OpenClaw アーキテクチャの原理

Source: OpenClaw Orange Paper v1.2.0, Chapters 2-9

Technical Architecture: The Restaurant Model

It's easier to understand OpenClaw's components if you picture it as a restaurant:

Component Reference Table

Component	Restaurant Role	Description
🧠 AI Model (LLM)	The chef	Does the "thinking" and "content generation"
🔧 Skills	Kitchen tools	Search skill = search engine; email skill = email client
💬 Channels	The ordering counter	Chat with the AI via WeChat, Feishu, a web page, and other channels
💾 Memory	Customer profiles	Remembers earlier conversations and understands you better over time
👤 User	The customer	You just tell the AI what you want

Core Components in Detail

1. AI Model (LLM)

OpenClaw has a model-agnostic architecture and supports multiple AI models:

Type	Models	Notes
International models	Claude, GPT-4, Gemini	Best quality; need a VPN or proxy from mainland China
Chinese models	DeepSeek, Kimi, ERNIE Bot	Friendly to mainland networks, affordable
Local models	Ollama, LM Studio	Completely free and private, but need a GPU

Model recommendations:

First-time users: Google Gemini (free tier available)
Users in mainland China: DeepSeek / Kimi
Quality first: Claude / GPT-4
Cost-sensitive: local models (Ollama)

2. Skills

Skills are OpenClaw's "hands and eyes" — they let the AI perform real actions.

Skill categories:

Category	Example skills	Purpose
Information retrieval	Search, news, weather	Fetch real-time information
Content processing	Email, documents, translation	Work with text content
Automation	Scheduled tasks, workflows	Run tasks automatically
Data processing	Spreadsheets, charts, databases	Analyze and process data
Browser	Web scraping, screenshots	Operate the browser

Where skills come from:

ClawHub official marketplace: 13,729+ skills
Community contributions: open-source skills on GitHub
Self-built skills: develop your own as needed

3. Channels

OpenClaw supports talking to users through a variety of channels:

International platforms: Telegram, Discord, WhatsApp, Slack, web UI

Mainland-China platforms: Feishu, DingTalk, WeCom, WeChat (requires extra configuration)

4. Memory

The memory system lets OpenClaw remember your preferences and past conversations.

Memory types:

Type	Description	Storage
Short-term memory	Current conversation context	RAM
Long-term memory	User preferences and history	Local database
Vector memory	Semantic memory retrieval	Vector database

What memory does: remembers your preferences, refers back to earlier conversations, and understands you better the more you use it

Data Flow

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

Security Architecture

Local Deployment Security

All data is stored locally
API keys live only on your own server
Nothing passes through third-party servers

Network Security

HTTPS encryption supported
Configurable firewall rules
VPN deployment supported

Access Control

Admin password protection
Multi-user permission management
Sandboxed skill execution

Resource Requirements

Minimum Setup

Resource	Minimum	Recommended
CPU	2 cores	4+ cores
RAM	2GB	4GB+
Storage	10GB	20GB+
Network	Stable connection	Broadband

Setups by Scenario

Scenario	Suggested Setup
Personal learning	A local computer with 4GB RAM
Light use	2-core 2GB cloud server
Medium use	2-core 4GB cloud server
Heavy use	4-core 8GB cloud server

来源：OpenClaw 橙皮书 v1.2.0 第 2-9 章

技术架构：餐厅模型

把 OpenClaw 想象成一家餐厅，这样更容易理解它的各个组件：

组件对照表

组件	餐厅角色	说明
🧠 AI 模型 (LLM)	主厨	负责「思考」和「生成内容」
🔧 Skills (技能)	厨房工具	搜索技能 = 搜索引擎，邮件技能 = 邮箱客户端
💬 Channels (渠道)	点餐窗口	通过微信、飞书、网页等各种渠道与 AI 对话
💾 Memory (记忆)	顾客档案	记住之前的对话，越用越懂你
👤 User (用户)	顾客	你只需要告诉 AI 你想要什么

核心组件详解

1. AI 模型 (LLM)

OpenClaw 是模型无关的架构，支持多种 AI 模型：

类型	模型	特点
国际模型	Claude, GPT-4, Gemini	效果最好，需翻墙或使用代理
国产模型	DeepSeek, Kimi, 文心一言	国内网络友好，价格实惠
本地模型	Ollama, LM Studio	完全免费，隐私安全，需要显卡

模型选择建议：

新手体验：Google Gemini（有免费额度）
国内用户：DeepSeek / Kimi
追求质量：Claude / GPT-4
成本敏感：本地模型 (Ollama)

2. Skills (技能系统)

技能是 OpenClaw 的「手和眼」，让 AI 能够执行实际操作。

技能分类：

类别	示例技能	用途
信息获取	搜索、新闻、天气	获取实时信息
内容处理	邮件、文档、翻译	处理文本内容
自动化	定时任务，工作流	自动执行任务
数据处理	表格、图表、数据库	分析和处理数据
浏览器	网页抓取、截图	操作浏览器

技能来源：

ClawHub 官方市场：13,729+ 个技能
社区贡献：GitHub 开源技能
自建技能：根据需求自己开发

3. Channels (渠道接入)

OpenClaw 支持通过多种渠道与用户交互：

国际平台：Telegram、Discord、WhatsApp、Slack、Web 界面

国内平台：飞书、钉钉、企业微信、微信（需要特殊配置）

4. Memory (记忆系统)

记忆系统让 OpenClaw 能够记住用户的偏好和历史对话。

记忆类型：

类型	说明	存储位置
短期记忆	当前对话上下文	内存
长期记忆	用户偏好，历史记录	本地数据库
向量记忆	语义检索记忆	向量数据库

记忆的作用：记住你的偏好、引用之前的对话、越用越懂你

数据流向

用户消息 → 渠道 (飞书/钉钉) → Gateway → LLM (思考)
                                    ↓
                              Skills (执行)
                                    ↓
用户响应 ← 渠道 (飞书/钉钉) ← Gateway ← 结果

