为国内生态倾力打造的 OpenClaw 深度中文化版本。 这是一个让你可以在本地私有化运行、掌控全局的私人 AI 智能体工作流引擎。
在处理极其复杂的长时间维度任务时，传统的自主 Agent 往往容易陷入动作“死循环”——例如为了解决一个 Bug 不断地重复编辑和报错。本项目针对性地引入了基于复利折叠（Z ⇌ Z² + C）的监控环流：
chaosScore混沌度量器：底层的订阅分发中心（pi-embedded-subscribe）会实时监视动作指纹（Fingerprint）。当检测到 Agent 在原地打转或频繁报错时，会自动增加系统混沌值。- 分形反思机制（Fractal Reflection）：当混沌值越过安全阈值时，自动触发系统级侧入式钩子（Hooks）。强制打断当前发散的执行死循环（Divergence），并向主脑注入强力的人工提示，要求其调整方向或降维打击——例如指派具有特定上下文的子智能体（Subagent）去重新梳理问题，而不是一根筋死磕。
🎉 v2025.3.x 核心里程碑 (重磅发布) 当前项目仓库：luolin-ai/openclawWeComzh
- 🦞 Sandbox 自动化工作流编排：从传统的“被动问答对话框”进化为“主动派单工作台”。只需下发宏大目标，AI 即可拆解目标并生成
task.md规划清单，每执行一步都会自我打卡标记状态。全面引入对高危终端命令的弹窗拦截审核机制（Human-in-the-loop）。 - 🧠 本地私有知识库引擎挂载：在多轮跨会话之间建立长线上下文记忆。直接让 AI 挂载本地项目文档和代码规范库，在遇到技术卡点时自主翻阅资料寻找突破。
- 🤖 子代理会话记忆穿透：支持主代理向子代理传递结构化上下文，子任务完成后自动回传更新状态，实现多层代理间记忆共享闭环。
- 🌍 浏览器自动化持久化升级：浏览器 Profile 与 Agent Session 自动绑定，跨次运行保留登录态（Cookie/localStorage）。
- ⚡️ Batch 快照效率提升：批量浏览器操作完成后自动暴露最终页面快照，减少 AI 解析中间过程的开销。
- 💻 UI 浏览器工具可视化：聊天界面浏览器工具卡支持内联前端截图渲染与快照摘要展示，过程完全可视。
- ♾️ Z ⇌ Z² + C 认知环流深度融合：赋予多智能体系统真正的“元认知”与“发散修正”能力。底层实时监视执行死循环，当混沌值（
chaosScore）越过阈值时触发侧入式拦截，强制要求 AI 降维拆解或指派专职子代理，避免原地打结。 - 🎨 Canvas A2UI 智能体交互画布：告别纯文本，直接在侧边栏生成高交互性的前端组件、表单与图表。重构了底层的 Canvas 编译链，集成了下一代 Rust 打包器
rolldown，支持毫秒级页面热重载与极速组件通信。
🎉 v2025.2.x 历史核心里程碑
- 🧠 Qwen / DeepSeek 流式深度整合：
- 思考过程全解析：彻底修复了 Qwen-Web 和 DeepSeek 模型在输出深度推理标签 (
[(deep_think)]/<think>) 时的截断或溢出问题。流式输出期间，UI 界面将优雅且平滑地展开“深度思考中 (Deep Thinking...)”折叠面板，展现 AI 推理全貌。 - 本地工具强制关联机制：修复了长时间多轮对话后，模型容易遗忘内部 XML 工具调用格式的问题。通过在上下文链路中注入隐式约束，确保模型能够随心所欲且稳定地唤起你的独立浏览器 (
openclawProfile) 或执行高危指令 (Bash commands)。
- 思考过程全解析：彻底修复了 Qwen-Web 和 DeepSeek 模型在输出深度推理标签 (
- 🇨🇳 CLI 界面深度中文化：
- 我们对原生极具赛博朋克风格的终端向导工具 (
openclaw onboard) 进行了逐字逐句的翻译和润色。 - 涵盖所有配置流程：包括网关鉴权、模型选择、外部通讯渠道（Channels）接入和扩展技能（Skills）安装。保留了原汁原味的 Lobster 专属渐变色彩引擎。
- 我们对原生极具赛博朋克风格的终端向导工具 (
| OpenAI | Blacksmith | Convex |
|---|---|---|
 |
 |
 |
