【学习笔记】一文解析OpenClaw(clawdbot)是什么？从Skills、MCP、RAG、Memory到AI Agent
摘要：本文旨在拆解 OpenClaw 的核心构成及其背后的关键技术栈，并剖析推理服务的物理本质，阐述 Memory（记忆机制） 如何解决大模型的状态丢失问题，解析 RAG（检索增强生成） 如何突破知识时效性限制，详解 MCP（模型上下文协议） 如何赋予大模型操作工具的能力，并说明 Skills（技能编排） 如何将原子化操作转化为复杂工作流。最终，本文将这些组件串联，揭示 OpenClaw 作为 AI Agent 的完整架构逻辑，帮助开发者理清概念迷雾，掌握构建自主智能体的核心方法论。
关键词：OpenClaw, AI Agent, MCP, RAG, Memory, Skills, 大模型架构
一、推理（Inference Service）服务是什么
在讨论任何高级概念前，我们必须回归物理本质。
像 GPT-4、DeepSeek-V3 这样的大语言模型（LLM），在磁盘上本质上只是一个巨大的参数文件（.safetensors 或 .bin）。它们本身是静态的，不会思考，也不会响应。
要让它们“活”过来，需要一个推理服务引擎（如 vLLM, TGI, Ollama）。
- 加载：引擎将参数文件加载到 GPU 显存中。
- 接口：对外暴露 HTTP/gRPC 接口（通常是
/v1/chat/completions）。 - 计算：接收 Token 序列，进行矩阵运算，输出下一个 Token 的概率分布。
结论：大模型 = 静态参数文件 + 推理引擎进程。对外暴露HTTP接口，接收用户请求，做推理，返回结果，这就是推理服务。给它套个 Web 前端，就是聊天机器人；给它加上复杂的控制逻辑，就是 AI Agent。
二、状态管理：Memory（记忆机制）
1.痛点
HTTP 协议是无状态的（Stateless）。为了高并发，推理服务通常部署多个实例（Replicas）。
- 请求 A -> 实例 1
- 请求 B -> 实例 2
如果大模型本身不保存状态，如何让它记得你上一句说了什么呢？这就靠大模型的记忆。
2.技术实现
所谓的“记忆”，本质上是上下文工程（Context Engineering）。系统会在每次请求时，动态拼接历史对话，构造完整的 Prompt 发送给模型。
- 短期记忆（Short-term Memory）：滑动窗口机制。保留最近 NN 轮对话的完整文本。
- 技术点：使用 Redis 或内存队列存储最近会话。
- 长期记忆（Long-term Memory）：摘要压缩机制。将久远对话通过 LLM 提炼成关键信息（Summary），或存入向量库。即：
- 索引阶段：将外部文档切片（Chunking），通过 Embedding 模型转化为向量（Vector），存入向量数据库（如 Milvus, Chroma, pgvector）。
- 检索阶段：用户提问时，将问题也转化为向量，在数据库中计算余弦相似度，召回最相关的 KK 个片段。
生成阶段：将召回的片段作为“参考材料”注入 Prompt。架构图如下：
三、知识增强：RAG（检索增强生成）
1.痛点
大模型的训练用的数据集是截止于某个时间点（Knowledge Cutoff）的历史数据，且无法访问私有数据（如公司内部文档、最新新闻）。直接问它“昨天股价多少”或“公司报销流程”，它会胡编乱造（幻觉）。
2.技术实现
RAG (Retrieval-Augmented Generation) 的核心流程是：检索 -> 增强 -> 生成。
为什么不用传统 SQL？
当字面完全不同，但语义高度相关（特定梗或隐喻）时，只有向量数据库能捕捉这种语义距离。
四、手脚延伸：MCP（Model Context Protocol）
1.痛点
大模型虽然有了记忆和知识，但还是个“缸中之脑”，只能动口不能动手。它想发邮件、查 GitHub、操作本地文件，该怎么办？
2.技术实现
MCP (Model Context Protocol) 是 Anthropic 提出的一种标准化协议，旨在统一大模型与外部数据/工具的连接方式。它解决了“方言”不通的问题。
