我用 Go 重写了一个 OpenClaw 框架：这就是 GoClaw

📌 一句话摘要

GoClaw 是一个受 OpenClaw 启发、用 Go 语言实现的 AI Agent 框架，通过双循环架构和工程化设计，解决了 Agent 在长期运行中的稳定性、部署和可观测性问题。

📝 详细摘要

本文详细介绍了 GoClaw 框架的设计与实现。作者指出，虽然 Python 在 AI 生态上有优势，但 Go 在 Agent 的工程化落地（如单一二进制部署、运行时稳定性、可观测性）方面更具潜力。GoClaw 核心采用双循环机制：内层循环处理工具调用与 Steering（中断式消息），外层处理 FollowUp（后续任务链）。文章深入探讨了其 AgentState 状态管理、基于 Markdown 的技能系统（降低扩展门槛）、多通道 IM 接入（Telegram、飞书、微信等）、以及包含重试与故障转移的 Provider 机制。最后，通过一个自动执行服务器磁盘扩容的实战案例，展示了 GoClaw 如何从简单的“对话机器人”进化为能处理复杂运维任务的“行动代理”。

💡 主要观点

- Go 语言在 Agent 工程化落地中具有显著的部署和稳定性优势。 相比 Python 或 Node.js，Go 的单一二进制部署、清晰的模块边界以及内建的可靠性机制（重试、熔断、故障转移）更适合 Agent 的长期稳定运行。

采用双循环架构处理复杂的任务执行与中断逻辑。 内层循环聚焦于工具调用和 Steering（即时打断），外层循环负责 FollowUp（任务链条），确保 Agent 能处理多步骤任务并能对用户紧急指令做出响应。

基于 Markdown 的技能系统降低了 Agent 能力扩展的门槛。 通过 Prompt Injection 将 Markdown 定义的知识模块注入系统提示词，使非开发人员也能通过编写文档来扩展 Agent 的业务能力。

完善的状态管理和重试机制是 Agent 从 Demo 走向生产的关键。 AgentState 统一管理消息历史、工具状态和队列，配合带有上下文压缩和账号轮换功能的重试逻辑，解决了 Agent 在复杂场景下易“失忆”或因故障中断的问题。

💬 文章金句

- GoClaw 想解决的不是「模型能不能更聪明」，而是「一个 Agent 系统能不能真正跑起来、跑得久、出了问题还能查」。

• 很多 Agent 的不稳定，本质上不是模型不够强，而是状态管理太松散。状态一散，恢复、续跑、中断、调试都会变得很痛苦。
• 技能通过 Prompt Injection 实现：系统读取 SKILL.md... 这件事的价值不只是「更方便扩展」，更重要的是它把扩展能力从「写代码的人」手里，部分转移到了「懂业务的人」手里。
• 真正的工程问题，从失败那一刻才开始。GoClaw 把失败当成设计对象，而很多 Demo 通常只把成功路径写通。

📊 文章信息

AI 评分：89

来源：百度Geek说

作者：百度Geek说

分类：人工智能

语言：中文

阅读时间：38 分钟

字数：9374

标签： GoClaw, AI Agent, Go 语言, OpenClaw, 架构设计

阅读完整文章