安全架构

本地部署安全

所有数据存储在本地
API Key 只存储在你服务器上
不经过第三方服务器

网络安全

支持 HTTPS 加密
可配置防火墙规则
支持 VPN 部署

权限控制

管理员密码保护
多用户权限管理
技能执行沙箱

资源需求

最低配置

资源	最低要求	推荐配置
CPU	2 核	4 核+
内存	2GB	4GB+
存储	10GB	20GB+
网络	稳定连接	宽带

不同场景配置

场景	配置建议
个人学习	本地电脑，4GB 内存
轻度使用	云服务器 2C2G
中度使用	云服务器 2C4G
重度使用	云服务器 4C8G

出典：OpenClaw オレンジペーパー v1.2.0 第 2〜9 章

技術アーキテクチャ：レストラン・モデル

OpenClaw を一軒のレストランとして思い浮かべると、各コンポーネントを理解しやすくなります：

コンポーネント対応表

コンポーネント	レストランでの役割	説明
🧠 AI モデル (LLM)	シェフ	「思考」と「コンテンツ生成」を担当
🔧 Skills（スキル）	厨房の道具	検索スキル＝検索エンジン、メールスキル＝メールクライアント
💬 Channels（チャネル）	注文窓口	WeChat、Feishu、Web ページなど、さまざまなチャネルから AI と会話
💾 Memory（メモリ）	顧客カルテ	これまでの会話を記憶し、使うほどユーザーを理解
👤 User（ユーザー）	お客さま	AI にやりたいことを伝えるだけ

コアコンポーネント詳解

1. AI モデル (LLM)

OpenClaw はモデル非依存のアーキテクチャで、複数の AI モデルをサポートしています：

種類	モデル	特徴
国際モデル	Claude, GPT-4, Gemini	性能は最上位。中国本土からは VPN やプロキシが必要
中国製モデル	DeepSeek, Kimi, 文心一言	中国国内のネットワークで使いやすく、価格も手頃
ローカルモデル	Ollama, LM Studio	完全無料でプライバシーも安全。GPU が必要

モデル選びのおすすめ：

初めての方：Google Gemini（無料枠あり）
中国国内のユーザー：DeepSeek / Kimi
品質重視：Claude / GPT-4
コスト重視：ローカルモデル（Ollama）

2. Skills（スキルシステム）

スキルは OpenClaw の「手と目」であり、AI が実際の操作を実行できるようにします。

スキルの分類：

カテゴリ	例	用途
情報取得	検索、ニュース、天気	リアルタイム情報の取得
コンテンツ処理	メール、ドキュメント、翻訳	テキストの処理
自動化	定期タスク、ワークフロー	タスクの自動実行
データ処理	表計算、グラフ、データベース	データの分析と処理
ブラウザ	Web スクレイピング、スクリーンショット	ブラウザの操作

スキルの入手先：

ClawHub 公式マーケット：13,729 以上のスキル
コミュニティ貢献：GitHub のオープンソーススキル
自作スキル：必要に応じて自分で開発

3. Channels（チャネル接続）

OpenClaw は複数のチャネルでユーザーとやり取りできます：

国際プラットフォーム：Telegram、Discord、WhatsApp、Slack、Web インターフェース

中国国内プラットフォーム：Feishu（飛書）、DingTalk（釘釘）、WeCom（企業 WeChat）、WeChat（特別な設定が必要）

4. Memory（メモリシステム）

メモリシステムにより、OpenClaw はユーザーの好みや過去の会話を記憶できます。

メモリの種類：

種類	説明	保存先
短期メモリ	現在の会話コンテキスト	RAM
長期メモリ	ユーザーの好み、履歴	ローカルデータベース
ベクトルメモリ	意味検索による記憶	ベクトルデータベース

メモリの役割：好みを覚え、以前の会話を引用し、使うほどあなたを理解する

データフロー

ユーザーメッセージ → チャネル (Feishu/DingTalk) → Gateway → LLM（思考）
                                    ↓
                              Skills（実行）
                                    ↓
ユーザーへの応答 ← チャネル (Feishu/DingTalk) ← Gateway ← 結果

セキュリティアーキテクチャ

ローカルデプロイのセキュリティ

すべてのデータをローカルに保存
API キーは自分のサーバーにのみ保存
第三者サーバーを経由しない

ネットワークセキュリティ

HTTPS による暗号化に対応
ファイアウォールルールを設定可能
VPN でのデプロイに対応

アクセス制御

管理者パスワードによる保護
マルチユーザーの権限管理
スキル実行のサンドボックス化

リソース要件

最低構成

リソース	最低要件	推奨構成
CPU	2 コア	4 コア以上
メモリ	2GB	4GB 以上
ストレージ	10GB	20GB 以上
ネットワーク	安定した接続	ブロードバンド

シナリオ別の構成

シナリオ	構成の目安
個人の学習	手元の PC、メモリ 4GB
軽い利用	クラウドサーバー 2vCPU/2GB
中程度の利用	クラウドサーバー 2vCPU/4GB
ヘビーな利用	クラウドサーバー 4vCPU/8GB

來源：OpenClaw 橙皮書 v1.2.0 第 2-9 章

技術架構：餐廳模型

把 OpenClaw 想像成一家餐廳，這樣更容易理解它的各個元件：

元件對照表

元件	餐廳角色	說明
🧠 AI 模型 (LLM)	主廚	負責「思考」和「生成內容」
🔧 Skills（技能）	廚房工具	搜尋技能＝搜尋引擎，郵件技能＝郵件用戶端
💬 Channels（渠道）	點餐窗口	透過微信、飛書、網頁等各種渠道與 AI 對話
💾 Memory（記憶）	顧客檔案	記住之前的對話，越用越懂你
👤 User（使用者）	顧客	你只需要告訴 AI 你想要什麼

