当前位置: 首页 > article >正文

OpenClaw学习总结_I.核心架构_2.AgentLoop详解

I. 核心架构 - 2. Agent Loop 课程位置阶段I. 核心架构课序第 2 课前置知识I-1. Gateway 架构后续课程I-3. Context 管理 本课核心问题如果你问我“OpenClaw 的 Agent 是怎么工作的一条消息进来后它是怎么处理的”我会这样回答Agent 有一个完整的工作循环叫Agent Loop像工厂的流水线一条消息进来后会经过 6 个阶段的处理。 你需要理解的六个阶段阶段 1Message消息接收发生了什么Gateway 收到一条消息转发给 AgentAgent 开始处理类比工厂门口收到了一个订单订单被放到传送带上关键点消息来源可以是 WhatsApp、Telegram、Discord 等消息格式被 Gateway 标准化后发送消息内容文本、图片、文件等都行阶段 2Context Assembly上下文组装发生了什么Agent 把需要知道的信息组装起来包括系统提示词、对话历史、可用工具类比工厂里工人开始准备查看订单要求系统提示词翻看之前的加工记录对话历史看看手边有哪些工具可用工具关键点这个阶段决定 Agent “知道什么”上下文太长会有成本问题可以通过 Compaction 优化后面会讲阶段 3Model Inference模型推理发生了什么把组装好的上下文发给 AI 模型模型思考并决定回复什么用什么工具类比工人根据订单要求、历史记录、工具清单思考“我应该怎么做”决定“我需要查一下库存然后用原材料加工”关键点这个阶段调用外部 AI 服务如 Claude模型可以调用工具Tool Calling可以设置多个模型作为备份Model Failover阶段 4Tool Execution工具执行发生了什么如果模型决定需要调用工具就执行工具可以是发消息、读文件、执行命令、浏览器操作等类比工人去仓库查库存或者操作机器加工产品或者叫其他工人帮忙关键点工具执行后结果返回给模型模型根据结果继续推理可以多次执行工具循环阶段 5Streaming流式输出发生了什么把回复内容实时显示给用户不是等全部生成完再显示而是一个字一个字地显示类比工厂流水线上的产品完成后不是一次性交付而是在生产过程中就展示给客户看关键点用户体验更好更快看到回复可以显示正在输入状态有两种模式Block等全部和 Preview实时阶段 6Persistence持久化发生了什么把对话内容保存到磁盘这样下次对话时Agent 知道之前聊过什么类比工厂把这次的加工记录存档下次有类似订单可以参考之前的做法关键点保存位置~/.openclaw/agents//sessions/格式JSONL每行一个 JSONSession 会被定期压缩Compaction来节省空间 完整的 Agent Loop 流程图Message消息进来 ↓ Context Assembly组装上下文 ↓ Model InferenceAI 思考 ↓ ├─ 需要工具 → Tool Execution执行工具 │ ↓ │ 回到 Model Inference继续思考 │ ↓ └─ 不需要工具 ↓ Streaming流式输出给用户 ↓ Persistence保存到磁盘 ↓ 结束等待下一条消息 这个设计的关键点1. 可扩展性每个阶段都可以干预和定制就像工厂流水线的每个环节都可以调整通过Hooks可以在关键点插入自定义逻辑2. 上下文成本上下文不是免费的token 需要花钱所以需要** Compaction** 来压缩后面会讲3. 工具调用Agent 不是只说话还能做事可以执行命令、读写文件、控制浏览器通过 Tool Calling 实现4. 会话管理每次对话都会被保存下次继续时可以记得但如果太长会压缩Compaction 实战看看 Agent Loop 在做什么查看当前会话# 查看 Agent 的会话列表openclaw sessions list# 查看某个会话的详情openclaw sessions showsessionId# 查看对话历史cat~/.openclaw/agents/main/sessions/*.jsonl查看日志# 实时查看 Agent 处理的日志openclaw logs--follow|grepagent# 会显示每个阶段的详细信息调试工具调用# 如果你想看 Agent 调用了什么工具# 查看日志中的 tool_call 相关内容openclaw logs|grep-itool⚠️ 常见陷阱陷阱表现原因解决上下文太长“Token limit exceeded”对话历史太长使用 Compaction工具执行失败“Tool execution failed”工具参数错误或权限问题检查工具配置模型超时“Request timeout”模型响应太慢设置更长的超时时间死循环Agent 不停调用同一个工具工具逻辑问题检查工具设计 学习心得我学这一课时的体会我之前以为 Agent 就是收到消息 → 回复消息的简单过程。学完后才发现中间有这么多复杂的阶段尤其是Tool Execution 循环- 模型可以多次调用工具这让我想到如果工具设计不好可能会陷入死循环Context 成本- 之前没意识到每次对话都在累积成本Compaction 是必须的Hooks 的强大- 原来可以在每个阶段插入自定义逻辑这为自动化提供了无限可能与其他课程的关联前置课程Gateway 架构 - 消息从 Gateway 来到 Agent后续课程Context 管理 - 详细讲阶段 2配合课程Session 管理 - 阶段 6 的持久化配合课程Compaction - 优化阶段 2 和 6✅ 你现在应该理解的说出 Agent Loop 的 6 个阶段解释每个阶段在做什么画出完整的流程图知道 Context 成本是什么理解工具调用和循环 快速参考表阶段名称做什么1Message接收消息2Context Assembly组装上下文系统提示词历史工具3Model InferenceAI 模型思考4Tool Execution执行工具如需要5Streaming流式输出回复6Persistence保存对话到磁盘 相关资源官方文档Agent Loophttps://docs.openclaw.ai/concepts/agent-loopHookshttps://docs.openclaw.ai/automation/hooksSessionhttps://docs.openclaw.ai/concepts/session相关课程上一课I-1. Gateway 架构下一课I-3. Context 管理 本课总结最关键的 3 点6 阶段流水线Message → Context → Model → Tool → Stream → Persist每个阶段都可以定制和干预工具调用的循环模型可以多次调用工具需要注意不要陷入死循环为后续课程打基础Context 管理阶段 2Session 管理阶段 6Compaction优化 2 和 6现在你应该理解了 Agent 是怎么思考的。下一课会讲它思考时需要什么Context 管理。

