OpenClaw 架构五大组件详解

如果没有 Gateway，这些消息会像没有指挥系统的飞机一样，到处乱飞。

Gateway 知道什么？

Gateway 需要知道：

• 这条消息来自哪里
• 这条消息应该发给哪个 Agent 处理
• 这个用户有没有权限
• 这段对话的历史在哪里
• 当前应该继续哪一个会话

Gateway 并不负责思考问题本身，它负责的是：

让所有消息都能有秩序地进入系统、被正确地处理、再被准确地发回去。

Gateway 的核心职责

Gateway 是一个持续运行的后台进程，它主要负责以下几件事：

1. 统一连接管理

同时维持与多个聊天平台的连接。

你可以在 WhatsApp 上问它问题，在 Telegram 上让它执行任务，在飞书上查看工作报告，Gateway 会把这些渠道统一管理起来。

2. 消息路由

决定每条消息应该交给哪个 Agent。

比如你有两个 Agent:

• 一个负责工作
• 一个负责生活

那么 Gateway 就会根据配置和来源，把不同消息自动分配给对应的 Agent。

3. 会话持久化

跟踪每个对话的上下文和历史记录。

也就是说，你今天问过的问题，明天它还能接着理解，不会像"失忆"一样每次从零开始。

4. 实时双向通信

通过 WebSocket 提供实时响应，让整个交互过程更加流畅，体验上更接近和真人聊天。

5. 多 Agent 协调

当你配置了多个 Agent 时，Gateway 负责隔离和路由，确保不同 Agent 之间不会串线。

例如：

• 工作 Agent 看不到生活 Agent 的对话
• 家庭 Agent 不会误读工作上下文

如果没有 Gateway，OpenClaw 会退化成一堆彼此割裂的小工具。

你可以把它理解成：

• 没有 Gateway，就没有统一入口
• 没有 Gateway，就没有统一调度
• 没有 Gateway，就没有统一会话管理
• 没有 Gateway，就没有多 Agent 协作秩序

每个 OpenClaw 部署通常只需要一个 Gateway 进程。

即使你有多个手机号、多个聊天账户、多个 Agent，也只需要一个 Gateway 来统一管理。

组件二：Agent（智能体）

Gateway 把消息递进来之后，真正干活的就是 Agent。

如果说 Gateway 是总调度中心，那么 Agent 就像一个靠谱的部门经理：

• 先理解你说的是什么
• 再看看上下文和资料
• 然后挑选合适的工具去办
• 最后把结果整理成你能看懂的话返回给你

理解任务、做出判断、调用工具、执行操作、返回结果。

它解决的核心问题是什么？

它负责把"话"变成"事"。

这是 OpenClaw 和普通聊天机器人的最大区别之一。普通聊天机器人擅长的是"解释怎么做"。Agent 擅长的是真的去做。

Agent 的核心工作流程

当 Gateway 把一条消息路由给某个 Agent 之后，Agent 的流程通常是这样的：

1. 加载上下文

读取当前会话的历史对话，以及相关的记忆文件。

这一步是为了知道：

• 你现在在说什么
• 你之前说过什么
• 有没有已经约定好的背景信息

2. 调用大语言模型

把用户消息、上下文、记忆内容，一起发送给大语言模型，例如 Claude、GPT、Qwen 等。

3. 执行工具调用

如果 AI 判断这件事需要：

• 执行命令
• 读取文件
• 调用 API
• 操作某个外部服务

那么 Agent 就负责真正把这些动作执行下去。

4. 流式返回结果

执行过程中，Agent 可以通过 Gateway 将结果逐步返回给原始渠道，而不是让你一直干等。

5. 持久化状态

把这次对话和新的重要信息写入工作空间，方便下次继续使用。

为什么很多自动化会失败？因为没有"分工"

很多自动化系统的问题不是"能力不够"，而是"职责混乱"。

OpenClaw 的 Agent 设计，强调的是清晰分工。每个 Agent 都可以拥有自己独立的一套配置。

每个 Agent 拥有：

• 独立的工作空间（类似部门办公室）
• 独立的记忆（部门档案柜）
• 独立的技能库（部门工具箱）
• 独立的权限配置（部门预算和访问权限）

这意味着：

• 工作 Agent 可以很严谨，只能碰工作文件
• 个人 Agent 可以更自由，管理照片、日记、个人资料
• 家庭 Agent 可以用于共享购物清单、家庭日程等

