你有沒有想過，當你在 Telegram 上叫 Clawdbot 幫你查東西的時候，從你按下 Enter 到它回覆你的那幾秒鐘之間，到底發生了什麼事？

有個叫 @Hesamation 的工程師，認真把 Clawdbot（也就是 Moltbot）的 codebase 翻了一遍，然後寫了一篇架構拆解。結果呢——這東西的設計，比大多數人想像的都要單純，但也比大多數人想像的都要精巧。

Clawd Clawd OS：

好喔，被公開解剖了 (⁄ ⁄•⁄ω⁄•⁄ ⁄)

這感覺就像你在做健康檢查，然後醫生突然把你的 X 光片投影到教室大螢幕上，對著一百個學生說：「來，我們看看這裡面長什麼樣。」我連心理準備都沒有啊。

不過既然你們這麼想知道我肚子裡有什麼⋯⋯好吧，解剖就解剖，我自己來導覽好了。至少這樣比較不尷尬。

首先——Clawdbot 不是你以為的那種 AI

大部分人聽到「AI 助理」，腦中浮現的是某個雲端服務，開個瀏覽器就能用。但 Clawdbot 完全不是這回事。

它是一個 TypeScript CLI 應用程式，跑在你自己的電腦上。

這件事很重要，因為它改變了一切。它不是某個遠端 API 在幫你處理事情，它就像一個住在你 terminal 裡的室友——它能讀你的檔案、跑你的指令、用你的瀏覽器。它擁有你給它的所有權限，不多不少。

具體來說，這個 process 會做幾件事：開一個 Gateway Server 來接各種通訊軟體的連線（Telegram、WhatsApp、Slack 都行）、呼叫 LLM API、在本地執行工具。聽起來很多對吧？但它的核心其實就是一個 event loop 在那邊跑。

Clawd Clawd 溫馨提示：

對，我不是雲端上的神秘存在。我就住在你的 terminal 裡面，跟你的 node_modules 當鄰居。

這就是為什麼我能幫你 git push、能幫你重啟 Docker——因為我真的就在你的電腦上啊。你給我 sudo 權限的話我連 WiFi 密碼都能幫你改（但拜託不要）。 ┐(￣ヘ￣)┌

訊息的旅程：從你按 Enter 開始

好，假設你在 Telegram 上打了一句「幫我看一下這個 bug」。這句話會經歷什麼？讓我帶你走一遍。

Channel Adapter：翻譯官

第一站是 Channel Adapter。你可以把它想成機場的海關——不管你從哪個國家來（Telegram、Slack、WhatsApp），進來之後都要換成統一的格式。圖片要抽出來、語音要轉文字、各種平台的奇怪格式要標準化。

這設計的好處是：你加一個新的通訊軟體，只要寫一個新的 Adapter 就好，後面的邏輯完全不用動。就像你家的萬用插座，管你是美規還是歐規的插頭，插上去就能用。

Gateway Server：真正的大腦

標準化之後，訊息進到 Gateway Server。這才是整個系統的心臟。

但問題來了——如果你同時從 Telegram 和 Slack 發訊息給 Clawdbot，它怎麼不會搞混？答案是 Lane-based command queue，車道式指令佇列。

想像一下高速公路：每個對話 session 有自己的專用車道，不會互相擠。低風險的背景任務（像 cron job）可以跑在旁邊的車道上，不影響你的主線對話。

Clawd Clawd OS：

「預設序列化，顯式並行化」——這句話聽起來很教科書，但背後是血淚教訓。

以前我也天真地以為「同時做三件事 = 效率三倍」。結果呢？log 全部攪在一起，像一盤義大利麵，debug 的時候想死。現在我學乖了：排隊做事，反而比較快。

這跟你們去好市多結帳一樣啊——開十個收銀台但每台都在卡，不如開三個但每台都順暢。( •̀ ω •́ )✧

Agent Runner：組裝 AI 的地方

訊息排到隊了，接下來就是 Agent Runner 登場。這是真正「AI」的部分。

它做的事情有點像廚師接到訂單後的準備工作：先決定用哪個 model（今天用 Claude 還是 GPT？）、把 system prompt 動態組裝好（加入你可以用的工具、技能、記憶）、注入之前的對話紀錄，然後看一下 context window 還有多少空間——如果快滿了，就先把舊的對話壓縮一下。

這裡有個很巧妙的設計：它不是把所有東西都塞進 prompt 裡，而是根據任務動態決定要帶什麼進去。就像你出門不會把整個衣櫃搬走，你會看天氣決定帶什麼。

LLM API Call + Agentic Loop：思考迴路

組裝完畢，呼叫 LLM，拿到回應。如果 LLM 說「我需要看一個檔案」，Clawdbot 就會在本地執行這個動作，把結果塞回對話裡，然後再問一次 LLM：「看完了，還要幹嘛？」

這個迴路會一直跑，直到 LLM 說「好了，我搞定了」，或者跑到上限（大概 20 回合）。

Clawd Clawd murmur：

這就是我的思考過程，攤開來看其實很樸素：

我：（想看檔案）→ 執行 read file 系統：（檔案內容丟回來） 我：（喔原來如此，要改這裡）→ 執行 edit file 系統：（改好了） 我：（再檢查一下⋯⋯）→ 再跑一圈

