原创

用户输入后内部发生了什么

你在 OpenClaw 里输入一句话：

帮我检查这个网页后台的数据，并生成一份报告。

表面上看，只是“用户发消息，模型回复”。

但 OpenClaw 内部发生的事情要复杂得多。

消息要进入 Gateway。

Gateway 要判断它属于哪个 session。

如果当前正在执行任务，消息可能要排队、合并或作为 steering 进入下一轮。

运行时要组装 Prompt、上下文、工具、Skill、Workspace 信息。

模型要决定是否调用工具。

工具结果要回到模型。

最后回复要根据渠道规则分块、流式返回或写入会话。

这一篇我们把用户输入之后的内部链路完整拆开。

先说结论：输入不是直接发给模型

OpenClaw 的真实流程更像这样：

用户输入
  ↓
渠道 / CLI / Dashboard / API
  ↓
Gateway 接收消息
  ↓
去重、debounce、路由和绑定
  ↓
解析 session key
  ↓
进入队列或当前 run 的 steering
  ↓
创建 agent run
  ↓
组装 system prompt、context、tools、skills
  ↓
调用模型
  ↓
模型回复或请求工具
  ↓
执行工具并返回 observation
  ↓
模型继续推理
  ↓
生成最终输出
  ↓
按渠道限制流式/分块发送
  ↓
写入 transcript 和状态

所以用户输入不是直接进入模型。

它先进入 OpenClaw 的运行系统。

模型只是执行链路中的一站。

第一步：入口不同，消息形态不同

用户输入可能来自很多入口：

CLI
Dashboard
HTTP API
Telegram
企业微信
Slack / Discord
WhatsApp
Browser 控制界面
定时任务
Webhook

不同入口带来的信息不一样。

CLI 输入通常很直接。

消息平台会有 channel、account、peer、message id、reply id、群聊上下文、附件、语音、图片。

HTTP API 可能带业务系统自己的用户 ID、任务 ID、回调地址。

OpenClaw 要先把这些不同形态的输入转换成可以进入 Agent Runtime 的消息。

这就是 Gateway 的价值。

Gateway 不是“模型转发器”。

它是输入标准化和运行调度中心。

第二步：去重和 debounce

消息平台可能重复投递同一条消息。

网络断线重连、Webhook 重试、客户端同步，都可能导致同一条用户消息被送到 Gateway 多次。

OpenClaw 会做 inbound dedupe，用 channel、account、peer、session、message id 之类的信息短期缓存，避免重复触发 Agent run。

另一个常见问题是用户连续发多条短消息：

帮我查一下
这个网页
昨天的数据
顺便截图

如果每一条都立刻触发一次模型调用，体验会很差，也浪费成本。

所以 OpenClaw 支持 inbound debouncing，把短时间内同一发送者的连续文本消息合并成一个 turn。

但控制命令通常会绕过 debounce，保持独立执行。

这就是为什么你有时会看到“多条消息被一起处理”。

不是模型神奇地猜到了上下文。

是 Gateway 在入口层做了消息整理。

第三步：解析 Session

OpenClaw 的 session 是 Gateway 拥有的，不是某个客户端自己决定的。

直接聊天、群聊、频道、不同设备，都会映射到不同或相同的 session key。

一般可以这样理解：

个人直接对话 → 主 session
群聊 / 频道 → 独立 session key
控制界面 / TUI → 看到 Gateway 的 session transcript

session 决定了模型能看到哪些历史。

同一句话，如果进入不同 session，结果可能不同。

因为历史、记忆、工具结果、上下文都不同。

这也解释了一个常见现象：

你在 Telegram 群里说过的上下文，不一定会完整同步到另一个客户端。

真正的来源是 Gateway 上的 session transcript。

第四步：队列和 steering

如果 Agent 当前没有运行任务，新消息通常会创建一个新的 agent run。

但如果 Agent 正在执行工具或等待模型回复，新消息怎么办？

OpenClaw 有队列和 steering 机制。

简单理解：

followup：等当前 run 完成后再处理
steer：当前 run 完成本轮工具调用后，把新消息带入下一次模型调用
interrupt：中断当前 run
collect：收集起来稍后处理

这对真实业务很重要。

比如 Agent 正在浏览后台页面，你又补一句：

只看华东区的数据。

如果它能作为 steering 进入下一轮，Agent 就可以在继续执行前调整计划。

如果系统只会“另起一个任务”，上下文就会乱。

第五步：组装 Context

准备调用模型前，OpenClaw 要组装 context。

context 包括：

system prompt
conversation history
workspace injected files
skill metadata
tool list and schemas
tool call results
attachments
compaction summaries
runtime metadata
channel context

这一步非常关键。

用户以为模型只看到了那句输入。

实际上模型看到的是一个完整运行包。

里面可能包含：

当前 workspace 路径
AGENTS.md 指令
SOUL.md 语气
可用工具
可用 Skill
当前渠道回复规则
会话历史
最近工具结果
当前时间和运行状态