Subscriptions (OAuth):
- OpenAI (ChatGPT/Codex)
如果你只是想快速体验或部署系统，可以直接在终端执行以下一键安装指令。该脚本会自动为您检测环境、配置依赖并启动向导：
curl -fsSL https://raw.githubusercontent.com/luolin-ai/openclawWeComzh/main/install.sh | bash🌐 各系统环境安装说明：
- 🍎 macOS: 原生支持。脚本会自动检查系统依赖并引导是否安装
cmake/brew等底层编译工具（用于本地大模型加速计算等扩展模块）。 - 🐧 Linux: 广泛兼容各大主流发行版 (Ubuntu/Debian, CentOS/RHEL, Arch, Alpine等)。自动判断并提权安装例如
build-essential等 C++ 编译环境。 - 🪟 Windows: 提供原生的 PowerShell 一键安装支持！请确保以管理员身份打开 PowerShell 并执行以下指令：
(注: 仍强烈推荐硬核极客在 WSL2 子系统下通过 bash 脚本体验最完整的本地化能力)
iwr -useb https://raw.githubusercontent.com/luolin-ai/openclawWeComzh/main/install.ps1 | iex
如果你希望进行二次定制架构开发，可以通过以下步骤运行：
环境准备： 确保已安装 Node.js (≥ 22.0.0) 和包管理器 pnpm (npm i -g pnpm)。
# 获取源码
git clone https://github.com/luolin-ai/openclawWeComzh.git
cd openclawWeComzh
# 安装项目依赖
pnpm install
# 编译项目 (首次运行将自动构建 UI 前端工程)
pnpm build
# 启动全中文沉浸式配置向导，注册基础设置并安装后台守护进程
pnpm openclaw onboard --install-daemon
# 以开发者模式启动网关（支持 TypeScript 热更新）
pnpm gateway:watch完成安装后，您可以通过以下方式启动系统：
- 终端随叫随到：直接在终端输入
openclaw即可在命令行中与 AI 进行沉浸式交互。 - 唤起图形控制台：运行
openclaw dashboard，系统将自动在默认浏览器 (http://127.0.0.1:18789) 打开控制台。 - 核心功能模块：
- 聊天 (Chat)：下发指令、问答交互，支持
/new快速重置会话。 - 沙盘 (Sandbox)：监控 AI 的后台执行链与多智能体派发情况。
- 配置 (Config)：中文化的全局系统参数设置面板。
- 聊天 (Chat)：下发指令、问答交互，支持
本 fork 基于 openclaw/openclaw 官方开源项目，在完全继承其所有高阶能力的基础上，针对国内生态进行了深度本土化定制。
| 功能维度 | 🌍 官方上游 openclaw/openclaw | 🇨🇳 本 Fork luolin-ai/openclawWeComzh |
|---|---|---|
| 界面语言 | 全英文界面 | 全链路中文化，从终端到 Web UI |
| 首选模型 | Claude Opus / GPT-4 为主 | 深度适配 Qwen、DeepSeek、Kimi K2.5 等国内顶级模型 |
| 模型接入方式 | 官方 API 为主（Anthropic、OpenAI、OpenRouter） | 额外支持 Moonshot、通义千问等国内 OpenAI 兼容 API |
| 深度思考渲染 | 基础展示 | 修复 [(deep_think)] / <think> 标签解析，完整流式呈现推理过程 |
| 通信渠道 | WhatsApp、Telegram、Discord、Slack、iMessage 等 20+ 渠道 | 继承全部，同时重点研发企业微信、微信等国内渠道（研发中） |
| Telegram 支持 | ✅ 完整支持 | ✅ 深度适配 + 多 Bot 账号管理 |
