夜雨聆风
作者花了 4 小时构建了一个每天赚 300 美元的机器人，token 开销却降低了 3 倍——仅仅因为他搞懂了 OpenClaw 内部的真正运作机制。
大多数人都在盲目使用 OpenClaw。他们安装技能、编写提示词、调整设置，却完全不知道底层发生了什么。一个黑盒。尽管它其实完全透明。
你知道 OpenClaw 有两种记忆类型吗——引导记忆（bootstrap）和语义搜索？如果不知道，你的 Agent 只发挥了一半的能力。
你知道可以通过纯文本编辑器控制 Agent，并获得比 95% 的人更好的结果吗？
你知道如果“开箱即用”地运行 Agent，你的 token 花费（= 金钱）会比必要的多 3 倍吗？
现在就收藏这篇文章，别弄丢了！
OpenClaw 由六个部分构成
每个部分独立运作，但组合在一起形成一个完整的 Agent 系统。
Gateway（网关） - 系统核心。所有东西都经过它。它维护与 Telegram、WhatsApp、Discord、Slack 的持久连接。当消息到达时，Gateway 决定哪个 Agent 处理它，调取历史记录，组装上下文并发送给 LLM。响应以同样的方式返回。此外，它还启动 WebSocket API，让你可以接入自己的界面或外部集成。
Agent（智能体） - 大脑。从 Gateway 接收组装好的上下文：聊天历史、记忆文件、可用工具。思考，决定调用哪个工具，构建响应。如果需要，启动链式调用：调用工具，获得结果，再思考，再调用另一个工具。持续进行直到最终答案准备好。
Tools（工具） - Agent 的双手。exec 在服务器上运行 shell 命令。browser 打开页面、点击、截图。file 读写文件。message 向频道发送消息。memory 搜索长期笔记。每个工具都是一个独立的能力，你可以开启或关闭。
Workspace（工作空间） - 长期记忆。一个包含文件的文件夹，记录 Agent 在会话之间需要知道的一切。它是谁，使用什么语气，你喜欢什么，你们一起做过什么决定，昨天发生了什么。没有 workspace，Agent 每次醒来都是一张白纸。
Sessions（会话） - 单次对话的记忆。特定对话的完整历史：你写了什么，它回复了什么，调用了哪些工具。每个会话独立存在，不会互相干扰（除非你搞乱了设置——稍后会详细说明）。
Nodes（节点） - 物理设备。你的 Mac、手机、远程服务器。它们连接到 Gateway 并扩展 Agent 的能力：拍照、截屏、获取地理位置。服务器上的 Gateway 是大脑。Mac 上的 Node 是眼睛和双手。
所有这些都是文本文件。不是数据库，不是二进制文件。纯粹的 .md 和 .json 文件，你可以在编辑器中打开并手动修改。每个部分的具体位置——我会在下面的各个章节中展示。
Workspace - 没人配置的超能力
Workspace 是一个包含文件的文件夹。听起来很无聊。但这正是将愚蠢的机器人与真正可用的 Agent 区分开来的关键。
没有 workspace，Agent 每次醒来都是一片空白。不记得你是谁。不记得上周讨论了什么。不记得你们一起做的决定。
每次对话都从零开始。每次你都在浪费 token 重新解释上下文。
Workspace 是一组 .md 文件，每个都有自己的角色：
AGENTS.md - 操作手册。这里写明 Agent 应该如何思考。何时使用哪个工具，遵循什么安全规则，按什么顺序做事。它的行动指南。
SOUL.md - 个性。语气、边界、优先级。想让 Agent 简洁且不主动提供建议——写在这里。想要一个友好的助手——也写在这里。
USER.md - 你的档案。如何称呼你，你做什么，你的偏好。Agent 在每次响应前都会读取这个文件。
MEMORY.md - 长期记忆。不能丢失的事实。“我们只在 DEX 交易，不用 CEX。”“主要 RPC 是 Alchemy，Infura 作为备份。”“在 Polymarket 上基于 15 分钟市场构建了套利机器人。” Agent 会自己写入这里，或者当你告诉它时写入。
