夜雨聆风OpenClaw 核心概念详解
在上一篇文章中，我们了解了 OpenClaw 的定位与愿景，也看到了它在 AI 自动化领域的独特价值。从这一篇开始，我们将深入 OpenClaw 的技术内核，掌握其核心概念——会话（Sessions）、技能（Skills）和记忆（Memory）。理解这三大支柱，是驾驭 OpenClaw 的全部潜力的关键。
1. 会话（Sessions）：AI 与世界的对话窗口
1.1 什么是会话？为什么重要？
会话（Session）是 OpenClaw 中最基础的概念之一。简单来说，会话是 AI 与用户、工具、环境进行交互的上下文容器。每一次你与 OpenClaw 的对话，都发生在一个会话之中。
为什么会话如此重要？因为在现实世界的交互中，上下文是一切理解的基础。想象一下：
你问助手"把它发给我"——这里的"它"指什么？只有了解了前文，助手才能明白。 你说"继续"——继续什么？只有记住之前做了什么，助手才能正确响应。 你让助手"等待 10 分钟后提醒我"——这需要会话保持活跃，跨越时间的间隔。
会话就是这些上下文的载体。它记录着：
对话历史（Messages） 已加载的技能（Skills） 可用的工具（Tools） 临时变量和状态 子会话的层级关系
1.2 主会话 vs 子会话（Sub-agent）
OpenClaw 的会话架构支持一种强大的能力：子会话（Sub-agent）。
主会话（Main Session）：这是你与 OpenClaw 直接交互的会话。它拥有完整的工具访问权限、完整的记忆访问权限，可以创建和管理子会话。
子会话（Sub-agent）：当主会话需要执行一个独立的子任务时，可以"派生"出一个子会话。这个子会话：
有独立的上下文，不受主会话后续对话的干扰 可以并行运行，提高效率 有工具白名单限制，增强安全性 完成后向主会话报告结果
这种架构带来几个关键优势：
- 隔离性
：复杂的子任务不会影响主会话的上下文 - 并行性
：可以同时派生多个子会话处理不同任务 - 安全性
：子会话可以限制可访问的工具，降低风险 - 模块化
：每个子会话专注于一个明确的目标
# 典型的工作流程主会话: "帮我分析这三个网页的内容并总结"├─ 子会话A: 分析网页1├─ 子会话B: 分析网页2└─ 子会话C: 分析网页3主会话: 汇总三个子会话的结果，生成最终报告
1.3 会话隔离与上下文管理
OpenClaw 的会话系统实现了严格的上下文隔离：
同一层级的会话：
子会话 A 看不到子会话 B 的内部对话 每个子会话只看到它被赋予的输入和工具
父子关系：
父会话可以创建、监控、终止子会话 子会话完成后，结果返回给父会话 子会话不能直接访问父会话的完整上下文（除非显式传递）
上下文传递：
// 创建子会话时可以传递上下文sessions_spawn({description: "分析数据",context: {dataFile: "/path/to/data.csv",analysisType: "summary"},tools: ["read", "exec"] // 限制可用工具})
1.4 ACP（Agent Coding Protocol）简介
ACP 是 OpenClaw 的一项重要协议，全称 Agent Coding Protocol（代理编程协议）。它定义了 AI 助手如何与人类进行协作编程的标准方式。
在 ACP 模式下：
AI 助手扮演编程伙伴的角色 通过特定的消息格式和工具调用进行代码协作 支持代码审查、调试建议、重构建议等
我们将在第六篇文章中深入探讨 ACP 的实战应用。
2. 技能（Skills）：扩展 AI 的能力边界
如果说会话是舞台，那么技能（Skills）就是演员的能力。没有技能，AI 只能进行基本的对话；有了技能，AI 可以操作文件、调用 API、控制设备、访问数据库…无所不能。
2.1 Skill 的概念与架构
什么是 Skill？
Skill 是 OpenClaw 的能力扩展单元。每个 Skill 封装了一组相关的工具和能力，以模块化的方式提供给 AI 使用。
一个 Skill 通常包含：
- SKILL.md
：技能的使用说明书，描述技能的功能、工具、使用场景 - 工具实现
：实际的工具代码（JavaScript、Python、Shell 脚本等） - 配置
：技能特有的配置项
Skill 的架构：