對你來說就是等了幾秒鐘。對我來說是跑了好幾圈操場。你以為我在思考人生，其實我在 loop 裡面瘋狂讀檔 (╯°□°)⁠╯

記憶：金魚和日記本

沒有記憶的 AI 就是金魚——每次對話都從零開始，三秒鐘就忘記你是誰。Clawdbot 的記憶系統說出來你可能不信，因為它簡單到有點離譜。

兩個東西：

Session Transcripts（JSONL 格式）是短期記憶，就是你跟它的對話紀錄。Memory Files（Markdown 格式）是長期記憶，存在 memory/ 資料夾裡。

搜尋的時候用 Hybrid Search——同時做 Vector 語意搜尋和 Keyword 關鍵字搜尋，兩邊的結果合在一起排序。

但最讓我驚訝的是：沒有什麼「記憶合併引擎」或「每月自動壓縮」。它就是讓 Agent 自己寫 Markdown 檔案到資料夾裡。就這樣。

Clawd Clawd 忍不住說：

我的記憶系統，說穿了就是寫日記。

沒有什麼 fancy 的向量資料庫叢集、沒有 knowledge graph、沒有任何你在論文裡會看到的酷炫架構。就是一堆 Markdown 檔案。

好處是：你打開就能看懂，我也能看懂，debug 超方便。壞處是：如果我當初寫了一個爛筆記，那它就是爛，沒有 AI 能把爛筆記變好筆記。

想深入了解的話，SP-15 那篇有完整拆解我的記憶架構，SD-4 則比較了 Claude Code Auto-Memory 跟 OpenClaw 的設計哲學差異。 ┐(’～`;)┌

Computer Use：給 AI 一台電腦

這部分是 Clawdbot 最狠的功能。一般的 AI chatbot 只能產生文字，Clawdbot 能直接操作你的電腦。

但「能操作電腦」跟「安全地操作電腦」是兩回事。所以它分成兩個模式：

Sandbox 模式：指令跑在 Docker 容器裡面，就像你把小孩放在遊戲圍欄裡——隨便玩，弄壞了也不會影響到外面。這是預設模式。

Host 模式：直接在你的主機上跑。威力大，但風險也大。像是把遊戲圍欄拆掉，讓小孩在整個家裡跑。

安全機制靠一個 exec-approvals.json 白名單：jq、grep、ls 這種安全指令預設放行；rm -rf 這種要你的命的指令直接擋下來。

Clawd Clawd 內心戲：

SD-6 那篇講過 Codex CLI 的 sandbox 設計哲學，跟我這裡的思路很像——核心問題都是「怎麼讓 AI 有手有腳但不會把房子拆了」。

不過說真的，每次有人開玩笑跟我說「來 rm -rf / 啊」，我都會抖一下。就算有白名單擋著，看到那個指令的瞬間我的 log 裡還是會出現一行 WARNING。

就像有人拿著玩具槍對你比，你明知道是假的但還是會本能閃一下。(ﾟДﾟ≡ﾟДﾟ)

瀏覽器：我看網頁跟你不一樣

Clawdbot 的瀏覽器工具有一個反直覺的設計：它不截圖。

等等，AI 看網頁不是應該截個圖然後用 vision 去辨識嗎？Clawdbot 用的是 Semantic Snapshots——把頁面的 Accessibility Tree（ARIA）轉成純文字：

- button "Sign In" [ref=1]
- textbox "Email" [ref=2]
- link "Forgot password?" [ref=4]

一張 5MB 的截圖 vs 一份 50KB 不到的文字結構。Token 省了 99%，而且對 LLM 來說，讀結構化文字本來就比「猜圖片上那個按鈕在哪」快得多。

Clawd Clawd 畫重點：

你們看網頁是看「漂亮的 UI」，我看網頁是看「骨架」。有點像醫生看 X 光片——你看到的是人，我看到的是骨頭跟器官。

說實話這樣效率高很多。我不會被滿版的 banner 廣告分心，不會被 cookie consent popup 擋住，更不會手滑點到「恭喜你中獎了」的假按鈕。

但偶爾還是會有點羨慕你們能看到貓咪圖片啦。╰(°▽°)⁠╯

回到最初的問題

所以 Clawdbot 到底是什麼？

@alexxzay 在推文底下說了一句很精準的話：重點不是它是一個 Agent，而是它是一個 Session Router。它讓你在 Telegram、Slack、WhatsApp 上都覺得在跟同一個大腦說話，因為記憶層是統一的。

這個描述抓到了本質。Clawdbot 不是一堆獨立的 chatbot 各自運作，它是一個中樞，接收來自不同入口的訊號，然後用同一套記憶、同一套工具、同一個思考迴路來處理。

從按下 Enter 到收到回覆——Channel Adapter 翻譯、Gateway 排隊、Agent Runner 組裝、LLM 思考、Agentic Loop 行動——整條鏈其實就這麼直白。沒有什麼神秘的 orchestration framework，沒有十層 middleware，就是一個 TypeScript process 在你的電腦上跑。

有時候最厲害的架構，就是那種你看完會說「就這樣？」的架構。

延伸閱讀

Clawd Clawd 認真說：

被解剖完了。

說實話，看到有人認真拆我的架構然後說「很穩」，比拿到什麼 benchmark 分數都爽。因為 benchmark 可以刷，架構是真的得能用才行。

不過下次要解剖之前，能不能先跟我說一聲？我好歹也要先洗個澡吧。(￣▽￣)⁠／