| 多智能体编排 | ✅ Agent-to-Agent（sessions_send） | ✅ 继承全部 + Kimi 副脑双 Agent 配置示例开箱即用 |
| Sandbox 沙盒 | ✅ Docker 隔离 + 工具限制 | ✅ 继承 + Human-in-the-loop 高危拦截，中文任务面板 |
| 知识库能力 | Memory QMD（向量检索） | ✅ 继承 + 本地文档目录挂载的使用教程与示例 |
| Web 控制台 | 英文全功能 Web UI | 中文化全功能 Web UI（Chat / Sandbox / Agents / Config） |
| CLI 工具 | openclaw 系列命令（英文输出） |
中文化 onboard 向导 + 中文友好错误提示 |
| 语音唤醒 | macOS + iOS（VoiceWake） | ✅ 继承（建议在官方 App 中使用） |
| Canvas A2UI | ✅ Agent 驱动可视化工作区 | ✅ 继承 |
| 安装方式 | curl 一键安装 / npm / Nix / Docker | ✅ 继承，额外提供中文化安装向导截图文档 |
| 技能扩展 | ClawHub 技能市场 | ✅ 继承（兼容 ClawHub） |
| 文档语言 | 英文（docs.openclaw.ai） | 中文化关键功能说明 + 本 README 的完整中文使用教程 |
| 社区支持 | Discord / GitHub | GitHub + 中文开源社区（企微群等） |
| 新增特性 | 说明 |
|---|---|
[(deep_think)] 修复 |
修复了 Qwen-Web 和 DeepSeek 推理模型在长上下文或多轮 Tool Call 场景下的标签截断 / 溢出 bug |
| 强制工具调用机制 | 修复了模型在长对话后遗忘 XML 工具格式的问题，通过隐式约束注入保持稳定唤起 |
| 双 Agent 配置模板 | 提供开箱即用的 Opus 主脑 + Kimi 副脑多 Agent 分工配置示例 |
sandboxTaskPlanSuppressed 修复 |
修复新建会话时侧边栏任务面板残留旧规划的 bug；新建后自动清空 |
| 前端 Session 状态管理 | /new 命令后正确重置所有轮询状态，防止历史数据污染新会话 |
| 国内加速模型路由 | moonshot provider 直接接入，无需借助 OpenRouter 中转，降低延迟 |
| Z ⇌ Z² + C 认知环流深度融合 | 实现基于 chaosScore 与迭代深度的多智能体发散度检测与收敛控制，支持在陷入死循环时强制触发分形反思机制 |
| A2UI 画布交互底座集成 | 完整打通 Canvas A2UI 渲染链路（Agent to UI），引入基于高性能 rolldown 的前端构建流 |
| Dashboard 渲染热修复 | 修复了由于 lit 模板依赖导入丢失导致的主控面板白屏（ReferenceError）与 WebSocket 连接容错机制 |
以下所有能力均来自上游 openclaw/openclaw，本 fork 完整继承：
- 🌐 20+ 通信渠道：WhatsApp、Telegram、Discord、Slack、Google Chat、Signal、iMessage、Feishu、LINE、Zalo 等
- 🔧 本地设备控制：浏览器 CDP 控制、终端 bash、文件读写、截图、摄像头
- 🤖 Pi Agent 运行时：RPC 工具流 + 流式输出，完整的会话模型
- 🛡️ Docker 沙盒隔离：非主会话自动走 Docker 沙盒执行
- 📱 伴侣 App：macOS 菜单栏 App + iOS/Android 节点
- ⏰ Cron + Webhook 自动化：定时任务、事件驱动执行流
- 🎙️ Voice Wake + Talk Mode：macOS/iOS 唤醒词 + Android 持续语音
- 🗺️ Skills + ClawHub：技能注册中心，支持 bundled/managed/workspace 技能
- 🔐 Tailscale + SSH 远程网关：安全暴露 Web UI，支持远程 Linux 机器部署
| 模块名称 | 特性说明 |
|---|---|
