OpenClaw源码解读：从「只会聊天」到「真正干活」的AI框架是怎么炼成的

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。

文章总结： OpenClaw是一个突破性的AIAgent框架，解决了传统AI只能聊天无法执行任务的痛点。其核心架构包含会话管理层、工具执行层和模型适配层三层设计。会话管理层维护多轮对话上下文和状态一致性，工具执行层实现权限控制、安全沙箱和异步任务管理，模型适配层提供统一接口支持多模型切换。两大关键方法包括：工具动态注册机制（通过SKILL.md文件实现零代码扩展）和上下文窗口智能管理（解决大模型Token限制问题）。框架设计亮点包括会话状态持久化、权限矩阵检查、沙箱隔离执行、流式响应处理等，确保AI从聊天工具升级为真正的生产力工具。 综合评分： 90 文章分类： AI安全,应用安全,安全工具,解决方案,安全开发

cover_image

君说安全

2026年4月8日 00:01 贵州

编者荐语：

龙虾源码的解读，认识软件工程化概念

以下文章来源于安全新极点，作者浅望26

安全新极点 .

专注网络安全、数据安全与AI等前沿技术和热点分享。深耕行业动态，剖析实战案例，连接技术与应用。在这里，与万千安全从业者共同进化。

OpenClaw 源码解读：从「只会聊天」到「真正干活」的 AI 框架是怎么炼成的

编辑点评：OpenClaw 作为新一代 AI Agent 框架，最大的突破在于将 AI 从”聊天机器人”升级为”真正的生产力工具”。本文深入源码层面，解析其核心设计理念和实现细节，帮助开发者理解如何构建能够真正干活的 AI 系统。

一、痛点引入：为什么大多数 AI 框架只能聊天？

如果你用过市面上的 AI 助手，可能会发现一个共同问题：它们很会聊天，但不会干活。

Code

用户：帮我检查一下服务器的磁盘空间

AI：好的！磁盘空间管理很重要，建议您定期清理…

（但没有真正执行任何检查）

这种”只说不做”的 AI，本质上是一个高级聊天机器人，而不是真正的智能 Agent。

⭐️传统 AI 框架的三大痛点

• 工具调用能力弱 – 只能调用预设的简单 API

• 状态管理混乱 – 多轮对话后忘记上下文

• 安全边界模糊 – 要么权限过大危险，要么权限过小无用

OpenClaw 的源码设计，正是为了解决这些问题而生。

二、核心架构：OpenClaw 的三层设计

OpenClaw 的源码结构清晰，采用三层架构设计：

Code

┌─────────────────────────────────────┐

│ 会话管理层 (Session) │

│ – 会话状态维护 │

│ – 多轮对话上下文 │

│ – 子 Agent 协调 │

└─────────────────────────────────────┘

↓

┌─────────────────────────────────────┐

│ 工具执行层 (Tools) │

│ – 工具发现与注册 │

│ – 权限控制与安全沙箱 │

│ – 异步任务管理 │

└─────────────────────────────────────┘

↓

┌─────────────────────────────────────┐

│ 模型适配层 (Model) │

│ – 多模型统一接口 │

│ – Token 优化与缓存 │

│ – 流式响应处理 │

└─────────────────────────────────────┘

关键源码文件解析

1. 会话管理核心：`sessions.ts`

Code

// 会话状态机设计

classSessionManager{

privatesessions:Map =newMap();

asynccreateSession(config:SessionConfig):Promise {

constsessionKey=generateSessionId();

constsession=newSessionState({

…config,

createdAt:Date.now(),

status:’active’

});

// 关键：会话状态持久化

awaitthis.persistSession(sessionKey,session);

returnsessionKey;

}

asyncsendMessage(sessionKey:string,message:string):Promise

}

⭐️设计亮点：

• 会话状态机确保状态一致性

• 上下文窗口自动管理，避免 Token 超限

• 持久化存储支持跨会话恢复

2. 工具执行引擎：`tools/executor.ts`

Code

// 工具调用的安全执行器

classToolExecutor);

}

// 关键：权限预检查

constpermission=this.permissionMatrix.check(

context.user,

tool.requiredPermission

);

if(!permission.granted){

thrownewPermissionDeniedError(权限不足：${toolName});

}

// 关键：沙箱执行

if(tool.requiresSandbox){

returnawaitthis.executeInSandbox(tool,params,context);

}

// 关键：超时控制

returnawaitPromise.race([

tool.execute(params,context),

timeout(tool.timeout||30000)

]);

}

privateasyncexecuteInSandbox(tool:Tool,params:any,context:ExecutionContext):Promise{

// 使用 Node.js Worker Threads 或子进程隔离

constsandbox=awaitSandbox.create({

memoryLimit:tool.memoryLimit||’256MB’,

cpuLimit:tool.cpuLimit||’50%’,

networkAccess:tool.networkAccess||false

});

try{

returnawaitsandbox.execute(tool.code,params);

}finally{

awaitsandbox.destroy();

