第 1 章 OpenClaw 是什么它和 ChatGPT 有什么不一样1.1 从「聊天机器人」到「会干活的数字同事」过去几年我们经历了几波 AI 工具的浪潮先是「对话式搜索」ChatGPT、Claude、文心一言……然后是「写代码、写文案」Copilot、Cursor、各种 AI IDE 插件接着是「智能客服/机器人」接入企业微信、Slack、网站客服的各种 Bot。这些东西的共同点是主要还停留在「说」的层面。它们可以帮你理解问题、生成文本或代码但要真正触达你的世界——你的文件、邮箱、日程、服务器、家里的设备——往往需要你手动复制粘贴结果再去点各种按钮、跑各种脚本。这中间存在一个巨大的「最后 10 米」问题从「AI 想得明白」到「事情真的被做完」差了一堵墙。OpenClaw 试图干的事就是在你和 AI 之间把这堵墙拆掉让 AI 真的动手可以访问你的邮箱帮你整理和回复可以操作你的浏览器帮你登录、填表、查资料可以在你的电脑上跑脚本、读写文件、开关设备可以定时在后台悄悄做事不打扰你。你可以把它想象成一个「坐在你电脑前、登录了你账号、能使用你所有工具的一位远程同事但 TA 是 AI。」1.2 OpenClaw 的核心理念本地优先、开放、可黑Hackable在深入技术之前先说说这个名字。「Claw」是龙虾或螃蟹的螯——最有力的那只钳子。OpenClaw 的创始人选择这个词因为项目的核心理念就是让 AI 不只是「说得好」而是真的「抓得住」抓住你的文件系统、邮箱、浏览器、终端把事情做完。名字里的「Open」则强调完全开源。Logo 也是一只卡通龙虾社区里大家习惯叫它「那只龙虾」。从官网和 README 中可以提炼出三个关键理念本地优先Local-firstOpenClaw 默认跑在你的设备上Mac、Windows、Linux 都可以。你的配置、技能、上下文记忆都在你掌控的环境里外部服务只是被当作「模型提供商」或「远程 API」。开放OpenClaw 是开源的你可以直接阅读源码理解安全模型、权限边界Fork 一份定制自己的版本在社区生态中共享、复用他人写好的 Skills。可黑Hackable作者和社区反复强调的一点是你应该能随时「拆开」它。CLI 是第一等公民可以从终端操作几乎所有能力配置文件、Skills、连接方式都可以用文本和代码来描述和修改甚至有专门的「Hackable 安装方式」鼓励你从源码开始玩。这三点让 OpenClaw 和很多云端封闭的「AI 助手产品」有明显不同它更像一个开发者用的「个人 Agent 操作系统」而不是一个最终形态的 SaaS。1.3 功能速览多通道聊天、浏览器控制、系统访问、后台任务、技能平台从功能角度OpenClaw 可以被粗略拆成几块后面章节会详细展开多通道聊天入口Channels支持 Slack、iMessage、Discord、Google Chat、Teams、Matrix、Feishu、LINE、IRC、Mattermost、Twitch、WebChat……你和朋友/同事可以在任何一个自己熟悉的聊天平台里像跟真人一样跟它说话Gateway 控制平面Gateway统一管理 Session、配置、通道状态、心跳、Cron、Webhooks提供 Web 控制台和 WebChat 前端是所有 Agent、Skills、Nodes 的「中枢」。Agent 运行时Agent Runtime管理和模型之间的对话、工具调用tool streaming、分块输出block streaming支持多 Agent 配置可以为不同场景代码、生活、运营定制不同人格和能力。Nodes BrowserNodes 代表各种「有手有脚的设备」Mac/iOS/Android 等Browser 工具可以启动和控制专用浏览器截图、交互、上传下载、执行复杂网页操作。Skills 平台类似应用商店有官方自带bundled、托管managed、工作区自定义workspace三种你可以装别人写好的也可以在它的帮助下写出自己的技能。自动化与后台任务Cron 任务、Webhooks、Gmail Pub/Sub 等让 OpenClaw 可以在你不在线的时候替你「守着」可以实现每日简报、异常监控、自动整理文档等常驻任务。1.4 从官网与 README 解读产品定位官网用大量用户反馈来传达一个核心感受「这不像一个传统软件更像一个有生命的伙伴。」人们说它「在后台运行公司」说「这才是个人 AI 应该有的样子」说「感觉像二十年前第一次装上 Linux」自由、可控、可以无限折腾。而 README 的开头则更技术向一些它强调 Gateway 是控制平面强调 Node ≥ 22、npm/pnpm 安装方式、不同发布通道stable/beta/dev列出一长串已经实现的功能模块与文档链接。综合来看OpenClaw 的定位可以概括为一个以开发者为核心用户的本地 AI 助手运行时兼顾「开箱即用」和「极致可扩展」。