OpenClaw WebUI 中 Chat 的工作流程及主要程序名称


## 整体架构
OpenClaw WebUI 是一个基于 Web Components 的现代前端应用,提供了直观的聊天界面来与 OpenClaw Agent 进行交互。

## 主要程序名称
### 前端程序
1. control-ui/index.html - WebUI 主页面
2. control-ui/assets/index-BeKTXH1m.js - 打包后的前端核心代码
3. control-ui/assets/index-DWhx-9JL.css - 前端样式文件
### 后端服务
1. Gateway 服务 - 运行在端口 18789,提供 API 端点
2. Agent 服务 - 处理代理逻辑
3. Session 服务 - 管理会话状态
## Chat 工作流程
### 1. 初始化阶段
- 页面加载 :用户访问 WebUI 地址(通常是 http://localhost:18789 )
- WebSocket 连接 :前端与 Gateway 建立 WebSocket 连接,用于实时通信
- 会话加载 :前端加载默认会话或上次活动的会话
- 历史记录获取 :调用 chat.history API 端点获取历史消息
### 2. 消息发送流程
1. 用户输入 :用户在聊天输入框中输入消息
2. 消息处理 :
   - 前端验证输入内容
   - 显示"正在发送"状态
   - 生成唯一的 runId 标识本次对话
3. API 调用 :
   - 前端调用 chat.send API 端点
   - 发送数据包括:会话密钥、消息内容、幂等性密钥
   - 支持附件(如图片)上传
4. 后端处理 :
   - Gateway 接收请求并路由到相应的 Agent
   - Agent 分析消息内容
   - 可能调用工具(如 web_search)获取信息
   - 生成回复内容
5. 消息接收 :
   - 后端通过 WebSocket 流式返回回复
   - 前端实时显示回复内容
   - 支持工具调用结果的展示
### 3. 会话管理
- 会话选择 :用户可以在下拉菜单中选择不同的会话
- 会话切换 :切换会话时会加载对应会话的历史记录
- 会话刷新 :用户可以手动刷新聊天数据
### 4. 工具调用流程
1. 工具检测 :Agent 分析用户请求,确定是否需要调用工具
2. 工具调用 :
   - 前端显示工具调用状态
   - 后端执行工具操作(如搜索)
3. 结果处理 :
   - 工具执行结果返回给 Agent
   - Agent 分析结果并生成回复
   - 前端显示工具调用结果和 Agent 回复
### 5. 界面交互
- 主题切换 :支持系统、浅色、深色三种主题
- 思考模式 :可切换显示/隐藏 Agent 的思考过程
- 专注模式 :可切换显示/隐藏侧边栏和页面标题
- 消息滚动 :新消息自动滚动到底部
- 加载状态 :显示各种操作的加载状态
## 核心 API 端点
1. chat.send - 发送聊天消息
   
   - 参数:sessionKey, message, idempotencyKey, attachments
   - 返回:Agent 回复
2. chat.history - 获取聊天历史
   
   - 参数:sessionKey, limit
   - 返回:历史消息列表
3. status - 获取系统状态
   
   - 返回:系统运行状态
4. health - 获取系统健康状态
   
   - 返回:系统健康信息
## 技术特点
1. 流式响应 :支持模型回复的流式展示,提升用户体验
2. 实时通信 :使用 WebSocket 实现实时消息传递
3. 模块化设计 :前端代码采用模块化结构,易于维护
4. 响应式布局 :适配不同屏幕尺寸
5. 丰富的交互 :支持表情、图片、工具调用等多种交互方式

工作流程图

┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   用户界面   │     │  前端处理   │     │ Gateway服务 │  │   Agent服务  │
└─────┬───────┘     └─────┬───────┘     └─────┬───────┘     └─────┬───────┘
      │                  │                  │                  │
      │ 输入消息          │                  │                  │
      ├─────────────────>│                  │                  │
      │                  │ 验证输入          │                  │
      │                  │ 生成runId         │                  │
      │                  │                  │                  │
      │                  │ 调用chat.send API │                  │
      │                  ├─────────────────>│                  │
      │                  │                  │ 路由请求          │
      │                  │                  ├─────────────────>│
      │                  │                  │                  │
      │                  │                  │                  │ 处理消息
      │                  │                  │                  ├─────────┐
      │                  │                  │                  │         │
      │                  │                  │                  │ 调用工具
      │                  │                  │                  │         │
      │                  │                  │                  │         │
      │                  │                  │                  │<────────┘
      │                  │                  │                  │
      │                  │                  │                  │ 生成回复
      │                  │                  │                  │
      │                  │                  │<─────────────────┘
      │                  │<─────────────────┘
      │                  │
      │                  │ 流式返回回复
      │                  │
      │<─────────────────┘
      │
      │ 显示回复
      │
┌─────┴───────┐
│   用户界面   │
└─────────────┘