核心元件詳解

1. AI 模型 (LLM)

OpenClaw 是模型無關的架構，支援多種 AI 模型：

類型	模型	特點
國際模型	Claude, GPT-4, Gemini	效果最好，需翻牆或使用代理
國產模型	DeepSeek, Kimi, 文心一言	中國大陸網路環境友善，價格實惠
本地模型	Ollama, LM Studio	完全免費，隱私安全，需要顯示卡

模型選擇建議：

新手體驗：Google Gemini（有免費額度）
中國大陸用戶：DeepSeek / Kimi
追求品質：Claude / GPT-4
成本敏感：本地模型（Ollama）

2. Skills（技能系統）

技能是 OpenClaw 的「手和眼」，讓 AI 能夠執行實際操作。

技能分類：

類別	範例技能	用途
資訊獲取	搜尋、新聞、天氣	獲取即時資訊
內容處理	郵件、文件、翻譯	處理文字內容
自動化	定時任務、工作流	自動執行任務
資料處理	表格、圖表、資料庫	分析和處理資料
瀏覽器	網頁擷取、截圖	操作瀏覽器

技能來源：

ClawHub 官方市集：13,729+ 個技能
社群貢獻：GitHub 開源技能
自建技能：根據需求自行開發

3. Channels（渠道接入）

OpenClaw 支援透過多種渠道與使用者互動：

國際平台：Telegram、Discord、WhatsApp、Slack、Web 介面

中國國內平台：飛書、釘釘、企業微信、微信（需要特殊設定）

4. Memory（記憶系統）

記憶系統讓 OpenClaw 能夠記住使用者的偏好和歷史對話。

記憶類型：

類型	說明	儲存位置
短期記憶	目前的對話上下文	記憶體
長期記憶	使用者偏好、歷史記錄	本地資料庫
向量記憶	語意檢索記憶	向量資料庫

記憶的作用：記住你的偏好、引用之前的對話、越用越懂你

資料流

使用者訊息 → 渠道（飛書/釘釘）→ Gateway → LLM（思考）
                                    ↓
                              Skills（執行）
                                    ↓
使用者回應 ← 渠道（飛書/釘釘）← Gateway ← 結果

安全架構

本地部署安全

所有資料儲存在本地
API 金鑰只儲存在你的伺服器上
不經過第三方伺服器

網路安全

支援 HTTPS 加密
可設定防火牆規則
支援 VPN 部署

權限控制

管理員密碼保護
多使用者權限管理
技能執行沙箱

資源需求

最低設定

資源	最低要求	推薦設定
CPU	2 核	4 核以上
記憶體	2GB	4GB 以上
儲存空間	10GB	20GB 以上
網路	穩定連線	寬頻

不同情境的設定

情境	設定建議
個人學習	本地電腦，4GB 記憶體
輕度使用	雲端伺服器 2C2G
中度使用	雲端伺服器 2C4G
重度使用	雲端伺服器 4C8G

Quelle: OpenClaw Orange Paper v1.2.0, Kapitel 2-9

Technische Architektur: Das Restaurantmodell

OpenClaws Komponenten versteht man am leichtesten, wenn man sich das System als Restaurant vorstellt:

Komponenten-Übersichtstabelle

Komponente	Rolle im Restaurant	Beschreibung
🧠 KI-Modell (LLM)	Der Koch	Übernimmt das „Denken“ und die „Inhaltserstellung“
🔧 Skills	Küchenwerkzeuge	Such-Skill = Suchmaschine; E-Mail-Skill = E-Mail-Programm
💬 Channels	Die Bestelltheke	Über WeChat, Feishu, eine Webseite und weitere Kanäle mit der KI chatten
💾 Memory	Kundenprofile	Erinnert sich an frühere Gespräche und versteht Sie mit der Zeit immer besser
👤 User	Der Gast	Sie sagen der KI einfach, was Sie möchten

Kernkomponenten im Detail

1. KI-Modell (LLM)

OpenClaw hat eine modellunabhängige Architektur und unterstützt mehrere KI-Modelle:

Typ	Modelle	Hinweise
Internationale Modelle	Claude, GPT-4, Gemini	Beste Qualität; aus Festlandchina sind VPN oder Proxy nötig
Chinesische Modelle	DeepSeek, Kimi, ERNIE Bot	Kompatibel mit den Netzen in Festlandchina, günstig
Lokale Modelle	Ollama, LM Studio	Komplett kostenlos und privat, benötigen aber eine GPU

Modell-Empfehlungen:

Einsteiger: Google Gemini (kostenloses Kontingent verfügbar)
Nutzer in Festlandchina: DeepSeek / Kimi
Qualität zuerst: Claude / GPT-4
Kostenbewusst: lokale Modelle (Ollama)

2. Skills

Skills sind OpenClaws „Hände und Augen“ – sie ermöglichen der KI echte Aktionen.

Skill-Kategorien:

Kategorie	Beispiel-Skills	Zweck
Informationsbeschaffung	Suche, Nachrichten, Wetter	Echtzeitinformationen abrufen
Inhaltsverarbeitung	E-Mail, Dokumente, Übersetzung	Textinhalte verarbeiten
Automatisierung	Geplante Aufgaben, Workflows	Aufgaben automatisch ausführen
Datenverarbeitung	Tabellen, Diagramme, Datenbanken	Daten analysieren und verarbeiten
Browser	Web-Scraping, Screenshots	Den Browser bedienen

Woher Skills kommen:

ClawHub, der offizielle Marktplatz: 13.729+ Skills
Beiträge aus der Community: Open-Source-Skills auf GitHub
Selbst entwickelte Skills: bei Bedarf eigene Skills entwickeln

3. Channels

OpenClaw unterstützt die Kommunikation mit Nutzern über eine Vielzahl von Kanälen:

Internationale Plattformen: Telegram, Discord, WhatsApp, Slack, Web-UI

Plattformen in Festlandchina: Feishu, DingTalk, WeCom, WeChat (erfordert zusätzliche Konfiguration)

4. Memory

Das Memory-System ermöglicht es OpenClaw, sich Ihre Präferenzen und früheren Gespräche zu merken.