相关文章:

OpenClaw学习总结_I.核心架构_2.AgentLoop详解

I. 核心架构 - 2. Agent Loop 📍 课程位置 阶段:I. 核心架构 课序:第 2 课 前置知识:I-1. Gateway 架构 后续课程:I-3. Context 管理🎯 本课核心问题 如果你问我:“OpenClaw 的 Agent 是怎么工作…...

基于Qwen3-TTS-12Hz-1.7B-Base的语音导览系统开发

基于Qwen3-TTS-12Hz-1.7B-Base的语音导览系统开发 1. 引言 走进博物馆或景区,你是不是经常遇到这样的困扰:导览设备不够用,讲解内容千篇一律,或者语言选择有限,让游览体验大打折扣?传统的语音导览系统往往…...

Keil MDK下载失败常见错误诊断与工程配置指南

1. Keil MDK下载与编译常见错误诊断与工程配置实践嵌入式开发中,Keil MDK(Microcontroller Development Kit)作为主流IDE,在ARM Cortex-M系列MCU项目中被广泛采用。然而,从工程创建、代码编译到Flash烧录的完整流程中&…...

WarcraftHelper:让魔兽争霸3在现代电脑上重获新生

WarcraftHelper:让魔兽争霸3在现代电脑上重获新生 【免费下载链接】WarcraftHelper Warcraft III Helper , support 1.20e, 1.24e, 1.26a, 1.27a, 1.27b 项目地址: https://gitcode.com/gh_mirrors/wa/WarcraftHelper WarcraftHelper是一款专门为魔兽争霸3设…...

从零玩转ZYNQ定时器:全局定时器vs私有定时器,5个你必须要知道的性能陷阱

ZYNQ定时器深度解析:全局定时器与私有定时器的实战应用指南 1. ZYNQ定时器架构全景剖析 在ZYNQ嵌入式系统中,定时器资源堪称"瑞士军刀"般多功能。每个Cortex-A9处理器都配备专属的32位私有定时器和看门狗定时器,而双核共享的64位全…...

Windy气象数据API成本优化指南:如何节省那每年7-8k的调用费用?

Windy气象数据API成本优化实战:从架构设计到替代方案的全方位指南 气象数据在现代商业决策中扮演着越来越重要的角色,从物流路径规划到新能源发电预测,精准的气象信息能够带来显著的经济效益。然而,专业气象数据服务的高昂成本常常…...

FireRed-OCR Studio快速部署:阿里云PAI-EAS一键部署生产环境

FireRed-OCR Studio快速部署:阿里云PAI-EAS一键部署生产环境 1. 工业级文档解析工具介绍 FireRed-OCR Studio是一款基于Qwen3-VL模型开发的下一代文档解析工具。它能精准识别文字内容,同时完美还原复杂的表格结构、数学公式及文档布局,并将…...