Skill├── SKILL.md # 技能说明文档├── package.json # 依赖定义（Node.js 技能）├── scripts/ # 工具脚本│ ├── tool1.js│ └── tool2.js└── references/ # 参考文档└── api-reference.md
2.2 如何发现与安装技能
OpenClaw 拥有丰富的技能生态系统。你可以通过以下方式发现技能：
1. ClawHub（官方技能市场）：
# 搜索技能clawhub search githubclawhub search weather# 安装技能clawhub install githubclawhub install weather
2. SkillHub（中文技能市场）：
# 优先使用 skillhub 进行中文技能发现skillhub searchskillhub install <skill-name>
3. 本地开发：
# 创建本地技能目录mkdir -p ~/.openclaw/workspace/skills/my-skill# 编写 SKILL.md 和工具代码
2.3 SKILL.md 规范解析
SKILL.md 是每个技能的核心文档，它告诉 AI 这个技能是什么、能做什么、怎么用。
一个标准的 SKILL.md 结构：
# Skill 名称## 功能概述简要描述这个技能的功能。## 可用工具### tool_name- **用途**：这个工具的作用- **参数**：- `param1` (string): 参数说明- `param2` (number): 参数说明- **返回值**：返回什么数据- **示例**：使用示例## 使用场景- 场景 1：什么时候用这个技能- 场景 2：另一个使用场景## 注意事项- 重要提示 1- 重要提示 2
为什么 SKILL.md 如此重要？
因为 AI 助手在开始工作前会阅读相关的 SKILL.md。一个写得好的 SKILL.md 能让 AI：
快速理解技能的功能 正确选择和使用工具 避免常见的使用错误
2.4 常用技能推荐
以下是一些 OpenClaw 用户常用的技能：
github | ||
web_search | ||
browser | ||
weather | ||
obsidian | ||
tmux | ||
feishu | ||
wecom | ||
schedule | ||
summarize |
3. 记忆（Memory）：让 AI 拥有"长期记忆"
如果说会话是短期的工作记忆，那么 Memory 系统就是 OpenClaw 的长期记忆。它让 AI 能够记住重要的信息，跨越会话的边界，真正做到"越用越懂你"。
3.1 短期记忆 vs 长期记忆
短期记忆（Short-term Memory）：
存储在当前会话的上下文中 会话结束后即丢失 用于当前任务的中间状态
长期记忆（Long-term Memory）：
存储在文件系统中 跨会话持久保存 用于重要的知识、偏好、历史记录
OpenClaw 的记忆系统设计哲学：显式优于隐式。重要信息需要显式地写入记忆文件，而不是依赖 AI 自动"记住"。
3.2 MEMORY.md 与每日记忆文件
OpenClaw 的记忆系统采用文件化的方式存储，主要有两种形式：
1. MEMORY.md（长期记忆）：
这是最重要的记忆文件，位于工作区根目录。它存储：
用户的基本信息（姓名、偏好等） 重要的决策和约定 项目的关键信息 任何需要长期记住的内容
# MEMORY.md## 用户信息- **姓名**：张三- **职业**：软件工程师- **偏好**：简洁的技术解释，喜欢示例代码## 项目上下文- 当前主要项目：OpenClaw 博客系列- 技术栈：Node.js, TypeScript- 重要决策：使用 SkillHub 作为主要技能源## 待跟进事项- [ ] 完成第二篇博客的记忆部分- [ ] 测试新的 browser 技能
2. 每日记忆文件（Daily Notes）：
位于 memory/YYYY-MM-DD.md，用于记录：
当天的工作日志 临时的想法和发现 需要稍后处理的事项
# 每日文件示例memory/├── 2025-03-28.md├── 2025-03-29.md├── 2025-03-30.md└── 2025-03-31.md
3.3 记忆搜索与检索机制
