别只会“养虾”：我读懂的 OpenClaw 核心架构与运行原理
最近几个月，OpenClaw 几乎刷屏了整个 AI 智能体圈子。网上到处都是“一键部署”“远程控制手机”“Telegram 养虾”这类教程，但我翻了一圈，几乎没人把它到底怎么跑起来的讲清楚。大家都在用，却很少有人真正理解：
为什么一句话就能让电脑整理文件、让远端手机自动截屏？
多设备是怎么被统一调度的？
AI 凭什么敢直接操作你的桌面与文件？
我花了几天时间把源码和架构文档啃完，然后翻阅了网上大量的教程和讲解视频以及架构的解析，今天用最通俗、最贴近开发视角的方式，把 OpenClaw 的6+1 核心架构、数据流转、调度逻辑、安全机制一次性讲透。
这篇不教安装、不教命令，只讲原理——懂了原理，你才能真正用好、改得动、排得了坑。
一、为什么我们必须看懂 OpenClaw 架构？
在开始讲架构之前，我想先说说我为什么非要把它啃明白。
现在市面上绝大多数教程都停留在：openclaw start → 绑定 Telegram → 发指令 → 看效果。
能用，但出问题就抓瞎：
- 指令发了没反应，不知道是通道挂了、网关死了、还是技能没加载；
- 想加个功能，不知道代码该写在哪；
- 想接自己的大模型，不知道 LLM 层怎么扩展；
- 想控制权限，不知道安全机制在哪。
说白了，只会用，就是黑盒；懂架构，才是自己人。
对我们来说，OpenClaw 还有一层更重要的意义：
它是一套极其工整、可直接抄作业的“AI 智能体架构”。
它把这些最难的问题全部做成了标准范式：
- 多平台消息怎么统一接入？（Channel 层）
- 多设备怎么统一管控？（Gateway + Node）
- 智能体怎么思考、调用工具？（PiAgent + Skills）
- 模型怎么插拔、怎么安全调用？（LLM 层）
- 整套系统怎么可视化管控？（Studio 控制台）
你只要看懂这套结构，以后自己做 AI 助手、做远程控制、做跨端智能体，几乎可以直接照搬这套架构。
这就是我为什么坚持要把 OpenClaw 架构讲透：
会用是体验，懂原理是能力；会抄是教程，懂架构是工程。
二、OpenClaw 核心架构：6+1 模块化设计（我理解的最清晰版本）
我先给结论：
OpenClaw = 6 个功能模块 + 1 个治理模块（6+1 架构）
- 6 个功能模块：负责真正干活（收消息、思考、调度模型、调用设备、执行技能）。
- 1 个治理模块：负责管控一切（可视化配置、查看状态、管理权限、监控日志）。
我用最直白的比喻帮你一秒记住：
- Gateway（网关） = 大脑中枢 + 总调度台
- Channel（渠道） = 嘴巴/耳朵（和用户聊天）
- PiAgent（推理引擎） = 思考中枢（理解意图、决定做什么）
- LLM（大模型） = 知识与逻辑引擎（真正做推理）
- Nodes（节点） = 手脚（真正在设备上执行操作）
- Skills（技能） = 操作手册（告诉节点该做什么）
- OpenClaw Studio（控制台） = 指挥中心（可视化管控）
下面我把每一层的职责、源码位置、工作方式，用直白易懂的方式讲清楚。
2.1 Gateway：整个系统的“内核与调度中心”
Gateway 是 OpenClaw 真正的心脏。
所有消息、所有指令、所有设备、所有会话，全部先经过这里。
我把它的核心职责总结成 4 件事：
-
统一入口
不管是 Telegram、Web、飞书、Discord，所有消息先进 Gateway，再分发。 -
会话与上下文管理
记住你说过什么、做过什么，给 PiAgent 提供记忆。 -
指令路由与调度
判断这条指令该走模型？走技能？走本地？走远端？ -
长连接维护（WebSocket）
跟所有远程设备（手机、电脑）保持稳定在线。
源码位置我帮你定位死：
- 主入口：
src/gateway/server.impl.ts - 启动函数：
startGatewayServer - 默认端口：18789（你访问 127.0.0.1:18789 就是连到 Gateway）
一句话总结 Gateway：
没有它，整个 OpenClaw 直接瘫痪。它是调度，也是边界，也是安全入口。
2.2 Channel：统一接入所有聊天平台
Channel 层干的事情非常单纯：
把各种平台的消息，翻译成 OpenClaw 内部统一格式。
比如：
- Telegram 来的消息结构是 A；
- WhatsApp 来的是 B；
- Web 页面来的是 C；
Channel 统一把它们转成系统能读懂的 JSON，扔给 Gateway。
支持的渠道分两类：
- 核心渠道（内置）
Telegram、WhatsApp、Web UI - 扩展渠道（插件化）