PWM原理与工程实现:从伏秒积到电机调速全解析

1. PWM原理与工程实现深度解析1.1 PWM的本质:伏秒积守恒的功率控制思想脉冲宽度调制(Pulse Width Modulation,PWM)并非简单的开关信号,而是一种基于能量守恒原理的功率调控技术。其核心在于:在固定周期内&a…...

基于YALMIP 的微网优化调度模型探索

微网 优化调度 机组组合 YALMIP cplex 编程语言:MATLAB平台 主题:基于YALMIP 的微网优化调度模型 内容简介:程序基于MATLAB yalmip 开发,做了一个简单的微网优化调度模型,模型中含有蓄电池储能、风电、光伏等发电单元…...

AI 时代,应用入口正在消失

网罗开发 (小红书、快手、视频号同名) 大家好,我是 展菲,目前在上市企业从事人工智能项目研发管理工作,平时热衷于分享各种编程领域的软硬技能知识以及前沿技术,包括iOS、前端、Harmony OS、Java、Python等…...

用ESP32和PCA9685打造你的第一个写字机器人:从Turtle绘图到机械臂控制的完整指南

用ESP32和PCA9685打造高精度写字机器人:从数学建模到机械臂控制的实战手册 当你第一次看到机械臂流畅地写出自己的名字时,那种震撼感难以言表。作为创客圈近年来最受欢迎的项目之一,写字机器人完美融合了数学之美、硬件智慧与编程艺术。本文将…...

Clawdbot部署避坑指南:解决Qwen3:32B模型消失问题全攻略

Clawdbot部署避坑指南:解决Qwen3:32B模型消失问题全攻略 1. 问题现象与初步诊断 1.1 典型错误表现 当您在Clawdbot平台中调用Qwen3:32B模型时,可能会遇到以下异常情况: Clawdbot前端界面显示"模型不可用"或"连接失败"…...

【Dify运维黄金标准】:2024最新Token计量插件v2.3.1正式发布——支持按模型/用户/应用三级分摊,附生产环境强制校验安装清单

第一章:Dify生产环境Token成本监控插件概述Dify 生产环境中,大语言模型调用产生的 Token 消耗直接影响服务成本与资源规划。Token 成本监控插件是一个轻量级、可嵌入的可观测性组件,专为 Dify 平台设计,用于实时采集、聚合并告警模…...

多模态向量数据库选型:通义千问3-VL-Reranker-8B最佳搭档

多模态向量数据库选型:通义千问3-VL-Reranker-8B最佳搭档 1. 引言 在多模态AI应用快速发展的今天,如何高效处理图文、视频等跨模态数据的检索和排序,成为了许多开发者面临的实际挑战。传统的文本检索已经无法满足现代应用的需求&#xff0c…...

利用 HTML5 WebGL 实现风力发电机 3D 可视化监控系统

1. 风力发电监控系统的技术背景 风力发电作为清洁能源的代表,近年来发展迅猛。根据全球风能理事会数据,2022年全球风电新增装机容量达到77.6GW,中国占比超过50%。这种快速增长对风机监控系统提出了更高要求,传统二维监控界面已经难…...

YOLOv10在工业质检中的应用:快速部署与模型调优指南

YOLOv10在工业质检中的应用:快速部署与模型调优指南 1. 工业质检场景下的YOLOv10优势解析 1.1 传统质检方案的痛点与挑战 工业质检领域长期面临三大核心挑战: 高精度要求:缺陷检测通常需要达到99%以上的准确率实时性压力:生产…...

技术人员最重要的沟通能力有几种境界?

为什么沟通能力是最重要的能力。别的不说,咱们写代码,现在都怎么写?现在一般的方法是告诉AI要干什么让AI来帮咱们写。也就是和AI沟通。对于有的任务,沟通好和不太好可能最终都能用AI完成,但区别在于多沟通几轮还是少沟…...

全任务零样本学习-mT5中文-base效果实测:温度0.9 vs 1.2增强多样性对比

全任务零样本学习-mT5中文-base效果实测:温度0.9 vs 1.2增强多样性对比 最近在折腾文本数据增强,发现了一个挺有意思的模型——全任务零样本学习-mT5中文-base。这名字听起来有点绕,简单说,它就是一个专门为中文文本“改写”和“…...

PaddlePaddle-v3.3保姆级教程:3步完成模型剪枝,小白也能轻松上手

PaddlePaddle-v3.3保姆级教程:3步完成模型剪枝,小白也能轻松上手 1. 前言:为什么要给模型"减肥"? 想象你训练了一个特别聪明的AI模型,它能准确识别图片里的猫猫狗狗。但当你试图把这个模型放到手机上使用时…...

