🦞 深度揭秘 OpenClaw：AI Agent 的“手脚”是如何长出来的？

开启养虾篇的更新喽！最近OpenClaw特别火，之前自己也写过一点ts代码，于是扒了一下OpenClaw代码研究一下，本篇文章将会从0到1讲解一下爆火的OpenClaw手脚是如何长出来的？

大纲

• 1.什么是 OpenClaw？

• 2.“手脚”是什么？OpenClaw 是怎么执行真正的动作的？

• • 2.1 skills（技能）—— AI 能做什么？

  • 2.2 Tools（工具）与 Function Calling —— 动作真正执行者

• 3.OpenClaw 源码核心分析

• • 3.1 技能加载

  • 3.2 工具集

1.什么是 OpenClaw？

简单来说，OpenClaw 是一个开源的 AI Agent 平台，它不是普通聊天机器人，而是 真正能执行任务的人工智能助手框架。它能自动化执行命令、操作文件、运行浏览器自动化流程、集成 API、响应消息渠道等。

📌 核心特点：

• 多种渠道支持：Telegram、Discord、WhatsApp 等聊天平台可接入 OpenClaw Agent。(OpenClaw Center)

• 支持多种模型：如 GPT、Claude、Gemini、本地模型等。(OpenClaw Center)

• 完全开源、自主部署，数据可以留在本地而不泄露给第三方。(OpenClaw)

• 不是纯聊天机器人，它可以 执行真正的动作——运行代码、控制浏览器、执行命令等。(Best AI Tools)

🧠 通俗比喻：

如果把普通聊天机器人当成智能客服，OpenClaw 就像是 一个会动、会操作、会执行任务的 AI 助手的操作系统。

---

2.“手脚”是什么？OpenClaw 是怎么执行真正的动作的？

OpenClaw 最核心的价值就是 —— 让 AI 不只是生成文字，而是“做事”。

为了做到这一点，它有两个关键体系：

2.1 Skills（技能）—— AI 能做什么？

技能（Skills） 类似于文档SOP，描述了 Agent 能做的事情：

• 简单技能：比如返回当前时间

• 复杂技能：比如进行 Web 搜索、管理邮箱、运行 shell 命令、API 工作流

• 自定义技能：社区或开发者自己开发的扩展模块

这些 skills 通常由一个目录+文档组成，OpenClaw 在启动时会自动扫描这些技能并将它们加载到 Agent 的能力列表中。

📌 Skill 的作用：它不是执行逻辑，而是 告诉 Agent：这个功能存在、可以被调用、该如何使用。

换句话说：

Skills 是能力声明，但不执行动作。

OpenClaw 的技能系统遵循 AgentSkills 兼容规范。 每个技能是一个文件夹，至少包含一个 SKILL.md，用于向 Agent 显示：

• 技能名称、描述

• 当用户/模型应当触发该技能时

• 与该技能相关的工具使用说明

典型结构：

my-skill/
  SKILL.md

在 SKILL.md 里你写：

---
name: web-search
description: Use this skill to search the web
---
...

OpenClaw 会从三个位置加载技能（优先级为 workspace > 本地 > 内置），然后把这些技能信息注入到生成给模型的 prompt 里，让模型“知道有这些能力”。

---

2.2 Tools（工具）与 Function Calling —— 动作真正执行者

当 Agent 决定要“去做某件事”，它需要调用一个具体的 工具（tool）。

这正是 Function Calling / Tool Calling 的意义所在。

什么是 Function Calling（或 Tool Calling）？

Function Calling（工具调用）不是 OpenClaw 自创，而是 OpenAI API 的官方概念。

它是模型与外部系统交互的通用机制——模型在生成输出时，会提出一个“函数调用请求”（结构化 JSON），由程序执行后再返回结果给模型。OpenClaw 就是利用这个机制让模型做实际操作。

• Function Calling 基本流程

工具调用是指您的应用程序与模型之间通过 OpenAI API 进行的一系列多步骤交互。工具调用流程主要包含五个步骤：

1. 使用模型可以调用的工具向模型发出请求

2. 接收来自模型的工具调用

3. 使用来自工具调用的输入，在应用程序端执行代码

4. 使用工具输出向模型发出第二个请求

5. 接收模型的最终响应（或更多工具调用）

这个过程就像：

这就是所谓的 Function Calling（工具调用）机制。它让模型的输出不仅仅是文本，而是一种结构化请求。OpenClaw 的“手脚”正是构建在这个机制之上。

3.OpenClaw 源码核心分析

3.1 技能加载

基于底层库mariozechner/pi-agent-core来构建

Skills 加载入口：loadWorkspaceSkillEntries

在 workerspace.ts 源码中，OpenClaw 通过 loadWorkspaceSkillEntries 函数实现了一套多层级的“能力发现”机制。并不只看一个目录，它会从多个源合并技能，并遵循“近者优先”的覆盖逻辑：

• Extra Dirs: 用户自定义的外部路径。

• Bundled: 框架内置的核心技能。

• Managed: 全局管理目录（~/.openclaw/skills）。

• Agents Skills: 遵循 .agents/skills 标准的项目或个人技能。

• Workspace: 当前项目下的 ./skills 目录（最高优先级）。

另外，代码中实现了一个性能优化：路径压缩（Compact Paths）。这个有趣的函数叫做compactSkillPaths。它会将路径中的用户主目录替换为 ~。

技术细节：这不仅是为了美观，通过将长路径（如 /Users/alice/...）缩短，每个技能可以节省 5-6 个 Token。在加载数百个技能时，能为系统提示词（System Prompt）腾出 400-600 个 Token 的空间。

3.2 工具集

在 OpenClaw 里面，“工具（Tools）” 就是 Agent 的实际执行能力。模型根据技能和 prompt 判断“应该用哪个工具做事”，再通过 函数调用（Function/Tool Calling） 真正触发执行。

核心入口就是：

export function createOpenClawCodingTools(options?) { … }

这个函数负责收集、构建、过滤和注入所有 OpenClaw 可用的工具，并最终返回一组工具定义，供模型执行。它基于 pi‑agent‑core / pi‑coding‑agent 实现，并在此基础上扩展了 OpenClaw 自有的能力。

OpenClaw 的工具不是单一来源，它实际上把不同来源的工具组合起来，并在运行前经过 策略过滤、权限校验、schema 清理 等步骤，构成最终可被模型调用的工具列表。

支持的工具见前面图片即可。

AI时代已来，加速学习！

学习更多干货，欢迎关注转发！

玩转cpp小项目星球3周年了！