飞书、Discord、Matrix、Google Chat 等
源码位置：
- 主渠道：
src/telegram、src/whatsapp - 扩展渠道：
extensions/
我对 Channel 层的评价非常高：
它把“交互界面”和“业务逻辑”彻底解耦。
你想加个微信渠道、QQ 渠道，完全不用动核心逻辑，只接 Channel 扩展点即可。
2.3 PiAgent：智能体的“思考与推理引擎”
很多人以为 AI 思考是 LLM 在做。
不完全对。
在 OpenClaw 里：
- LLM 负责“懂知识、做逻辑”
- PiAgent 负责“管流程、做决策、控上下文”
PiAgent 是典型的 ReAct 智能体架构，它干三件关键事情：
- 把用户指令 + 历史记忆 + 提示词拼好，喂给 LLM；
- 解析 LLM 返回的结果，判断：
- 直接回答？
- 要调用工具（Skill）？
- 要调用哪台设备（Node）？
- 把结果整理成人话，返回给 Gateway。
它还有两个非常工程化的优化，我看完觉得很专业：
- 记忆瘦身：自动把太长的聊天记录压缩，防止上下文爆炸；
- 请求排队：同一会话串行执行，避免并发混乱。
源码位置：
src/agents/
一句话看懂 PiAgent：
它是智能体的“调度大脑”，LLM 是它的“计算芯片”。
2.4 LLM：真正提供“智能”的模型层
LLM 层就是 OpenClaw 的智商来源。
它的设计非常“插拔式”，这也是我最欣赏的一点：
你可以无缝切换任何模型，不影响上层业务。
支持三类模型：
- 云端 API（Claude / GPT / 通义千问 / Gemini）
- 本地模型（Ollama / LlamaCpp / 本地部署）
- 专用模型（GitHub Copilot 等）
源码位置：
src/providers/
里面全是各种模型的适配：github-copilot-models.tsqwen-portal-oauth.ts
……
我在看代码的时候发现一个关键点：
LLM 只输出结构化指令，不直接返回聊天文本。
这是它能稳定调用工具、控制设备的关键。
2.5 Nodes + Skills：智能体的“手脚 + 操作手册”
这是 OpenClaw 最厉害、也最容易被误解的部分。
我用最直白的话讲清楚：
- Skills = 技能说明书（做什么、怎么做、参数是什么）
- Nodes = 执行器（在哪台设备上做）
两者必须配合，缺一不可。
2.5.1 Skills（技能）
Skills 就是一组标准化的“操作定义”。
例如：
- 文件整理
- 截屏
- 拍照
- 打开软件
- 搜索网页
- 运行命令
每个 Skill 都有明确格式：
- 名称
- 描述
- 输入参数
- 执行逻辑
源码位置：
- 通用技能：
skills/ - 技能管理：
src/agents/skills/
2.5.2 Nodes（节点 = 设备）
Nodes 分两种：
-
本地节点（Local Node）
就在运行 Gateway 的这台机器上。
能干：文件操作、命令执行、本地工具。 -
远端节点（Remote Node）
同一局域网内的其他设备：
MacBook、iPhone、Android、平板……
通过 WebSocket 长连接连到 Gateway。
远端节点是 OpenClaw 真正杀招：
一句话控制你家里所有设备。
源码位置：
- 客户端连接：
src/node-host/runner.ts - 指令执行：
src/node-host/invoke.ts
我总结一句最精髓的：
Skills 定义“做什么”，Nodes 决定“在哪做”。
2.6 OpenClaw Studio：可视化管控控制台（1 个治理模块）
6 个功能模块讲完，最后是1 个治理模块：
OpenClaw Studio
它就是一个 Web 管理后台：
http://127.0.0.1:18789
界面如下主体分为左边的功能栏和右边的详情栏：
功能很清晰：
- 聊天界面（直接在这里发指令）
- 渠道配置（绑定 Telegram 等）
- Skills 管理（开启/关闭技能）
- 设备节点状态（看哪些设备在线）
- 日志查看（排错神器）
源码位置：
ui/
它的价值：
把一个纯命令行、纯后端的系统，变成了普通人也能用的可视化产品。
三、整体架构流转
我把整套架构串成一条线，你看完就彻底通了：
- 用户在 Telegram 发指令
- Channel 接收 → 转成标准消息 → 发给 Gateway
- Gateway 保存上下文 → 发给 PiAgent
- PiAgent 拼接提示词 → 发给 LLM 推理
- LLM 判断：要调用 Skill + Node