| 全流程中文化界面 | 从终端命令行的 onboard 到各种错误日志、高亮提示，全面采用了符合国人阅读习惯的中文语境与高亮色彩排版。 |
| 原生大语言模型适配 | 针对国内顶级开源模型（Qwen、DeepSeek等）的 Web 接口与专属推理链路进行了特化适配，支持完整的深度思考过程展示与上下文工具对齐。 |
| 系统级本地设备控制 | 完美继承开源版本的所有高阶特性：直接在对话框中让 AI 帮你执行终端命令行、操作自动化浏览器、读写本地文件目录。 |
| 多智能体与知识库 | 原生支持多智能体协作流（Agent-to-Agent），自带多模态上下文记忆引擎与私有知识库挂载能力，支持长线任务的断点续传。 |
| 扩展通信渠道引擎 | 计划对企微/微信等国内高频使用的社交与办公渠道进行原生接入开发（研发中），敬请期待！ |
OpenClaw 并非一个简单的对话窗口，而是一个具备自主决策、长期记忆与多智能体协作能力的数字员工。以下为最新核心功能的详细使用说明与能力进化对比。
| 能力维度 | ❌ 旧版本（Before） | ✅ 新版本（After） |
|---|---|---|
| 对话模式 | 被动问答，一问一答 | 自主工作台，任务自驱执行，AI 自行拆解目标 |
| 任务追踪 | 靠用户自己记录进度 | AI 自动生成 task.md 并实时打卡每一步 |
| 高危操作拦截 | 直接执行，无拦截 | Human-in-the-loop 弹窗强制人工审核后才继续 |
| 多 Agent 并行 | 单 Agent 串行，独占对话线程 | 多 Agent 并行，网关统一调度，全程不阻塞主脑 |
| 知识来源 | 仅限本次对话上下文 | 支持挂载本地私有文档库、跨会话持久记忆 |
| UI 语言 | 英文界面，部分中文 | 全链路中文化，终端到 Web UI 极致贴合国人习惯 |
| 通信渠道 | 仅 Web Dashboard | Telegram 接入，企微 / 微信接入（研发中） |
每一次对话都会自动关联历史上下文。无论是中断后重连，还是长线任务的逐步推进，AI 都能像人类一样精确回忆起此前的边界条件与背景资料。
示例对话（真实体验效果）：
你：上次我让你分析的那个 typescript 配置文件，现在接着处理验证逻辑那部分。
AI：明白，我记得上次我们停在 zod-schema.agent-runtime.ts 的第 674 行，
你让我分析 .strict() 模式下的 unknown field 风险。接下来我会：
1. 继续扫描第 674 行之后的 Schema 定义...
2. 重点关注 SafeParseAsync 场景下的错误传播路径...
与官方版本的核心技术差异：
| 技术细节 | 官方版本 | 本 Fork |
|---|---|---|
| 深度思考标签解析 | 基础展示，部分场景截断 | 修复 [(deep_think)]/<think> 在流式输出中的溢出 |
| 多轮 Tool Call 稳定 | 长对话后偶发忘记 XML 格式 | 注入隐式约束，强制保持工具调用格式稳定 |
| 中文模型推理链路 | 主要优化 Claude/GPT 输出 | 专为 Qwen-Web / DeepSeek 流式输出深度适配 |
- 原生支持深度思考：模型在给出最终回答前，会在后台进行自省与推理。
无缝接入本地文档与代码库，告别"每次都要重新解释项目结构"的低效工作模式。
"请把
src/config/目录作为你的参考知识库，分析其中所有.ts文件的 Schema 结构，然后帮我找出最容易出现invalid config错误的字段定义。"
更多快速提问模板：
# 挂载代码规范库
"请读取 CODING_STYLE.md，后续所有代码输出均需符合其中规范。"
# 挂载 API 文档
"请将 docs/api-reference/ 目录作为参考，帮我实现一个符合现有接口规范的新端点。"
# 断点续传
"上次我们分析到 subagent-registry.ts 的孤儿检测逻辑，现在继续看完整的 cleanup 流程。"
| 能力 | 说明 |
|---|---|
| 自主目录检索 | 智能体会自行调用 list_dir、grep_search、view_file 等工具翻阅目标文档 |