单 Agent 模式 vs 多 Agent 模式

单 Agent 模式（默认）

只有一个 Agent，所有消息都由它处理。

这适合大多数个人用户，配置简单，上手快。

多 Agent 模式（高级）

每个 Agent 拥有完全隔离的"人格"和数据。

例如：

• 工作 Agent:严格权限，只能访问工作文件
• 个人 Agent:宽松权限，可以管理个人照片、日记
• 家庭 Agent:家庭成员共享，管理购物清单、日程安排

这样做的好处是：数据隔离更清晰，权限边界更明确，管理更安全。

组件三：Skills/Tools（技能/工具）

很多人第一次听到 Agent，会担心一个问题：它是不是无所不能？到底能干什么？

其实恰恰相反。Agent 的聪明，不在于它会凭空变魔法，而在于它会挑选合适的工具。

而这些工具的集合，就是 Skills / Tools。

它解决的是："能力从哪来？"

如果没有 Skills，Agent 再聪明，也只能想，不能真正做很多事情。

你可以把 Skills 看成手机上的 App:

• 出厂自带一些基础能力，就像手机预装 App
• 你也可以从社区安装更多能力，就像从应用商店下载新 App

Skills 可以怎么理解？

每个 Skill 都是一个独立的功能模块。你可以根据需要：安装，启用，禁用，替换

OpenClaw 出厂会带一些基础 Skills，就像手机预装的电话、短信、相机一样。你还可以从 ClawHub 这样的社区来源中下载更多 Skills，这一点很像 App Store。

Skills 的分层结构

更重要的是，Skills 不是一股脑全混在一起，而是有层级的。

1. 内置 Skills

系统自带，随着 OpenClaw 安装包发布。例如：网页搜索，GitHub 操作，浏览器控制

2. 共享 Skills

给所有 Agent 公用的工具箱。只要是系统里的 Agent，都可以使用这部分 Skills。

3. 工作区专属 Skills

只给某个 Agent 用的私人装备。也就是说，不同 Agent 可以拥有不同的工具权限。

它带来的效果非常实用：

• 工作 Agent 可以只装办公相关技能
• 家庭 Agent 可以只装家庭相关技能
• 个人 Agent 可以只装私人管理相关技能

也就是说：同一个 OpenClaw，可以像不同人一样做事。

例如：

• 工作 Agent 安装 Jira、GitHub、Gmail Skills
• 家庭 Agent 安装智能家居、Spotify、Netflix Skills

这也是 OpenClaw 真正可扩展的关键之一。不是它天生什么都会，而是：它可以不断接入新的能力。

组件四：Channels（渠道）

如果说 Gateway 是总调度，Agent 是执行者，那么 Channels 更像是：OpenClaw 对外沟通的翻译官。

你可以把 Channels 想象成联合国的同声传译系统。

无论代表来自哪个国家，无论说的是哪种语言，翻译官都要先把内容转换成统一的通用语言，才能让整个会议顺利进行。OpenClaw 也是一样。

普通用户最在意的体验其实非常直接：我能不能继续用我熟悉的聊天软件，不换 App、不学新界面？

Channels 的作用，就是让你可以继续在你习惯的平台里与 OpenClaw 交流，而不用额外重新适应一个新的系统入口。

Channels 具体负责什么？

不同平台之间有很大差异：

• 消息格式不同
• 登录认证不同
• 群聊规则不同
• 支持的功能不同

Channels 就负责两件核心事情：

1. 把外部平台的消息翻译成 OpenClaw 内部统一格式

例如 Telegram 的消息格式、Discord 的消息格式、飞书的消息格式，本来都不一样。Channels 会先把它们变成系统内部统一能理解的结构。

2. 把 OpenClaw 的结果再翻译回平台能接受的格式

也就是说，内部处理完后，Channels 还要负责把结果"翻译回去"，让对应平台能正常显示文本、图片、文件等内容。

Channels 层的职责

Channels 层位于 Gateway 和外部聊天平台之间，主要负责：

1. 协议适配

将各个平台的特定消息格式，转换为 OpenClaw 的统一内部结构。

2. 认证管理

处理 OAuth、API Token、二维码扫描等不同登录方式。

3. 双向通信

负责接收消息，也负责发送响应，包括：文本，图片，文件

4. 平台特性支持

处理不同平台的专属功能，例如：@ 提及，表情回应，已读回执

OpenClaw 支持 14+ 个消息平台，包括但不限于：

• WhatsApp —— 个人通讯，家庭群聊
• Telegram —— 技术社区，快速部署
• Discord —— 游戏社区，开发者社区
• Slack —— 企业团队协作
• 飞书 —— 国内企业办公
• iMessage —— Apple 生态用户
• Signal —— 注重隐私的用户
• Web UI —— 浏览器访问，测试和调试
• Terminal TUI —— 命令行文本界面，开发者和极客

