myclaw： 2000 行 Go 平替 43 万行的 OpenClaw

转载：公众号[星纬智联技术],推荐中转站： https://nicecode.cc/
AI Agent Gateway 赛道的现状：
2026 年初，AI Agent 领域最火的项目非 OpenClaw 莫属。这个前身为 Clawdbot 🦞（后改名 Moltbot ，最终定名 OpenClaw ）的项目，在 GitHub 上已经积累了超过 17 万 Star 。它的核心理念很直接：给 LLM 一双"手"，让 AI 能操作你的本地系统——执行命令、读写文件、控制浏览器。OpenClaw 的架构确实强大：
• Gateway + Pi Agent：Gateway 是 Node.js WebSocket 服务（默认绑 ws://127.0.0.1:18789 ），内嵌 Pi （ Mario Zechner 写的开源 Coding Agent ）通过 JSON-RPC over stdio 做推理和工具调用
• 多模型支持：通过 Pi 的统一 LLM API 接 Anthropic 、OpenAI 、Google 、Ollama 等多家 Provider
• 支持 WhatsApp 、Telegram 、Discord 、iMessage 、Slack 、Signal 等消息通道• 沙箱模式、设备配对审批、加密凭据存储
但它也有明显的代价：43 万行 TypeScript 代码，Node.js 运行时，以及相当复杂的依赖链。
对于只想自托管一个 AI 助手的个人开发者来说，这个体量太重了。myclaw 想做的事情很简单——用 Go 写一个够用的轻量替代。
myclaw 是什么：
myclaw 是一个 Go 编写的自托管 AI Agent Gateway 。设计目标三条：
1. 轻量：核心代码约 2000 行，单二进制部署，无运行时依赖
2. 实用：覆盖日常场景——Telegram 和飞书双通道、定时任务、记忆持久化
3. 可扩展：模块化架构，Channel 接口抽象清晰，加新通道写一个 struct 就行
架构上借鉴了 OpenClaw 的 Gateway 模式，但实现上砍掉了所有我用不到的东西。
架构设计：
myclaw 的整体架构可以用一句话概括：消息总线驱动的服务编排。
┌─────────────┐     ┌──────────┐     ┌──────────────┐
│  Telegram    │────▶│          │────▶│   Claude /   │
│  Channel     │     │ Message  │     │   OpenAI     │
└─────────────┘     │   Bus    │     │   Agent      │
                    │          │     └──────┬───────┘
┌─────────────┐     │          │            │
│  Feishu      │────▶│          │◀───────────┘
│  Channel     │     └──────────┘
└─────────────┘          │
                         ▼
┌─────────────┐     ┌──────────┐
│  Cron        │     │  Memory  │
│  Service     │     │  System  │
└─────────────┘     └──────────┘
       │
┌─────────────┐
│  Heartbeat   │
│  Service     │
└─────────────┘
核心组件包括：
1. Message Bus （消息总线）
消息总线是 myclaw 的中枢。两种消息类型：
• InboundMessage：从通道流入，携带 Channel 、SenderID 、ChatID 、Content 、Timestamp 等字段
• OutboundMessage：从 Agent 流出，携带 Channel 、ChatID 、Content 、ReplyTo 等字段
通过 Pub/Sub 模式（ SubscribeOutbound / DispatchOutbound ），各服务之间实现松耦合的事件路由。缓冲区默认 100 条消息，Goroutine 安全。
2. Gateway （网关编排器）
Gateway 是顶层编排器，负责：
• 组装系统 Prompt （从 AGENTS.md + SOUL.md + 记忆上下文拼接）
• 处理入站消息，调用 Agent 运行时（支持 Anthropic 和 OpenAI 两种 Provider ）
• 将 Agent 输出路由到对应的消息通道
• 处理 SIGINT / SIGTERM 优雅关闭
Provider 切换的逻辑很直接——配置里 provider.type 写 openai 就走 OpenAI ，其他情况默认 Anthropic 。不搞什么抽象工厂，一个 switch 解决。
3. Channel （消息通道）
Channel 接口定义了四个方法：Name()、Start()、Stop()、Send()。目前实现了两个通道：
Telegram 通道：
• 基于 telegram-bot-api/v5 长轮询
• Markdown → Telegram HTML 格式转换
• 消息分片（ 4096 字符限制）
• 发送者白名单过滤
• 代理配置支持（方便国内网络环境）
飞书通道：
• Webhook 模式，启动一个 HTTP Server 监听 /feishu/webhook （默认端口 9876 ）
• Tenant Access Token 管理，带缓存和双重检查锁
• URL Verification Challenge 自动应答
• 事件驱动的消息接收（ im.message.receive_v1 ）
• 发送者白名单过滤（基于 open_id ）
• Verification Token 校验
飞书通道需要一个公网可达的 Webhook URL 。本地开发可以用 Cloudflared 临时隧道，生产环境建议配 DNS 。
4. Memory （记忆系统）
记忆系统分为两层：
• 长期记忆（ MEMORY.md ）：持久化的知识库
• 每日日记（ YYYY-MM-DD.md ）：按日期归档的交互记录
提供 ReadLongTerm()、WriteLongTerm()、ReadToday()、AppendToday() 和 GetRecentMemories(days) 方法。默认取最近 7 天的日记，和长期记忆一起组装进 LLM 的系统 Prompt 。
文件就是 Markdown ，想手动改也行。
5. Cron （定时任务）
支持三种调度模式：
• cron：标准 Cron 表达式（基于 robfig/cron/v3 ）
• every：固定间隔（毫秒级）
• at：一次性定时执行
任务持久化为 JSON （存在 ~/.myclaw/data/cron/jobs.json ），支持状态追踪（ LastRunAtMs 、LastStatus 、LastError ）和执行后自动删除。任务的执行结果可以通过 deliver 字段指定是否推送到某个消息通道。
6. Heartbeat （心跳服务）
定期读取 HEARTBEAT.md 文件内容，触发 Agent 处理。Agent 返回 HEARTBEAT_OK 表示无需进一步操作。默认间隔 30 分钟，适合做周期性自检或主动提醒。
为什么用 Go:
选 Go 不是为了赶时髦，是几个实际的考量：
1. 单二进制部署：go build 产出一个可执行文件，不需要 Node.js 运行时或 Python 虚拟环境。scp 到服务器直接跑
2. 并发原语：Goroutine + Channel 天然适合消息总线架构。每个通道、每个定时任务、Webhook Server 都是独立的 Goroutine ，代码写起来比 async/await 回调链清爽
3. 内存占用：Go 运行时的内存开销远低于 Node.js / Python ，一个长期驻留的 Gateway 进程，这点差别会累积
4. 交叉编译：GOOS=linux GOARCH=arm64 go build 一行命令编译到任意平台
快速开始:
安装
go install github.com/stellarlinkco/myclaw/cmd/myclaw@latest
初始化
myclaw onboard
这会在 ~/.myclaw/ 下创建配置文件和工作空间：
~/.myclaw/
├── config.json          # 主配置
├── workspace/
│   ├── AGENTS.md        # Agent 角色定义
│   ├── SOUL.md          # 人格特质
│   ├── HEARTBEAT.md     # 心跳任务提示词
│   └── memory/
│       └── MEMORY.md    # 长期记忆
└── data/
    └── cron/
        └── jobs.json    # 定时任务持久化
配置
编辑 ~/.myclaw/config.json：
{
  "agent": {
    "model": "claude-sonnet-4-5-20250929",
    "maxTokens": 8192,
    "temperature": 0.7,
    "maxToolIterations": 20
  },
  "provider": {
    "type": "anthropic",
    "apiKey": "sk-ant-..."
  },
  "channels": {
    "telegram": {
      "enabled": true,
      "token": "your-bot-token",
      "allowFrom": ["123456789"],
      "proxy": ""
    },
    "feishu": {
      "enabled": true,
      "appId": "cli_xxx",
      "appSecret": "xxx",
      "verificationToken": "xxx",
      "port": 9876,
      "allowFrom": ["ou_xxx"]
    }
  },
  "gateway": {
    "host": "0.0.0.0",
    "port": 18790
  }
}
想用 OpenAI 兼容的 API ？把 provider.type 改成 "openai"，填上对应的 Key 和 Base URL 就行。
也支持环境变量覆盖：
环境变量 用途
MYCLAW_API_KEY / ANTHROPIC_API_KEY Anthropic API Key
OPENAI_API_KEY OpenAI API Key （自动切换 Provider ）
MYCLAW_BASE_URL / ANTHROPIC_BASE_URL API 地址（可接自定义 Endpoint ）
MYCLAW_TELEGRAM_TOKEN Telegram Bot Token
MYCLAW_FEISHU_APP_ID 飞书 App ID
MYCLAW_FEISHU_APP_SECRET 飞书 App Secret
一个细节：如果只设了 OPENAI_API_KEY 而没有配 provider.type ，myclaw 会自动把 Provider 切到 OpenAI 。少一步配置。
运行
# REPL 模式（命令行交互）
myclaw agent