YYYY-MM-DD.md - 每日日志。今天发生了什么，正在进行什么任务，讨论了什么。明天 Agent 打开昨天的日志，继续上下文。
IDENTITY.md - 名字和氛围。“我叫 Clawdia，是你的自动化助手。”一个简短的文件，但它为一切定下基调。
HEARTBEAT.md - 定期检查的清单。“检查邮件”，“看看监控是否运行”。更多内容在自动化部分。
TOOLS.md - 关于本地工具的提示。脚本在哪里，哪些命令可用，快捷方式。这样 Agent 就不用猜测了。
关于两级记忆——以及为什么大多数人只用了一级
每次运行时，Gateway 会取出 AGENTS.md、SOUL.md、USER.md、IDENTITY.md、今天的每日日志，并在 LLM 看到你的消息之前将它们注入上下文。这是引导记忆（bootstrap）——第一级记忆。Agent 每次都“记得”这些文件的内容。
第二级是语义搜索。如果启用了 memory 插件，Agent 可以通过向量索引搜索 MEMORY.md 和其他笔记。你问“我们在哪个 DEX 交易？”——它会找到正确的片段，即使你两个月前写的。不是通过关键词，而是通过含义。你写了“我们只在 DEX 交易”——当你问“我们在哪里开仓”时，Agent 会找到它。
区别在于：引导记忆是 Agent 每次都会看到的，没有例外。但文件会消耗 token。你往 AGENTS.md 和 USER.md 里塞得越多，每次请求就越贵。语义搜索则相反——不会持续消耗上下文，只在需要时拉取相关内容。但它不保证一定能找到正确的事实。
策略很直接。把关键内容放在引导记忆中——Agent 在每条消息中都需要记住的东西。语气、规则、你是谁。其他所有东西都放进 MEMORY.md 和每日日志：决定、事实、任务上下文。语义搜索会在需要时拉取它们。
如果只配置了引导记忆——Agent 只发挥一半的能力。如果两者都没配置——你每天只是在烧钱。
举个例子。你告诉 Agent：“记住我只在 DEX 交易，我在 Curve 上观察池子。”它把这个写进 MEMORY.md。一周后你问：“我们通常在哪里查看流动性？” Agent 搜索它的记忆并回答，不需要额外的问题。你没有浪费 token 重新解释。它就是知道。
Gateway - 消息如何变成响应
Gateway 是所有东西都要经过的地方。每条消息、每个响应、每次工具调用。如果 Agent 是大脑，Gateway 就是循环系统。它停了——一切都死了。
它是一个长期运行的守护进程。你启动一次——它就坐在那里工作。维护与频道的持久连接，等待消息，处理它们，返回响应。不需要重启，不需要手动干预。
当你在 Telegram 上给机器人发消息时会发生什么：
步骤 1. Gateway 维护与 Telegram API 的持久连接。一个事件进来——你发来的新消息。
步骤 2. Gateway 检查配置：哪个 Agent 应该处理这条消息？绑定在那里定义——频道 -> Agent 的映射。它还确定 SessionId：这是旧对话的延续还是新会话。
步骤 3. Gateway 组装上下文。从 .jsonl 文件读取会话历史。从 workspace 拉取引导文件：AGENTS.md、SOUL.md、USER.md 等等。添加可用技能。把所有东西打包在一起发送给 LLM。
步骤 4. LLM 返回文本或工具调用。如果是工具调用——Gateway 执行它：运行命令、打开浏览器、写文件，并将结果反馈回上下文。LLM 查看结果，进一步思考。可能调用另一个工具。再一个。循环持续旋转，直到最终答案出现。
步骤 5. 响应流式返回到 Telegram。你实时看到“正在输入……”。与此同时，整个交换——你的消息、Agent 的响应、所有工具调用——都被写入 .jsonl。sessions.json 得到更新。
Gateway 在端口 18789 上启动 WebSocket API。通过它你可以接入自己的 UI——网页界面、移动应用。或者通过 HTTP 与外部系统集成。甚至有一个 OpenAI 兼容的端点——你可以接入任何支持 OpenAI API 的工具。