}

⭐️设计亮点：

• 权限矩阵确保工具调用安全

• 沙箱隔离防止恶意代码执行

• 超时控制避免资源耗尽

3. 模型适配器：`models/adapter.ts`

typescript

// 统一模型接口设计

interfaceModelAdapter{

generate(prompt:string,options:GenerateOptions):Promise ;

stream(prompt:string,options:GenerateOptions):AsyncIterable ;

countTokens(text:string):number;

}

// 阿里云百炼适配器示例

classAliyunAdapterimplementsModelAdapter{

privateapiKey:string;

privatebaseUrl:string;

asyncgenerate(prompt:string,options:GenerateOptions):Promise {

constresponse=awaitfetch(${this.baseUrl}/chat/completions,{

method:’POST’,

headers:{

‘Authorization’:Bearer ${this.apiKey},

‘Content-Type’:’application/json’

body:JSON.stringify({

model:options.model||’qwen3.5-plus’,

messages:this.formatMessages(prompt),

max_tokens:options.maxTokens||4096,

stream:false

})

});

constdata=awaitresponse.json();

returnthis.parseResponse(data);

}

async*stream(prompt:string,options:GenerateOptions):AsyncIterable {

constresponse=awaitfetch(${this.baseUrl}/chat/completions,{

method:’POST’,

headers:{/* … */},

body:JSON.stringify({/* … */,stream:true})

});

constreader=response.body.getReader();

constdecoder=newTextDecoder();

while(true){

const{done,value}=awaitreader.read();

if(done)break;

constchunk=decoder.decode(value);

// 解析 SSE 格式

for(constlineofchunk.split(‘ ’))

}

⭐️设计亮点：

• 统一接口支持多模型切换

• 流式响应优化用户体验

• Token 计数辅助上下文管理

三、关键方法 1：工具发现与动态注册

OpenClaw 的第一个关键方法是工具动态注册机制。

⭐️传统做法 vs OpenClaw 做法

对比项

传统框架

OpenClaw

工具注册

硬编码在源码中

运行时动态发现

新增工具

需要修改源码并重启

添加 SKILL.md 即可

权限控制

全局统一权限

工具级细粒度权限

版本管理

手动管理

支持 ClawHub 版本控制

| | | | | |

⭐️实现细节

Code

// 工具发现器

classToolDiscovery

}

returntools;

}

privateasyncparseSkillManifest(skillDir:string):Promise ;

}

⭐️核心优势：

• 零代码扩展 – 新增工具无需修改框架源码

• 权限隔离 – 每个工具声明自己的权限需求

• 版本管理 – 支持 ClawHub 进行工具版本控制

四、关键方法 2：上下文窗口智能管理

OpenClaw 的第二个关键方法是上下文窗口智能管理。

⭐️问题背景

大模型有 Token 限制（如 Qwen3.5-plus 最大 32K），但对话历史可能无限增长。

如何在对话中保留一下功能：

保留重要上下文
丢弃冗余信息
避免 Token 超限

针对上述问题，OpenClaw 的解决方案是：

typescript

// 上下文管理器

classContextManager

// 策略 2：压缩旧消息

constcompressed=awaitthis.compressOldMessages(messages);

returnthis.formatContext(compressed,newMessage);

}

privateasynccompressOldMessages(messages:Message[]):Promise },

…recentMessages

];

}

privateasyncgenerateSummary(messages:Message[]):Promise {

// 使用小模型快速生成摘要

constprompt=`请总结以下对话的关键信息：

${messages.map(m=>${m.role}: ${m.content}).join(‘ ’)}

请用 200 字以内总结核心内容。`;

constresult=awaitthis.fastModel.generate(prompt);

returnresult.content;

}

⭐️核心策略：

• 分层管理 – 近期消息保留原文，早期消息压缩为摘要

• 智能摘要 – 使用小模型快速生成历史摘要

• 增量更新 – 只处理新增消息，避免重复计算

五、关键方法 3：子 Agent 协同与任务分解

OpenClaw 的第三个关键方法是子 Agent 协同机制。

⭐️为什么需要子 Agent？

单个 Agent 面临以下限制：

• 上下文窗口有限 – 复杂任务需要多次交互

• 专业领域知识 – 不同任务需要不同专家

• 并行执行需求 – 独立任务可以并行处理

OpenClaw 的子 Agent 架构

Code

// 子 Agent 管理器

classSubAgentManager{

privateagents:Map =newMap();

asyncspawn(task:string,options:SpawnOptions):Promise {

constagent=newSubAgent({

task,

runtime:options.runtime||’subagent’,

mode:options.mode||’run’,

timeout:options.timeout||

});

// 关键：继承父 Agent 的工作空间和权限

agent.inheritContext(this.parentContext);

// 关键：建立通信通道

constchannel=awaitthis.createChannel(agent);

agent.setChannel(channel);

this.agents.set(agent.id,agent);

returnagent;

}

asynccoordinate(task:string):Promise {

// 任务分解

constsubtasks=awaitthis.decomposeTask(task);

// 并行执行

constresults=awaitPromise.all(

subtasks.map(st=>this.spawn(st.task,st.options))

);

// 结果聚合

returnthis.aggregateResults(results);