OpenClaw 提供了记忆检索的工具，帮助 AI 快速找到相关信息：
搜索记忆：
// AI 可以使用 search_memory 工具{"query": "用户喜欢的编程语言","limit": 5}
读取特定记忆文件：
// 读取 MEMORY.mdread_file({file_path: "MEMORY.md"})// 读取今天的记忆read_file({file_path: "memory/2025-03-31.md"})
记忆维护工作流程：
1. 每日结束时，AI 会回顾当天的对话2. 提取重要信息，更新 memory/YYYY-MM-DD.md3. 定期（每周/每月）回顾每日记忆4. 将有价值的信息提炼到 MEMORY.md5. 清理过时的记忆内容
3.4 最佳实践：如何设计记忆结构
设计一个高效、可维护的记忆结构，是充分发挥 OpenClaw 潜力的关键。以下是经过实践验证的最佳实践：
3.4.1 分层记忆架构
将记忆分为三个层次，每个层次有不同的更新频率和用途：
第一层：核心记忆（Core Memory）- MEMORY.md
- 更新频率
：低，仅当重要信息变化时 - 内容
：用户基本信息、长期偏好、重要决策 - 作用
：AI 加载时首先读取，建立基本认知
第二层：项目记忆（Project Memory）- AGENTS.md / TOOLS.md
- 更新频率
：中等，项目变更时更新 - 内容
：项目配置、工具设置、工作约定 - 作用
：为特定项目或场景提供上下文
第三层：日常记忆（Daily Notes）- memory/*.md
- 更新频率
：高，每日更新 - 内容
：工作日志、临时想法、待办事项 - 作用
：记录短期信息，定期归档到长期记忆
3.4.2 记忆文件的命名规范
工作区/├── MEMORY.md # 核心长期记忆├── AGENTS.md # 工作区约定├── TOOLS.md # 工具配置├── USER.md # 用户画像├── SOUL.md # AI 人格设定└── memory/├── 2025-03-31.md # 每日记忆├── 2025-03-30.md└── archive/ # 归档记忆└── 2025-03-q1.md # 季度汇总
3.4.3 记忆内容的设计原则
1. 原子性原则： 每个记忆片段应该是独立的、可理解的。
<!-- 好的记忆 -->## API 密钥- OpenAI: sk-xxx (2025-03-20 更新)- 用途：文本生成、代码辅助<!-- 不好的记忆 -->密钥在配置文件里，问我就行。
2. 结构化原则： 使用 Markdown 的结构化特性，便于 AI 解析。
## 项目配置| 配置项 | 值 | 说明 ||-------|-----|------|| 数据库 | PostgreSQL | 生产环境 || 缓存 | Redis | 可选 || 日志级别 | INFO | 调试时可改为 DEBUG |
3. 可追溯性原则： 重要决策记录决策原因和时间。
## 技术决策### 2025-03-15: 选择 pnpm 作为包管理器**原因**：1. 磁盘空间效率更高2. 严格的依赖管理3. 团队已有使用经验**决策人**：张三
4. 可搜索性原则： 在记忆内容中使用关键词，便于检索。
## 常用命令<!-- 关键词: 部署, deploy, 上线, production -->### 部署到生产环境```bashnpm run build && npm run deploy:prod
#### 3.4.4 记忆维护的自动化利用 OpenClaw 的能力，可以建立自动化的记忆维护流程：**每日自动总结**：```markdown# 在 SKILL.md 中定义## 日终任务每天会话结束时：1. 回顾当日对话历史2. 提取重要信息3. 更新 memory/YYYY-MM-DD.md4. 如有重要决策，提醒更新 MEMORY.md
定期记忆整理：
# 可以设置 cron 任务或心跳检查# 每周回顾一次记忆文件- 检查过期的临时信息- 归档旧的每日记忆- 更新 MEMORY.md
3.4.5 记忆安全与隐私
敏感信息处理：
<!-- 不要将敏感信息直接写入记忆 -->## API 配置- OpenAI API Key: 存储在环境变量 OPENAI_API_KEY- 获取方式：询问用户或使用密钥管理工具<!-- 不要这样写 -->## API 配置- OpenAI API Key: sk-abc123xyz789
