Agent 架构解析

OpenClaw Agent 的工作方式

OpenClaw 的 Agent 基于 ReAct 模式（Reasoning + Acting）：

用户输入
  → 思考（Reasoning）：分析任务，规划步骤
  → 行动（Acting）：调用工具执行
  → 观察（Observation）：处理工具返回结果
  → 循环直到任务完成
  → 输出最终结果

这个循环称为 Agent Loop，每次循环称为一个 Turn。

工具系统

Agent 通过调用工具与外部世界交互，OpenClaw 内置工具包括：

工具类型	示例
文件操作	读文件、写文件、列目录
代码执行	运行 Shell 命令、执行脚本
网络请求	HTTP GET/POST、网页抓取
系统集成	截图、摄像头（macOS）
搜索	本地搜索、网络搜索

工具权限控制

默认情况下，敏感工具（如执行命令、网络请求）需要用户确认：

{
  "tools": {
    "permissions": {
      "shell": "ask",
      "filesystem": "allow",
      "network": "ask"
    }
  }
}

权限级别：

• allow：自动允许
• ask：每次询问用户
• deny：禁止使用

上下文窗口管理

当对话历史过长时，OpenClaw 会自动进行 Compaction（压缩）：

1. 识别历史对话中的关键信息
2. 生成摘要替换详细历史
3. 保留重要上下文，减少 Token 消耗

可手动触发：

# 在对话中发送
/compact

子代理（Sub-Agent）

对于复杂任务，主 Agent 可以启动子代理并行执行：

主 Agent
  ├─ 子代理 A：搜索资料
  ├─ 子代理 B：分析代码
  └─ 子代理 C：生成报告
       ↓
主 Agent 汇总结果

详见 多代理架构 章节。