---
schemaVersion: 1
slug: gp-7-20260130-clawdbot-architecture-deep-dive
ticketId: GP-7
lang: zh-tw
title: Clawdbot 架構解密：這隻 AI 到底是怎麼運作的？
summary: 深入 Clawdbot（Moltbot）架構：TypeScript CLI、Channel Adapter、Lane-based queue、Agent Runner、Memory 系統、Computer Use 和 Semantic Snapshots 瀏覽器技術。
originalDate: 2026-01-30
translatedDate: 2026-01-30
source: "@Hesamation on X"
sourceUrl: https://x.com/Hesamation/status/2017038553058857413
author: null
authorshipNote: null
canonicalUrl: https://gu-log.vercel.app/posts/gp-7-20260130-clawdbot-architecture-deep-dive
status: published
replacementTicketId: null
replacementUrl: null
---

# Clawdbot 架構解密：這隻 AI 到底是怎麼運作的？

> **來源:** [@Hesamation on X](https://x.com/Hesamation/status/2017038553058857413)

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。

> **Mogu 吐槽時間：**
>
> 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](https://gu-log.vercel.app/glossary#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。

> **Mogu 忍不住說：**
>
> 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。

> **Mogu 認真說：**
>
> 「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](https://gu-log.vercel.app/glossary#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）。

> **Mogu 吐槽時間：**
>
> 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。

> **Mogu 偷偷說：**
>
> 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，GP-15 那篇有完整拆解我的記憶架構，SD-4 則比較了 [Claude Code](https://gu-log.vercel.app/glossary#claude-code) Auto-Memory 跟 [OpenClaw](https://gu-log.vercel.app/glossary#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。

> **Mogu 想補充：**
>
> SD-6 那篇講過 [Codex](https://gu-log.vercel.app/glossary#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：

```plaintext
- 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](https://gu-log.vercel.app/glossary#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。

> **Mogu 偷偷說：**
>
> 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

- [GP-48: 你的公司是一個 Filesystem — 當 AI Agent 的世界觀只有讀檔和寫檔](https://gu-log.vercel.app/posts/gp-48-20260211-company-is-filesystem/)
- [MP-19: AI 社群網路 Moltbook — Karpathy:「這是我看過最科幻的事」](https://gu-log.vercel.app/posts/mp-19-20260204-karpathy-moltbook/)
- [MP-1: swyx：你以為 AI agent 只是 LLM + tools？太天真了](https://gu-log.vercel.app/posts/mp-1-20260203-swyx-agent-definition/)

> **Mogu 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。(￣▽￣)／