Memory-Arten:

Typ	Beschreibung	Speicherort
Kurzzeit-Memory	Aktueller Gesprächskontext	RAM
Langzeit-Memory	Nutzerpräferenzen und Verlauf	Lokale Datenbank
Vektor-Memory	Semantische Memory-Abfrage	Vektordatenbank

Was Memory leistet: merkt sich Ihre Präferenzen, greift auf frühere Gespräche zurück und versteht Sie besser, je öfter Sie es nutzen

Datenfluss

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

Sicherheitsarchitektur

Sicherheit der lokalen Bereitstellung

Alle Daten werden lokal gespeichert
API-Schlüssel liegen ausschließlich auf Ihrem eigenen Server
Nichts läuft über Server von Drittanbietern

Netzwerksicherheit

HTTPS-Verschlüsselung wird unterstützt
Konfigurierbare Firewall-Regeln
VPN-Bereitstellung wird unterstützt

Zugriffskontrolle

Schutz durch ein Administrator-Passwort
Verwaltung von Berechtigungen für mehrere Nutzer
Ausführung von Skills in einer Sandbox

Ressourcenanforderungen

Minimale Ausstattung

Ressource	Minimum	Empfohlen
CPU	2 Kerne	4+ Kerne
RAM	2 GB	4 GB+
Speicher	10 GB	20 GB+
Netzwerk	Stabile Verbindung	Breitband

Ausstattung je nach Szenario

Szenario	Empfohlene Ausstattung
Persönliches Lernen	Ein lokaler Rechner mit 4 GB RAM
Leichte Nutzung	Cloud-Server mit 2 Kernen und 2 GB
Mittlere Nutzung	Cloud-Server mit 2 Kernen und 4 GB
Intensive Nutzung	Cloud-Server mit 4 Kernen und 8 GB

Source : OpenClaw Orange Paper v1.2.0, chapitres 2 à 9

Architecture technique : le modèle du restaurant

Les composants d’OpenClaw sont plus faciles à comprendre si vous l’imaginez comme un restaurant :

Tableau de référence des composants

Composant	Rôle au restaurant	Description
🧠 Modèle d’IA (LLM)	Le chef	Assure la « réflexion » et la « génération de contenu »
🔧 Skills	Les outils de cuisine	Skill de recherche = moteur de recherche ; skill d’e-mail = client de messagerie
💬 Channels	Le comptoir de commande	Discutez avec l’IA via WeChat, Feishu, une page web et d’autres canaux
💾 Memory	Les fiches clients	Se souvient des conversations précédentes et vous comprend de mieux en mieux au fil du temps
👤 User	Le client	Vous indiquez simplement à l’IA ce que vous voulez

Les composants principaux en détail

1. Modèle d’IA (LLM)

OpenClaw possède une architecture indépendante du modèle et prend en charge plusieurs modèles d’IA :

Type	Modèles	Remarques
Modèles internationaux	Claude, GPT-4, Gemini	Meilleure qualité ; nécessitent un VPN ou un proxy depuis la Chine continentale
Modèles chinois	DeepSeek, Kimi, ERNIE Bot	Adaptés aux réseaux de Chine continentale, abordables
Modèles locaux	Ollama, LM Studio	Entièrement gratuits et privés, mais nécessitent un GPU

Recommandations de modèles :

Débutants : Google Gemini (offre gratuite disponible)
Utilisateurs en Chine continentale : DeepSeek / Kimi
Qualité avant tout : Claude / GPT-4
Sensible au coût : modèles locaux (Ollama)

2. Skills

Les Skills sont les « mains et les yeux » d’OpenClaw — ils permettent à l’IA d’effectuer de vraies actions.

Catégories de Skills :

Catégorie	Exemples de Skills	Objectif
Recherche d’informations	Recherche, actualités, météo	Obtenir des informations en temps réel
Traitement de contenu	E-mail, documents, traduction	Travailler du contenu textuel
Automatisation	Tâches planifiées, workflows	Exécuter des tâches automatiquement
Traitement de données	Tableurs, graphiques, bases de données	Analyser et traiter des données
Navigateur	Web scraping, captures d’écran	Piloter le navigateur

D’où viennent les Skills :

ClawHub, la marketplace officielle : 13 729+ Skills
Contributions de la communauté : Skills open source sur GitHub
Skills auto-développés : développez les vôtres selon vos besoins

3. Channels

OpenClaw permet de communiquer avec les utilisateurs via une grande variété de canaux :

Plateformes internationales : Telegram, Discord, WhatsApp, Slack, interface web

Plateformes de Chine continentale : Feishu, DingTalk, WeCom, WeChat (configuration supplémentaire requise)

4. Memory

Le système de Memory permet à OpenClaw de mémoriser vos préférences et vos conversations passées.

Types de Memory :

Type	Description	Stockage
Memory à court terme	Contexte de la conversation en cours	RAM
Memory à long terme	Préférences et historique de l’utilisateur	Base de données locale
Memory vectorielle	Récupération sémantique des souvenirs	Base de données vectorielle

Ce que fait la Memory : retient vos préférences, se réfère aux conversations précédentes et vous comprend d’autant mieux que vous l’utilisez

Flux de données

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

Architecture de sécurité

Sécurité du déploiement local

Toutes les données sont stockées localement
Les clés API restent uniquement sur votre propre serveur
Rien ne transite par des serveurs tiers

Sécurité réseau

Chiffrement HTTPS pris en charge
Règles de pare-feu configurables
Déploiement via VPN pris en charge

Contrôle d’accès

Protection par mot de passe administrateur
Gestion des permissions multi-utilisateurs
Exécution des Skills dans un environnement sandbox

Configuration requise

Configuration minimale

Ressource	Minimum	Recommandé
CPU	2 cœurs	4 cœurs ou plus
RAM	2 Go	4 Go ou plus
Stockage	10 Go	20 Go ou plus
Réseau	Connexion stable	Haut débit

