写在前面

2025年初DeepSeek将大模型带入了大众视野，国内外各大模型开始了你追我赶的征程；

2026年初OpenClaw掀起了”养龙虾”热潮，把AI agent带入了大众视野，各大公司开启了AI agent用户争夺战；

如今OpenClaw的热度已经褪去，但是agent的风还一直在刮，而且会一直持续下去，因为它让我们看到了AI不是只能聊天，还能帮你干活；

它是一个效率工具，提效就是降本，又有哪个企业会对这个降本的机会视而不见；

同时对AI agent产品经理而言，OpenClaw的设计哲学，值得每个人深入研究学习；

接下来我将通过一系列文章拆解OpenClaw每个模块的设计细节，来学习它的设计理念。

产品架构

过去一年，AI产品的发展经历了两个阶段。

第一个阶段是ChatGPT。

产品逻辑非常简单。

用户 –> 输入一句话 –> LLM –> 返回答案

整个产品只有一个流程：

提问 → 回答

这是 ChatBot。

后来大家发现，仅仅回答问题远远没有发挥出AI的价值。

企业真正需要的是：

AI 去查询数据库

AI 去调用API

AI 去打开网页

AI 去分析文件

AI 去生成报告

AI 去执行命令

AI 去持续跟踪一个任务

于是，Agent 出现了，就到了第二个阶段。

OpenClaw，就是第二阶段的产品

它已经不是一个聊天机器人，而是一个AI 工作平台

下图是我整理的 OpenClaw 的架构图，我们来一一拆解说明每个模块。

第一层：Channel（渠道层）

这是整个系统的入口。

很多产品经理看到这里，会觉得：”不就是聊天入口吗？”

其实不是。

它真正解决的是：用户从哪里来？

例如：

微信

飞书

Telegram

WhatsApp

网页

APP

CLI

这些都属于 Channel。

也就是说，不同渠道的消息，

最终都会进入同一个 OpenClaw。

例如：

上午，用户在Slack说：

帮我查一下昨天订单。

下午，用户打开微信：

帮我查一下昨天那个订单配送到哪里了。

对于用户来说，他虽然换了聊天软件。

但是对于 OpenClaw 来说，这是同一个任务。

所以Channel 并不是聊天工具。

而是AI的各种入口。

为什么要单独设计 Channel？

因为以后还可能增加：

电话机器人

邮箱

语音助手

智能音箱

……

如果没有 Channel 层，增加渠道整个系统都要改。

所以，产品设计第一原则：入口解耦。

第二层：Gateway / Session（网关与会话）

很多人第一次接触 Agent，都会问一个问题：为什么要 Gateway？

直接把消息发给 GPT 不就好了？

这是 ChatBot 的思路，但是Agent 不一样。

Gateway 是什么？

Gateway 可以理解成：公司的前台。

所有人来了，先到前台。

前台负责：

你好，你是谁？

你来自哪里？

你属于哪个项目？

你的历史任务是什么？

然后，再交给真正干活的人。

Gateway 第一件事：识别来源

例如：

消息：

帮我查订单

来源：

微信

用户：

张三

Gateway 会记录：

User ID

Channel

Time

Workspace

Organization

以后整个系统，都会用这些信息。

第二件事：Session 会话匹配

这是 Agent 最重要的能力之一。

例如：

昨天：

帮我分析订单10086

今天：

继续昨天那个。

为什么 AI 知道”昨天那个”？

因为 Session，它就像一个文件夹，Session001里面保存：

历史聊天

工具调用

文件

运行状态

变量

所以Session 不是聊天记录，而是：整个任务的上下文容器。

第三件事：消息标准化

为什么需要标准化？

因为每个渠道的消息格式各有区别：

微信消息：

{

text:”你好”；

}

Telegram：

{

message:”你好”;

}

Slack：

{

content:”你好”

}

OpenClaw 不可能兼容几百种格式。

所以Gateway 做了一件事：全部转换成统一格式。

统一后：

{

role:user

content:“你好”

session_id:xxx

}

以后，所有模块都只认识这一种格式。

这就是：消息标准化。

第三层：Prompt Builder（提示词构建）

这一层，可以说是 OpenClaw 最重要的一层。

很多产品经理认为：Prompt 就是一段 System Prompt。

其实完全不是。

OpenClaw 每一次运行，Prompt 都是重新拼出来的。

所以叫：Prompt Builder。

为什么 Prompt 要动态生成？

举个例子。

今天：

用户：查询订单

明天：

用户：写PRD

两次运行，Prompt 肯定不一样。

因为：工具不同、上下文不同、工作区不同、技能不同、权限不同。

所以Prompt 必须动态生成。

Prompt Builder 会收集哪些信息？

第一部分：会话上下文

包括：

最近聊天

历史记录

当前状态

Session变量

第二部分：Skills

例如：

竞品分析

订单分析

PRD编写

代码Review

这些都会放进去，告诉模型：你有哪些工作方法。

第三部分：Tool

例如：

Browser

Web Search

Exec

Read File

Write File

这些告诉模型：你可以做什么。

第四部分：运行环境

例如：

当前日期

当前目录

Workspace

Sandbox

全部都会放进去。

Prompt Builder 真正做的是：把 AI 当前工作的整个环境，描述给模型。

第四层：LLM + Tool Loop（真正的大脑）

终于来到整个架构最核心的一层。

很多人认为：GPT 就是 Agent。

实际上不是。

GPT 只是大脑。

真正控制整个执行流程的是 Runtime。

这一层，官方叫：Tool Loop。

为什么叫Loop?

