入站消息进入 OpenClaw 后，会先经过 dedupe，避免平台重复投递导致重复执行；官方文档说明，Pi 会在模型边界检查 queued steering messages，也就是工具调用批次执行结束、turn end 之后，再把新消息追加为 user message，供下一次 LLM call 使用。官方文档说明，OpenClaw 会维护一个短期缓存，并用 channel、account、p

这些方法说明，Gateway 对 Session 的管理已经不仅是“列出历史记录”，而是包括订阅、消息预览、解析、创建、发送、steer、abort、patch、reset、delete、compaction branch / restore 等完整操作。官方文档也说明，OpenClaw 会根据消息来源将对话组织到不同 sessions 中，例如 DMs、群聊、房间 / 频道、cron jobs

官方架构文档中写到，Gateway 是一个单一、长期运行的进程，负责所有消息入口，例如 WhatsApp、Telegram、Slack、Discord、Signal、iMessage、WebChat 等；中可以看到大量与 Agent run 相关的逻辑，包括 session key 解析、agent workspace 解析、sandbox 配置、模型支持能力、delivery plan、chat

理解了这一期之后，我们就能更清楚地看出 OpenClaw 的核心思想：它不是把 LLM 调用简单包装成 CLI，而是围绕“多 Agent、多会话、多通道、可回退执行”构建了一套完整的 Agent 运行基础设施。并不是一个简单的“大模型问答命令”，它本质上是一个带有会话路由、Agent 选择、模型覆盖、回复投递和容错回退能力的任务调度入口。如果不是 JSON 模式，则会提取。正常情况下，CLI 把请

这类命令，看看 CLI 如何把用户输入交给 Gateway，Gateway 如何创建一次 Agent turn，Agent 如何加载配置、workspace、session 和模型，最终生成回复。是 Agent 的工作区，不等于源码目录，它会保存 AGENTS、SOUL、TOOLS、IDENTITY、USER、HEARTBEAT、BOOTSTRAP 等文件。配置失败时，通常只有。则是更完整的首次配

需要特别注意的是，个人配置、workspace、credentials、sessions 和 logs 并不都在源码仓库内，而是分别位于。上一期主要从整体上认识了 OpenClaw：它不是普通聊天机器人，而是一个本地优先、多渠道、可调用工具、可扩展技能、带安全隔离机制的个人 AI 助手系统。只有先把项目跑起来，后面分析 CLI、Gateway、Session、Tools、Skills、Channe

Spring AI 文档中说明，Tool Calling 的基本流程是：应用把工具定义加入聊天请求，模型决定调用工具并提供工具名和参数，应用根据工具名执行对应工具，再把工具执行结果返回给模型，最后模型基于工具结果生成最终响应。Spring AI 文档也强调，模型只能请求工具调用并提供输入参数，真正执行工具调用的是客户端应用程序，模型不会直接访问工具背后的 API。从搜索、抓取、下载，到文件读写、终

这个项目中的文件读写、终端命令和 PDF 生成，正属于“执行动作”这一类工具能力。、工具权限分级、终端执行风险、文件路径安全、联网工具 SSRF 风险、工具调用审计，以及如何把当前项目的工具系统改造成更安全的 Agent 执行框架。三个工具配合后，可以让智能体完成“生成内容—保存草稿—执行辅助命令—生成 PDF 交付物”的任务链路。它只把一段内容写成一个段落，适合快速验证“模型生成内容 → 工具生

把 Java 方法注册为大模型可调用的工具，从而让智能体不只会回答问题，还可以调用外部能力完成任务。后，智能体就不再局限于模型自身知识和本地 RAG 知识库，而是可以根据任务主动获取外部信息。所以联网工具并不是自动可用的，它们必须经过注册，才能被模型在工具调用过程中选择。如果只抓取，不搜索，智能体需要用户直接提供 URL，缺少主动发现信息的能力。如果只搜索，不抓取，智能体只能得到搜索结果摘要，无法

工具调用的关键点是：模型本身并不直接访问 API，而是由应用程序提供工具定义、执行工具调用，并把工具结果返回给模型。应用程序负责根据工具名称和参数执行真实工具，再把工具执行结果返回给模型。这一流程对应 Spring AI 文档中的 Tool Calling 生命周期：应用把工具定义放入聊天请求，模型决定调用工具并给出参数，应用执行工具并把结果返回给模型，最后模型基于工具结果生成最终响应。用于帮助模