent 实例，调度逻辑由 Router 完成：

▲ 多 Agent 调度：Router 根据标签/意图将请求分发到对应 Agent 实例

🧭 OpenClaw Router 调度策略

• 标签路由
  
   — 根据用户标签（如 VIP/普通用户）路由到不同的 Agent
• 意图路由
  
   — 根据消息内容判断属于哪个业务域，路由到对应 Agent
• 负载均衡
  
   — 多个 Agent 实例间，分发请求避免单点过载
• 兜底 Agent
  
   — 所有路由规则都未命中时，交由默认 Agent 处理

六、与 12-Factor Agents 的对应

Factor 04：工具就是结构化输出LLM 输出 JSON → switch 路由 → 确定性执行。OpenClaw 完整实现了这一原则。

Factor 05：统一执行状态与业务状态Session 是唯一的真实来源，既是执行状态容器，也是业务状态容器。

Factor 06：简单 API 启动/暂停/恢复pauseSession / resumeSession 是 OpenClaw 内置能力，原生支持。

Factor 12：把 Agent 写成无状态 ReducerAgent 循环是纯函数式逻辑，给定相同的事件序列，总是产生相同的状态变化。

七、第2篇小结

这一篇深入了 Agent 引擎的核心设计：

• 消息循环的六个阶段——接收→推理→调度→聚合→回复
• Session 作为状态容器的设计——可序列化、可压缩、可恢复
• 多 Agent 调度——标签路由、意图路由、多实例并行
• 与 12-Factor Agents 原则的对应关系

预告：第3篇《Skills 系统：框架的扩展机制》，深入解析 Skill 接口、生命周期管理、以及内置 Skills 的实现。