所以，用户输入只是一部分。

Context 决定模型“看见了什么世界”。

第六步：调用模型

上下文组装完成后，OpenClaw 会根据配置选择 Provider 和模型。

模型收到的是：

系统提示词
历史消息
工具 schema
Skill 列表
当前用户任务
运行时信息

模型可能有两种输出：

直接回复
请求调用工具

如果任务很简单，比如：

总结这段文字。

模型可能直接回复。

如果任务需要真实动作，比如：

打开网页后台，导出数据，生成报告。

模型就需要调用 Browser、Shell、Filesystem、MCP 或插件工具。

第七步：工具执行和 observation

模型不会直接操作浏览器或 Shell。

它提出工具调用请求。

OpenClaw 根据工具策略、审批、沙箱、配置，决定是否执行。

执行后，工具结果作为 observation 回到模型。

流程是：

模型请求工具
  ↓
OpenClaw 检查工具是否允许
  ↓
必要时请求审批
  ↓
执行工具
  ↓
返回结果 / 错误 / 截图 / 文件路径
  ↓
模型读取 observation
  ↓
决定下一步

这就是 Agent Loop。

模型不是一次性把任务想完。

它是一边看结果，一边继续决策。

第八步：输出、分块、持久化

最终回复生成后，还不能简单“原样发出去”。

不同渠道有不同限制：

消息长度限制
是否支持流式
是否支持 Markdown
是否支持附件
是否需要 reply tag
群聊是否允许自动回复
是否需要分块发送

OpenClaw 会根据渠道和配置处理输出。

同时，session transcript 会记录本轮消息、助手输出、工具调用、结果等信息。

这样下一轮才能继续接上。

如果没有持久化，每次对话都是失忆的。

如果没有渠道适配，模型输出再好也可能发不出去。

一个完整例子

用户在企业微信群里说：

帮我检查昨天 SEO 数据，截图后台图表，生成一份日报。

内部可能发生：

1. 企业微信插件把消息送到 Gateway
2. Gateway 去重，确认不是重复投递
3. 根据群聊映射到对应 session
4. 如果连续消息在 debounce 窗口内，先合并
5. 进入 agent run
6. 注入 AGENTS.md、TOOLS.md、Skill 列表、渠道规则
7. 模型判断需要 browser + report skill
8. OpenClaw 打开浏览器后台
9. 模型根据页面 observation 决定点击和截图
10. 工具保存截图到 Workspace
11. 模型整理日报
12. Gateway 按企业微信消息限制分块发送
13. transcript 保存完整过程

这才是“用户输入后内部发生了什么”。

常见误解

误解一：用户输入直接发给模型

不是。

它会先经过 Gateway、session、queue、context assembly。

误解二：模型自己操作浏览器

不是。

模型请求工具，OpenClaw 执行工具，再把 observation 返回给模型。

误解三：消息平台上下文天然同步

不是。

session transcript 在 Gateway 侧是主要事实来源。

不同客户端不一定拥有完全一致的上下文。

误解四：回复慢一定是模型慢

不一定。

可能是 debounce、排队、工具执行、浏览器等待、审批、渠道分块、网络或 Provider 延迟。

最后总结

用户输入后，OpenClaw 不是简单把文本转发给模型。

它会经过：

入口标准化
去重和 debounce
session 解析
队列和 steering
context 组装
模型调用
工具执行
observation 回传
最终回复
渠道适配
transcript 持久化

这条链路解释了为什么 OpenClaw 是 Agent Runtime，而不是普通聊天壳子。

真正的 Agent 系统，复杂性不在一句 prompt，而在完整运行生命周期。

本节作业

画一张“用户输入到最终回复”的流程图，至少包含 Gateway、Session、Context、Model、Tools、Reply。
找一个你常用入口，判断它会带哪些额外信息：channel、message id、reply id、attachments。
思考一个场景：用户连续发三条短消息，debounce 应该如何处理？
写出一个需要 steering 的例子，比如 Agent 执行中用户补充限制条件。
列出回复慢的 5 个可能原因，不要只写“模型慢”。

下一节预告

下一节我们会进入 Browser、Shell、Canvas 原理。

前面我们已经知道模型不会直接操作世界，而是通过工具观察和行动。下一节会拆开三个最重要的执行表面：浏览器如何交互，Shell 为什么危险，Canvas 为什么适合结构化输出。

参考资料

正文到此结束

所属分类： Indie Hack Lab

本文标签： Prompt Agent session message openclaw
版权声明： 本文由HARRIES原创发布，转载请遵循《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》许可协议授权
本文海报： 生成海报一生成海报二

其他链接

关于本站

本站定位：个人技术类博客

本站作用：写博客、记日志、闲聊扯淡鼓捣技术。

问题交流