}

privateasyncdecomposeTask(task:string):Promise {

// 使用 LLM 进行任务分解

constprompt=`将以下任务分解为可并行执行的子任务：

${task}

返回 JSON 格式的子任务列表。`;

constresult=awaitthis.model.generate(prompt);

returnJSON.parse(result.content);

}

实战案例：代码审查任务

typescript

// 用户请求：审查这个 PR

constresult=awaitagent.coordinate(`

审查 GitHub PR #123，包括：

代码质量检查
安全漏洞扫描
性能影响评估
测试覆盖率分析

`);

// 内部执行流程：

// 1. 分解为 4 个子任务

// 2. 并行启动 4 个子 Agent

// 3. 每个子 Agent 调用专业工具

// 4. 聚合结果生成综合报告

⭐️核心优势：

• 并行加速 – 独立任务并行执行

• 专业分工 – 每个子 Agent 专注特定领域

• 结果聚合 – 自动生成综合报告

六、实战演练：用 OpenClaw 构建自动化工作流

场景：每日安全情报自动收集

Code

name:每日安全情报

schedule:”08*” # 每天早上 8 点

steps:

-name:获取威胁情报

tool:tencent-security-api

params:

date:yesterday

types:[vulnerability,malware,apt]

-name:分析影响范围

tool:impact-analyzer

params:

assets:$

threats:${step1.output}

-name:生成报告

tool:report-generator

params:

template:daily-briefing

data:${step2.output}

-name:发送通知

tool:message

params:

channel:security-team

content:${step3.output}

实现代码

typescript

// 工作流执行器

constworkflow=awaitWorkflow.fromConfig(‘daily-intel.yaml’);

constresult=awaitworkflow.execute();

// 输出：

// 获取威胁情报：发现 3 个高危漏洞

// 分析影响范围：2 个系统受影响

// 生成报告：/tmp/daily-briefing-.md

// 发送通知：已发送到 security-team 频道

七、避坑指南：OpenClaw 使用中的常见问题

问题 1：工具调用超时

现象：工具执行时间过长导致超时

解决方案：

Code

// 方法 1：增加超时时间

tool.timeout=;// 2 分钟

// 方法 2：使用后台任务

constsession=awaitsessions.spawn(task,{background:true});

// 方法 3：分页/分批处理

constresults=awaitprocessInBatches(items,batchSize:100);

问题 2：上下文丢失

现象：多轮对话后 AI 忘记之前的内容

解决方案：

typescript

// 方法 1：显式保存关键信息

session.metadata.set(‘user_preference’,preference);

// 方法 2：使用记忆工具

awaitmemory_search(query);

awaitmemory_get(path);

// 方法 3：定期摘要压缩

if(session.messageCount%10===0){

awaitcontextManager.compress(session);

}

问题 3：权限配置错误

现象：工具调用被拒绝

解决方案：

Code

openclawconfigshowpermissions

openclawconfigsettools.my-tool.permissionallow

openclawconfigsetsecurity.modeallowlist

openclawconfigsettools.allowlist”tool1,tool2,tool3″

八、总结与行动建议

OpenClaw 的三个关键方法

方法

解决的问题

实现效果

工具动态注册

扩展性差

零代码新增工具

上下文智能管理

Token 超限

无限对话长度

子 Agent 协同

复杂任务处理

并行加速 + 专业分工

| | | | | |

⭐️ 给开发者的启示

• 从简单工具开始 – 先实现一个 SKILL.md，理解工具注册流程

• 善用记忆系统 – 将重要信息写入 MEMORY.md，避免上下文丢失

• 合理使用子 Agent – 复杂任务分解为独立子任务

• 关注安全边界 – 理解权限模型，避免过度授权

⭐️下一步行动

typescript

npminstall-gopenclaw

openclawinitmy-project

cdmy-project

mkdir-pskills/my-first-skill

cat>skills/my-first-skill/SKILL.md<< ‘EOF’

name: my-first-skill

description: 我的第一个 OpenClaw 技能

当用户说”你好”时触发

读取用户信息
生成个性化问候
返回问候语

EOF

openclawtestmy-first-skill

声明：本文基于 OpenClaw 公开源码分析，如有技术细节更新，请以官方文档为准。

参考资料：

• OpenClaw 官方文档：https://docs.openclaw.ai

• GitHub 仓库：https://github.com/openclaw/openclaw

• 技能市场：https://clawhub.ai

互动话题：你用过哪些 AI Agent 框架？OpenClaw 的哪些设计让你印象深刻？欢迎在评论区分享你的看法！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：君说安全《OpenClaw 源码解读：从「只会聊天」到「真正干活」的 AI 框架是怎么炼成的》

OpenClaw源码解读：从「只会聊天」到「真正干活」的AI框架是怎么炼成的

1. 会话管理核心：sessions.ts

2. 工具执行引擎：tools/executor.ts

3. 模型适配器：models/adapter.ts

相关推荐

1. 会话管理核心：`sessions.ts`

2. 工具执行引擎：`tools/executor.ts`

3. 模型适配器：`models/adapter.ts`