sunvers1天前
OpenClaw(原项目名为 Moltbot/Clawd)并没有在自己的主代码库中直接编写 Agent 的核心“思考循环”逻辑,而是通过高度模块化的设计,将这一核心职责委派给了底层依赖库 及其核心组件 。 以下是 OpenClaw 利用这些核心库实现 Agent 主循环逻辑的详细机制: 1. 架构分层与职责委派 OpenClaw 采用了关注点分离的架构,将 Agent 逻辑分为四个层次: - OpenClaw (应用层):负责业务逻辑、消息路由(如 Telegram/Discord 集成)、会话元数据管理和权限策略。 - (引擎层):提供通用的 Agent 框架,负责会话管理、工具注册、扩展系统以及内置的编程工具。 - (内核层):主循环逻辑的真正所在地。它定义了 和 函数,负责协调 LLM 调用与工具执行。 - (抽象层):提供统一的 LLM API 接口(如 OpenAI、Anthropic 等),只负责单次的 LLM 调用,不参与循环。 2. 主循环的启动流程 当 OpenClaw 接收到用户消息时,会经历以下调用链来启动 Agent: 1. 准备阶段:OpenClaw 的 调用 ,在此处加载模型配置、认证信息,并根据当前会话动态创建工具集(包括 OpenClaw 自定义的浏览器、消息、Canvas 工具)。 2. 创建会话:通过 的 函数创建一个 实例。这个实例绑定了当前的工作空间、工具策略和系统提示词。 3. 触发循环:调用 。该方法会进一步调用底层 中的 。 3. 的核心逻辑实现 实际的主循环逻辑在 的 函数中定义,它包含一个嵌套的循环结构 #openclaw #agent架构 #clawdbot #moltbot
00:00 / 06:00
连播
清屏
智能
倍速
点赞14
00:00 / 01:49
连播
清屏
智能
倍速
点赞107
00:00 / 02:50
连播
清屏
智能
倍速
点赞94
00:00 / 03:12
连播
清屏
智能
倍速
点赞66
00:00 / 06:38
连播
清屏
智能
倍速
点赞11
00:00 / 06:25
连播
清屏
智能
倍速
点赞76
00:00 / 00:15
连播
清屏
智能
倍速
点赞251
00:00 / 01:28
连播
清屏
智能
倍速
点赞28
00:00 / 00:51
连播
清屏
智能
倍速
点赞65