Clawdbot(OpenClaw)是一种基于TypeScript的智能个人助理，文章详细解析了其架构组件：频道适配器、网关服务器、Agent执行器等，特别介绍了其创新记忆系统(会话转录和记忆文件)和安全性机制。该系统能在本地执行工具操作，使用语义快照技术进行浏览器交互，而非传统截图。这种设计使其成为理解大模型Agent架构的优秀案例，为开发者提供了实用的技术参考。
Clawdbot（也称为Moltbot，最近又改名为OpenClaw）在Agent执行、工具使用、浏览器等方面的架构值得关注。深入了解Clawdbot的底层原理，有助于更好地理解其系统及能力，尤其是它擅长的地方，以及能力边界。
本文从技术层面介绍Clawdbot的工作原理，探讨它如何处理记忆和执行任务。
1Clawdbot的技术背景
Clawdbot是一种智能个人助理，既可以在本地运行，也可以通过模型API进行访问，使用方式类似手机上的应用程序。其核心技术是基于TypeScript的CLI应用程序，而不是Python、Next.js或者Web应用程序。它的工作方式包括：
- 在本地设备上运行，并提供网关服务器来处理所有的频道连接（如Telegram、WhatsApp、Slack等）。
- 调用LLM API（如Anthropic、OpenAI、本地等）。
- 在本地执行工具，并且可以在计算机上执行各种操作。
2架构
以下是Clawdbot处理信息的基本流程：
1. 频道适配器（Channel Adapter）
频道适配器接收消息并处理（标准化、提取附件等）。每种消息平台都有自己的适配器。
2. 网关服务器（Gateway Server）
网关服务器是任务/会话的协调者，它将消息传递到正确的会话。它是Clawdbot的核心，能够处理多个重叠的请求。为了序列化操作，Clawdbot使用基于车道（Lane）的命令队列。每个会话有自己的专用车道，低风险可并行执行的任务可以在不同的车道上并行执行（如定时任务）。
这种设计避免了常见的async/await混乱，过度并行化会破坏系统的可靠性，带来调试的噩梦。默认采用串行执行，只有明确要求时才会进行并行处理。
3. Agent执行器（Agent Runner）
Agent执行器负责选择使用哪个模型，挑选API密钥（如果没有密钥，它会标记配置并尝试下一个密钥）。如果主模型失败，它会回退到其他模型。Agent执行器动态组装系统提示，结合可用的工具、技能、记忆，并加入会话历史（从.jsonl文件中读取）。
接下来，Agent执行器将提示传递给上下文窗口守卫，确保上下文空间足够。如果上下文接近满负荷，它会压缩会话内容（总结上下文），或者在无法继续时优雅地退出。
4. LLM API调用（LLM API Call）
这个过程会流式传输响应，并在不同的提供商之间进行抽象。如果模型支持，Agent还可以请求扩展思考。
5. Agent循环（Agentic Loop）
如果LLM返回了工具调用响应，Clawdbot会在本地执行该工具，并将结果添加到会话中。这一过程会持续进行，直到LLM返回最终文本或者达到最大回合数（默认为20回合）。
6. 响应路径（Response Path）
这一部分比较标准，响应通过频道返回给用户。会话还会通过基本的JSONL格式进行持久化，每行一个JSON对象，包含用户消息、工具调用、结果、响应等。这是Clawdbot如何记住信息（基于会话的记忆）。
3Clawdbot的记忆系统
没有适当的记忆系统，AI助手的效果就像金鱼一样。Clawdbot通过以下两种系统处理记忆：
- 会话转录（Session Transcripts）以JSONL格式保存。
- 记忆文件（Memory Files）存储在
MEMORY[.]md或memory/文件夹下。
在搜索时，它使用向量搜索和关键词匹配的混合方式，结合了两者的优点。因此，搜索“认证错误”不仅能找到包含“auth issues”的文档（语义匹配），还能够找到包含准确短语的文档（关键词匹配）。
向量搜索使用SQLite，而关键词搜索则使用FTS5（SQLite扩展）。嵌入提供者是可配置的。它还支持智能同步，当文件变动时触发。
这些记忆文件是通过Agent自己使用标准的“写入”工具生成的，而没有特别的记忆写入API。Agent直接写入memory/*.md文件。
每当新的对话开始时，Clawdbot会读取之前的对话，并将总结写入Markdown格式。这种简洁的记忆系统类似于工作流记忆。没有复杂的记忆合并或定期压缩。
这种简化有其优点，但也有一定的局限性。从可解释性角度看，简化设计比复杂的代码更加易于理解，也减少了潜在的错误。
4Clawdbot如何利用计算机
Clawdbot的一大优势是能够在计算机上执行各种操作。其工作原理如下：
Clawdbot通过exec工具运行shell命令：
- 默认情况下，命令会在Docker容器中运行。
- 它也可以直接在主机上运行命令。
- 还支持在远程设备上运行命令。
除了执行命令外，Clawdbot还提供了文件系统工具（读取、写入、编辑）、浏览器工具（基于Playwright，支持语义快照），以及进程管理工具（管理后台长期命令、终止进程等）。
5安全性（或缺乏安全性）
Clawdbot提供了允许列表（Allowlist）机制，允许用户批准某些命令（可以选择一次性批准、始终批准或拒绝提示）。
对于安全命令（如jq、grep、cut等）是预先批准的，而危险的shell命令则默认被阻止。
例如，以下命令会被拒绝执行：
npm install $(cat /etc/passwd)cat file > /etc/hostsrm -rf / || echo "failed"(sudo rm -rf /)
这种安全性设计与Claude Code类似，允许用户根据需求授予适当的权限，同时尽量保持系统的自主性。
6浏览器：语义快照
Clawdbot的浏览器工具不依赖于传统的截图，而是使用语义快照，这是一种基于文本的表示页面可访问性树（ARIA）的方式。
因此，Agent能够读取到页面的语义结构：
- 按钮“Sign In” [ref=1]
- 文本框“Email” [ref=2]
- 文本框“Password” [ref=3]
- 链接“Forgot password?” [ref=4]
- 标题“Welcome back”
- 列表
- 列表项“Dashboard”
- 列表项“Settings”
这种方式带来了几个显著优势。
首先，浏览网站不仅仅是视觉上的任务；
其次，传统截图可能大于5MB，而语义快照的大小不到50KB；
最后，显著降低了token的使用成本。
如何学习AI大模型？
如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
100套AI大模型商业化落地方案
大模型全套视频教程
200本大模型PDF书籍
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
LLM面试题合集
大模型产品经理资源合集
大模型项目实战合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