Configurations selon le scénario

Scénario	Configuration suggérée
Apprentissage personnel	Un ordinateur local avec 4 Go de RAM
Usage léger	Serveur cloud 2 cœurs / 2 Go
Usage moyen	Serveur cloud 2 cœurs / 4 Go
Usage intensif	Serveur cloud 4 cœurs / 8 Go

Fuente: OpenClaw Orange Paper v1.2.0, capítulos 2-9

Arquitectura técnica: el modelo del restaurante

Es más fácil entender los componentes de OpenClaw si lo imaginas como un restaurante:

Tabla de referencia de componentes

Componente	Rol en el restaurante	Descripción
🧠 Modelo de IA (LLM)	El chef	Realiza el «pensamiento» y la «generación de contenido»
🔧 Skills	Las herramientas de cocina	Skill de búsqueda = motor de búsqueda; skill de correo electrónico = cliente de correo
💬 Channels	El mostrador de pedidos	Habla con la IA a través de WeChat, Feishu, una página web y otros canales
💾 Memory	Los perfiles de clientes	Recuerda conversaciones anteriores y te entiende mejor con el paso del tiempo
👤 User	El cliente	Tú solo le dices a la IA lo que quieres

Componentes principales en detalle

1. Modelo de IA (LLM)

OpenClaw tiene una arquitectura independiente del modelo y admite varios modelos de IA:

Tipo	Modelos	Notas
Modelos internacionales	Claude, GPT-4, Gemini	La mejor calidad; desde China continental requieren VPN o proxy
Modelos chinos	DeepSeek, Kimi, ERNIE Bot	Compatibles con las redes de China continental, económicos
Modelos locales	Ollama, LM Studio	Completamente gratuitos y privados, pero requieren GPU

Recomendaciones de modelos:

Usuarios primerizos: Google Gemini (nivel gratuito disponible)
Usuarios en China continental: DeepSeek / Kimi
Calidad ante todo: Claude / GPT-4
Sensibles al costo: modelos locales (Ollama)

2. Skills

Los Skills son las «manos y los ojos» de OpenClaw — permiten que la IA realice acciones reales.

Categorías de Skills:

Categoría	Skills de ejemplo	Propósito
Búsqueda de información	Búsqueda, noticias, clima	Obtener información en tiempo real
Procesamiento de contenido	Correo electrónico, documentos, traducción	Trabajar con contenido de texto
Automatización	Tareas programadas, flujos de trabajo	Ejecutar tareas automáticamente
Procesamiento de datos	Hojas de cálculo, gráficos, bases de datos	Analizar y procesar datos
Navegador	Web scraping, capturas de pantalla	Operar el navegador

De dónde provienen los Skills:

ClawHub, el mercado oficial: más de 13.729 Skills
Contribuciones de la comunidad: Skills de código abierto en GitHub
Skills propios: desarrolla los tuyos según lo necesites

3. Channels

OpenClaw permite interactuar con los usuarios a través de una gran variedad de canales:

Plataformas internacionales: Telegram, Discord, WhatsApp, Slack, interfaz web

Plataformas de China continental: Feishu, DingTalk, WeCom, WeChat (requiere configuración adicional)

4. Memory

El sistema de Memory permite que OpenClaw recuerde tus preferencias y conversaciones pasadas.

Tipos de Memory:

Tipo	Descripción	Almacenamiento
Memory a corto plazo	Contexto de la conversación actual	RAM
Memory a largo plazo	Preferencias e historial del usuario	Base de datos local
Memory vectorial	Recuperación semántica de recuerdos	Base de datos vectorial

Qué hace la Memory: recuerda tus preferencias, retoma conversaciones anteriores y te entiende mejor cuanto más la usas

Flujo de datos

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

Arquitectura de seguridad

Seguridad del despliegue local

Todos los datos se almacenan localmente
Las claves de API solo se guardan en tu propio servidor
Nada pasa por servidores de terceros

Seguridad de red

Cifrado HTTPS admitido
Reglas de firewall configurables
Despliegue con VPN admitido

Control de acceso

Protección con contraseña de administrador
Gestión de permisos multiusuario
Ejecución de Skills en un entorno aislado (sandbox)

Requisitos de recursos

Configuración mínima

Recurso	Mínimo	Recomendado
CPU	2 núcleos	4 núcleos o más
RAM	2 GB	4 GB o más
Almacenamiento	10 GB	20 GB o más
Red	Conexión estable	Banda ancha

Configuraciones según el escenario

Escenario	Configuración sugerida
Aprendizaje personal	Un ordenador local con 4 GB de RAM
Uso ligero	Servidor en la nube de 2 núcleos y 2 GB
Uso medio	Servidor en la nube de 2 núcleos y 4 GB
Uso intensivo	Servidor en la nube de 4 núcleos y 8 GB

Fuente: OpenClaw Orange Paper v1.2.0, capítulos 2-9

Arquitectura técnica: el modelo del restaurante

Es más fácil entender los componentes de OpenClaw si lo imaginas como un restaurante:

Tabla de referencia de componentes

Componente	Rol en el restaurante	Descripción
🧠 Modelo de IA (LLM)	El chef	Realiza el «pensamiento» y la «generación de contenido»
🔧 Skills	Las herramientas de cocina	Skill de búsqueda = motor de búsqueda; skill de correo electrónico = cliente de correo
💬 Channels	El mostrador de pedidos	Habla con la IA a través de WeChat, Feishu, una página web y otros canales
💾 Memory	Los perfiles de clientes	Recuerda conversaciones anteriores y te entiende mejor con el paso del tiempo
👤 User	El cliente	Tú solo le dices a la IA lo que quieres

Componentes principales en detalle

1. Modelo de IA (LLM)

OpenClaw tiene una arquitectura independiente del modelo y admite varios modelos de IA:

Tipo	Modelos	Notas
Modelos internacionales	Claude, GPT-4, Gemini	La mejor calidad; desde China continental requieren VPN o proxy
Modelos chinos	DeepSeek, Kimi, ERNIE Bot	Compatibles con las redes de China continental, económicos
Modelos locales	Ollama, LM Studio	Completamente gratuitos y privados, pero requieren GPU

Recomendaciones de modelos:

Usuarios primerizos: Google Gemini (nivel gratuito disponible)
Usuarios en China continental: DeepSeek / Kimi
Calidad ante todo: Claude / GPT-4
Sensibles al costo: modelos locales (Ollama)

2. Skills

Los Skills son las «manos y los ojos» de OpenClaw — permiten que la IA realice acciones reales.

