OpenClaw 运行流程详解

OpenClaw（开源个人AI助手框架，GitHub 项目：openclaw/openclaw）是一个本地优先、多平台接入的AI智能体系统。它不像普通聊天机器人，而是更像一个“AI操作系统网关”，能24/7运行、跨应用执行任务、拥有长期记忆、调用大量工具（Skills）。

它的核心运行流程可以拆成以下几个关键阶段（从用户发消息到AI完成任务的完整闭环）：

1. 消息进入（Ingress / Channel → Gateway）

• 你在任意支持的平台发消息，例如：
• Telegram / WhatsApp / Discord / 飞书 / 企业微信 / Slack / Signal / iMessage 等
• 网页聊天界面（http://127.0.0.1:18789）
• macOS 菜单栏应用
• CLI 命令行
• 对应的 Channel Bridge（接入插件）把消息转换成标准格式，通过 WebSocket 推送到 Gateway（默认端口 18789）。
• Gateway 收到后做的第一件事：
• 身份验证（看你有没有权限）
• 路由判断（这个消息属于哪个 Workspace / Agent）

2. 加载上下文与记忆（Memory & Session）

Gateway 从本地存储（通常是 SQLite / LevelDB / 文件系统）拉取：

• 这个用户的 长期记忆（Long-term Memory）
• 会话历史（Session）
• 当前 Workspace 的配置（绑定的模型、Skills、工具权限等）
• 用户画像 / 偏好（语气、默认模型、禁止的危险操作等）

→ 拼成一份完整的 Prompt 上下文。

3. 智能体决策（Agent Runtime / LLM Loop）

核心循环在这里发生（ReAct / Plan-and-Execute / Agentic 风格）：

1. 理解意图
   ：把完整上下文 + 新消息发给 LLM（Claude / GPT / Gemini / DeepSeek / 通义 / 本地模型等）。
2. 输出解析
   ：LLM 通常返回结构化输出（JSON / XML），常见字段：
• thought（思考）
• action（要执行的工具/技能）
• final_answer（可以直接回复了）
3. 工具调用（Skills / Tools 执行）
   ：
• Browser
   → 浏览器自动化（Playwright）
• Shell
   → 执行系统命令
• File
   → 读写本地文件
• Schedule
   → 定时任务
• Code
   → 写/改代码
• Search
   → 联网搜索
• 自定义 Skills（8000+ 社区技能）
• 如果需要调用工具，就交给 Nodes（本地执行层）去跑
• 常见节点类型：
4. 观察结果
    → 把工具执行结果再塞回上下文
5. 循环
   ：回到步骤1，直到 LLM 输出 final_answer 或达到最大轮次

4. 回复分发（Gateway → Channel）

• Gateway 拿到最终回答
• 根据消息来源，推回对应的 Channel
• Telegram → Telegram Bot 回复
• 网页 → WebSocket 实时推送
• Discord → Discord Webhook / Bot
• 同时把本次对话存入记忆（更新长期记忆、向量数据库等）

典型完整流程示意图（文字版）

text

用户(Telegram) → Telegram Channel → WebSocket → Gateway                                 ↓                      加载 Memory + Session + Workspace                                 ↓                      发给 LLM（Claude-3.5 / GPT-4o 等）                                 ↓               LLM 返回 {thought, action: "browser_goto", args}                                 ↓                      Nodes 执行 → Playwright 打开网页                                 ↓                      拿到页面内容/截图 → 塞回上下文                                 ↓      （可循环多次）                      LLM 最终输出自然语言答案                                 ↓                      Gateway → Telegram Channel → 你收到回复

关键特性总结（影响运行流程的几个点）

一句话总结运行流程：

“你随便在一个聊天软件里发消息 → OpenClaw Gateway 接到后带着你的全部记忆去问大模型 → 大模型决定用哪些工具 → 本地安全执行 → 把结果再问大模型 → 最终回复回到你原来的聊天软件”，全程数据基本不离本地，隐私优先。

如果你现在是在部署/调试阶段，建议先跑 openclaw onboard 向导，它会帮你把模型、渠道、基本Skills配通，然后再观察日志看完整流程。