拆解Clawdbot：一个AI助手的内部运作逻辑

最近Clawdbot这个项目很火，但大多数人只是在用，很少有人真正搞明白它是怎么运转的。今天我们就来做一次技术解剖，看看这个AI助手的底层架构到底长什么样。

先说一个可能颠覆你认知的事实：Clawdbot本质上是一个TypeScript命令行应用。不是Python，不是网页应用，就是一个跑在你本地机器上的进程。它做的事情很直接：暴露一个网关服务器来处理各种渠道的连接，调用大模型API，在本地执行工具，然后替你完成各种任务。

整个架构可以拆成六个环节。

第一环是渠道适配器，负责接收和标准化你从各个平台发来的消息。第二环是网关服务器，这是整个系统的心脏，负责把消息分发到正确的会话中。这里有个很精妙的设计：它用了一个基于“泳道”的命令队列来串行化操作。每个会话有自己专属的泳道，只有那些低风险、可并行的任务才会被放到并行泳道里跑。

这个设计背后有一条重要的工程哲学：默认串行，显式并行。

如果你做过智能体开发，一定深有体会。那种到处都是异步调用的代码，最后会变成一堆交织在一起的垃圾日志，调试起来简直是噩梦。泳道这个抽象把串行化变成了默认架构，开发者的心智模型从“我需要锁住什么”变成了“什么东西可以安全地并行”。这个思路转变，价值千金。

第三环是智能体运行器，负责选择模型、组装系统提示词、加载工具和记忆，然后把会话历史拼接进去。如果上下文快满了，它会自动压缩会话或者优雅地失败。第四环是大模型API调用，支持流式响应和扩展思考。第五环是智能体循环，如果模型返回工具调用，就在本地执行并把结果加回对话，循环往复直到得到最终答案或者达到最大轮次。第六环是响应路径，把结果送回给你，同时把整个会话持久化到一个JSONL文件里。

再来看记忆系统。Clawdbot的记忆分两层：会话记录存在JSONL文件里，长期记忆存在Markdown文件里。搜索的时候同时用向量检索和关键词匹配，这样既能找到语义相近的内容，也能精确命中特定词汇。

有意思的是，这些Markdown记忆文件是智能体自己用普通的文件写入工具生成的，没有什么特殊的记忆API。每次新对话开始时，系统会自动抓取上一次对话并写入摘要。整个设计出奇地简单，没有记忆合并，没有周期性压缩，旧记忆和新记忆权重相等，永不遗忘。

简单有简单的好处：可解释、可调试、不容易出幺蛾子。

最后说说计算机控制能力。Clawdbot通过exec工具执行shell命令，可以跑在Docker沙箱里，也可以直接跑在宿主机上。它还有文件系统工具、基于Playwright的浏览器工具，以及进程管理工具。

安全方面，它用了一个命令白名单机制，用户可以选择允许一次、始终允许或拒绝。安全命令预先批准，危险的shell结构默认拦截。

浏览器工具有个巧妙的设计：它不依赖截图，而是用语义快照，也就是页面可访问性树的文本表示。一张截图可能有5MB，语义快照只有50KB不到，token成本天差地别。毕竟浏览网页这件事，本质上并不是一个视觉任务。

这套架构给我们的启示是：好的AI工程不在于用了多炫酷的技术，而在于用最朴素的方式解决最核心的问题。

x.com/Hesamation/status/2017038553058857413