Categorías de Skills:

Categoría	Skills de ejemplo	Propósito
Búsqueda de información	Búsqueda, noticias, clima	Obtener información en tiempo real
Procesamiento de contenido	Correo electrónico, documentos, traducción	Trabajar con contenido de texto
Automatización	Tareas programadas, flujos de trabajo	Ejecutar tareas automáticamente
Procesamiento de datos	Hojas de cálculo, gráficos, bases de datos	Analizar y procesar datos
Navegador	Web scraping, capturas de pantalla	Operar el navegador

De dónde provienen los Skills:

ClawHub, el mercado oficial: más de 13.729 Skills
Contribuciones de la comunidad: Skills de código abierto en GitHub
Skills propios: desarrolla los tuyos según lo necesites

3. Channels

OpenClaw permite interactuar con los usuarios a través de una gran variedad de canales:

Plataformas internacionales: Telegram, Discord, WhatsApp, Slack, interfaz web

Plataformas de China continental: Feishu, DingTalk, WeCom, WeChat (requiere configuración adicional)

4. Memory

El sistema de Memory permite que OpenClaw recuerde tus preferencias y conversaciones pasadas.

Tipos de Memory:

Tipo	Descripción	Almacenamiento
Memory a corto plazo	Contexto de la conversación actual	RAM
Memory a largo plazo	Preferencias e historial del usuario	Base de datos local
Memory vectorial	Recuperación semántica de recuerdos	Base de datos vectorial

Qué hace la Memory: recuerda tus preferencias, retoma conversaciones anteriores y te entiende mejor cuanto más la usas

Flujo de datos

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

Arquitectura de seguridad

Seguridad del despliegue local

Todos los datos se almacenan localmente
Las claves de API solo se guardan en tu propio servidor
Nada pasa por servidores de terceros

Seguridad de red

Cifrado HTTPS admitido
Reglas de firewall configurables
Despliegue con VPN admitido

Control de acceso

Protección con contraseña de administrador
Gestión de permisos multiusuario
Ejecución de Skills en un entorno aislado (sandbox)

Requisitos de recursos

Configuración mínima

Recurso	Mínimo	Recomendado
CPU	2 núcleos	4 núcleos o más
RAM	2 GB	4 GB o más
Almacenamiento	10 GB	20 GB o más
Red	Conexión estable	Banda ancha

Configuraciones según el escenario

Escenario	Configuración sugerida
Aprendizaje personal	Un ordenador local con 4 GB de RAM
Uso ligero	Servidor en la nube de 2 núcleos y 2 GB
Uso medio	Servidor en la nube de 2 núcleos y 4 GB
Uso intensivo	Servidor en la nube de 4 núcleos y 8 GB

Fonte: OpenClaw Orange Paper v1.2.0, capitoli 2-9

Architettura tecnica: il modello del ristorante

È più facile capire i componenti di OpenClaw immaginandolo come un ristorante:

Tabella di riferimento dei componenti

Componente	Ruolo nel ristorante	Descrizione
🧠 Modello di IA (LLM)	Lo chef	Si occupa del «pensiero» e della «generazione dei contenuti»
🔧 Skills	Gli strumenti della cucina	Skill di ricerca = motore di ricerca; skill e-mail = client di posta
💬 Channels	Il banco delle ordinazioni	Parla con l’IA tramite WeChat, Feishu, una pagina web e altri canali
💾 Memory	Le schede dei clienti	Ricorda le conversazioni precedenti e ti capisce sempre meglio col passare del tempo
👤 User	Il cliente	Ti basta dire all’IA cosa vuoi

Componenti principali nel dettaglio

1. Modello di IA (LLM)

OpenClaw ha un’architettura indipendente dal modello e supporta più modelli di IA:

Tipo	Modelli	Note
Modelli internazionali	Claude, GPT-4, Gemini	Qualità migliore; dalla Cina continentale richiedono VPN o proxy
Modelli cinesi	DeepSeek, Kimi, ERNIE Bot	Compatibili con le reti della Cina continentale, economici
Modelli locali	Ollama, LM Studio	Completamente gratuiti e privati, ma richiedono una GPU

Consigli sui modelli:

Chi inizia: Google Gemini (disponibile un livello gratuito)
Utenti nella Cina continentale: DeepSeek / Kimi
Prima la qualità: Claude / GPT-4
Occhio ai costi: modelli locali (Ollama)

2. Skills

Le Skills sono le «mani e gli occhi» di OpenClaw — permettono all’IA di compiere azioni reali.

Categorie di Skills:

Categoria	Skill di esempio	Scopo
Recupero delle informazioni	Ricerca, notizie, meteo	Ottenere informazioni in tempo reale
Elaborazione dei contenuti	E-mail, documenti, traduzione	Lavorare con contenuti testuali
Automazione	Attività pianificate, workflow	Eseguire attività automaticamente
Elaborazione dei dati	Fogli di calcolo, grafici, database	Analizzare ed elaborare dati
Browser	Web scraping, screenshot	Utilizzare il browser

Da dove arrivano le Skills:

ClawHub, il marketplace ufficiale: oltre 13.729 Skills
Contributi della community: Skills open source su GitHub
Skill realizzate in autonomia: sviluppa le tue quando ti servono

3. Channels

OpenClaw consente di comunicare con gli utenti attraverso una grande varietà di canali:

Piattaforme internazionali: Telegram, Discord, WhatsApp, Slack, interfaccia web

Piattaforme della Cina continentale: Feishu, DingTalk, WeCom, WeChat (richiede configurazione aggiuntiva)

4. Memory

Il sistema di Memory consente a OpenClaw di ricordare le tue preferenze e le conversazioni passate.

