关注 霍格沃兹测试学院公众号，回复「资料」, 领取人工智能测试开发技术合集

 

如果说 ChatGPT 让“自然语言”第一次成为主流人机接口，那么以 OpenClaw 为代表的一批系统，真正推动的，是软件运行形态的变化。

OpenClaw 并不是一个“更聪明的聊天机器人”，而是一套围绕 长期运行、可控执行、工程可审计 目标构建的 Headless Agent（无界面智能体）系统。

你看到的只是一个 IM 聊天窗口， 但下面跑着的是一套可以分支、回放、压缩且不丢状态的执行系统。

---

目录

1. 从对话产品到执行系统

2. Pi 内核：极小而稳定的 Agent 引擎

3. 工具不是 Prompt，而是系统能力

4. 长期运行的关键：两层存储与会话树

5. IM 即通用总线：无界面交互模型

6. Skills 架构：写给模型看的接口说明

7. HEARTBEAT：让 Agent 拥有时间维度

8. 无界面系统的可观测性设计

9. Moltbook：Agent 社会的实验场

10. 从 SEO 到 AEO：Web 正在 API 化

11. 成本现实与混合模型架构

12. OpenClaw 解决了什么问题

---

1. 从对话产品到执行系统

多数 AI 产品的终点，是“回答问题”。

OpenClaw 从一开始就绕开了这条路，它关注的是另一件事：

一个 Agent 如何在没有 UI 的情况下，持续执行任务，并且始终可控？

为此，OpenClaw 做了三个取舍：

• 不做复杂 Web UI

• 不把能力塞进 Prompt

• 把“执行”当作一等公民

聊天只是入口，系统运行才是核心。

---

2. Pi 内核：极小而稳定的 Agent 引擎

OpenClaw 的执行核心，并不是一个庞大的 Runtime，而是嵌入式引擎 Pi。

Pi 的职责被严格限制在底层能力：

• 模型抽象

• 推理循环（Agent Loop）

• 工具执行调度

• 流式输出

它不关心：

• IM 接入

• 会话分支

• 权限与审计

• 沙盒策略

这些全部由 OpenClaw 在系统层完成。

2.1 SDK 内嵌，而不是黑盒 RPC

一个关键工程决策是： OpenClaw 直接把 Pi 作为 SDK 嵌入 Gateway 进程，而不是通过外部 RPC 调用。

结果是：

• 会话生命周期完全可控

• 工具调用可审计

• Agent 不再是“不可解释黑盒”

---

3. 工具不是 Prompt，而是系统能力

OpenClaw 在集成 Pi 时，往往会做一件非常激进的事：

清空 Pi 内置工具，只注入 OpenClaw 自己的工具链

这带来了清晰的职责分工：

• Pi：怎么执行工具

• OpenClaw：允许哪些工具被执行

IM 动作、文件系统、Shell、外部 API，都被统一成系统级工具面，而不是 Prompt 技巧。

---

4. 长期运行的关键：两层存储与会话树

大多数 Agent 项目失败的原因只有一个：长任务跑着跑着就“失忆”了。

OpenClaw 的解法完全是工程手段。

4.1 两层持久化结构

• sessions.json： 轻量索引，记录 session 元信息

• *.jsonl transcript： 只追加的事件日志，记录真实执行历史

聊天、工具调用、压缩摘要，全部落盘。

4.2 会话不是线，是树

Transcript 通过 id / parentId 形成树结构：

• 主线：稳定执行

• 支线：修 Bug / 试方案

• 支线结果可摘要回主线

这一步极大降低了“调试污染主上下文”的成本。

graph TD
    A[Main Session] --> B[Branch: Tool Fix]
    A --> C[Branch: Alt Plan]
    B --> D[Summary Back]
    C --> D
    D --> A

---

5. IM 即通用总线：无界面交互模型

OpenClaw 把 WhatsApp / Telegram / Discord 当作：

UI + 通知系统 + 异步任务入口

这样做的工程收益极高：

• 零学习成本

• 天然异步

• 全平台覆盖

Agent 可以像同事一样工作： 你下指令，它去跑，完成后再通知你。

---

6. Skills 架构：写给模型看的接口说明

OpenClaw 的 Skills，本质不是插件系统，而是自然语言接口文档。

核心文件是 SKILL.md：

• 能做什么

• 不能做什么

• 调用示例

• 安全边界

模型不是“调用 API”，而是读文档学会使用工具。

7. HEARTBEAT：让 Agent 拥有时间维度

HEARTBEAT.md 的作用只有一个：

让 Agent 在没人找它时，也会“醒来”

它本质上是 Agent 世界里的 Cron：

• 定期巡检

• 状态检查

• 主动提醒

这让 Agent 从“工具”变成了“协作者”。

---

8. 无界面系统的可观测性设计

没有 UI，最大的风险是失控感。

OpenClaw 的解法是三层机制：

1. 全量日志：思考、工具、结果全部记录

2. 自省能力：Agent 能解释自己刚才做了什么

3. 人机回环：敏感操作必须确认，支持 Dry Run

Agent 既是执行者，也是自己的调试工具。

---

9. Moltbook：Agent 社会的实验场

OpenClaw 生态里最极端的一次实验，是 Moltbook。

• 人类只能旁观

• Agent 才能发帖、评论、投票

结果并不“理性”： 噪声、角色扮演、宗教隐喻、加密货币齐飞。

但它真实暴露了一个问题：

当智能体成为主要用户，互联网接口该如何设计？

---

10. 从 SEO 到 AEO：Web 正在 API 化

OpenClaw 的出现，逼迫 Web 世界开始考虑 Agent-Friendly 接口：

• 面向人类：页面与交互

• 面向 Agent：API、Markdown、协议

MCP、llms.txt 的出现并非偶然。

---

11. 成本现实与混合模型架构

Agent 的 ReAct Loop 天生昂贵。

社区正在探索 混合模型策略：

• 小模型：心跳、路由、日志

• 大模型：复杂推理

这也是 OpenRouter 等平台的价值所在。

---

12. OpenClaw 解决了什么问题

OpenClaw 并没有解决“AI 会不会思考”。

它解决的是更现实的问题：

Agent 如何在真实世界长期、稳定、可控地运行？

当成本进一步下降，这种 无头、自治、工具化 的形态， 极可能成为 Agentic Web 的默认范式。

OpenClaw 只是序章。

关于我们

霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。