如果你关注过 OpenClaw 这个项目，可能会觉得它功能完整但结构相对复杂，而且不是用 Python 实现。
对于很多想快速搭建一个 本地运行的 Discord AI 助手 的开发者来说，可能更希望有一个：
- 架构更简单
- 全 Python 实现
- 不需要自己封装 OpenAI API
- 本地运行即可
这时候，推荐看看这个项目：
openclaw-mini 它是一个 OpenClaw 风格的'极简版本'，专注在一个清晰的路径上： Discord + 本地 Codex CLI + Markdown 驱动的行为定义。
openclaw-mini 是什么？
openclaw-mini 是一个最小可用的 OpenClaw 风格 Agent，专注做三件事：
- ✅ 使用 Discord 作为输入输出通道
- ✅ 使用本地 Codex CLI 执行模型推理
- ✅ 使用
SOUL.md+skills/*.md定义行为
没有复杂的多 Agent 管理，没有庞大的中间层抽象。
它的核心目标是：
做一个你能在一个下午完整读懂的 AI Agent 架构。
它的运行机制：非常干净的一条主线
读过代码之后，你会发现整个控制流非常清晰。
1️⃣ 启动入口：main.py
- 加载环境变量
- 启动 Discord 客户端
没有额外框架，没有复杂生命周期管理。
2️⃣ bot.py：处理消息
当收到 Discord 消息时：
- 过滤 bot 自己发的消息
- 处理内置命令：
/help/skills/soul
如果不是命令，则进入模型处理流程。
3️⃣ 构造提示词（Prompt 拼接）
普通消息会被封装为一个完整 instruction，包含：
SOUL.md的内容（Agent 的人格和行为原则）skills/*.md的所有技能卡片内容- 用户原始消息
它的思路是：
用 Markdown 驱动行为，而不是在代码里写大量逻辑。
这是一种非常干净的'提示工程驱动架构'。
4️⃣ llm.py：调用本地 Codex CLI
这里是最有意思的设计。
它 不在 Python 里直接调用 OpenAI API， 而是调用：
codex exec --json --output-last-message
然后读取模型的最终输出。
也就是说：
- Python 只负责 I/O 和流程
- 模型会话由 Codex CLI 管理
- 对话状态由 Codex CLI 线程维护
本地 Codex 会话的设计：非常聪明
每一个 Discord 会话会映射到一个：
✅ 持久化 Codex thread ID