因为模型不是调用一次。

而是一直循环。

例如：

用户：帮我分析这个网站。

模型开始思考：

我要不要调用工具？

如果不需要，直接回答，结束。

如果需要，进入 Tool Loop。

第一步：模型思考

应该搜索网站。

第二步：输出

Tool Call：

Browser.open()

第三步：Runtime 执行

第四步：浏览器返回

网页内容

第五步：再次发送给模型，模型继续思考

还需要读取第二页。

于是，再次 Tool Call –> Runtime 再执行 –> 再返回 –> 模型继续 –> 一直循环 –> 直到模型返回分析完成 –> Runtime才结束。

所以，Runtime 真正负责的是：控制整个循环。

这也是为什么它叫：Tool Loop。（注意：跟当前比较火的Loop Engineering不是一回事 ，后面会单独讲Loop Engineering）

第五层：Tool / Skill / Plugin（能力层）

很多产品经理，最容易把 Tool、Skill、Plugin 三个概念混淆。

其实它们完全不是一回事。

Tool（工具）

Tool 是：AI 能干什么。

例如：

搜索网页

打开浏览器

执行Python

读取文件

发送消息

Tool 相当于员工的双手。

没有 Tool，AI 只能聊天，其他什么都干不了。

Skill（技能）

Skill 是：AI 应该怎么干。

举个例子：

Skill：竞品分析Skill

里面会写：

第一步：

搜索竞品。

第二步：

整理卖点。

第三步：

分析价格。

第四步：

输出SWOT。

Skill是SOP，它决定工作方法和流程。

Plugin（插件）

Plugin 是：给agent增加的能力扩展包。

例如：

安装一个：ERP Plugin

系统马上多出来：

查询订单

取消订单

修改库存

Plugin 不一定直接给模型看。

它更像，给系统安装了一个新的器官。

所以三者关系是：Plugin 是能力包（包含Tool和Skill），Tool 是能力本身，Skill是Sop包含在什么场景下使用Tool。

第六层：State / Memory / Cron（记忆/任务层）

很多人觉得Agent 回答完，流程就结束了。

其实，还有后续流程，只是我们感知不到。

Memory（记忆）

Memory 保存：

历史聊天

工具结果

长期记忆

用户偏好

所以AI 可以才继续昨天的话题。

Workspace（工作区）

Agent 不是聊天工具而是工作助手。

所以必须有：

文件

图片

代码

文档

日志

这些都放在 Workspace里，以后AI 每次运行，都能看到。

Automation（自动化）

这是 OpenClaw 最强大的能力之一。

例如：

每天九点：

统计订单。

或者：

每天上午9:00推送AI&科技资讯。

这些都属于：Automation。

不需要用户再次提醒，而是时间到了自己执行。

甚至还可以：

创建子Agent

后台运行

异步执行

完成通知

这就是图中的：

Cron

Task

Sub-agent

最后，总结整个架构

如果把OpenClaw用一句话概括，它并不是一个聊天机器人，而是一套AI Agent 操作系统。

从产品架构来看，六层架构各自承担着明确的职责，并且层层解耦：

层级	核心职责	可以理解成
Channel	接收来自不同渠道的消息	AI 的各种入口
Gateway/Session	识别用户、管理任务上下文、统一消息格式	前台 + 档案管理员
Prompt Builder	动态构建本轮运行所需的 Prompt	AI 的秘书
LLM + Tool Loop（Runtime）	驱动模型思考、工具调用和循环执行	项目经理 + 大脑调度中心
Tool/Skill/Plugin	提供能力、工作方法和扩展机制	员工、SOP 和扩展部门
State/Memory/ Automation	保存状态、长期记忆并支持自动执行	档案室 + 工作区 + 自动化中心

对于AI产品经理来说，这张架构图真正想表达的不是OpenClaw有多少模块，而是一种agent产品设计思想：把 AI 从“一次性的聊天工具”，升级为“可以持续完成任务的数字员工”。

这也是未来企业级AI产品的发展方向。真正优秀的AI产品，不只是拥有一个更强的大模型，而是围绕大模型构建完整的上下文管理（Context）、能力管理（Capability）、执行管理（Execution）和状态管理（State）。OpenClaw 的这套六层架构，本质上就是围绕这四个关键词构建的一套完整 Agent Runtime，也是AI产品经理学习Agent架构非常值得参考的设计范式。