1.5 本书路线图与阅读建议按读者画像这本书会沿着这样的节奏展开Part I帮你站在「产品和用户」视角看清 OpenClaw 的整体样子Part II梳理核心抽象和数据模型Session、Agent、Channel、NodePart III深入 Gateway 与运行时的实现从仓库结构和调用链入手Part IV聚焦 Skills 与自动化教你写出自己的技能和工作流Part V从安全、部署、运维角度看「如何在真实环境长期跑 OpenClaw」Part VI做一次架构复盘讨论哪些模式值得你在其他项目中复用。针对不同读者个人玩家可以快速扫一遍 Part I → 重点看 Part II 的概念 → 直接跳到 Part IV 第 11、13 章按案例写出第一个 Skill集成工程师在上述基础上多花时间啃 Part III 的第 8、10 章搞清消息链路再下手改代码架构/平台负责人建议完整阅读再结合自己团队的现有系统思考第 14、15、16、17 章提出的那些权衡。1.6 架构鸟瞰单机上的「个人 Agent OS」在真正展开详细架构第 3 章之前我们先用一张「纯文字示意图」粗略勾勒 OpenClaw 的骨架。从外到内大致可以这样理解用户与外部世界你和你的同事/家人通过 Slack、iMessage、Discord 等各种聊天 App 给 OpenClaw 发消息有时也会通过 CLI 或 Web 前端直接和它交互。Channels通道层每一种聊天平台都有一个对应的「适配器」负责连接官方 API、收发消息、处理各自奇怪的格式和限制这些适配器把外部世界五花八门的消息统一转换成内部的标准事件。Gateway控制平面所有来自 Channels 的事件最终都会汇聚到本地运行的 Gateway 进程Gateway 维护会话Session、当前在线通道、已安装技能、定时任务、运行中的 Agent 等等它通过 WebSocket/HTTP 为 CLI、Web UI 和其他客户端提供统一入口。Agent Runtime智能体运行时当 Gateway 判定一条消息需要某个 Agent 处理时会把消息交给对应的 Agent RuntimeRuntime 负责和模型对话、组织提示词、发起工具调用Skills/Browser/Nodes、把中间结果流式返回给 Gateway。Tools / Skills / Nodes / Browser「手脚」与「器官」Skills围绕特定任务或系统如 Todo 管理、邮箱、CRM的扩展逻辑NodesmacOS/iOS/Android 等执行环境可以控制本机应用、摄像头、屏幕Browser专用浏览器实例可以独立于你日常浏览活动执行自动化操作。用一句话概括Channels 把外部世界接进来Gateway 负责「分发和管控」Agent Runtime 负责「思考和决策」Skills/Nodes/Browser 负责「真正动手」。在后面的章节里我们会一层层把这张示意图拆开从「一条消息」出发顺着它在这些组件间的流动轨迹把架构和源码一起讲清楚。1.7 源码索引约定从概念跳到代码的大致路径从这一章开始书中提到的每一个核心概念都会尽量给出「大致可以去看哪一块代码」的指引。由于 OpenClaw 本身在快速演进具体文件名和路径可能会有调整这里只给出模块级别的导向Gateway 相关代码主要集中在仓库的src/与apps/下面负责启动 Gateway 进程、管理 WebSocket/HTTP 接入、维护 Session 和通道状态。当你在书里看到「Gateway 如何路由一条消息」这类描述时可以在源码中搜索 Gateway 入口和路由相关的模块来比对。Channels通道适配器相关代码每种聊天平台是src/下的独立顶层目录src/slack/、src/discord/、src/imessage/等适配器里包含连接初始化、事件监听、消息入站/出站的转换逻辑共享工具函数集中在src/plugin-sdk/。Agent Runtime 与会话模型在源码中会有专门负责 Session、Agent 配置与调用链的模块这些模块定义了「一条消息如何变成一次模型调用」「调用过程中如何接入工具」等核心逻辑。Skills 与插件系统仓库根目录有skills/目录每个 Skill 一个子目录核心是一个SKILL.mdMarkdown 文件不是TypeScript/JavaScript 代码Skill 的工作方式是把说明文本注入 Agent 的提示词由模型调用bash命令来执行Skill 的加载、扫描和提示词注入逻辑在src/agents/和src/gateway/agent-prompt.ts中实现。在后续深入章节尤其是第 8、10、11、14 章我们会在介绍某个概念时给出更具体的「可以从哪几个文件/模块看起」的建议帮你把抽象概念和真实代码一一对上。