这是一个基于 OpenClaw 2026.2.20 的完整可运行版本，包含 Viking 分层路由优化和多项定制改造。
直接 clone 本目录即可使用，不需要再拉 OpenClaw 官方仓库。
即使未来 OpenClaw 架构大改，本版本依然可以独立运行。
核心目标：让 OpenClaw 能用本地小模型高效运行，大幅降低 Token 消耗和 API 成本。
OpenClaw 原版的问题：不管用户说什么，每次请求都全量加载 24 个工具定义、7 个引导文件、全部 Skill 摘要，固定消耗约 15,466 tokens。一句"你好"也要烧这么多。
Viking 的做法：在调用主模型之前，先用一个轻量本地模型（如 GLM-4.7-Flash）快速判断用户意图，只加载真正需要的工具、文件和技能。
实测效果：
| 场景 | 优化前 | 优化后 | 节省 |
|---|---|---|---|
| 简单对话（"你好"） | 15,466 tokens | 1,021 tokens | 93% |
| TTS 语音 + 发送 | 15,466 tokens | 1,778 tokens | 88% |
| 文件操作 | 15,466 tokens | 3,058 tokens | 80% |
| 代码编写 + 运行 | 15,466 tokens | 5,122 tokens | 67% |
原版 AGENTS.md 有 7,848 字符，里面塞了大量 OpenClaw 开发团队的编码规范（代码风格、commit 规范、PR 模板等），这些对终端用户完全没用，反而浪费 token。
改造后将 AGENTS.md 精简到 1,245 字符，只保留 Agent 核心行为定义。原来混在一起的内容被拆分成独立的 workspace 文件，路由器按需加载而不是全量注入。
移除了 vLLM 专用参数 chat_template_kwargs，确保路由调用兼容所有 OpenAI 格式的 API 后端：Ollama、vLLM、OpenAI、通义千问等。
路由器从 Skill 的 SKILL.md frontmatter 中自动提取 name 和 description，用于路由判断。实现了 Skill 优先原则：当用户意图匹配到某个 Skill（比如"画一张图"匹配 qwen-image），路由器会选择 exec 工具来执行 Skill 脚本，而不是选择内置的同名工具（如 canvas）。
集成了自定义钉钉 Stream 模式插件（openclaw-diding），支持钉钉群消息收发、语音播报等功能。
相对于 OpenClaw 2026.2.20 官方版本，以下是所有修改/新增的文件：
| 文件 | 说明 |
|---|---|
src/agents/viking-router.ts |
Viking 路由器核心。动态生成工具索引，提取 Skill 描述，调用轻量模型做路由判断，返回精简后的工具/文件/技能集合 |
| 文件 | 修改内容 |
|---|---|
src/agents/attempt.ts |
在 session 创建前插入路由过滤逻辑，用 routingDecision.tools.has() 和 routingDecision.files.has() 过滤工具和上下文文件 |
src/agents/system-prompt.ts |
支持 L0/L1 分层 prompt，按路由结果动态选择注入哪些 system prompt sections |
| 文件 | 说明 |
|---|---|
AGENTS.md |
从 7,848 字符精简到 1,245 字符，移除开发团队编码规范，只保留 Agent 行为定义 |
| 目录 | 说明 |
|---|---|
openclaw-diding/ |
钉钉 Stream 模式通道插件，Fork 自 clawdbot-channel-dingtalk 并添加 openclaw 兼容 |
- Node.js >= 18
- pnpm
# 1. clone 本仓库
git clone https://github.com/adoresever/AGI_Ananans.git
cd AGI_Ananans/26.2.21openclaw-viking
# 2. 安装依赖
pnpm install
# 3. 构建 Web UI（必须在 build 之前执行）
pnpm ui:build
# 4. 构建项目
pnpm build
# 5. 首次配置（选择模型 Provider、通道等）
pnpm openclaw onboard
# 6. 启动服务
pnpm openclaw gateway --verbose # 前台模式，可看日志
# 或
pnpm openclaw gateway # 后台模式
# 7. 打开仪表盘（onboard 完成后会显示链接）
pnpm openclaw dashboard# 停止服务
pnpm openclaw gateway stop
# 终端交互模式（直接和 AI 对话）
pnpm openclaw tui
# 查看上下文 token 消耗（在 TUI 中输入）
/context detail
# 查看已安装的 Skills
pnpm openclaw skills list
# 查看日志
pnpm openclaw logs --followpnpm openclaw plugins install https://github.com/adoresever/openclaw-diding.git然后在 ~/.openclaw/openclaw.json 中配置钉钉凭证：
{
"channels": {
"dingtalk": {
"enabled": true,
"clientId": "你的钉钉 AppKey",
"clientSecret": "你的钉钉 AppSecret",
"dmPolicy": "open",
"groupPolicy": "open",
"requireMention": true
}
}
}如果你想添加自己的 Skill（如语音播报、图片生成等），需要额外安装：
sudo apt install -y ffmpeg
pip install edge-tts requests --break-system-packagesSkill 放在项目的 skills/ 目录下，每个 Skill 需要一个 SKILL.md 文件，格式示例：
---
name: your-skill-name
description: 技能描述，用于路由器判断何时触发此技能。
---
# 技能名称
使用说明...推荐用本地模型做路由（零成本）：
# Ollama（最简单）
ollama serve && ollama pull glm4:latest
# 或 vLLM（如已部署）
# Viking 自动调用 http://localhost:8001/v1/chat/completions--verbose 模式下发消息，日志会显示：
[Viking Router] 路由决策: tools=[exec], files=[], skills=[qwen-image]
[Viking Router] Token 节省: 15466 → 1778 (88.5%)
用户消息
│
▼
┌─────────────────────────────┐
│ Viking Router │
│ • 生成工具索引（名称+描述） │
│ • 提取 Skill frontmatter │
│ • 轻量模型判断用户意图 │
│ • 输出: 需要的 tools/files │
└─────────────┬───────────────┘
│
▼
┌─────────────────────────────┐
│ attempt.ts 过滤层 │
│ • toolsRaw.filter(路由结果) │
│ • contextFiles.filter(路由) │
│ • 精简后创建 Session │
└─────────────┬───────────────┘
│
▼
┌─────────────────────────────┐
│ 主模型响应 │
│ • 只看到需要的工具和文件 │
│ • Token 消耗大幅降低 │
└─────────────────────────────┘
如果路由模型调用失败，自动 fallback 到全量加载，不影响任何原有功能。
- 完整快照：本目录是 OpenClaw 2026.2.20 + Viking 改造的完整源码，可独立运行，不依赖上游
- 构建顺序：必须先
pnpm ui:build再pnpm build，否则会报 a2ui bundle 缺失错误 - 路由模型建议 7B+，太小判断不准。GLM-4.7-Flash 实测效果良好
- 推送前清理敏感信息：如果你 Fork 本项目，确保不包含 API Key、钉钉密钥等
- Skill 脚本路径：自定义 Skill 中的绝对路径需根据你的部署环境修改
- B站：搜索 菠萝Ananas，OpenClaw 系列教程
- GitHub：adoresever/AGI_Ananans
- 钉钉插件：adoresever/openclaw-diding
- OpenClaw 官方：openclaw/openclaw
基于 OpenClaw（Apache 2.0 License），Viking 优化部分由 Ananas 开发维护，同样采用 Apache 2.0 协议。