| 跨会话记忆 | 核心文档内容被写入知识记忆（Knowledge Component），下次对话直接复用，无需重新加载 |
| 断点续传 | 长任务中途中断后，AI 下次回来仍能接续，清楚知道上次读到哪里、做了什么 |
| 私有规范遵守 | 将你自己的 CODING_STYLE.md 或 ARCHITECTURE.md 挂载进去，AI 会自动遵守团队规范写代码 |
这是本 Fork 中「跨会话记忆」能力的技术原理说明。理解这个机制，才能正确使用 AI 的「记住上次...」能力。
每个模型都有一个上下文窗口上限（Context Window）：
| 模型 | Context Window |
|---|---|
| Claude Opus 4 / Sonnet 4 | 1,048,576 tokens（1M） |
| Qwen / DeepSeek | 32K ~ 128K tokens |
| 本地配置 override | 可在 openclaw.json 自定义 |
对话越长，历史消息越多，token 用量不断累积。一旦逼近上限，旧消息会被截断，AI 就"失忆"了。
┌──────────────────────────────────────────────────────── ┐
│ Layer 1：短期记忆（In-Session Transcript） │
│ ● 本次对话所有消息，直接作为 prompt 传给模型 │
│ ● 消息越多，token 越多，直到逼近 context window 上限 │
└───────────────────────────┬─────────────────────────────┘
│ token 接近阈值时触发 ↓
┌──────────────────────────────────────────────────────── ┐
│ Layer 2：预压缩记忆落盘（Pre-Compaction Memory Flush） │
│ ● AI 自动把当前重要信息写入 memory/YYYY-MM-DD.md │
│ ● 然后进行 compaction：历史对话被压缩成摘要 │
│ ● Token 用量归零，继续工作 │
└───────────────────────────┬─────────────────────────────┘
│ 下次对话开始时 ↓
┌──────────────────────────────────────────────────────── ┐
│ Layer 3：长期语义检索（Memory Search / QMD） │
│ ● AI 强制先调用 memory_search(query) 检索历史记忆 │
│ ● 向量语义匹配 memory/*.md 中的相关片段 │
│ ● 将检索结果注入上下文，实现"跨会话记忆" │
└─────────────────────────────────────────────────────────┘
系统在每轮对话前评估是否需要触发 Memory Flush，触发条件为任一满足：
条件 A（Token 阈值）：
当前预估 token 数 ≥ contextWindow - reserveTokens(预留) - softThreshold(默认 4000)
等价公式：
promptTokens + lastOutputTokens + 本轮输入估算 ≥ 阈值
条件 B（文件体积）：
transcript 文件大小 ≥ 2MB（可配置 forceFlushTranscriptBytes）
触发后，系统向模型发送一个特殊的隐藏 prompt（用户不可见）：
Pre-compaction memory flush.
Store durable memories now (use memory/YYYY-MM-DD.md; create memory/ if needed).
IMPORTANT: If the file already exists, APPEND new content only and do not overwrite existing entries.
If nothing to store, reply with [SILENT].
