面经策

OpenClaw 的核心组件有哪些？请描述它们之间的关系 ​

  • 标签：AI、OpenClaw、大模型应用开发、AI应用开发、Agent开发

🏛 业务架构师 ​

OpenClaw 的核心组件及关系，我按数据流向串一遍：

  • Channel 插件（入口层）：对接 Telegram、Discord、飞书等渠道，把各家消息格式标准化为统一事件流，向下屏蔽渠道差异；
  • Gateway（总线层）：系统的交通枢纽——消息路由（决定交给哪个 Agent 处理）、鉴权、限流、幂等去重，所有出入流量过这里；
  • Agent Runner（执行层）：Agent 的"发动机"，驱动一次完整运行：装载 Agent 配置→装配上下文→调 LLM→执行工具调用循环→产出回复；
  • Context Engine（上下文管理层）：可插拔组件，负责历史裁剪、工具结果截断、Compaction 压缩，守住上下文窗口的预算；
  • LLM Provider（模型层）：多模型适配，按配置路由不同厂商/规格的模型；
  • 工具与 Skills（能力层）：Agent 可调用的外部能力，经权限管道管控；
  • Hook（切面层）：消息处理前后的中间件，做日志、过滤、审批、监控。

关系一句话：Channel 收消息 → Gateway 路由 → Agent Runner 执行（Context Engine 管内存、Provider 供大脑、工具当手脚、Hook 做切面）→ 回复原路返回。

架构启示：这套分层的本质是"关注点分离"——渠道、治理、执行、记忆、模型各自独立演进，这正是企业级 Agent 平台该有的骨架，值得自研团队借鉴。

🏗 系统架构师 ​

OpenClaw 的核心组件我按数据流串起来（消息从进入到回复经过的组件序列）：

  • Channel 插件层：各渠道（Telegram/飞书/Discord）适配器，统一消息协议进系统，屏蔽渠道差异——接入的"南向"抽象；
  • Gateway（网关）：系统统一入口——消息路由（按渠道/用户群组/规则匹配到目标 Agent）、鉴权、限流、幂等去重（Agent 请求级别的幂等保障），多 Agent 协作时也充当协调节点；
  • Agent Runner（执行器）：单个 Agent 实例的运行时——装载配置（System Prompt、工具集、模型），跑 Agent Loop（上下文组装 → LLM 推理 → 工具执行 → 回填迭代），管理任务生命周期；
  • Context Engine（上下文引擎）：可插拔的上下文管理层——窗口预算分配、历史裁剪、Compaction 滚动压缩、长期记忆检索注入、工具结果压缩；
  • 工具与 Skills 层：MCP Server 接入、内置工具、权限策略管道（声明式规则决定何时允许执行）；
  • Hook 中间件：横切关注点——审计日志、审批闸门、指标打点，在消息/工具调用关键节点挂钩；
  • Subagent 机制：父 Agent spawn 子 Agent 处理子任务，资源与上下文隔离。

组件关系一句话：Channel 收消息 → Gateway 定路由 → Runner 执行 → Context Engine 供"内存" → Tools 供"手" → Hook 管"纪律"，形成分层清晰、可独立演进的运行时架构。

💻 全栈开发专家 ​

OpenClaw 的组件分层清晰，我按数据流顺序讲关系：

  1. Gateway（网关）：系统入口。职责：渠道消息验签、路由匹配（哪条消息进哪个 Agent）、鉴权、幂等去重（渠道 webhook 重试不会重复执行）、限流。它不做智能，只做治理。
  2. Channel Plugin（渠道插件）：把 Telegram/飞书/钉钉的私有消息格式翻译成统一消息模型（inbound 事件 / outbound 消息），出站方向处理格式转换（Markdown→各渠道卡片）、长消息分片、渠道速率限制。
  3. Agent Runner（执行器）：跑 Agent 循环的核心：加载 Agent 定义（system prompt、工具集、模型配置）→ 组装上下文 → 调 LLM → 解析 tool call → 执行 → 观察 → 循环到终止。一次运行的生命周期管理在这里。
  4. Context Engine（上下文引擎）：可插拔的上下文策略层——窗口裁剪、Compaction 摘要压缩、外部记忆检索。Runner 每轮向它要「本轮该带什么上下文」。
  5. Tool Registry + Policy Pipeline：工具注册表 + 分层权限管道（场景→角色→动作的策略链），工具执行前过策略校验。
  6. Hook 系统：横切关注点（审计、计费、脱敏、指标）挂在关键事件点上（消息进出、工具调用前后）。
  7. Store（存储）：会话、任务状态、记忆、审计日志的持久化。

关系一句话：Gateway 管「进」，Channel 管「翻译」，Runner 管「干」，Context Engine 管「记多少」，Tool+Policy 管「能干什么」，Hook 管围观记录。职责单一，这也是它可维护的关键。