大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



完整请求处理流程：“查下腾讯的股价”

以下是基于云上机器部署openclaw的实际日志和源码分析，还原的从飞书到 OpenClaw 最终返回飞书的完整处理链路：

详细分阶段分析（结合实际日志）

阶段一：飞书 → OpenClaw（消息接收）

时间线: 2026-03-06 15:21:22 (UTC+8)

1. 飞书长连接接收消息

• 飞书 SDK 的 WSClient 通过 WebSocket 长连接与飞书服务器保持连接
• 飞书服务器通过 im.message.receive_v1 事件推送消息
• 源码位置: monitor.ts 中 eventDispatcher.register

2.消息去重 + 解析（bot.ts）

• tryRecordMessage(messageId) — 防止 WebSocket 重连导致重复处理
• parseFeishuMessageEvent() — 从飞书事件中解析出：
• chatId, messageId, senderOpenId: ou_bd19daf85e6ce4df1890b2e52f
• chatType: p2p（私聊）
• content: “看下腾讯股价”
• 日志: feishu[main]: received message from ou_bd19daf85e6ce4df1890b2e52f

3.路由解析

• resolveAgentRoute() 根据 channel=feishu, peer={kind:“direct”, id:“ou_bd19…”}
• 得到 sessionKey 和 agentId: “main”

4.构建 Agent Envelope

• formatAgentEnvelope() 将消息包装为标准格式，包含时间戳、发送者信息等
• finalizeInboundContext()

填充完整的上下文：

Provider: “feishu”, Surface: “feishu” From: “feishu:ou_bd19…” To: “user:ou_bd19…” SessionKey: “agent:main:feishu:dm:ou_bd19…”

阶段二：OpenClaw Core（Agent 调度）

1. Dispatch 到 Agent

• dispatchReplyFromConfig() 是核心调度函数（dispatch-from-config.ts）
• 它调用 getReplyFromConfig() → 解析模型配置 → 创建/恢复 Agent Session
• 日志: feishu[main]: dispatching to agent (session=…)

2.Typing Indicator

• 飞书没有原生“正在输入”API，OpenClaw 用消息 Reaction（表情反应） 模拟
• addTypingIndicator() — 在用户消息上添加 emoji 反应表示正在处理

阶段三：Agent 与 LLM 交互（3轮对话）

从 session JSONL 日志中可以清晰看到 3 轮 LLM 调用：

🔹 第1轮：识别意图，读取 Skill（10秒）

时间: 07:21:22 → 07:21:32 (UTC) Model: hunyuan-turbo-latest Input: 28,643 tokens | Output: 89 tokens

• Agent 收到用户消息后，扫描系统提示中的 列表
• 识别出 stock skill 与“腾讯股价”最匹配
• 发起 Tool Call: read(“~/.openclaw/workspace/skills/stock/SKILL.md”)
• 系统提示中的 Skills 规则：

“Before replying: scan entries. If exactly one skill clearly applies: read its SKILL.md at with Read, then follow it.”

🔹 第2轮：按 SKILL.md 指引构造查询（24秒）

时间: 07:21:32 → 07:21:56 (UTC) Model: hunyuan-turbo-latest Input: 28,621 tokens | Output: 292 tokens

• Agent 阅读了 SKILL.md 中的 Workflow：

1. 识别“腾讯” → 港股代码 00700 → query param r_hk00700
2. 构造查询命令: curl -s –max-time 10 “https://qt.gtimg.cn/q=r_hk00700” > /tmp/stock.txt && python3 -c “…”

• 发起 Tool Call: exec(command) — 在服务器上执行 curl + python3

exec 执行详情 (耗时 193ms)：

curl → https://qt.gtimg.cn/q=r_hk00700 → 保存到 /tmp/stock.txt python3 → 读取 GBK 编码文件 → 解析 ~ 分隔字段 → 输出: 腾讯控股 (00700) 当前价格: 516.500 HKD 涨跌: 14.500 (2.89%) 开盘: 504.000 | 最高: 522.000 | 最低: 502.000 昨收: 502.000 | 成交量: .0

🔹 第3轮：格式化最终回复（20秒）

时间: 07:21:57 → 07:22:17 (UTC) Model: hunyuan-turbo-latest Input: 28,651 tokens | Output: 148 tokens stopReason: “stop”

• Agent 将原始数据格式化为用户友好的 Markdown 回复：

📈 腾讯控股 (http://00700.HK) 当前价格: 516.500 HKD 涨跌: +14.500 HKD (+2.89%) … 腾讯股价今天表现不错，上涨超过2.8%…

阶段四：OpenClaw → 飞书（回复发送）

1. Reply Dispatcher 处理（reply-dispatcher.ts）

• deliver(payload) 回调被触发，收到最终文本
• shouldUseCard(text) 检测是否包含 Markdown（bold → true）
• 选择 Card 渲染模式（sendMarkdownCardFeishu）

2.发送飞书消息（send.ts）

• buildMarkdownCard(text) 构建飞书交互式卡片（schema 2.0）
• sendCardFeishu() → 调用飞书 API client.im.message.reply()
• 以 reply 形式回复原消息（引用用户的消息）

3.清理 Typing Indicator

• removeTypingIndicator() — 移除之前添加的 emoji 反应

4.日志记录: feishu[main]: dispatch complete (queuedFinal=…, replies=1)

---

耗时统计

阶段	耗时	说明
飞书 → OpenClaw 接收	< 100ms	WebSocket 长连接，几乎无延迟
第1轮 LLM（识别 Skill）	~10s	混元 turbo-latest，28K tokens 上下文
第2轮 LLM（构造查询）	~24s	含 SKILL.md 全文
exec 执行 curl+python3	193ms	腾讯财经 API 极快
第3轮 LLM（格式化回复）	~20s	生成最终 Markdown
发送回飞书	< 500ms	飞书 API 调用
总计	~55s	主要耗时在 LLM 3轮调用

关键数据

• 模型: hunyuan-turbo-latest（混元，腾讯云）
• Session 文件: /root/.openclaw/agents/main/sessions/647eaa2f-41cf-4521-a803-b62ce.jsonl
• 总 Token 消耗: ~86K input + ~529 output（3轮合计）
• 消息 ID: om_x100b559c4b2080a0b295e94cc
• 回复方式: 飞书交互式卡片（Markdown 渲染）