数据是如何流动的消息历史的重要性：让 LLM 看到完整上下文ReAct 循环的工作方式。

本文介绍了两种用户交互通道的实现：Terminal命令行和WebSocket网络接口。TerminalChannel提供本地命令行交互界面，支持用户输入和AI回复；WebSocketChannel则通过WebSocketServer实现远程连接，支持多客户端通信。两者都遵循统一的Channel接口，通过依赖注入方式处理消息，其中WebSocket还使用clientId标识不同客户端。代码实现了通道

本文介绍了实现Agent长期记忆系统的设计方案。系统支持存储用户偏好、待办事项等多种信息类型，并实现跨会话保存。核心功能包括：1) 使用Markdown格式存储记忆条目，便于人工查看编辑；2) 基于关键词和标签的检索机制；3) 提供记忆添加和查询工具接口。代码实现了MemoryStore类来管理记忆条目，包含添加、查询等基本操作，并以文件形式持久化存储。系统设计注重实用性和可扩展性，无需依赖复杂数

AI Agent核心机制：ReAct循环解析 摘要：ReAct循环是AI Agent的核心运行机制，通过"思考(Reasoning)→行动(Acting)→观察(Observing)"的循环模式实现智能决策。文章通过厨师做菜的类比解释了ReAct的工作原理，并展示了TypeScript实现代码的关键部分。实现中包含了状态管理（idle→thinking→acting）、递归深度

摘要 Gateway是系统的核心控制中心，负责协调所有组件并管理生命周期。作为"大脑"，它主要功能包括初始化组件、会话管理、消息路由以及协调Agent、Tools等模块。其架构包含MemoryStore、ToolRegistry、Agent和多个Channels，初始化顺序严格遵循Memory→Tools→Agent→Channels。关键特性包括基于channel+clien

TurboClaw 类型系统详解：作为项目基础架构的"建筑图纸"。系统定义了六类核心类型：1)消息类型(Message/ToolCall)，构建基础数据单元；2)Agent类型(状态/配置/思考结果)，实现AI核心逻辑；3)工具类型(参数/定义)，扩展Agent能力；4)通道类型(配置/接口)，处理用户交互；5)Gateway类型(配置/会话)，作为系统控制中心；6)LLM接口

TurboClaw 是一个极简的AI Agent框架，使大语言模型具备工具调用、记忆存储和持续对话能力。其架构包含Gateway（控制中心）、Agent（决策核心）、LLM（推理引擎）、Tools（操作执行）、Memory（信息存储）、Channels（交互界面）和Session（对话管理）七大组件。数据流示例展示了从用户输入"创建文件"到Agent通过ReAct循环调用wri

摘要 本文介绍了如何构建统一的LLM接口来连接不同大模型API（如OpenAI、DeepSeek等）。主要内容包括： 问题背景：不同LLM提供商API格式存在差异（如OpenAI与Anthropic格式不同），导致调用方式不统一。 解决方案：采用适配器模式设计统一接口，通过LLMProvider抽象层隔离底层实现差异。 代码实现： 提供OpenAI兼容格式的Provider实现（支持OpenAI/

工具系统：为Agent赋能执行能力 本文介绍了Agent工具系统的设计原理和实现方法，让AI不仅能思考还能执行实际任务。核心内容： 工具的必要性：类比人类大脑需要手脚配合，LLM作为大脑需要工具系统才能完成实际任务（如文件操作） 注册表设计： 采用中央注册表统一管理所有工具 实现动态扩展和解耦 提供工具查询和格式转换功能 安全实现： 内置文件系统工具 通过路径解析和安全检查防止目录遍历攻击 限制操