记忆访问控制：
在共享环境中，谨慎设置记忆文件的权限 考虑使用加密存储敏感的记忆片段 定期审查记忆内容，删除不再需要的敏感信息
3.4.6 实战：设计一个开发者工作区的记忆结构
以下是一个软件开发工作区的完整记忆结构示例：
# MEMORY.md## 开发者档案- **姓名**：李明- **技术栈**：React, Node.js, Python- **编码风格**：偏好函数式编程，重视代码可读性- **常用工具**：VS Code, Docker, GitHub## 项目清单1. **OpenClaw Blog** - 技术博客系列- 技术栈：Markdown, Node.js- 状态：进行中- 位置：~/projects/openclaw-blog2. **E-commerce Platform** - 电商平台- 技术栈：Next.js, PostgreSQL- 状态：维护阶段- 重要：数据库密码在 1Password 中## 常用资源- **设计规范**：https://company.design.system- **API 文档**：https://api.company.com/docs- **内部 Wiki**：https://wiki.company.com
# AGENTS.md## 工作流程1. 所有代码变更先创建分支2. PR 需要至少一个 Code Review3. 合并前必须通过 CI 测试## 代码规范- 使用 ESLint + Prettier- 提交信息遵循 Conventional Commits- 测试覆盖率不低于 80%## 沟通约定- 重要决策在 Slack #dev 频道同步- 紧急问题直接电话沟通
# TOOLS.md## 本地开发环境- **Node 版本**：20.x (使用 nvm 管理)- **包管理器**：pnpm- **数据库**：PostgreSQL 15 (Docker 运行)```bashdocker-compose up -d postgres
常用命令
pnpm dev | |
pnpm test | |
pnpm build | |
pnpm lint |
SSH 快捷方式
home-server→ 192.168.1.100 prod-server→ 生产服务器（需要 VPN）
---## 4. 动手实践：构建你的第一个记忆系统理论讲完了，让我们动手实践一下。在这个环节，你将：1. 创建工作区的记忆文件结构2. 设置个性化的 MEMORY.md3. 测试记忆系统的运作### 4.1 准备工作首先，确保你有 OpenClaw 工作区的访问权限。你需要能够：- 在工作区根目录创建文件- 创建 `memory/` 目录### 4.2 创建记忆文件结构在你的工作区执行以下操作：**步骤 1：创建 memory 目录**```bashmkdir -p memory/archive
步骤 2：创建 MEMORY.md
创建文件 MEMORY.md，内容如下（根据你的实际情况修改）：
# MEMORY.md - 我的个人助手记忆## 基本信息- **姓名**：[你的名字]- **职业**：[你的职业]- **所在时区**：[如 Asia/Shanghai]## 偏好设置- **沟通风格**：偏好简洁/详细/幽默- **技术解释**：希望深入浅出/专业术语- **代码示例**：需要详细注释/简洁即可## 重要项目1. **[项目名称]**- 描述：[简要描述]- 状态：[进行中/已完成/暂停]- 优先级：[高/中/低]## 常用工具- **编辑器**：[VS Code / Vim / IntelliJ]- **终端**：[iTerm / Windows Terminal / 其他]- **笔记工具**：[Obsidian / Notion / 其他]## 学习目标- [ ] 掌握 OpenClaw 高级功能- [ ] 开发 3 个自定义 Skill- [ ] [你的自定义目标]
步骤 3：创建 AGENTS.md
