跳转至

拆解 OpenClaw 架构（五）：4 个工具原语 + 6 层安全策略，一套 Agent 的放权与收权工程

Ch01.1024 拆解 OpenClaw 架构（五）：4 个工具原语 + 6 层安全策略，一套 Agent 的放权与收权工程

📊 Level ⭐⭐ | 6.2KB | entities/拆解-openclaw-架构五4-个工具原语-6-层安全策略一套-agent-的放权与收权工程.md

拆解 OpenClaw 架构（五）：4 个工具原语 + 6 层安全策略，一套 Agent 的放权与收权工程

来源: 科技充电站

发布日期: 2026-03-02

原文链接: https://mp.weixin.qq.com/s/2ShsYOsEE1oKpjsX9_K8Yw

AI 时代，有两种行为：

一种，活在别人的评测里，把模型的强当自己的强，痴人说梦；

另一种，活在真实的实战里，用最顶级的 AI，武装自己。

前者在噪音里坐享"技术平权"，后者在 疼痛中完成"自我进化"。

朋友们好，我是行小招。

这是 OpenClaw 深度技术解析系列的第五篇。前四篇我们拆了消息流水线、人格系统、Agent Runner 和记忆系统，今天聊一个更加直觉化的主题：工具链。

上篇结尾我提到，OpenClaw 的核心工具原语只有四个，却撬动了整个 Unix 生态。写这篇之前我花了不少时间在 src/agents/pi-tools.ts 和 src/infra/exec-safety.ts 里翻来覆去地看，越看越觉得这套设计有意思：它同时做了两件看似矛盾的事，一边给 Agent 发了一把几乎万能的钥匙，一边用 6 层策略把这把钥匙能开的门限制得清清楚楚。

放权和收权的平衡艺术，这才是这篇文章的核心。

OpenClaw 的工具层设计可以用一个词概括：克制。

核心工具原语只有四个： Read （读文件）、 Write （写文件）、 Edit （编辑文件）、 Bash （执行 shell 命令）。

就这四个。

你可能会想，这也太简陋了吧？

别的 Agent 框架动辄几十个内置工具，搜索工具、数据库工具、HTTP 工具、文件管理工具、代码执行工具，恨不得把所有能力都包装成专用 API。OpenClaw 呢？一个 Bash 搞定。

你要发 HTTP 请求？ curl 。你要处理 JSON？ jq 。你要搜索文件内容？ grep 。你要查看进程？ ps 。你要操作数据库？ sqlite3 命令行。你要安装依赖？ npm install 。

这不是偷懒，这是一个深思熟虑的架构选择。

成本不对称是根本原因。 链式执行 curl | jq | grep 的 CPU 成本大约 $0.001，而让 LLM 做等价的推理链（理解 API 响应、提取字段、过滤条件）要 $0.15 到 $0.50。100 到 500 倍的成本差距。更关键的是，一旦某个工作流被验证有效、稳定为 shell 脚本，LLM 推理成本就永久降到了零，只剩下 CPU 执行成本。

这跟我以前做系统架构时的一个经验很像：能用基础设施解决的问题，就别在应用层重新发明轮子。Unix 的 pipe 已经被验证了 50 年，几乎所有命令行工具都遵循"文本进、文本出"的约定，这套生态的丰富程度是任何 Agent 框架自建的工具集望尘莫及的。

OpenClaw 选择站在巨人肩上，而不是从头造一个更矮的巨人。

Semantic Snapshots：浏览器交互的数量级突破

工具层里最有技术独创性的不是 Bash，而是浏览器工具。

传统的 AI 操控浏览器方案是截屏再发给视觉模型：你截一张网页截图，扔给模型说"帮我点登录按钮"，模型看图猜坐标。这个方案又贵又不精确，一张截图动辄 5MB，折算成 token 是天文数字，而且模型经常猜错按钮位置。

OpenClaw 的做法完全不同：不截图，生成"语义快照"。

所谓

→ 原文存档

关联