本项目通过对 Claude Code (v0.2.29) 与 OpenClaw 的源码实现进行对照分析，解析了 AI Agent 在 Session 管理、Context 治理、Loop 执行引擎等核心环节的技术决策。文档重点讨论了不同工程约束（单机 CLI 终端 vs. 分布式多通道网关）对 Agent 运行时设计的具体影响。
文档从以下四个维度出发，拆解了 Agent 运行时的底层逻辑实现：
分析了消息从用户输入映射到模型 Message 数组的全过程。对比了 Claude Code 的短链结构（4 步）与 OpenClaw 在处理 IM 路由、会话新鲜度（Freshness）及路由分发时的长链结构（7 步），揭示了多通道接入带来的架构开销。
讨论了 Claude Code 如何通过在 System Prompt 中设置缓存分界线（Dynamic/Static Boundary）来提升 Prompt Cache 的利用率，以及 OpenClaw 如何通过可插拔的 ContextEngine 接口实现灵活的上下文裁剪与 Token 预算（Budget）管理。
比对了两种不同的执行流模式：Claude Code 采用的异步生成器（AsyncGenerator）与流式并发工具执行（降低首字延迟）；以及 OpenClaw 基于事件驱动的回调机制，用于支持更复杂的生命周期钩子（Hooks）。
探讨了基于全量注入（Total Injection）的本地记忆方案与基于向量检索（Vector Search）的共享记忆方案。分析了数据规模（Data Scale）假设如何直接影响 Memory Slot 的设计与其 Consolidation（巩固）策略。
分析心得已按功能模块整理为五个专题文件：
| 专题 | 分析重点 | 在线阅读 (GitHub Pages) |
|---|---|---|
| 01 · Session | 多通道路由映射与会话状态迁移 | 阅读文档 |
| 02 · Context | 缓存分区设计与工具日志的预算管理策略 | 阅读文档 |
| 03 · Loop | 轮询执行、流式并发与错误自动恢复机制 | 阅读文档 |
| 04 · Subagent | 任务分叉、上下文隔离隔离及结果回传谱系 | 阅读文档 |
| 05 · Memory | 记录提炼、异步巩固与 Session Memory 补偿设计 | 阅读文档 |
本仓库包含 Claude Code 与 OpenClaw 的精简源码副本，分析内容为基于源码的独立技术研究结论。你可以在本地运行以下脚本以重新生成 HTML 版文档：
cd docs
npm install
node build.js技术分析应当剥开概念的外壳。Agent 架构的本质在于对条件判断、上下文裁剪以及执行流序列的分层治理。