230行代码，独立AI诞生，一问即答。

咱就是说这事儿真挺让人兴奋的。Neng用230行代码搞出一个Neng独立思考、Neng调用工具、还Neng跟你唠嗑的AI Agent，这你懂的。

整个项目只有一个文件 mini-openclaw.mjs，分成四个部分：工具定义、LLM调用、ReAct循环和交互式REPL。四个部分，一个文件，简洁明了哈哈。

const proc = spawn("codebuddy", );

Before需要HTTP客户端、处理鉴权、管理连接。各种繁琐，你懂的。

After一个spawn搞定，零网络代码！简直是太棒了！

📎 GitHub：

const callKey = JSON.stringify;if  {  // 强制终止，让模型Yi有结果}

BeforeAgent卡死，token烧光。哎呀，谁没遇到过？

After自动刹车，强制输出！避免浪费资源，这hen重要！

You> 用命令查kan当前的 node 版本和操作系统信息
⚙ 迭代 /  🔧 调用工具: run_command  📋 结果: v22.            Darwin Enos-MacBook-Pro.local . ... arm64
⚙ 迭代 /🤖 Assistant:当前环境信息：- Node.js 版本：v22.- 操作系统：macOS Darwin 

Before手动敲命令，自己kan输出。费时间费精力。

AfterAgent自主决策执行什么命令，自动结果。省心！

它Neng自主思考、调用工具、读写文件、执行命令，完成你交给它的任务。它叫 Mini OpenClaw。

<tool_call>{"name":"read_file","args":{"path":"test.txt"}}</tool_call>

一个正则就Neng解析：

<tool_call></tool_call>`

// 这玩意儿简单粗暴啊！咱就是说。

// 这就是 ReAct。

Node.js ≥

CodeBuddy CLI。

node mini-openclaw.mjs
Zui好的架构，是你Neng一眼kan完的架构。
好的防御机制，是用户永远感知不到的那种。
翻遍所有框架的源码，剥掉封装、抽象、设计模式，剩下的核心逻辑只有一个循环：
模型有时会陷入死循环，反复调用同一个工具。Mini OpenClaw用一行代码解决：
You> 你好,介绍一下你自己
⚙ 迭代 /  🤖 Assistant:我是一个智Neng助手,拥有读写文件,列出目录,执行命令等工具,Ke以帮助你完成编程,调试,项目维护等开发相关工作.
LLM判断不需要工具 ，1次迭代 ，直接回答 。
 mini-openclaw.mjs┌──────────────────────────────────────┐│  第一部分 ：工具定义                    │  ← 4个内置工具│  第二部分 ：LLM调用                    │  ← CodeBuddy CLI驱动│  第三部分 ：ReAct循环                  │  ← 思考→行动→观察│  第四部分 ：交互式REPL                 │  ← 命令行界面└──────────────────────────────────────┘
模块职责代码量
工具定义readfile · writefile · listdir · runcommand~40行LLM调用通过CodeBuddy CLI非交互式调用大模型~50行ReAct循环检测<tool_call>`标签 → 执行工具 → 结果追加 → 继续~80行REPLreadline交互界面 ，支持多轮对话~60行

没有package.json 。没有node_modules 。没有构建步骤 。
Agent不是魔法 ，是一个while循环 。
一个循环 ，一个正则 ，一个spawn 。
调用LLM不走HTTP API ，直接spawn CodeBuddy CLI进程 ：
You> 读取 .gitattributes 文件内容并解释它的作用
⚙ 迭代 /  🔧 调用工具: read_file  📋 结果: # Auto detect text files and perform LF normalization            * text=auto
⚙ 迭代 /🤖 Assistant:.gitattributes 文件用于配置 Git 对文件的处理方式 ：- * text=auto ：对所有文件启用文本自动检测和行尾LF标准化
LLM思考 → 调用工具 → 拿到结果 → 回答 。2次迭代 。
for  {
 const prompt = buildSystemPrompt + "

" + history.join;
 const reply = await callLLM;
 const call = extractToolCall;    if  {    // 没有工具调用 → Zui终回答    return reply; }    // 有工具调用 → 执行 → 结果追加到历史 → 继续循环     const result = executeTool;   history.push;}
const m = text.match<\/tool_call>/);
Before依赖特定API格式 ，换模型就得改代码
After纯文本协议 ，任何模型douNeng用
既然核心这么简单 ，为什么不Neng用一个文件实现它？
Agent的价值不在于它NengZuo什么 ，在于你不用告诉它怎么Zuo。
# . 克隆git clone https://github.com/wscats/enoclaw.gitcd enoclaw# . 设置Keyexport CODEBUDDYAPIKEY=ck_你的key# . 运行node mini-openclaw.mjs
想换模型？一个环境变量 ：
主流方案用OpenAI的function calling格式 ，需要特定的API结构 。
Mini OpenClaw用了一种geng简单的方式——文本标签 ：
LangChain有10万行代码 ，Mini OpenClaw有230行 。它们的核心循环 ，一模一样 ！
MODEL=hunyuan--thinking node mini-openclaw.mjs
支持的模型 ：deepseek-v3--volc · hunyuan--thinking · glm- · glm-- · minimax--m2. · kimi--k2.
不用复杂的消息对象数组 ，直接用字符串拼接 ：
┌─────────┐    prompt     ┌──────────────┐    spawn     ┌───────────────┐│  用户    │              │  ReAct循环    │ ←────────── │ CodeBuddy CLI ││  输入    │              │    │ ←────────── │     │└─────────┘              └──────┬───────┘    JSON       └───────────────┘                                │                    检测 <tool_call>标签                                │                    ┌───────────┴───────────┐                    │ 有                     │ 无                    ▼                       ▼              ┌──────────┐           ┌──────────┐              │ 执行工具  │           │ 输出回答  │              │ 追加结果  │           │ 循环结束  │              │ 继续循环  │           └──────────┘              └──────────┘
整个流程的代码实现 ，核心就是react函数里的一个for循环 ：
User: 读取test.txtAssistant: : hello worldAssistant: 文件内容是 hello world