默认情况下，Gateway 只监听 localhost。意味着——没人能从另一台机器访问它。对于远程访问，有两个可靠的选项：通过 Tailscale 的 VPN（你将 Gateway 桥接到私有网络）或 SSH 隧道（ssh -L 18789:127.0.0.1:18789 user @server）。将 18789 暴露到开放互联网是个坏主意。那是对所有数据、会话和 Agent 的完全访问。
Tools + Cron — 无需你参与就能工作的 Agent
工具是 Agent 与外部世界交互的方式。没有它们，它只能说话。有了它们——它能行动。
exec - 最强大的工具。运行 shell 命令。通过它，Agent 几乎可以做任何事：运行脚本、安装包、处理文件、部署代码。但也是最危险的。
三种 exec 模式——从安全到危险：
• sandbox - Agent 在 Docker 容器内工作。一个独立的沙箱，与你的服务器没有连接。如果出问题——没关系，你的主系统不受影响。 • gateway - Agent 直接在你的服务器上工作，但有限制。你决定它可以使用哪些命令。把 git 和 python 放在白名单中——它就使用这些。其他所有东西都被阻止。 • full - 没有限制。Agent 在你的服务器上做任何它想做的事。适合实验，但在有钱的生产服务器上——这就像把门敞开一样。
browser - 控制浏览器。Agent 可以打开页面、点击元素、输入文本、截图、保存 PDF。两种配置文件可选：openclaw（完全隔离、托管）和 chrome（通过扩展控制你的常规 Chrome，需要打开的标签页）。
file - 读写文件。message - 向频道发送消息。memory - 搜索长期笔记。
现在是改变一切的部分——cron 和 heartbeat。这就是将 Agent 从聊天机器人变成工作者的东西。
Cron 是 Gateway 端的任务调度器。你设置一次时间表就忘了它：
openclaw cron add --schedule "0 9 * * *" --agent personal --prompt "检查新邮件，发送摘要到 Telegram" --announce每天早上 9:00，Agent 醒来，做你要求的事，并将结果发送到频道。你不用动一根手指。
--announce 标志意味着结果会被发送到频道。如果你需要静默执行——使用 --no-deliver，Agent 在内部完成所有事情。
Heartbeat 类似但更短。基于 HEARTBEAT.md 中的清单进行定期检查。Gateway 要求 Agent 检查项目：监控是否运行，是否还有磁盘空间，日志中是否有错误。如果有问题——Agent 给你发消息。
一个将所有东西联系在一起的例子。你想让 Agent 每天早上检查 Gmail 并发送摘要到 Telegram。
你启用 browser 工具，设置 9:00 的 cron，在 AGENTS.md 中写一条指令：“打开 gmail.com，对邮件列表使用 snapshot()，按相关发件人过滤，编写摘要并通过 message 工具发送。“每天早上，Agent 打开带有保存会话的浏览器，读取收件箱，过滤，发送给你：”今天来自客户的 3 封邮件：X 想要更新，Y 询问付款，Z 确认了会议。“
你还没喝完咖啡——它已经把一切都整理好了。
Multi-agent - 一个 Gateway，一支 Agent 军队
到目前为止，我们一直在谈论单个 Agent。但 Gateway 可以服务任意数量的 Agent。
想象一下：你有一个工作 Agent 处理项目任务。还有一个个人 Agent 处理日常事务、笔记、提醒。两者都在同一个 Gateway 上运行，但各自在自己的世界里。
工作原理。每个 Agent 是 ~/.openclaw/agents/ 中的一个独立文件夹。它自己的 workspace、自己的会话、自己的记忆文件。工作 Agent 知道你的技术栈、你的项目、你的团队。个人 Agent 知道你的习惯、日程、偏好。它们不会交叉。