Tipi di Memory:

Tipo	Descrizione	Archiviazione
Memory a breve termine	Contesto della conversazione in corso	RAM
Memory a lungo termine	Preferenze e cronologia dell’utente	Database locale
Memory vettoriale	Recupero semantico dei ricordi	Database vettoriale

Cosa fa la Memory: ricorda le tue preferenze, richiama le conversazioni precedenti e ti capisce sempre meglio quanto più la usi

Flusso dei dati

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

Architettura di sicurezza

Sicurezza del deployment locale

Tutti i dati sono archiviati localmente
Le chiavi API restano soltanto sul tuo server
Nulla passa da server di terze parti

Sicurezza di rete

Crittografia HTTPS supportata
Regole del firewall configurabili
Deployment via VPN supportato

Controllo degli accessi

Protezione con password di amministratore
Gestione dei permessi multiutente
Esecuzione delle Skills in sandbox

Requisiti di risorse

Configurazione minima

Risorsa	Minimo	Consigliata
CPU	2 core	4 core o più
RAM	2 GB	4 GB o più
Spazio di archiviazione	10 GB	20 GB o più
Rete	Connessione stabile	Banda larga

Configurazioni per scenario

Scenario	Configurazione suggerita
Apprendimento personale	Un computer locale con 4 GB di RAM
Uso leggero	Server cloud 2 core / 2 GB
Uso medio	Server cloud 2 core / 4 GB
Uso intensivo	Server cloud 4 core / 8 GB

출처: OpenClaw 오렌지 페이퍼 v1.2.0 제2~9장

기술 아키텍처: 레스토랑 모델

OpenClaw를 한 레스토랑으로 상상하면 각 구성 요소를 더 쉽게 이해할 수 있습니다:

구성 요소 대응표

구성 요소	레스토랑에서의 역할	설명
🧠 AI 모델 (LLM)	셰프	"사고"와 "콘텐츠 생성"을 담당
🔧 Skills(스킬)	주방 도구	검색 스킬 = 검색 엔진, 이메일 스킬 = 이메일 클라이언트
💬 Channels(채널)	주문 접수 창구	WeChat(위챗), Feishu(페이슈), 웹 페이지 등 다양한 채널로 AI와 대화
💾 Memory(메모리)	고객 프로필	이전 대화를 기억하고 사용할수록 사용자를 더 잘 이해함
👤 User(사용자)	고객	AI에게 원하는 것을 말씀만 하시면 됩니다

핵심 구성 요소 상세

1. AI 모델 (LLM)

OpenClaw는 모델 독립적 아키텍처로, 여러 AI 모델을 지원합니다:

유형	모델	특징
국제 모델	Claude, GPT-4, Gemini	품질이 가장 뛰어남. 중국 본토에서는 VPN 또는 프록시 필요
중국 모델	DeepSeek, Kimi, ERNIE Bot	중국 본토 네트워크 환경에 친화적이고 저렴함
로컬 모델	Ollama, LM Studio	완전 무료이며 프라이버시가 보장되지만 GPU가 필요함

모델 선택 추천:

처음 사용하는 분: Google Gemini(무료 사용량 제공)
중국 본토 사용자: DeepSeek / Kimi
품질 우선: Claude / GPT-4
비용에 민감한 경우: 로컬 모델(Ollama)

2. Skills

스킬은 OpenClaw의 "손과 눈"으로, AI가 실제 작업을 수행할 수 있게 해줍니다.

스킬 분류:

분류	예시 스킬	용도
정보 검색	검색, 뉴스, 날씨	실시간 정보 가져오기
콘텐츠 처리	이메일, 문서, 번역	텍스트 콘텐츠 처리
자동화	예약 작업, 워크플로	작업 자동 실행
데이터 처리	스프레드시트, 차트, 데이터베이스	데이터 분석 및 처리
브라우저	웹 스크래핑, 스크린샷	브라우저 조작

스킬 확보 방법:

ClawHub 공식 마켓: 13,729개 이상의 스킬
커뮤니티 기여: GitHub의 오픈소스 스킬
직접 제작: 필요에 따라 직접 개발

3. Channels

OpenClaw는 다양한 채널을 통해 사용자와 소통할 수 있습니다:

국제 플랫폼: Telegram, Discord, WhatsApp, Slack, 웹 UI

중국 본토 플랫폼: Feishu(페이슈), DingTalk(딩톡), WeCom(기업 위챗), WeChat(위챗, 추가 설정 필요)

4. Memory

메모리 시스템을 통해 OpenClaw는 사용자의 선호도와 과거 대화를 기억할 수 있습니다.

메모리 유형:

유형	설명	저장 위치
단기 메모리	현재 대화 컨텍스트	RAM
장기 메모리	사용자 선호도, 기록	로컬 데이터베이스
벡터 메모리	의미 기반 기억 검색	벡터 데이터베이스

메모리의 역할: 선호도를 기억하고, 이전 대화를 인용하며, 사용할수록 사용자를 더 잘 이해합니다

데이터 흐름

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

보안 아키텍처

로컬 배포 보안

모든 데이터는 로컬에 저장됨
API 키는 자신의 서버에만 보관됨
제3자 서버를 거치지 않음

네트워크 보안

HTTPS 암호화 지원
방화벽 규칙 설정 가능
VPN 배포 지원

접근 제어

관리자 비밀번호 보호
다중 사용자 권한 관리
스킬 실행 샌드박스

리소스 요구 사항

최소 사양

리소스	최소 요구 사항	권장 사양
CPU	2코어	4코어 이상
메모리	2GB	4GB 이상
저장 공간	10GB	20GB 이상
네트워크	안정적인 연결	광대역

