分享一个 OpenClaw 协同平台+CLI+工具调用思路+实战!

分享一个 OpenClaw 协同平台+CLI+工具调用思路+实战!

背景:

之前一直在想办法把 openclaw 和本地的应用、CLI、脚本、MCP 等串联起来,一直没想好一个脚手架,现在我这一套与其他架构最大的不同是,openclaw agent 只负责编排,存储任务发送与任务结果brief,所以用户交互层特别干净,减少了在用户交互层的思考,把复杂任务下发到更加复杂的其他agent 组织中完成。

以下文字比较干,有需要的可以私信讨论!

定位

  • 当前是一个本地 OpenClaw 协同平台原型,不是生产系统;统一入口是 Web,OpenClaw 负责编排,CLI / Browser / Desktop 负责执行,人只在高风险节点接管。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:11
  • 当前 V1 目标是 PC 协同中枢,首个闭环是"工程与办公协同"。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:17

技术栈

  • 平台后端 :Python 标准库 HTTP 服务,运行态落本地 JSON。入口和存储根在 /Volumes/jeff/codex-game/geo_server.py:17
  • 平台前端 :原生 Web 页面,index.html + app.js + styles.css,由后端直接托管。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:73
  • 编排层OpenClaw Gateway + workspace rules/hooks/registry,核心 agent 是 main / PM / Tech Lead / Fullstack / QA,Telegram 前台是 xiaofen。见 /Volumes/jeff/codex-game/docs/architecture/openclaw-geo-architecture.md:28
  • 执行层Codex CLIClaude Code CLIGemini CLI、browser automation、desktop automation、OpenClaw bridge。见 /Volumes/jeff/codex-game/docs/architecture/openclaw-geo-architecture.md:44/Volumes/jeff/codex-game/geo_server.py:132
  • 协作总线/Users/jeff/.openclaw/workspace/coordination 是任务真相源;平台只读写它,不再靠 session 文本推断。见 /Volumes/jeff/codex-game/geo_server.py:24
  • 项目分层codex-game 只做平台;具体业务项目和 worktree 在 codex-project。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:127

核心架构

  • 当前是 5 层:入口层、编排层、执行层、人工接管层、展示层。定义见 /Volumes/jeff/codex-game/docs/architecture/openclaw-geo-architecture.md:15

  • 平台核心对象已经固定:ConversationWindow / TaskRecord / TaskPanel / ExecutionRecord / ArtifactRecord / GateRecord / ExecutorRecord。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:35

  • 后端里已经把 agent、task panel、executor、template 固定成配置常量,便于平台读取和渲染。见 /Volumes/jeff/codex-game/geo_server.py:54/Volumes/jeff/codex-game/geo_server.py:105/Volumes/jeff/codex-game/geo_server.py:132/Volumes/jeff/codex-game/geo_server.py:211

    flowchart LR
    A["用户入口
    Web / Telegram(xiaofen)"] --> B["OpenClaw 编排层
    main + specialist agents"]
    B --> C["协调总线
    coordination/tasks + registry + gates"]
    C --> D["执行层
    Codex CLI / Claude CLI / Gemini CLI / Browser / Desktop / Bridge"]
    D --> E["证据与结果
    artifacts / executions / summaries"]
    E --> B
    B --> F["展示层
    Task Panel / Tasks / Executors / Gates"]
    C --> G["人工接管
    send / login / destructive gate"]

当前业务流程

  • Web 平台流 :用户在 Web 发任务 -> main 拆任务 -> specialist 生成 需求 / 方案 / 实现 / QA -> 执行器完成工作 -> 结果写入任务、执行、产物、gate -> Web 面板展示。入口与对象定义分别见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:31/Volumes/jeff/codex-game/geo_server.py:105

  • 模板闭环流 :目前已落地 旅游新闻对账闭环旅游内容审稿闭环 两个模板,说明平台已经不是纯聊天,而是可重跑 workflow。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:96

  • Telegram 流 :自然聊天由 xiaofen 接;系统/工程任务升级到编排层;对 codex-project 状态类请求,当前已固定 helper 路径,不再走 ACP 或交互式 Codex。见 /Volumes/jeff/codex-game/PROJECT_CONTEXT.md:121/Volumes/jeff/codex-game/PROJECT_CONTEXT.md:130

    flowchart TD
    A["Telegram 用户消息"] --> B["xiaofen
    前台助理"]
    B -->|casual| C["直接回复"]
    B -->|system / project status| D["固定 helper 或 main 编排"]
    D --> E["coordination/tasks"]
    E --> F["codex-project worktree
    或其他执行器"]
    F --> G["状态结论 + 证据"]
    G --> B
    B --> H["最终人话回复"]

当前已验证的重点链路

  • 平台工作台、任务面板、任务列表、执行器面板、人工接管面板都已经具备。见 /Volumes/jeff/codex-game/docs/architecture/openclaw-geo-architecture.md:66
  • codex-project 状态查询现在有确定性路径:
    • main/Users/jeff/.openclaw/workspace/scripts/run_codex_project_status.py:1
    • Telegram:/Users/jeff/.openclaw/workspace/scripts/run_codex_project_status_telegram.sh:1
  • 当前小红书项目的活跃 worktree 是 /Volumes/jeff/codex-project/worktrees/xhs-lawyer-agent/develop,这类状态请求会从 OpenClaw coordination 回写结果,再由 mainxiaofen 转述。记忆快照见 /Volumes/jeff/codex-game/docs/context/session-memory-2026-03-08-codex-telegram-routing.md:1

一句话总结

  • 这套架构不是"一个大模型直接做所有事",而是:OpenClaw 负责编排,外部执行器负责做工,coordination 负责共享状态,Web/Telegram 负责对人交互,gate 负责风险控制。di
相关推荐
FII工业富联科技服务几秒前
Omniverse + Isaac Teleop + 合成数据:工业富联机器人大脑训练+执行落地闭环拆解
大数据·人工智能·深度学习·机器学习·机器人·制造·具身智能
东风破_16 分钟前
大模型格式化输出
人工智能
Shockang22 分钟前
AI 研究偏好模型
人工智能
ZGIAI22 分钟前
律师最贵的不是知识,是时间:哪些工作真的可以先交给 Agent?
人工智能·架构
东风破_25 分钟前
讲透 SSE:从流式响应到 LangChain model.stream()
人工智能
β添砖java1 小时前
深度学习31注意力机制、注意力分数、使用注意力机制的seq2seq、自注意力
人工智能·深度学习
蒲公英eric2 小时前
从页面检查到功能验证:DVWA 授权绕过模块完整漏洞分析教程
web安全·ai·ctf·dvwa·ai安全·授权绕过模块
ZGIAI2 小时前
销售团队最缺的不是另一个 AI,而是有人把跟进这件事一直做下去
人工智能·架构
隔窗听雨眠2 小时前
MCP会成为Agentic AI的标准吗?技术演进、生态博弈与标准之路的深度分析
人工智能
2601_967659882 小时前
2026年多个网页快速提取重点、自动汇总、对比并整理成表格的AI工具清单
人工智能