# 单条消息模式
myclaw agent -m "今天的任务清单"

# 完整 Gateway 模式（启动所有服务）
myclaw gateway

# 查看状态
myclaw status
部署
Docker
myclaw 提供了多阶段 Dockerfile （ golang:1.24-alpine 构建，alpine:3.21 运行），编译产物约 10MB
# 构建并启动
docker compose up -d --build

# 如果需要飞书 Webhook 的公网隧道
docker compose --profile tunnel up -d --build
Docker Compose 里包含一个可选的 Cloudflared 隧道服务，通过 --profile tunnel 激活。它会自动把飞书 Webhook 端口暴露到公网，省去自己配 Nginx 反向代理的麻烦。
本地开发也可以直接用 Make:
make tunnel  # 启动 cloudflared 临时隧道
拿到 *.trycloudflare.com 的 URL 后填到飞书开放平台的事件订阅里就行。
裸机部署
# 交叉编译
GOOS=linux GOARCH=amd64 go build -ldflags="-s -w" -o myclaw ./cmd/myclaw

# 丢到服务器上
scp myclaw user@server:/usr/local/bin/
ssh user@server "myclaw onboard && myclaw gateway"
myclaw 证明了一件事：构建一个实用的 AI Agent Gateway 不需要 43 万行代码。2000 行 Go ，两个消息通道，一套记忆系统，一个 Cron 调度器——日常够用了。当然它也有明显的不足。没有 Web UI ，没有多用户会话隔离，飞书通道目前只支持纯文本消息。如果你的场景需要这些，OpenClaw 或者自己加功能。Go 的单二进制部署和低内存占用让它特别适合丢在一台小 VPS 上长期跑着。如果你认同"能用 2000 行解决的问题不要用 43 万行"这个理念，可以试试。
转载：公众号[星纬智联技术],推荐中转站： https://nicecode.cc/