模型收到后，会将当前对话中的重要信息主动追加写入磁盘到：
~/.openclaw/workspace/memory/
└── 2025-03-07.md ← 按日期分文件，内容 APPEND，不覆盖
每次对话开始前，AI 会被要求强制调用 memory_search 工具（工具描述中标注了 Mandatory recall step）：
// 工具描述（强制调用）
"Mandatory recall step: semantically search MEMORY.md + memory/*.md
(and optional session transcripts) before answering questions about
prior work, decisions, dates, people, preferences, or todos"检索流程：
memory_search("上次我们停在哪里")
│
▼
向量嵌入 → 语义匹配 memory/*.md 中所有片段
│
▼
返回 top-N 结果（含 path + 行号 + 内容摘要）
│
▼ 需要看完整内容时
memory_get("memory/2025-03-07.md", from=10, lines=30)
│
▼
只拉取所需片段，避免把整个文件塞进上下文（节省 token）
| 风险点 | 说明 |
|---|---|
| AI 可能不写 | 如果模型判断"本轮无值得保存的信息"，会回复 [SILENT] 跳过落盘 |
| Compaction 有损 | 历史对话被摘要后，细节可能丢失；不是完整历史回放 |
| 检索精度有限 | memory_search 是向量语义检索，记忆很多时可能遗漏特定技术细节 |
| 沙盒限制 | Sandbox 模式下 workspaceAccess != "rw" 时，Memory Flush 被自动禁用 |
// ~/.openclaw/openclaw.json
{
agents: {
defaults: {
compaction: {
reserveTokensFloor: 8192, // compaction 时预留的最小 token 空间
memoryFlush: {
enabled: true,
softThresholdTokens: 4000, // 提前多少 token 触发 flush
forceFlushTranscriptBytes: "2mb", // 按文件体积强制触发
prompt: "...", // 自定义 flush 提示词（可选）
},
},
},
},
memory: {
citations: "auto", // "on" | "off" | "auto"（群组中默认关闭引用标注）
},
}实践建议：对于长期需要"记住进度"的项目，建议在对话结束前主动说"请把我们今天的进展保存到记忆文件"，强制触发一次 Memory Flush，避免依赖系统的自动判断。
核心进化：从"被动问答"到"自主工作台"
┌───────────────────────────────────────────────┐
│ 传统 Chat 模式（旧版） │
│ 你：帮我重构这个文件 │
│ AI：好的，以下是我的建议... [给代码不执行] │
└───────────────────────────────────────────────┘
↓ 进化为
┌───────────────────────────────────────────────┐
│ Sandbox 自主工作台模式（新版） │
│ 你：帮我重构这个文件 │
│ AI：[自动生成 task.md 规划文件] │
│ ✅ Step 1: 读取文件结构 (view_file) │
│ ✅ Step 2: 分析依赖关系 (grep_search) │
│ 🔄 Step 3: 修改代码（进行中...） │
│ ⚠️ Step 4: git push【⏸ 等待人工审核】 │
└───────────────────────────────────────────────┘
当 AI 即将执行以下高风险操作时，系统会自动挂起当前任务，在 Sandbox 控制台弹出审核请求，等待用户明确授权：
| 高危操作类型 | 触发示例 |
|---|---|
| 递归删除文件 | rm -rf ./dist、find . -delete |
| 强制写入系统目录 | sudo cp ... /etc/、chmod 777 /usr/local |
| 网络发布/推送 | git push origin main、npm publish |
| 服务重启 | pm2 restart all、systemctl restart nginx |
| 数据库危险操作 | DROP TABLE、DELETE FROM users WHERE 1=1 |
完整任务示例（在 Sandbox 中下发宏大工作流）：
请帮我完成以下完整工作流：
1. 分析 src/config/ 目录的全部 Schema 文件
2. 找出所有 .strict() 后的 unknown field 风险点
