大模型---OpenClaw

目录

1.OpenClaw的定义

2.OpenClaw的基本架构

3.tools，skills，plugins

4.OpenClaw的缺陷

（1）长上下文管理

（2）安全边界

5.OpenClaw与Claude Code的区别

想快速了解OpenClaw，可以先看看这个视频：
一个视频搞懂OpenClaw！_哔哩哔哩_bilibili

接下来详细讲一下OpenClaw。

1.OpenClaw的定义

OpenClaw 的官方定位不是“一个聊天机器人”，而是一个self-hosted（自托管）的 AI agent gateway：你在自己的机器或服务器上运行一个长期存活的Gateway进程，它把 WhatsApp、Telegram、Slack、Discord、Signal、Google Chat、WebChat 等消息入口连接到一个可持续工作的 AI 助手。官方文档强调它是local-first / self-hosted、多渠道、面向 agent 的系统，适合想从任意聊天入口唤起个人 AI 助手、又不想把控制权完全交给托管服务的开发者和高级用户。也就是说，OpenClaw 不是“网页上和模型对话”的产品，而是一个把 LLM、工具、会话、记忆、消息通道和设备能力编排到一起的运行时。它的设计目标是让你像给人发消息一样，给一个常驻 agent 发任务，然后 agent 可以读文件、跑命令、查网页、发消息，甚至连接手机节点去调用摄像头、定位、录屏等设备能力。

与function-calling agent的区别：

2.OpenClaw的基本架构

OpenClaw的架构可以分为三层：

① 入口层：各种聊天渠道和WebChat；

② 控制层：Gateway，负责会话、路由、认证、事件、状态。一个长期运行的Gateway拥有所有消息入口；控制端客户端（CLI、macOS app、Web UI、自动化）通过 WebSocket 连到 Gateway；移动或桌面节点也通过 WebSocket 连接，但以 role: node 的方式暴露自己的设备能力。一个Gateway可以同时服务多个内建或插件渠道，并支持多agent路由和隔离会话。

③ 执行层：模型+工具+节点设备能力。在模型侧，它运行一个 Agent Runtime 作为决策引擎，不绑定特定模型，支持在云端或本地灵活部署并与大模型能力深度集成；在工具侧，所有技能以 YAML/JSON 脚本形式定义并动态加载，已内置了文件处理、Shell命令、浏览器自动化等数十个 Skill，执行前会先通过沙箱和权限检查来确保安全性；在设备侧，它通过抽象操作指令集（AOIS）统一了与本地节点和远端设备的交互接口，让同一个执行逻辑能无缝对接不同硬件的底层驱动，实现跨平台的自动化控制。

3.tools，skills，plugins

（1）tools

工具是agent真正调用的执行能力。官方文档把tool定义为“模型可调用的typed function”，例如exe