- 结果返回 PiAgent
- PiAgent 告诉 Gateway：调度哪个技能、哪台设备
- Gateway 通过 WebSocket 发给对应 Node
- Node 执行 Skill（截屏/整理文件/运行命令）
- 结果回传 Gateway
- PiAgent 整理成人话
- Channel 发给用户
这就是 OpenClaw 从“一句话”到“执行动作”的完整链路。
四、运行演示案例（我亲手跑的两个真实场景）
光讲架构太空，我直接拿两个最经典的场景，把每一步怎么走的讲清楚。
案例1：本地执行——“帮我整理 Downloads 文件夹”
这是最典型的 本地节点 + 通用 Skill 流程。
步骤我一步步拆解：
-
用户发指令
在 Telegram 发送：帮我整理 Downloads 文件夹里的文件，按类型分文件夹
-
Channel 接收
Telegram Channel 拿到消息，转成内部结构。 -
进入 Gateway
记录会话、保存上下文。 -
PiAgent 推理
把指令丢给 LLM。
LLM 分析：- 意图：文件整理
- 技能：file_organize
- 执行位置：本地节点（Local Node）
输出结构化指令。
-
Gateway 调度
识别是本地通用技能 → 直接发给 Local Node。 -
Node 执行 Skill
本地节点执行：- 读取 Downloads
- 按图片/文档/压缩包分类
- 新建文件夹
- 移动文件
-
结果回传
执行完成 → 回传结果 → Gateway → PiAgent → 生成总结 → 发回 Telegram。
这就是“桌面控制”的完整原理。
下面我用一组流程图来演示这个过：
案例2：远端执行——“卧室里的 Android 手机截一张屏”
这是 OpenClaw 最震撼的能力：
一句话控制远端设备。
流程如下：
-
用户发指令：
让卧室的 Android 手机截一张屏
-
Channel → Gateway → PiAgent → LLM
-
LLM 推理：
- 技能：screenshot
- 设备：remote-android-bedroom
-
Gateway 查设备在线状态
-
通过 WebSocket 长连接下发指令到远端 Android 节点
-
Android 执行截屏
-
图片回传到 Gateway
-
经由 Channel 发给用户
你看到的“远程控制手机”，底层就是这么一套标准流程。
下面是我根据这个案例画的一组流程图，大家可以参考理解：
五、我最佩服的一点：它的安全设计（非常专业）
最后我必须提 OpenClaw 的安全架构，因为它直接操作文件、控制设备，不安全等于裸奔。
它的安全设计基于一个极度清醒的前提：
LLM 不可信，Prompt 可被注入，一切都要设防。
我总结它的三道防线：
-
动态密钥注入
API Key 不从配置文件明文读，不从环境变量长期挂着。
用的时候从系统密钥环读取，用完立刻清空。 -
细粒度文件权限
- 直接拦截所有 DELETE 危险操作
- 只能访问你授权的目录
- 越权直接拒绝
-
人在回路审批（Human-in-the-loop）
高危操作必须你手动确认：
删除文件、格式化、运行高危命令……
这三点，让 OpenClaw 从“玩具”变成了可落地的工程系统。
六、我为什么说 OpenClaw 是程序员必学的智能体架构
写完这篇，我再回头看 OpenClaw，它给我的价值早已超出一个“工具”：
- 想做 AI 智能体？它的 PiAgent + Skills 是标准范式
- 想做跨设备控制？它的 Gateway + Node + WebSocket 直接抄
- 想做多平台接入？它的 Channel 扩展模型非常工整
- 想做可视化管控？它的 Studio 架构可以直接复用
- 想做安全可控？它的三道安全防线是行业级设计
对我们来说：
会用 OpenClaw 只是入门；
读懂 OpenClaw 架构，你就掌握了下一代 AI 智能体的核心设计思想。
希望这篇文章，能帮你从“只会养虾”的用户，
变成能读懂、能修改、能排错、能二次开发的真正开发者。
参考文章：
https://mp.weixin.qq.com/s/9FdCFqqM9D5rmk-UPXxgFg?scene=1&click_id=1
https://mp.weixin.qq.com/s/klteNE8YWKzHUBZAR4Tmxg
https://docs.openclaw.ai/zh-CN
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
8
0- 0
已为社区贡献2条内容
所有评论(0)