Read more

HarmonyOS 6实战:视频封面智能生成与AI集成

HarmonyOS 6实战:视频封面智能生成与AI集成

在移动应用开发中,视频内容处理是一个常见但充满挑战的领域。许多开发者在实现视频封面自动生成功能时,常常面临以下困境: * 处理速度慢:长视频帧提取耗时长,用户体验差 * 封面质量参差不齐:传统算法难以识别最具代表性的关键帧 * 资源消耗过大:内存占用高,在低端设备上表现不佳 * 算法复杂度高:需要兼顾多维度评价指标 * 适配性差:不同分辨率、编码格式的视频处理方式各异 * 个性化需求难满足:无法根据视频内容特性智能推荐最佳封面 本文将深入分析这些常见问题,并提供基于HarmonyOS的完整解决方案。 一、常见问题深度分析 1.1 性能与效率的平衡难题 问题表现: * 处理2分钟以上视频时,提取时间超过5秒 * 内存占用峰值超过200MB,容易触发OOM * 在低端设备上帧率不稳定,界面卡顿明显 * 电池消耗快,发热严重 根本原因: * 传统全量帧提取策略缺乏智能化 * 解码器配置不当,硬件加速未充分利用 * 内存管理策略不合理,频繁GC导致卡顿 * 并行处理能力不足,CPU资源利用率低 1.2 关键帧识别准确率低 问题表现: * 选

医疗AI中GPU集群设计与交付实践

医疗AI中GPU集群设计与交付实践

引言 随着人工智能在医疗领域的应用不断深化,GPU 千卡集群已经成为支撑大规模医疗 AI 模型训练与推理的关键基础设施。 不同于互联网推荐、搜索等场景,医疗 AI 对可靠性、精度和稳定性的要求极高。 任何训练过程中的波动,都会影响模型在临床中的应用价值。 1. 医疗 AI 的快速发展 * 医学影像:CT、MRI、病理切片大模型推动了智能诊断的发展。 * 基因组学:深度学习在基因测序与药物研发中的应用日益广泛。 * 医疗 NLP:电子病历分析、临床辅助决策系统依赖大模型能力。 2. GPU 千卡集群的重要性 * 大规模模型的训练往往需要数千张 GPU 并行协作。 * 只有通过 GPU 千卡集群,才能在可接受的时间内完成训练。 3. 面临的核心挑战 * 硬件早期失效率高,影响系统稳定性。 * 医疗 AI 特殊场景下,数据 I/O 压力巨大。 * 合规性与数据安全问题更加复杂。

无需到处扒教程!五大 AI 工具,一站式吃透不踩坑

无需到处扒教程!五大 AI 工具,一站式吃透不踩坑

2026三掌柜赠书活动第十六期 AI提效手册:豆包+即梦+剪映+飞书+扣子5合1实操指南 目录 前言 选对工具,让 AI 提效不再是空谈 场景化实战,让 AI 工具适配你的工作与创作 关于《AI提效手册:豆包+即梦+剪映+飞书+扣子5合1实操指南》 编辑推荐 内容简介 作者简介 图书目录 《AI提效手册:豆包+即梦+剪映+飞书+扣子5合1实操指南》全书速览 结束语 前言 当下,AI 工具早已不是技术从业者的专属,而是职场人、创作者、办公族提升效率、解锁创意的核心利器。从智能对话、内容生成到视频剪辑、协同办公,一款好用的 AI 工具能让原本几小时的工作压缩到几十分钟,

保姆级教程:从零搭建你的第一个AI Agent

保姆级教程:从零搭建你的第一个AI Agent

保姆级教程:从零搭建你的第一个 AI Agent(附完整可运行代码) 手把手教你,用 Python 在 2 小时内构建一个能自主规划、调用工具、完成任务的 AI Agent 预计完成时间: 2 小时 所需技能: 基础 Python、会用命令行 适合人群: 想入门 AI Agent 开发的同学,不限工作年限 前言:为什么 2026 年你必须懂 Agent? 如果说 2024 年是大模型的元年,那 2026 年就是 AI Agent 的爆发年。 现在的 AI 已经不只是"聊天机器人"了——它开始接管我们的