技术分享 · Agent 架构 · Tool Use 机制 · LLM

1. OpenClaw 架构

消息从 Channels 进入 Agent Runtime，由 Planner 驱动循环，Tools / Memory / LLM 均由 Planner 主动调用。

组件对照表

注意：Planner 实现了 Agent Loop，Agent Loop 是 Planner 的运行机制。Tools 和 LLM 都由 Planner 在循环中主动调用，不由 Agent Runtime 直接驱动。

2. 各模块详解

Channels — 消息入口层

用户与 openclaw 交互的渠道，支持多端接入：

• Feishu：企业内部飞书机器人，最常见的生产环境接入方式
• Telegram：面向个人用户或小团队的快速接入
• CLI：命令行直接调用，适合开发调试和自动化脚本
• UI：Web 聊天对话页面

Channel 只负责收发消息，不参与任何业务逻辑，实现了接入层与业务层的解耦。

Agent Runtime — 核心驱动

整个系统的调度中心，职责是：

1. 从 Channel 接收用户消息
2. 启动 Planner，将消息交给 Agent Loop 处理
3. 监听 Planner 的完成信号
4. 将最终结果写回 Channel 展示给用户

Agent Runtime 不直接调用 Tools 或 LLM。这两者都由 Planner 在循环内部驱动。

Planner — 任务规划器（Agent Loop 的实现）

Planner 实现了 Agent Loop，是 openclaw 能自主执行多步骤任务的核心。每一轮循环包含完整的"推理 → 决策 → 执行 → 观察"链路：

LLM 推理 → 判断是否需要工具 → 返回 tool_use block → Tool 执行 → tool_result 写入 Memory → 下一轮 LLM 输入；直到 LLM 判断任务完成，输出自然语言回答。

关键特性：

• Planner 负责循环控制流（“推进”），LLM 负责每步推理（“想”）
• tool_use block 是 LLM 发出的结构化指令，触发 Tool 执行
• tool_result 写入 Memory 后才能被下一轮 LLM 读取，这是两轮对话的核心机制

Tools — 原子执行层

Tools 是 openclaw 真正"干活"的地方，三类核心工具：

exec/file_search — shell 命令执行（本地）

• 执行任意 bash / zsh / python 命令
• 捕获 stdout / stderr
• 超时检测 + 退出码处理

http — HTTP 请求（需联网）

• 调用外部 REST / GraphQL API
• 在线搜索（Brave Search / Tavily / SerpAPI / DuckDuckGo）
• Webhook 触发

fs — 文件系统操作（本地）

• 读取 / 写入 / 追加文件
• glob / ripgrep 文件搜索
• 创建 / 删除目录

Memory — 工作区与上下文

Memory 是 Agent 的"工作台"，解决 LLM 无状态的核心问题：

区分 tool_use block 与 tool_result：tool_use block 是"LLM 发出的指令"，是第一轮的产物；tool_result 是"Tool 执行后的结果"，是两轮之间真正的传递载体。

LLM — 推理与决策引擎

LLM 是整个系统的大脑，只做推理，不做执行，由 Planner 在每轮循环中主动调用：

1
2
3
4
5
6
7

输入：对话历史 + tools 定义 + 当前 Memory（含 tool_result）
    │
    ▼
LLM 推理
    │
    ├─ 情况A：直接回答 ──▶ 返回自然语言文字（任务完成）
    └─ 情况B：需要工具 ──▶ 返回 tool_use block（结构化调用指令）

openclaw 支持多种 LLM provider，通过配置切换：kimi、GPT-4、Claude、本地模型等。

3. 完整工作流程（两轮对话）

第一轮：gateway 将用户消息 + tools 定义发给 LLM，LLM 返回 tool_use block，Planner 解析后执行 Tool，结果写入 Memory。第二轮：gateway 将对话历史 + tool_result 再次发给 LLM，LLM 生成自然语言回答返回给用户。

核心原则：Tools 执行的原始输出不直接给用户，必须经 LLM 第二次推理后才返回。Memory 中的 tool_result 是两轮之间的纽带。

4. Tools · Skills · Agent 三层类比

LLM = 大脑 · Tools = 手的动作 · Skills = 习得技能 · Agent = 整个人

说明：Skills 是预定义的多步骤工作流，与 Tools 的区别在于它知道顺序和目的；而 Agent（Planner）是在运行时由 LLM 动态决定如何组合 Tools，不受固定编排限制。

5. 总结

openclaw = 一个完整的 AI Agent

openclaw 技术分享