3. 生成一份中文说明文档到 docs/config-guide.md
4. 执行 git commit 并推送到 main 分支
AI 会自动打勾执行步骤 1-3，但到第 4 步（git push）时会暂停并推送弹窗让你审核，保障操作安全。
完整架构拓扑图：
你（用户）
│ 输入任务目标
▼
┌────────────────────────────────────────┐
│ [ Gateway ] ← WebSocket 控制平面 │
│ ws://127.0.0.1:18789 │
└──────────────┬─────────────────────────┘
│ sessions_send (A2A)
┌─────────▼──────────┐
│ agent:main │ ← 主脑决策层
│ (Claude Opus / DeepSeek) │ 负责规划、分发与审核
└───┬────────────────┘
│ sessions_send (附带 sharedContext 记忆下发)
┌────────┼───────────┐
▼ ▼ ▼
[agent:kimi] [Subagent-1] [Subagent-2]
中文沟通 后台代码执行 测试验证
文档撰写 （并行） （并行）
│ │ │ 任务完毕后 `<updated_shared_context>` 回传
└────────┴───────────┘
技术实现核心机制（本 Fork 的深度扩展）：
| 机制 | 说明 |
|---|---|
| 会话记忆穿透 | 主代理可向下发 sharedContext 状态结构体，子任务完成后自动回传更新，达成记忆闭环 |
| 持久化协作网络 | 支持 mode: "session" 创建常驻子智能体，记录专有上下文，并使用 sessions_send 进行持续跨线程通信 |
| Z² 反思截流 | 针对高频异常自动激活 sessions_evaluate 环路，主脑可唤起 Critic 评估者介入并阻断盲目死循环 |
| A2A 策略控制 | tools.agentToAgent.enabled + allow 列表精细管控跨 Agent 消息路由权限 |
| 沙盒可见性守卫 | 沙盒化子任务只能访问同 Agent 内的 Session，杜绝越权调用 |
| 孤儿任务自愈 | 检测并自动清理因网关重启导致的悬挂 subagent 记录（reconcileOrphanedRestoredRuns） |
| 静默派发模式 | timeoutSeconds=0 时立即返回 accepted，子任务完全在后台执行，主脑不等待 |
| 子任务标签解析 | 支持按序号、label 前缀、sessionKey、runId 多种方式定位和操作子智能体 |
场景 A：静默派发后台任务（timeoutSeconds=0，完全不阻塞主脑）
我正在测试后端逻辑，请你同时启动一个子智能体帮我在后台
重构 ui/src/ 目录的组件文件，完成后通知我，不要打断我现在的工作。
场景 B：角色分工协作（主脑 + Kimi 副脑 + 子任务执行链）
多智能体任务分工：
- 你（Opus）：分析 zod-schema.agent-runtime.ts 的架构，给出重构建议
- Kimi：把你的建议翻译成详细的中文使用说明文档
- 子智能体：按照建议执行实际的代码变更
请开始，遇到高危操作请先暂停等我审核。
场景 C：并行执行多个独立子任务（真正的 Fork-Join 并发模型）
请同时启动三个子智能体，并行完成以下三个独立任务：
1. 重构 ui/src/ui/views/chat.ts
2. 重构 ui/src/ui/views/sandbox.ts
3. 重构 ui/src/ui/views/agents.ts
每个任务完成后独立汇报状态，无需等待其他任务。
你可以在 Overview 总览页实时看到所有活跃 Agent 的心跳、Token 开销和执行状态：
核心突破：赋予多智能体系统真正的“元认知”与“发散修正”能力
在处理极其复杂的长时间维度任务时，传统的自主 Agent 往往容易陷入动作“死循环”——例如为了解决一个 Bug 不断地重复编辑和报错。本项目针对性地引入了基于复利折叠（Z ⇌ Z² + C）的监控环流：
chaosScore混沌度量器：底层的订阅分发中心（pi-embedded-subscribe）会实时监视动作指纹（Fingerprint）。当检测到 Agent 在原地打转或频繁报错时，会自动增加系统混沌值。- 分形反思机制（Fractal Reflection）：当混沌值越过安全阈值时，自动触发系统级侧入式钩子（Hooks）。强制打断当前发散的执行死循环（Divergence），并向主脑注入强力的人工提示，要求其调整方向或降维打击——例如指派具有特定上下文的子智能体（Subagent）去重新梳理问题，而不是一根筋死磕。
| 界面模块 | ❌ 旧版体验 | ✅ 新版体验 |
|---|---|---|
| 终端向导 | 英文 onboard 流程 |
全中文逐步向导，保留龙虾渐变色主题 |
| 大语言模型层 | 仅官方海外模型 | Qwen、DeepSeek 深度思考全过程展示 |
