用 Python 打造一个极简OpenClaw Agent —— openclaw-mini
](https://qiniu.meowparty.cn/coder.2023/2026-03-23/5590e475bfb747d1a292bad2b020ba63.png)
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，我非常推荐看看这个项目：
👉 openclaw-mini
Repo: https://github.com/robotlearner001/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
线程信息保存在：
.codex-discord-sessions.json 并支持：
- TTL 过期控制（
CODEX_SESSION_TTL_SEC） - 超时自动重建
- 会话持续上下文
这样做的好处是：
✅ 不需要自己实现对话历史拼接
✅ 不需要维护 token 限制逻辑
✅ 不需要管理复杂的 API session
全部交给 Codex CLI。
为什么这个设计很实用？
对于个人开发者或小团队，这种架构有几个明显优势：
✅ 1. 可读性极高
整个代码量很小，逻辑线性。
你可以在一个晚上完全理解：
- 消息如何进来
- Prompt 如何构造
- 模型如何调用
- 会话如何持久化
✅ 2. 本地迭代极快
你只需要：
- 安装 openAI Codex CLI
- 配置 Discord Token
- 修改 Markdown 文件
改完 SOUL.md 或某个 skill 文件，重启即可生效。
✅ 3. 运维非常轻量
项目已经包含：
- systemd 模板
- launchd 模板
- 环境变量控制参数：
CODEX_SANDBOX- approval 策略
- 超时时间
- 模型选择
这意味着：
它是“最小可生产部署”的结构。
它适合什么人？
如果你想做：
- 🎯 一个 Discord 专用 AI 助手
- 🧠 一个本地可控的 Agent
- 🛠 一个可以完全理解其内部机制的系统
- 🐍 一个纯 Python 技术栈项目
那么 openclaw-mini 是非常合适的起点。
和完整 OpenClaw 的区别
| 对比项 | OpenClaw | openclaw-mini |
|---|---|---|
| 架构复杂度 | 高 | 低 |
| 语言 | 非 Python | ✅ Python |
| 多 Agent 支持 | 强 | 简化 |
| 上手难度 | 偏高 | ✅ 非常友好 |
| 适合人群 | 进阶构建者 | ✅ 快速原型开发者 |
如果你觉得 OpenClaw 太重、太抽象、太工程化，
openclaw-mini 是一个非常好的“轻量入口”。
总结
openclaw-mini 做了一件很聪明的事情：
把复杂性留给 Codex CLI，把结构简化到最小。
Discord 负责输入输出，
Markdown 负责行为定义，
Codex 负责推理，
Python 负责连接。
这是一种非常“Unix 哲学”的设计方式：
每个组件做好一件事。
如果你正在考虑做一个本地 AI Discord Agent，
我建议从它开始，而不是一上来就搭一个复杂框架。
Repo
🔗 https://github.com/robotlearner001/openclaw-mini
如果你已经在用 OpenClaw 或在做自己的 Agent 框架，也欢迎交流思路。
极简架构，有时候反而是最强的起点。
![[大模型实战 01] 本地大模型初体验：Ollama 部署与 Python 调用指南](https://qiniu.meowparty.cn/coder.2023/2026-03-23/cover_1774198995963_661b261f7b5d4022a1fd07afb0c824cd.png)