Nanbeige 4.1-3B部署教程:国产昇腾NPU适配可行性技术验证

Nanbeige 4.1-3B部署教程:国产昇腾NPU适配可行性技术验证 1. 项目背景与特点 Nanbeige 4.1-3B是一款具有独特像素游戏风格的对话模型前端界面,专为中文对话场景优化设计。与传统AI对话界面不同,它采用了复古JRPG游戏视觉风格,为…...

MiniCPM-o-4.5-nvidia-FlagOS项目实战:从零开始搭建Python爬虫数据清洗管道

MiniCPM-o-4.5-nvidia-FlagOS项目实战:从零开始搭建Python爬虫数据清洗管道 你是不是也遇到过这样的麻烦?想从网上抓点数据做分析,结果要么是网站结构太复杂,写爬虫代码写到头秃;要么是爬下来的数据乱七八糟&#xff…...

MedGemma X-Ray部署教程:Kubernetes集群中高可用MedGemma X-Ray服务编排

MedGemma X-Ray部署教程:Kubernetes集群中高可用MedGemma X-Ray服务编排 1. 引言:医疗AI影像分析的新选择 在现代医疗诊断中,X光片分析是基础且重要的检查手段。传统的阅片过程需要经验丰富的放射科医生,耗时且容易因疲劳产生误…...

通义千问1.8B轻量模型入门:从部署到对话完整教程

通义千问1.8B轻量模型入门:从部署到对话完整教程 1. 为什么选择通义千问1.8B轻量模型 如果你正在寻找一个能在消费级GPU甚至边缘设备上运行的对话模型,通义千问1.5-1.8B-Chat-GPTQ-Int4绝对值得考虑。这个由阿里云推出的轻量级模型,经过GPT…...

嵌入式C与C++工程选型五维决策框架

1. 嵌入式C开发与嵌入式C开发的工程实践辨析嵌入式系统开发中,编程语言的选择从来不是纯粹的技术偏好问题,而是由硬件资源约束、开发团队能力结构、产品生命周期要求、维护成本模型等多重工程因素共同决定的决策过程。在单片机(MCU&#xff0…...

OpenClaw自动化测试:GLM-4.7-Flash驱动浏览器回归验证

OpenClaw自动化测试:GLM-4.7-Flash驱动浏览器回归验证 1. 为什么选择OpenClaw做自动化测试? 去年接手一个遗留的Web项目时,我遇到了典型的测试困境——每次代码改动后,都需要手动执行47个关键路径的回归测试。某次凌晨3点&#…...

别再被“AI幻觉”骗了!一文看懂RAG:给大模型挂上最强“外挂大脑”

你是否有过这样的经历:问大模型(LLM)一个最新的新闻,或者你们公司的内部制度,它要么一本正经地胡说八道(幻觉),要么委婉地告诉你它的知识库只更新到2023年。这就是大模型的“先天缺陷…...

Pixel Dimension Fissioner生产环境:K8s集群部署+Prometheus监控裂变服务SLA

Pixel Dimension Fissioner生产环境:K8s集群部署Prometheus监控裂变服务SLA 1. 产品概述 像素语言维度裂变器(Pixel Dimension Fissioner)是一款基于MT5-Zero-Shot-Augment核心引擎构建的高端文本改写与增强工具。它将传统AI文本处理能力重构为充满活力的16-bit像…...

SeisUnix完整指南:5个步骤快速上手地震数据处理开源软件

SeisUnix完整指南:5个步骤快速上手地震数据处理开源软件 【免费下载链接】SeisUnix The CWP/SU: Seismic Un*x Package - a free open seismic processing, research, and educational software package. Please seek distribution gzipped tar files at https://wi…...

别慌!你的sklearn模型R2_score为负,可能不是代码写错了

当你的sklearn模型R2_score为负时,先别急着怀疑人生 第一次在sklearn中看到R2_score出现负值时,那种自我怀疑的感觉我至今记忆犹新。"是不是哪里写错了?"、"难道连最基本的模型都跑不对?"——这些念头在我脑海…...

OpenClaw自动化测试实践:GLM-4.7-Flash驱动单元测试与报告生成

OpenClaw自动化测试实践:GLM-4.7-Flash驱动单元测试与报告生成 1. 为什么选择OpenClaw做测试自动化? 去年接手一个遗留Java项目时,我遇到了典型的测试困境——每次代码变更后需要手动执行上百个测试用例,还要从控制台日志中人工…...