SOTA Sync
返回 FEED
AGENT2026-06-30

TrustClaw：无服务器 Agent 架构的轻量级实现

TrustClaw：无服务器 Agent 架构的轻量级实现

三个月前 OpenClaw 席卷互联网时，Sarah Fim 被立即激发了灵感：如何让非技术人员（以及像她这样的懒人）无需部署自己的实例或购买 Mac Mini 就能启动个人 Agent。

最初的想法是自动为每个用户部署虚拟机。但当她终于让基础设施工作起来时，意识到一个问题：日常任务真的需要给个人助手一台完整的机器吗？

为什么不需要 Fork OpenClaw？

  • 发邮件、创建播放列表、搜索 Google？Composio 覆盖所有常见需求
  • Composio 没有的应用？它的浏览器工具可以处理，甚至能给用户一个链接来监控和交互浏览器会话
  • 写代码？Composio 有 workbench 工具，可以在沙箱中执行代码并缓存、处理和可视化输出。如果需要完整编码环境，可以调用 Devin 等编码 Agent
  • 真的需要在本地计算机上操作？Composio 甚至有远程触发特定命令的集成

Composio 的工具体系不仅技术上可行，而且专门为此设计，并且持续学习优化——工具会不断改善 Agent 的使用方式。

注意：对于编码或视频编辑等需要稳定环境的任务，这种无服务器方法不是最佳选择。Composio 也提供了 OpenClaw 的 CLI 版本供这类需求使用。

1000+ App 的访问能力

添加这个功能简单到只需给 Agent 6 个元工具，就能跨 1000+ App 执行操作，按用户会话范围隔离：

const session = await composio.create(instance.userId, {
  manageConnections: { waitForConnections: true },
});
const tools = await session.tools();

从 OpenClaw 借鉴了什么？

TrustClaw 不是 OpenClaw 的分支，但编排层深受启发：

  • Soul / Identity / Personality 提示结构：将系统提示分为 soul 层（Agent 是谁）和用户提示，让助手感觉像角色而非工具
  • 压缩算法：从 pi（OpenClaw 底层的 harness）借鉴
  • 自适应分块：从 OpenClaw 保留

唯一有意的架构差异是记忆。OpenClaw 提供多种记忆选项，TrustClaw 将 pgvector RAG 直接烘焙到 Agent 循环中，用户无需思考。

无限记忆的实现

在压缩前运行"记忆刷新"：当上下文接近压缩阈值时，触发单独的 LLM 调用，只带记忆工具，提示模型将持久事实保存到 pgvector。然后压缩清除对话。重要内容在摘要中存活下来。这就是模拟无限上下文的方式。

坦白说，这个记忆系统有缺陷——它是 lossy 的，不擅长串联事件系列。但它能工作。

24/7 运行的机制

Agent 可以自我调度。有创建/列出/删除操作的调度工具。用户可以说"每天早上给我发天气和日程摘要"，它就会自动调度自己执行。

实现细节：

  • Vercel.json 每分钟 cron 命中 GET /api/cron/trustclaw
  • 端点用原子 claim（UPDATE ... RETURNING）锁定任务
  • 按实例分组到期任务，然后分派 fetch 到 /api/cron/trustclaw/execute

关键设计：

  1. 锁定防止两个 cron tick 竞争时的重复
  2. 过期锁恢复（10 分钟）处理崩溃的无服务器调用
  3. 设置 nextRunAt = NULL 意味着长时间运行的作业（>60s）不会被下一分钟的 tick 重新拾取

Telegram 的简化集成

OpenClaw 的 Telegram 设置对非技术人员较复杂：创建 bot、粘贴 token、配置 webhook。TrustClaw 使用一个共享 Telegram bot，用户点击仪表板按钮 → 获取短代码 → 发送 /start <code> 到 bot，完成。Bot 维护 chat ID → instance ID 映射，将每条消息路由回相同的 prepareAgentRun() 循环。

部署

整个项目支持多用户（auth 由 better-auth 处理），是下一个项目的完美 starter template：

npx @composio/trustclaw deploy

或者通过 Vercel Template 一键部署，无需接触任何代码。

核心启示

TrustClaw 证明了一个重要观点：Agent 的复杂度可以大幅降低而不牺牲核心能力。不是每个 Agent 都需要完整的操作系统、插件系统和本地计算环境。对于日常任务，一个精心设计的工具层 + 无服务器架构 + 简单记忆系统就足够了。

3 天构建、单命令部署、共享 Telegram bot 降低门槛——这是 Agent 民主化的另一种路径。

继续阅读