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

AI的提示词专栏:用 Prompt 生成正则表达式进行文本匹配

AI的提示词专栏:用 Prompt 生成正则表达式进行文本匹配

AI的提示词专栏:用 Prompt 生成正则表达式进行文本匹配 本文围绕 “用 Prompt 生成正则表达式” 展开,先阐述二者结合的价值,即降低正则使用门槛、提升效率并适配灵活场景;接着介绍正则核心基础,为精准描述 Prompt 打基础;随后详解 Prompt 设计的三大原则与四段式结构,确保模型生成精准正则;还通过匹配固定电话、提取 URL 域名等 5 个高频场景,提供完整 Prompt 示例、模型输出及验证分析;最后梳理常见问题与解决方案,并给出总结与扩展学习建议,整体为读者提供从需求描述到工具落地的完整指南,助力高效解决文本匹配问题。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,都能在这里找到合适的内容。

人工智能|大模型 —— 开发 —— opencode与agent skills的安装与使用

人工智能|大模型 —— 开发 —— opencode与agent skills的安装与使用

一、Skills下载源 常用的GitHub仓库: 1、https://github.com/anthropics/skills 2、https://github.com/nextlevelbuilder/ui-ux-pro-max-skill 3、https://github.com/hesreallyhim/awesome-claude-code 4、https://github.com/ComposioHQ/awesome-claude-skills Agent Skills市场: Agent Skills 市场 - Claude、Codex 和 ChatGPT Skills | SkillsMP Open Agent Skills Ecosystem: The Agent Skills Directory ClawHub: ClawHub 二、

从新加坡《Companion Guide on Securing AI Systems 》看可信AI全生命周期防护框架构建

从新加坡《Companion Guide on Securing AI Systems 》看可信AI全生命周期防护框架构建

从新加坡《AI系统安全指南配套手册》看可信AI全生命周期防护框架构建 一、引言 1.1 研究背景与意义 近年来,人工智能(AI)技术以前所未有的速度蓬勃发展,已然成为推动各行业变革与创新的核心驱动力。从医疗领域辅助疾病诊断,到金融行业的风险预测与智能投顾,再到交通领域的自动驾驶技术,AI 的身影无处不在,为社会发展带来了巨大的效益 。据国际数据公司(IDC)预测,全球 AI 市场规模在未来几年将持续保持高速增长态势,到 2025 年有望突破千亿美元大关。 然而,随着 AI 技术的广泛应用,其安全问题也逐渐浮出水面,成为制约 AI 健康发展的关键因素。AI 系统面临着来自传统网络安全威胁以及 AI 技术特有的新兴安全挑战。在传统网络安全威胁方面,诸如网络钓鱼、DDoS 攻击、恶意软件入侵等问题屡见不鲜,这些攻击手段不仅会破坏 AI 系统的正常运行,还可能导致数据泄露、隐私侵犯等严重后果。

腾讯游戏 2026 年 Q1 财报解读:AI 赋能下的新增长曲线

腾讯游戏 2026 年 Q1 财报解读:AI 赋能下的新增长曲线

引言 2026 年 3 月,腾讯控股发布 2026 年第一季度财报。游戏业务作为腾讯的现金牛,本季度表现亮眼,总收入达到 580 亿元,同比增长 22%。其中,AI 技术的深度应用成为增长的关键驱动力。 一、核心数据概览 1. 整体业绩 * 游戏总收入:580 亿元,同比增长 22% * 国内游戏:320 亿元,同比增长 12% * 海外游戏:260 亿元,同比增长 38% * 净利润:185 亿元,同比增长 35% 2. 用户数据 * 《王者荣耀》日活突破 1.5 亿,创历史新高