2026年刚开局，这世界就挺魔幻的。比起关注什么社交媒体的喧嚣，我朋友圈里那位万年写Java的老哥，连夜在闲鱼收了两台M4 Mac Mini，这事儿反而更让我摸不着头脑。问他买来干嘛，他只神神秘秘地回了俩字：“跑 Clawdbot。”
如果你这两天没刷到过这个词，那可能是真断网了。在“AI代理”这个概念都快被炒馊了的2026年，Clawdbot 能重新点燃开发者的热情，纯粹是因为它的路子太野了。
它可不是那种只会陪你闲聊、讲段子的聊天机器人。它更像是一个能让你通过 WhatsApp 或者 Telegram，直接“远程接管”物理世界的私人网关。
这玩意儿有些神奇的能力：你可以在手机聊天应用里发个指令，然后你闲置的电脑、旧手机就会开始干活，并且实时把状态同步回你的手机。这“干活”可不只是写代码、改 Bug 或做部署，它能处理很多日常琐事，比如清理邮箱、发送邮件、管理日历，甚至网购。你有没有发现，它就像是一个万能连接器，或者说，真正成为了一个替你执行具体任务的私人助理。
所以，这两天我啥也没干，把它的源码扒了一遍，连 WebSocket 通信日志都抓出来分析了。咱们不聊那些虚的，直接看看这玩意儿到底是怎么运作的。
一、Gateway-Node：一个私人化的C2架构
看到架构图的第一眼，我就笑出了声：这不就是网络安全里常说的 C2（命令与控制）架构吗？ 只不过，这次控制端和被控端都是你自己的设备。
Gateway（网关）就像个总调度中心，死守着 18789 端口，手里攥着你所有社交软件（如 WhatsApp、Telegram）的连接。不管你在哪个应用上发送指令，最终都会汇总到这里。
而 Node（节点）才是真正干活的“苦力”。你的主力 Mac、淘汰的安卓旧手机、吃灰的树莓派，都能成为它的“肉鸡”（当然，是你自愿的）。
想象一下，你躺在床上发一句“帮我重启下服务器”，Gateway 眼皮都不眨一下，直接通过 WebSocket 长连接捅一下书房里的 Mac，执行 system.run 命令。这背后是清晰的 JSON 协议：
// 连接握手
{
"type": "connect",
"role": "node",
"deviceToken": "xxx"
}
// 命令调用
{
"type": "request",
"method": "node.invoke",
"params": {
"command": "system.run",
"args": {...}
}
}
// 响应
{
"type": "response",
"id": "xxx",
"result": {...}
}
没有什么花里胡哨的“无缝云协同”，就是简单、粗暴、高效的长连接通信。这种把自家闲置设备组成一个私人可操控网络的感觉，说实话，比被云服务商各种条款限制要自在得多，也引发了很多关于开源实战项目如何重塑个人工作流的思考。
二、浏览器控制：Playwright 的“暴力”美学
以前写自动化机器人最头疼什么？申请各种网站的 API Key，处理复杂的 OAuth 认证。
Clawdbot 对此表示不屑。它直接集成了 Playwright 和 CDP（Chrome DevTools Protocol）。这哪里是在“访问”网页，这分明是给 AI 装上了一双可以操作图形界面的“手”。
举个例子，你想退订那些烦人的营销邮件。Clawdbot 根本不会去调什么 Gmail 的官方 API（还得申请、授权，麻烦）。它的做法是：直接启动一个隐身浏览器，像真人一样“看”页面，识别出那个藏得很深的“Unsubscribe”按钮，然后移动光标点击它。（当然，前提是你已经保存了登录态，不然谁也自动不了。）
这种操作路径看起来有点“笨”，效率也可能不如直接调用 API 高，但它有一个无可比拟的优势：通杀。它绕过了所有 API 限制，回归到最原始也是最通用的视觉交互层。这种带着点“暴力”色彩的美学，我其实是服气的。
三、Exec 工具：在刀尖上跳舞
如果说浏览器控制还停留在应用界面层，那 exec 工具就是直插系统心脏的手术刀。它允许 AI 代理直接在你的宿主机上执行 Shell 命令。
开发者当然知道这有多危险。所以 Clawdbot 设计了一个关键的安全机制：交互式审批。当 AI 试图运行像 npm install some-package 这种你无法预知后果的命令时，你的手机上会立刻弹出一个审批请求：“批准执行吗？”
1. 代理请求执行: npm install some-package
↓
2. exec 工具返回: { status: "approval-pending", approvalId: "xxx" }
↓
3. 用户在手机App上收到审批请求
↓
4. 用户批准 → 命令执行
用户拒绝 → 命令取消
这不仅是一个安全阀，更是一种奇妙的体验。想象一下，你在地铁上掏出手机，按下“批准”按钮，然后知道家里那台电脑正在替你疯狂跑代码——这种对计算资源的绝对掌控感，才是真正的“Root 权限”。
四、记忆系统：务实派的混合搜索方案
现在市面上是个 RAG（检索增强生成）系统都在吹捧向量数据库。Clawdbot 倒没那么迷信。它采用了一个更务实的方案：BM25（经典关键词搜索）加向量搜索的混合架构。
为什么这么做？因为纯向量搜索有时候确实不够精准。比如你想搜索一个非常具体的变量名 x_factor_v2，纯向量模型可能会给你找出一堆“语义相关”但完全不是这个词的废话。而传统的 BM25 关键词搜索却能准确定位。Clawdbot 这种“混搭风”，显然是实践中被坑过后总结出的经验，非常务实。
写在最后
说实话，Clawdbot 的代码风格算不上优雅，有些配置文件也能把人绕晕（比如那个 clawd 的浏览器配置，我折腾了半小时才搞明白）。
但这几天用下来，感觉非常微妙。在2026年，我们早已被云服务的高昂账单、封闭的生态系统和随时可能变更的服务条款搞得疲惫不堪。Clawdbot 身上那种“数据在本地、算力在桌底、控制权在手里”的粗粝感，反而散发出一种别样的魅力。
它不完美，甚至可以说有点“危险”。但当你通过 Telegram 远程指挥家里的电脑干完一堆杂活，它轻描淡写地回复一句“搞定了”的时候，你会觉得，这种粗糙而直接的掌控感，才是赛博朋克该有的味道。这种将前沿 AI 能力与个人设备深度结合的趋势，正是很多开发者正在探索和热议的方向。如果你想了解更多类似的硬核技术拆解和实战分享，欢迎来 云栈社区 逛逛，这里聚集了一群喜欢折腾的同行。
引用链接
发表于 13 小时前
|
查看: 0|
回复: 0
