18.5万Star的开源AI Agent，OpenClaw到底怎么设计的？
Clawdbot（现在叫 OpenClaw）在几周内从9000 Star涨到18.5万。我花了些时间翻了它的架构文档和源码，试着搞清楚它的技术架构为什么能撑住这么快的增长。
OpenClaw 是什么
一句话：跑在你自己电脑上的 AI Agent，能直接操作你的文件、终端、浏览器，还能连 WhatsApp、Telegram、Discord 等十几个消息平台。
跟 ChatGPT、Claude 的区别在于，那些是云端聊天框，你问它答。OpenClaw 是一个 Node.js 服务，驻扎在你本地，接收消息平台的指令后，真的会去执行操作。有人形容它是"长了手的 Claude"，虽然有点糙，但大意没错。
三层消息流水线
翻源码能看到，消息从用户发出到被处理，经过三层：
渠道适配层，把 Telegram、Discord、Slack 等不同平台的消息格式统一。每个平台实现一个 ChannelPlugin 接口（在 src/channels/plugins/types.plugin.ts 里定义）。光 Telegram 的适配代码就有约15万 token，Discord 约12万，Slack 约10万。每个平台的消息格式、回调机制、速率限制都不一样，适配工作量比想象中大。
网关服务层，负责会话管理、权限控制、消息路由。通过 WebSocket（端口 18789）把消息推到 Agent 队列。白名单机制在这一层做的命令过滤。
Agent 处理层，理解意图、调用 Skill、生成响应。
三层之间职责分得挺干净。这种分层在 Web 后端很常见，不算新鲜，但放在 AI Agent 场景下确实做得比较清晰。
两个设计选择让它跟别的 Agent 不一样
Laurent Bindschaedler 有篇分析文章把 OpenClaw 的设计归结为两个核心原语，我觉得总结得挺准确。
第一个：自主调用。 Agent 不是只有用户发消息才工作，它还支持 Cron 定时执行、Webhook 事件触发、Gmail 集成、语音检测。每次调用有独立的会话隔离。也就是说，你可以让它每天早上自动干某件事，不需要你盯着。
第二个：把状态存成本地 Markdown 文件。 这是我觉得最有意思的设计。Agent 的"记忆"不存在数据库里，而是放在工作目录下的几个 .md 文件中：
AGENTS.md放操作指令和记忆SOUL.md放人格设定TOOLS.md放工具使用规范IDENTITY.md放 Agent 名称和风格
好处很直接：状态不会因为进程重启而丢失，你随时可以打开文件看看 Agent "在想什么"，还能直接编辑它的记忆。用 Git 追踪变更也很自然。
但老实说，这个方案我也有些存疑。Markdown 文件作为状态存储，在并发、一致性、查询效率上都有天然劣势。目前项目规模下还不是问题，用户量再上去可能就要想别的办法了。
为什么比其他 Agent 系统稳？
Towards AI 上有篇文章分析了这个问题。几个点：
它是一个长期运行的 CLI 进程，不是 Web 应用也不是 Notebook wrapper。直接跑在操作系统上，出了问题用常规手段就能调试，不需要跟一层层抽象较劲。Markdown 文件作为状态存储，避免了每次调用重新初始化的问题。
听上去很朴素。但回想一下 AutoGPT 早期版本经常跑着跑着就乱了套，你就知道"朴素但稳定"在 Agent 领域有多稀缺。
技术栈
| 组件 | 选型 |
|---|---|
| 主语言 | TypeScript（83%，约680万 token） |
| 运行时 | Node.js ≥ 22 |
| AI 模型 | Claude、GPT、DeepSeek、本地模型，可切换 |
| 消息协议 | WebSocket |
| 状态管理 | 本地 Markdown 文件 |
| 插件市场 | ClawHub（3000+ skills） |
| 许可证 | MIT |
社区里的真实用法
看 GitHub Issues 和论坛讨论，比较有意思的用法有这些：
有人用 Telegram Bot 配合 OpenClaw 自动消化 Twitter 信息流，每天发摘要。有人做了支持语音听写的待办系统。最硬核的是一个搞科研的用户，让 Agent 管理实验集群，任务队列空了 Agent 会自己提议跑新实验。
这些场景的共同点是：需要 Agent 主动干活，而不是你每次去问它。
一些想法
OpenClaw 的架构没有什么特别花哨的地方。三层流水线、两个核心抽象、Markdown 状态存储。每一个单独拎出来都不算新颖。
但它把这些组合在一起跑通了，而且跑得还算稳。在 AI Agent 领域，大家习惯了拿复杂架构去解决复杂问题，OpenClaw 反过来用简单方案撑住了一个高速增长的项目。
当然，安全问题是另一回事了，那是个大坑。但纯从架构角度看，这个项目值得细看。
参考资料：
- OpenClaw 官方文档：docs.openclaw.ai
- GitHub 仓库：github.com/openclaw/openclaw
- Towards AI: "Why Clawdbot Doesn't Break When Other Agent Systems Do"
- Laurent Bindschaedler: "Decoding OpenClaw: The Surprising Elegance of Two Simple Abstractions"