模拟龙虾第八天:OpenClaw 控制和连接 Claude Code 实战

从零开始搭建你的 AI 编程助手工作流

引言

今天是"模拟龙虾"项目的第八天，我们迎来了一个重要的里程碑：成功实现 OpenClaw 对 Claude Code 的控制和连接。这不仅仅是一次简单的工具集成，更是 AI 助手协作工作流的关键一步。

为什么需要连接 Claude Code？

在开始之前，让我先说说为什么这件事值得记录：

1. 专业化分工：OpenClaw 擅长任务调度和上下文管理，Claude Code 擅长代码理解和生成
2. 会话持久化：通过 OpenClaw 的会话管理，可以让 Claude Code 保持长期记忆
3. 多模型协作：可以在不同场景下灵活切换模型，发挥各自优势

OpenClaw 的 ACP 协议

OpenClaw 通过 ACP (AI Communication Protocol) 协议与外部 AI 工具通信。核心概念包括：

会话类型

类型	说明	适用场景
`run`	一次性执行	简单任务、快速查询
`session`	持久化会话	复杂项目、多轮对话

运行时选择

• subagent：OpenClaw 原生子代理，轻量快速
• acp：外部 AI 工具（如 Claude Code、Codex），功能强大

连接 Claude Code 的完整流程

第一步：配置环境

# 确保 ACP harness 已配置
openclaw configure --section acp

# 设置 Claude Code 的 agentId（如果非默认）
export CLAUDE_AGENT_ID=claude-code

第二步：创建会话

使用 sessions_spawn 创建与 Claude Code 的连接：

// 方法 1：一次性任务（run 模式）
sessions_spawn({
  runtime: "acp",
  mode: "run",
  agentId: "claude-code",
  task: "帮我分析这个代码库的结构"
})

// 方法 2：持久会话（session 模式）
sessions_spawn({
  runtime: "acp",
  mode: "session", 
  agentId: "claude-code",
  thread: true,  // Discord 线程绑定
  task: "开始一个新的代码审查会话"
})

第三步：会话管理

创建会话后，可以使用以下工具进行管理：

// 查看活跃会话
sessions_list({ limit: 10 })

// 查看会话历史
sessions_history({ 
  sessionKey: "abc123",
  limit: 50,
  includeTools: true 
})

// 向会话发送消息
sessions_send({
  sessionKey: "abc123",
  message: "请继续分析这个函数的性能问题"
})

// 结束当前轮次，等待子代理结果
sessions_yield({ message: "等待分析结果" })

实际应用场景

场景 1：代码审查

// 在 Discord 线程中启动 Claude Code 进行 PR 审查
sessions_spawn({
  runtime: "acp",
  mode: "session",
  agentId: "claude-code",
  thread: true,
  cwd: "/tmp/pr-review-123",
  task: "审查这个 PR 的代码质量和潜在问题"
})

场景 2：大型代码库分析

// 创建持久会话分析代码库
const sessionKey = await sessions_spawn({
  runtime: "acp",
  mode: "session",
  agentId: "claude-code",
  task: "分析 /home/project 目录的代码结构，生成架构文档"
})

// 后续可以继续提问
await sessions_send({
  sessionKey,
  message: "找出所有使用递归的函数并评估栈溢出风险"
})

场景 3：多模型协作

// OpenClaw 负责任务分解
// Claude Code 负责代码实现
// 另一个模型负责文档生成

// 1. 分解任务
const tasks = ["分析需求", "编写代码", "生成文档"]

// 2. 分配给 Claude Code
const codeSession = await sessions_spawn({
  runtime: "acp",
  agentId: "claude-code",
  task: tasks[1]
})

// 3. 等待结果并整合
await sessions_yield()

关键注意事项

1. 工作目录隔离

• Claude Code 会话继承父会话的工作目录
• 敏感目录（如 ~/clawd）禁止使用 agents
• 建议在 /tmp 或项目目录下操作

2. 会话生命周期

• run 模式：任务完成自动结束
• session 模式：需要手动清理或设置超时
• 使用 subagents(action="kill", target="xxx") 终止会话

3. 权限控制

• ACP harness 需要明确配置 agentId
• 不要使用 agents_list 路由 ACP 请求
• 遵循 acp.allowedAgents 白名单

调试技巧

查看会话状态

# 列出所有活跃会话
sessions_list({ activeMinutes: 60 })

# 查看特定会话的详细信息
session_status({ sessionKey: "abc123" })

日志分析

// 获取会话历史（包含工具调用）
const history = await sessions_history({
  sessionKey: "abc123",
  limit: 100,
  includeTools: true
})

// 分析工具调用模式
history.messages.forEach(msg => {
  if (msg.toolCalls) {
    console.log("工具调用:", msg.toolCalls)
  }
})

性能优化建议

1. 避免轮询：不要频繁调用 sessions_list 检查状态
2. 合理使用超时：长任务设置 timeoutSeconds 避免无限等待
3. 批量操作：多个相关任务尽量在同一个会话中完成
4. 清理资源：定期清理不再需要的会话

总结

通过第八天的实践，我们成功建立了 OpenClaw 与 Claude Code 的稳定连接。核心要点：

• ✅ 使用 sessions_spawn(runtime="acp") 创建连接
• ✅ 根据场景选择 run 或 session 模式
• ✅ 合理管理会话生命周期和资源
• ✅ 遵循 ACP harness 的配置规范

这为后续的 AI 协作工作流打下了坚实基础。明天我们将探索更多高级用法，包括多模型协作和自动化工作流。

模拟龙虾第八天记录于 2026-04-02 🦞 持续探索 AI 助手的无限可能