OpenClaw / 01

为什么要自己写 Agent

你大概已经用过 LangChain、Dify 或者 Coze。Demo 阶段很顺，部署到生产后开始出问题：

• 行为不稳定，但 debug 时全是框架内部堆栈
• 想改一个细节，发现要翻三层抽象
• 上了生产遇到安全漏洞，依赖链太长修不动

这不是你用得不好，是框架架构决定的。

真正跑在生产的 Coding Agent 用什么

Claude Code、Cursor、Pi——这些主流 Coding Agent 都没有把 LangChain 或 Dify 作为核心运行时。

它们的共同模式：

Pi 与 pi-mono：项目和源码仓库

Pi 是 Mario Zechner 发起的 TypeScript Agent Harness 项目，也提供用户可直接运行的终端 Coding Agent。pi-mono 是它早期的 monorepo 仓库名，不是另一个产品；当前上游仓库已经更名为 earendil-works/pi。

本模块遵循一个术语规则：谈整套项目或终端产品时写 Pi，谈早期仓库和历史资料时写 pi-mono，谈可安装模块时写具体 npm 包名。

packages/
  agent/         ← @earendil-works/pi-agent-core：通用 Agent Runtime
  ai/            ← @earendil-works/pi-ai：多 Provider LLM API
  coding-agent/  ← @earendil-works/pi-coding-agent：提供 pi 命令
  tui/           ← @earendil-works/pi-tui：终端 UI
  orchestrator/  ← 实验性编排包

Pi 把 Provider、Agent Runtime 和终端产品拆成独立层，是研究生产级 Coding Agent 的公开源码样本。

OpenClaw：从 Pi 出发的独立产品

OpenClaw 的部分实现改编自 Pi / pi-mono，但它不是 Pi 的改名或简单套壳。OpenClaw 面向长期运行的个人助理场景，重点建设完整的应用层：

OpenClaw
├── Gateway 与 WebSocket 控制面
├── Telegram / Slack / Discord 等消息渠道
├── Session、Workspace 与长期记忆
├── Skills、Cron、浏览器和设备节点
├── 工具策略、沙箱与多用户安全
└── OpenClaw 自有 Agent Runtime

截至 2026 年 7 月，OpenClaw 的内置 Runtime已由项目自身维护，核心位于 packages/agent-core 与 src/agents。它保留 Pi 带来的架构和代码渊源，但当前并不是直接运行外部 pi-agent-core；明确保留的 Pi 包依赖主要是 @earendil-works/pi-tui。

核心能力差异：

Agent 的本质：一个循环

不管框架怎么包装，所有 Agent 的核心结构是同一个循环：

// 伪代码，简化自 Pi 的 Agent Loop 模式
async function agentLoop(messages: Message[]): AsyncGenerator<Event> {
  while (true) {
    // 1. 调用 LLM
    const response = await llm.chat(messages)
    yield { type: 'message_end', content: response }

    // 2. 如果没有 tool_calls，结束
    if (!response.toolCalls?.length) break

    // 3. 并行执行所有工具
    const results = await Promise.all(
      response.toolCalls.map(call => executeTool(call))
    )
    yield { type: 'tool_execution_end', results }

    // 4. 把工具结果追加到 messages，继续循环
    messages.push(...results.map(toMessage))
  }
}

这就是全部。Agent 和 Chatbot 的区别只有一个：当模型返回 tool_calls 时，执行工具并继续循环，而不是直接结束。

这条路适合什么人

• 你想理解 Claude Code / Cursor 这类产品的底层原理
• 你在准备 Agent 方向的技术面试，需要展示源码级理解
• 你要开发部署一个真正可控的 Agent

它不适合：只想快速出 Demo、不关心底层原理的场景。

学习路径

阅读 Pi（原 pi-mono）源码（TypeScript）
    ↓
理解 Agent Loop / EventStream 模式
    ↓
理解 Context Engine / Memory 架构
    ↓
基于 Pi 的分层改造并接入你的 LLM
    ↓
部署为你自己的 [YourName]Claw

推荐学习资源

下一篇：Agent Loop：EventStream 驱动的核心循环