前兩天我們聊完 OpenClaw 2.0，今天稍微往裡面拆一點。

平常我們看到的可能只有一句：

幫我找今晚附近評價不錯的餐廳，有位置的話直接打電話幫我訂 7 點。

然後過一陣子，它回來跟你說訂好了。

看起來很簡單，但中間其實有不少人在「跑腿」。

把 OpenClaw 想成一間小公司

這是我覺得最好理解 OpenClaw 的方式。

你是老闆，只負責丟需求。

剩下的事情有人接、有人看資料、有人決定怎麼做，最後還要有人真的出去把事情辦完。

假設這句話是從 LINE 傳進來的，第一個接到它的是 Gateway。

它有點像公司的總機，LINE、Telegram、Discord、App 這些入口進來的訊息，最後都會先到這裡。

接著 OpenClaw 會找到這次對話的 Session。

這個東西其實不用想得太難，就當成這件事情的「案件資料夾」就好。

例如你前面才說：

我今天想吃日式料理。

接著只說：

幫我訂一間。

它之所以接得起來，就是因為前面的對話還在。

接下來才輪到 Agent

有了前面的對話、規則和相關資料後，OpenClaw 會連同目前可以使用的 Tools 一起交給模型。

這個順序很重要。

不是 AI 先幻想一套完美計畫，再看看 OpenClaw 做不做得到。

而是它會先看到：

「喔，我現在可以搜尋、可以拿位置、也可以打電話。」

才決定這件事怎麼處理。

所以剛剛的訂餐廳，可能就變成：

找位置 → 搜餐廳 → 找電話 → 打過去 → 確認位置 → 訂位

如果你根本沒裝電話功能，它當然也不會突然長出一支電話。

那 Tool、Skill、Plugin 又是什麼？

這三個第一次看到真的很容易混在一起。

我自己會這樣記：

Tool 是手、Skill 是說明書、Plugin 是幫 OpenClaw 加能力。

直接拿剛剛「打電話」來看就很好懂。

你裝了 voice-call Plugin，OpenClaw 就多了電話相關能力。

裡面的 Skill 會告訴 Agent 遇到這種情況該怎麼處理。

真正拿起電話、撥號、講話的，則是 voice_call Tool。

所以其實就一句：

Plugin 裝能力，Skill 告訴它怎麼用，Tool 真的下去做。

這樣之後看到這三個詞，應該就不會再打結了。

整套流程其實沒有想像中複雜

最後把剛剛全部串起來：

你
→ Gateway
→ Session / Context
→ Agent
→ Tools
→ 完成任務

你從 LINE 丟一句「幫我訂餐廳」，Gateway 把事情接進來，Session 把前面的資料補上，Agent 看著手上的工具決定怎麼做，最後 Tool 一個一個把事情跑完，再把結果送回原本的 LINE。

OpenClaw 背後當然還有更多東西，但先搞懂這條線就夠了。

後面講 Browser、Memory、Automation、Computer Use，其實都還是在這個架構上繼續加東西。

下一篇開始，就不再只看架構了。

直接找一件真的用得到的事情來玩。