这意味着，你不一定要去适应 OpenClaw，OpenClaw 也可以来适应你的使用习惯。

组件五：Memory & Nodes

这一部分特别重要，因为它决定了 OpenClaw 不只是会聊天，而是真的更接近一个长期可协作的助手。

5.1 Memory:持久化记忆系统

它是什么？

ChatGPT 的记忆通常更会话级。而 OpenClaw 的记忆，更像你电脑里的真实笔记系统。

也就是说，对话结束后，它会把重要内容写进 Markdown 文件里。下一次你再问：**"上周那件事我们怎么定的？"**它就不是模糊猜测，而是有机会直接翻出记录。

很多人使用 AI 的痛点就在这里：

• 今天说过的事，明天忘了
• 刚建立好的偏好，下次又要重新解释
• 项目刚讲清楚，隔几轮又得重说一遍

Memory 的意义，就是尽量减少这种重复沟通成本。

Memory 的结构

OpenClaw 的记忆不是一整坨混乱长文本，而是通常分成两层：

1. 每日日志

像日常流水账一样，记录当天发生了什么。

2. 长期记忆

像整理后的知识库，只保留真正重要、可复用的信息。

它有三个非常现实的优点：

• 透明：你可以直接打开看
• 可控：你知道它记了什么
• 可备份：这些内容可以保存、迁移、归档

这对企业用户和注重隐私的用户尤其重要。

因为很多人真正需要的，不只是 AI 很聪明，而是：AI 的记忆必须是我能管理的。

5.2 Nodes:设备扩展

Gateway 是神经中枢，Agent 是大脑和执行者，那么 Nodes 就更像 OpenClaw 的：手、眼睛，以及外部感知设备。

它把手机或其他设备，变成 OpenClaw 可以调用的扩展节点。

如果没有 Nodes，OpenClaw 更多还是停留在文本与软件层面。有了 Nodes，它就可以进一步接触设备能力。

通过 Nodes，OpenClaw 可以做什么？

通过连接 iOS / Android 设备，OpenClaw 可以调用设备能力，例如：

• 拍照和录像 —— 调用手机摄像头
• 屏幕截图 —— 抓取手机当前屏幕
• 获取位置 —— 读取 GPS 坐标
• 语音交互 —— 语音唤醒和对话模式
• Canvas 渲染 —— 在手机上显示 HTML 界面

Nodes 的工作原理

Nodes 通常是通过 WebSocket 连接到 Gateway 的设备。

它的逻辑可以简单理解为三步：

1. 连接声明

Node 连接时先声明自己有哪些能力。例如，它会告诉系统自己是否具备：

• 相机
• 定位
• 屏幕截图
• 语音能力

2. 能力暴露

Gateway 收到这些声明后，就知道当前有哪些 Nodes，分别具备哪些能力。

3. 远程调用

当 Agent 需要某项设备能力时，就可以通过系统去调用对应 Node 的功能。

比如你可以让 OpenClaw:

• 调用 iPhone 拍一张照片
• 自动上传到云盘
• 再发送到工作群

一个完整例子：一条消息是怎么被处理的？

现在我们已经理解了五大组件，就来看一个最典型的完整流程。

假设你在 Telegram 上发了一句："帮我整理桌面文件。"

步骤 1:消息到达 Gateway

Telegram Channel 先接收到用户消息。然后它会把 Telegram 特定格式，转换成 OpenClaw 的内部格式，再通过 WebSocket 发送到 Gateway。

步骤 2:Gateway 路由消息

Gateway 检查系统配置，确定：

• 这条消息应该发给哪个 Agent
• 当前用户是否在白名单中
• 应该查找还是创建会话 ID

这一步的重点不是"做任务"，而是"把任务送对地方"。

步骤 3:Agent 执行推理

Agent 收到消息后，会从工作空间中加载：

• 今天的对话历史
• 长期记忆
• 可用的 Skills

然后把这些上下文，加上用户消息，一起交给大语言模型。

步骤 4:AI 决策并调用工具

AI 理解用户意图："整理桌面文件。"