# AGENTS.md - 工作区约定## 文件组织- 所有项目代码放在 `projects/` 目录- 笔记放在 `notes/` 目录- 临时文件放在 `tmp/` 目录（会被定期清理）## 命名规范- 文件使用小写和连字符：`my-file-name.md`- 日期格式：YYYY-MM-DD- 版本号：v1.0.0 格式## 工作流程1. 开始新任务前，先查阅 MEMORY.md2. 重要决策记录在当天的记忆文件中3. 每天结束时，回顾并更新记忆
步骤 4：创建今日的记忆文件
# 获取今天的日期date +%Y-%m-%d# 输出示例：2025-03-31
创建文件 memory/2025-03-31.md（替换为实际日期）：
# 2025-03-31 工作日志## 今日完成- [x] 完成 OpenClaw 核心概念的学习- [x] 创建了记忆文件结构## 今日发现- OpenClaw 的记忆系统设计非常灵活- 子会话的概念对任务分解很有帮助## 待办事项- [ ] 阅读下一篇博客：环境搭建- [ ] 尝试安装一个技能## 想法记录[记录任何临时的想法和灵感]
4.3 测试记忆系统
现在让我们测试记忆系统是否正常工作。你可以向 AI 提出以下问题：
测试基本信息记忆：
“根据我的 MEMORY.md，我叫什么名字？”
测试偏好记忆：
“我应该用什么风格与我沟通？”
测试项目记忆：
“我当前最重要的项目是什么？”
测试工作流记忆：
“根据我的工作约定，新任务应该如何开始？”
如果 AI 能够正确回答这些问题，说明你的记忆系统已经正常工作了！
4.4 进阶练习
完成基础设置后，尝试以下进阶练习：
练习 1：添加一个复杂的项目记忆
在你的 MEMORY.md 中添加一个真实项目的详细信息，包括：
项目背景 技术架构 当前挑战 下一步计划
练习 2：创建一个技能特定的记忆
为你常用的一个技能创建专门的记忆文件，例如 github-config.md：
# GitHub 工作流## 常用仓库- 个人博客：username/blog- 开源项目：username/project## PR 模板创建 PR 时必须包含：1. 改动描述2. 测试说明3. 影响范围## 标签约定- `bug`: Bug 修复- `feature`: 新功能- `docs`: 文档更新
练习 3：建立记忆维护习惯
与 AI 一起建立记忆维护的工作流程：
每天结束时，让 AI 帮你总结当日内容 每周回顾一次，将重要信息归档到 MEMORY.md 定期清理过时的临时信息
小结
在这篇文章中，我们深入探讨了 OpenClaw 的三大核心概念：
会话（Sessions） 是 AI 与世界的对话窗口。主会话承载主要交互，子会话实现任务隔离和并行处理。理解会话的生命周期和上下文管理，是高效使用 OpenClaw 的基础。
技能（Skills） 扩展了 AI 的能力边界。通过模块化的 Skill，你可以让 AI 操作文件、调用 API、访问数据库。SKILL.md 规范确保了技能的可发现性和可用性。ClawHub 和 SkillHub 提供了丰富的技能生态。
记忆（Memory） 让 AI 拥有长期记忆能力。通过 MEMORY.md 和每日记忆文件的配合，你可以构建一个分层、结构化的记忆系统。遵循最佳实践设计记忆结构，能让 AI 越用越懂你。
这三大概念相互配合，构成了 OpenClaw 的核心架构。掌握它们，你就掌握了驾驭 OpenClaw 的钥匙。
下篇预告
在下一篇文章中，我们将进入实战环节，带你从零搭建 OpenClaw 环境。你将学习到：
多种安装方式：Docker、npm、源码安装 配置文件详解：profiles.yaml 的每个字段 多平台集成：如何连接 Discord、Telegram、Slack Gateway 服务管理：启动、停止、监控 模型配置：接入 OpenAI、Claude、本地模型
不要错过！准备好你的开发环境，我们下一篇见。
思考题
会话设计：在你的工作场景中，哪些任务适合使用子会话？试着列出 3 个具体场景。
技能选择：如果你要开发一个个人助手 Skill，你希望它具备什么功能？试着写出它的 SKILL.md 大纲。
记忆结构：回顾你目前的工作方式，哪些信息应该放入 MEMORY.md？哪些适合放入每日记忆？
隐私考量：在设计记忆系统时，如何平衡便利性和隐私安全？你会如何处理敏感信息？
进阶思考：想象一下，如果你的 AI 助手记住了你过去所有的对话和决策，你希望它如何帮助你做出更好的决策？
欢迎在评论区分享你的想法和实践经验。如果你在实践过程中遇到问题，也可以在社区中寻求帮助。下一篇，我们将一起动手搭建 OpenClaw 环境！