频道映射通过 config.json 中的绑定完成。你写到一个 Telegram 聊天——它去工作 Agent。写到另一个——去个人 Agent。同一个 Gateway，按规则路由。
Agent 之间的隔离通过 dmScope 处理。将其设置为“per-agent”，每个 Agent 只看到自己的对话。工作 Agent 不知道你问了个人 Agent 什么。个人 Agent 不知道你的工作任务。干净的分离。
你可以更进一步。一个监控 Agent 通过 heartbeat 检查你的服务器，如果有问题就给你发消息。一个研究 Agent 使用 browser 工具解析来源并将摘要保存到它自己的 MEMORY.md。一个交易 Agent 观察池子，当它发现机会时 ping 你。
每个都有自己的 workspace，带有自己的指令、自己的记忆、自己的技能集。但它们都坐在同一个 Gateway 上，使用相同的频道，并从单个 config.json 管理。
主要规则：如果多个人可以访问一个 Agent，你必须设置 dmScope: "per-channel-peer"。没有它，来自不同用户的会话会合并成一个。Agent 可能用一个人的信息回复另一个人。这不是 bug——这是你需要手动更改的默认行为。
5 个会破坏你的 Agent 的错误
你已经了解了整个架构。现在是一个清单——立即检查你的。
错误 1：多用户时 dmScope 设置为“main”
OpenClaw 的默认行为——一个频道中的所有直接消息都被倾倒到单个会话中。如果两个不同的人在 Telegram 上给你发消息，Agent 会将两个对话视为一个。它可能用另一个人对话的上下文回复一个人。不是 bug——是一个没人费心改变的功能。修复：在配置中设置 dmScope: "per-channel-peer"。每个用户获得隔离的会话。
错误 2：exec 工具设置为 full 模式
你给了 LLM 对服务器的完全 shell 访问权限。没有白名单，没有限制。Agent 可以删除文件、安装任何东西、读取任何数据。在 localhost 上实验——可以。在生产服务器上——灾难。修复：切换到 sandbox 或带有适当 exec-approvals.json 的 gateway。
错误 3：没有 workspace 或它是空的
没有 workspace 的 Agent 是没有上下文的 LLM。每次对话都从白纸开始。你解释你是谁、你做什么、如何沟通——每一次。每次你都在同样的事情上花费 token。修复：至少设置 AGENTS.md + SOUL.md + USER.md。这是 15 分钟的工作，从第一次对话就能回本。
错误 4：没有压缩策略
长对话会增长到数千个 token。OpenClaw 可以将旧消息压缩成摘要，但如果 Agent 在压缩前没有将重要内容写入 MEMORY.md——它就丢失了。Agent 忘记了你三天前做的决定。修复：在压缩前启用 memory flush——Agent 自动将重要事实转储到长期记忆中。
错误 5：端口 18789 暴露到互联网
Gateway API 默认监听 localhost。但如果你为了远程访问转发了端口并忘记锁定它——那就是对所有 Agent、会话、数据的完全访问。任何找到该端口的人都可以读取对话、发送命令、修改 workspace。修复：Tailscale 或 SSH 隧道。永远不要直接暴露 18789。
OpenClaw 不是黑盒
每个组件都是你可以打开和编辑的文本文件。每个会话都是你可以读取和解析的 JSONL。每个配置都是你控制的 JSON。
现在你知道这个系统的每个器官是如何工作的。设置你的 workspace，使用两级记忆，关闭清单中的漏洞——你的 Agent 将在不同的层次上运作。
这篇文章有用吗？收藏它并点个赞——我会很感激。
部署了 OpenClaw「大龙虾」，不知道让它干嘛？推荐一堆真实用法直接抄作业
强壮OpenClaw的Agent Skills资源合集与源码仓库全攻略
3分钟免费获取国产大模型GLM-5和Kimi-k2.5 API使用教程