- MCP Host：集成大模型的应用（如 Cursor, OpenClaw）。负责发起请求。
- MCP Client：运行在 Host 端，负责传输协议。
- MCP Server：运行在远端或本地，封装具体的工具逻辑（如调用 GitHub API, 读取文件系统）。
工作流程：
- 声明：Server 启动时，向 Host 注册可用工具列表（Tools Schema）。
- 决策：LLM 根据用户意图，决定调用哪个工具，并生成符合 JSON Schema 的参数。
- 执行：Host 通过 MCP 协议将 JSON 发给 Server，Server 执行真实操作（如
git commit）。 - 反馈：Server 将执行结果（成功/失败/输出）返回给 LLM，LLM 据此生成自然语言回复。
OpenClaw 中的 MCP 应用：
OpenClaw 作为一个本地 Agent，通过 MCP 协议调用本地的 Python 脚本、Shell 命令或浏览器自动化接口。这使得它能真正“操作”你的电脑。架构图如下：
五、大脑皮层：Skills（技能编排）
1.痛点
MCP 提供了原子化的工具（扳手、锤子），但大模型并不天生知道修车的流程。面对复杂任务（如“排查线上故障”），模型可能乱用工具，或者顺序错误。
2.技术实现
Skills 是结构化的操作手册或工作流模板。它将“工具调用”升级为“任务编排”。
- 定义：Skills 通常由 YAML 或 DSL 定义，包含触发条件、执行步骤、异常处理逻辑。
- 作用：约束 LLM 的行为边界，提供 Few-Shot（少样本）引导。
区别总结：
- MCP = 给了大学生一套工具箱。
- Skills = 给了大学生一本《维修操作SOP》。
- OpenClaw = 一个读了 SOP、拿着工具箱、还能记住你上次修车记录的资深技工。架构图如下：
六、终极形态：AI Agent 与 OpenClaw
1.什么是 AI Agent？
当我们将上述组件整合：
Agent=LLM(大脑)+Memory(记忆)+RAG(知识库)+MCP(工具手)+Skills(经验流程)Agent=LLM(大脑)+Memory(记忆)+RAG(知识库)+MCP(工具手)+Skills(经验流程)
这就构成了 AI Agent。它不再是被动问答，而是具备感知、规划、行动、反思能力的自主系统。
2.OpenClaw (CloudBot) 的本质
OpenClaw 是一个面向本地桌面环境的通用 AI Agent。
- 核心能力：通过 MCP 协议深度接管操作系统权限（文件读写、应用启动、网页操作）。
- 对比 Manus：
- Manus：为了安全，将执行环境隔离在云端虚拟机（Sandbox），适合企业级敏感操作，但延迟高、成本高。
- OpenClaw：主打“野路子”美学，直接运行在用户本地。权限极大，风险自负，但响应极快，能操作本地所有软件。架构图如下：
安全提示：
OpenClaw 的强大源于其极高的权限。它本质上是一个自动化脚本的解释器。如果 Prompt 注入攻击成功，它可能删除你的文件或发送钓鱼邮件。信任，但验证（Trust but Verify）是使用此类本地 Agent 的第一原则
七、进阶思考：多 Agent 协作（Multi-Agent）
单个 Agent 已经很强，但未来的趋势是多 Agent 协作（Multi-Agent Systems）。
想象一个软件开发团队：
- Product Agent：负责分析需求，拆解任务（使用 Skills 定义产品流程）。
- Coder Agent：负责编写代码（调用 GitHub MCP）。
- Reviewer Agent：负责 Code Review 和安全扫描（调用静态分析工具）。
- Deploy Agent：负责 CI/CD 流水线。
它们之间通过共享 Memory 或消息队列通信，互相监督、互相修正。这就是下一代 AI 架构的核心战场。
结语
从静态的模型文件，到拥有记忆、知识和手脚的 OpenClaw，技术并没有发生魔法般的突变，而是工程化组装的艺术。
- Memory 解决了状态丢失。
- RAG 解决了知识滞后。
- MCP 解决了动作执行。
- Skills 解决了逻辑混乱。