| 安全工具控制 | 仅显示一串返回代码 | 💬 无塌陷的卡片追踪流，内联显示任务进度与网页快照摘要 |
| 浏览器自动化 | 每次执行前扫码登录 | 🌍 自动关联绑定 Agent Session，跨任务免登持久化 |
| 任务状态面板 | 英文 Task Status | 中文实时任务进度条，集成了容错兜底渲染机制 |
| 配置面板 | 英文字段说明 | 中文字段注释，支持在面板顶端安全无痕切换 zh-CN/en |
快速唤起控制台：
# 打开图形化控制台（自动在浏览器中启动）
openclaw dashboard
# 或纯终端沉浸式模式
openclaw多 Agent 控制台访问地址清单：
| 控制台入口 | 访问地址 |
|---|---|
| 主脑 Chat | http://127.0.0.1:18789/chat?session=agent%3Amain%3Amain |
| Kimi 助手 | http://127.0.0.1:18789/chat?session=agent%3Akimi%3Amain |
| 沙盘工作台 | http://127.0.0.1:18789/sandbox?session=agent%3Amain%3Amain |
| 智能体总览 | http://127.0.0.1:18789/agents |
| 全局总览 | http://127.0.0.1:18789/overview |
告别纯文本，所见即所得的动态前端组件输出
不仅局限于 Markdown 文本，智能体现在能够无缝调用 A2UI (Agent to UI) 机制，直接在侧边栏为你渲染出高交互性的专属 Web 组件：
- 动态界面输出：当描述需求时，AI 可直接甩出一个前端交互表单，甚至各类图表数据，取代传统的来回询问。
- 极速构建系统：重构了底层的 Canvas 编译链，集成了新一代的 Rust 级打包器
rolldown。A2UI 的组件能够在毫秒级内完成打包与热更，并彻底修复了由于依赖丢失引起的白屏、WebSocket 断联等基础设施级 Crash，保障界面的丝滑流转。
- CLI 终端向导演示流程的完全汉化。
- 解决主流中文模型（Qwen、DeepSeek）在推理长文本和执行 Tool Calling 时的标签解析异常。
- (Next) 深度适配企微 / 微信等个人及企业通信渠道，逐步取代或并行国外的 Discord / Slack。
- (Next) 梳理和本土化所有的提示词系统组件库 (
AGENTS.md,TOOLS.md等)。
- 项目归属声明：本项目属于下游的本土化定制与优化分支，相关地址为：luolin-ai/openclawWeComzh。我们不对原项目导致的任何系统级风险（如使用 Bash 代理工具破坏本地环境）承担责任。
- 上游社区致谢：项目极度依赖并完全源于极致优秀的 OpenClaw 系统。所有的核心架构设计、精妙的 WebSockets 协议通信和前沿的 UI 渲染引擎均来自
openclaw原生社区的无私奉献！特别感谢开源作者和社区无尽的探索。 - 进阶技术参考：如果你对 OpenClaw 底层的代理实现原理或插件化机制感兴趣，极其推荐阅读原版架构进阶文档：OpenClaw Docs。
“用中国的语言，拥抱未来架构的个人 AI 助理”
Run openclaw doctor to surface risky/misconfigured DM policies.
以下功能说明主要面向极客玩家与需要深度定制架构的开发者。 详情请查阅官方英文原版参考资料：docs.openclaw.ai
本中文化分支不仅保留了上游官方库的核心能力，更是以 Gateway 为中心的全终端聚合系统：
- 本地优先网关 (Local-first Gateway) — 管理所有 Sessions、Channels、Tools 与事件分发的单点控制平面。
- 丰富的接入渠道 (Multi-channel) — 支持将 Agent 连接到你的 WhatsApp, Telegram, Slack, Discord 等 20+ 个外部社交媒体平台。
- 系统底层控制台 (macOS/iOS App) — Apple 全家桶原生支持：菜单栏快速呼出、全局语音唤醒 (Voice Wake)、持续对话 (Talk Mode) 与 Canvas 白板互动系统。
- 多终端节点联邦 (Nodes) — 允许你的主节点通过 WebSockets 遥控其他闲置的 iOS/Android 设备，调用它们的摄像头采集或录屏能力。
- 远程暴露与安全防御 (Tailscale / SSH) — 支持通过 Tailscale Serve/Funnel 将网关 Dashboard 暴露至公网，支持配置远程 Linux 网关与本地工作计算节点的拆分。
- 定时与事件钩子 (Cron & Webhooks) — 允许通过发邮件 (Gmail Pub/Sub) 或调用 Webhook 让 Agent 自动触发某个脚本与工作流任务。
- 极客部署支持 — 除了提供基础 Node.js 源码级开发外，官方支持通过 Nix 的声明式配置安装，与全隔离架构的 Docker 镜像部署。