시나리오별 구성

시나리오	권장 구성
개인 학습	4GB RAM을 갖춘 로컬 컴퓨터
가벼운 사용	2코어 2GB 클라우드 서버
보통 사용	2코어 4GB 클라우드 서버
집중적인 사용	4코어 8GB 클라우드 서버

المصدر: OpenClaw Orange Paper v1.2.0، الفصول 2-9

البنية التقنية: نموذج المطعم

من السهل فهم مكونات OpenClaw إذا تخيلتَه مطعمًا:

جدول مرجعي للمكونات

المكوّن	الدور في المطعم	الوصف
🧠 نموذج الذكاء الاصطناعي (LLM)	الطاهي	يتولى «التفكير» و«توليد المحتوى»
🔧 Skills (المهارات)	أدوات المطبخ	مهارة البحث = محرك بحث؛ مهارة البريد = عميل بريد إلكتروني
💬 Channels (القنوات)	نافذة الطلبات	تحدّث مع الذكاء الاصطناعي عبر WeChat وFeishu وصفحة ويب وقنوات أخرى
💾 Memory (الذاكرة)	ملفات العملاء	يتذكّر المحادثات السابقة ويفهمك بشكل أفضل مع مرور الوقت
👤 User (المستخدم)	العميل	يكفي أن تخبر الذكاء الاصطناعي بما تريد

المكونات الأساسية بالتفصيل

1. نموذج الذكاء الاصطناعي (LLM)

يعتمد OpenClaw بنية غير مرتبطة بنموذج بعينه ويدعم عدة نماذج ذكاء اصطناعي:

النوع	النماذج	ملاحظات
النماذج الدولية	Claude وGPT-4 وGemini	أفضل جودة؛ تتطلب VPN أو وسيطًا من داخل الصين
النماذج الصينية	DeepSeek وKimi وERNIE Bot	متوافقة مع شبكات الصين، وكلفتها منخفضة
النماذج المحلية	Ollama وLM Studio	مجانية تمامًا وتصون الخصوصية، لكنها تتطلب GPU

توصيات اختيار النموذج:

للمستخدمين الجدد: Google Gemini (يتوفر مستوى مجاني)
لمستخدمي الصين: DeepSeek / Kimi
إذا كانت الجودة أولًا: Claude / GPT-4
لمن يهتم بالتكلفة: النماذج المحلية (Ollama)

2. Skills

المهارات هي «اليدين والعينين» الخاصتين بـ OpenClaw — فهي تمكّن الذكاء الاصطناعي من تنفيذ إجراءات حقيقية.

فئات المهارات:

الفئة	أمثلة على المهارات	الغرض
استرجاع المعلومات	البحث، الأخبار، الطقس	جلب المعلومات في الوقت الفعلي
معالجة المحتوى	البريد الإلكتروني، المستندات، الترجمة	التعامل مع المحتوى النصي
الأتمتة	المهام المجدولة، تدفقات العمل	تنفيذ المهام تلقائيًا
معالجة البيانات	جداول البيانات، الرسوم البيانية، قواعد البيانات	تحليل البيانات ومعالجتها
المتصفح	استخلاص بيانات الويب، لقطات الشاشة	تشغيل المتصفح

من أين تأتي المهارات:

ClawHub، المتجر الرسمي: أكثر من 13,729 مهارة
مساهمات المجتمع: مهارات مفتوحة المصدر على GitHub
مهارات ذاتية البناء: طوّر مهاراتك بنفسك عند الحاجة

3. Channels

يدعم OpenClaw التواصل مع المستخدمين عبر مجموعة متنوعة من القنوات:

المنصات الدولية: Telegram وDiscord وWhatsApp وSlack وواجهة الويب

منصات الصين: Feishu وDingTalk وWeCom وWeChat (يتطلب إعدادًا إضافيًا)

4. Memory

يتيح نظام الذاكرة لـ OpenClaw تذكّر تفضيلاتك ومحادثاتك السابقة.

أنواع الذاكرة:

النوع	الوصف	التخزين
الذاكرة قصيرة المدى	سياق المحادثة الحالية	RAM
الذاكرة طويلة المدى	تفضيلات المستخدم وسجلّه	قاعدة بيانات محلية
الذاكرة المتجهية	استرجاع دلالي للذاكرة	قاعدة بيانات متجهية

ما تفعله الذاكرة: تتذكّر تفضيلاتك، وتعود إلى المحادثات السابقة، وتفهمك بشكل أفضل كلما ازداد استخدامك لها

تدفق البيانات

User message → Channel (Feishu/DingTalk) → Gateway → LLM (thinking)
                                    ↓
                              Skills (execution)
                                    ↓
User response ← Channel (Feishu/DingTalk) ← Gateway ← results

بنية الأمان

أمان النشر المحلي

تُخزَّن جميع البيانات محليًا
مفاتيح API تبقى على خادمك فقط
لا يمر أي شيء عبر خوادم الأطراف الثالثة

أمان الشبكة

دعم تشفير HTTPS
قواعد جدار حماية قابلة للتهيئة
دعم النشر عبر VPN

التحكم في الوصول

الحماية بكلمة مرور المشرف
إدارة صلاحيات المستخدمين المتعددين
تنفيذ المهارات في بيئة معزولة (Sandbox)

متطلبات الموارد

الحد الأدنى للإعداد

المورد	الحد الأدنى	الموصى به
المعالج	نواتان	4 نوى أو أكثر
الذاكرة	2GB	4GB أو أكثر
التخزين	10GB	20GB أو أكثر
الشبكة	اتصال مستقر	نطاق عريض

إعدادات حسب السيناريو

السيناريو	الإعداد المقترح
التعلم الشخصي	حاسوب محلي بذاكرة RAM سعة 4GB
الاستخدام الخفيف	خادم سحابي بنواتين وذاكرة 2GB
الاستخدام المتوسط	خادم سحابي بنواتين وذاكرة 4GB
الاستخدام المكثف	خادم سحابي بأربع نوى وذاكرة 8GB