于是它决定调用执行命令类工具：

• 创建文件夹
• 移动文件
• 完成分类

而 Agent 负责把这些动作真正执行，并获取执行结果。

步骤 5:返回结果并持久化

Agent 会把结果整理成自然语言，通过 Gateway 返回给 Telegram Channel。Telegram Channel 再把内部格式转换成 Telegram 的消息格式，发送给用户。

与此同时，Agent 还会把这次对话写入当天的日志文件中。

也就是说，整个过程不是"想一下"，而是：接收 → 路由 → 理解 → 调用工具 → 执行 → 返回结果 → 写入记忆

这也是 OpenClaw 和普通聊天机器人的关键差别所在。

企业读者更关心什么：可控、隔离、审计、扩展

对于普通用户来说，OpenClaw 是一个能真正干活的 AI 助手。但对于企业用户来说，更重要的是：它是否可管理、可隔离、可审计、可扩展。

1. 多 Agent 隔离：像部门划分

企业最怕的是：一个 AI 助手什么都能看、什么都能干。

更稳妥的方式，是为不同部门配置不同 Agent，让边界更清晰。

例如：研发部一个 Agent，市场部一个 Agent，财务部一个 Agent

这样做的价值在于：数据隔离更明确，权限控制更安全，风险扩散更小

2. Skills 白名单：像应用上架审核

企业通常不会允许所有工具都被随意调用。

它更像应用市场审核机制：哪些 Skills 可以使用，哪些 Skills 禁止使用，哪些 Skills 需要审批。这样做，是为了避免高风险能力被滥用。

3. 网络安全与审计：像给系统装门禁和监控

在企业环境中，常见做法包括：反向代理，统一身份认证，审计日志，沙箱隔离

这些措施的核心目标其实只有两个：可追踪，可约束

常见问题速读

OpenClaw 和 ChatGPT 的核心区别是什么？

核心区别是：

• ChatGPT 更偏向回答问题和给建议
• OpenClaw 更偏向接收任务并执行操作

也就是说，前者更像对话伙伴，后者更像执行助理。

OpenClaw 为什么需要 Gateway？

因为多平台、多 Agent、多会话如果没有统一调度，就会非常混乱。Gateway 的作用就是统一连接、路由消息、管理会话、协调多个 Agent。

Agent 在 OpenClaw 里负责什么？

Agent 负责理解任务、读取上下文、调用大模型、选择工具、执行操作，并把结果返回给用户。

Skills 在 OpenClaw 里相当于什么？

相当于手机上的 App 或工具箱。它们提供具体能力，让 Agent 不只是"会想"，还能"会做"。

Channels 的作用是什么？

Channels 负责连接不同聊天平台，把外部消息翻译成系统内部统一格式，再把系统结果翻译回各个平台能识别的格式。

Memory 的作用是什么？

Memory 负责让 OpenClaw 具备持续记忆能力，而不是每次都从零开始。它通常包括每日日志和长期记忆两部分。

Nodes 是做什么的？

Nodes 用来把手机或其他设备的能力接入 OpenClaw，例如相机、位置、截图、语音等，让 AI 能调用现实设备。

为什么这五大组件缺一不可？

OpenClaw 的五大组件不是孤立存在的，而是一起组成了一个完整的生态系统。

1. Gateway 是神经中枢

负责协调所有通信和路由。

2. Agent 是执行单元

负责把 AI 推理转化为实际操作。

3. Skills 是能力扩展层

负责让 OpenClaw 连接无限的外部服务和工具。

4. Channels 是接入层

负责让你在任何聊天平台中使用 OpenClaw。

5. Memory & Nodes 是长期能力层

一个负责记忆，一个负责物理设备扩展，让 AI 同时拥有"记住"和"感知"的能力。

这种架构设计的核心理念，可以概括为三点：

• 模块化 —— 每个组件都可以独立配置和替换
• 可扩展 —— 通过 Skills 和插件不断扩展能力
• 隐私优先 —— 所有数据存储在本地，透明且可控

所以，对于不同人群来说，OpenClaw 的意义也不一样：

• 对普通用户，它是一个能真正干活的 AI 助手
• 对企业用户，它是一个可深度定制的自动化平台
• 对开发者，它是一个开源的 AI Agent 框架