9.7 KiB
L1 — 系统架构与安全模型层
文档版本: 2.1
适用项目: sgClaw（ZeroClaw 重构版）
编制日期: 2026-03-29
1. 架构总览
重构后的 sgClaw 架构要点应当这样理解：host（SuperRPA）是受保护的宿主安全边界，sgClaw 是运行时能力编排层，zeroclaw 是 planner / model / skill 的能力本体，frontend bundle 只是展示面。当前代码尚未完全落到这个目标结构，但主线架构口径必须先统一。
┌──────────────────────────────┐
│ Browser Host / Chromium Side │
│ - 读取 launch config │
│ - 启动 sgClaw 子进程 │
│ - 发送 init / submit_task │
│ - 复检 HMAC / domain / params │
│ - 执行 browser command 并回包 │
│ - 选择 frontend bundle │
└──────────────┬───────────────┘
│ STDIO + JSON Line
┌──────────────▼───────────────┐
│ sgClaw Security Envelope │
│ - 握手与消息循环 │
│ - MAC Policy │
│ - BrowserPipeTool │
│ - Runtime / Tool Policy │
│ - Config Adaptation │
└──────────────┬───────────────┘
│ zeroclaw APIs / Local Config
┌──────────────▼───────────────┐
│ ZeroClaw Core Runtime │
│ - Prompt Builder │
│ - Skills / Memory │
│ - Tool Loop / Routing │
│ - Provider Dispatch │
└──────────────┬───────────────┘
│ Provider API / Optional Tools
┌──────────────▼───────────────┐
│ Model Provider │
│ - DeepSeek/OpenAI-compatible │
│ - 仅在配置存在时启用 │
└──────────────────────────────┘
架构上最重要的变化是：sgClaw 不应被定义为“浏览器专用 agent”，而应被定义为“保留现有浏览器协议前提下，对 zeroclaw 做安全化封装的运行时分发”。同时 host 不再持有高频变化的业务策略，launch config、runtime config 和 frontend bundle 应成为运行时可替换对象。
2. 运行时分层
2.1 host（浏览器宿主）层
host 负责受保护边界内的四类职责：
- 读取并校验
launch config，决定进程如何被拉起。 - 启动和托管 sgClaw Rust 子进程。
- 按协议发送
init、submit_task、response。 - 执行 Rust 发来的浏览器命令并回包。
- 选择外部
frontend bundle或内置资源作为展示面。
host 不拥有 planner、模型路由、skills 编排或业务策略定义。sgClaw 仓库本身不包含 Chromium/C++ 实现代码，因此 L1 只定义宿主责任边界，不再把外部仓库中的假定文件结构写成“当前仓库现状”。
2.2 sgClaw 安全/控制层
Rust 侧是当前仓库的事实主体，职责包括：
- 在
src/lib.rs中建立StdioTransport。 - 完成握手、加载
rules.json、创建BrowserPipeTool。 - 在消息循环中接收浏览器消息并分发到执行层。
- 把执行日志和任务结果回传给宿主。
- 读取
runtime config，决定 planner、provider、skills prompt mode、backend 选择等运行时行为。 - 决定哪些 zeroclaw 能力能够暴露给当前运行环境。
2.3 zeroclaw 核心层
主线目标中，zeroclaw 应承担：
- planner / executor 决策
- prompt/system sections 组装
- skills / memory / routing
- tool loop 与 provider 协调
- 通用 agent 能力而非仅浏览器能力
也就是说，planner-first 是 sgClaw / zeroclaw 运行时行为，不是 frontend bundle 或 host 页面逻辑。
2.4 展示层（frontend bundle）
前端展示层只拥有显示权，不拥有执行权。其职责应被限制为：
- 展示会话状态、日志、消息、验收结果。
- 将用户输入转成宿主可接受的事件。
- 呈现
planner-first的可视化状态，例如“先展示计划，再执行”。
前端不应决定：
- 是否调用 planner
- 是否切换 provider / model
- 是否绕过 sgClaw / zeroclaw 执行
这些决策必须留在 sgClaw / zeroclaw 运行时。
2.5 当前实现的过渡态
当前执行层仍有两条路径：
-
planner fallback
说明：当未配置DEEPSEEK_API_KEY等环境变量时，使用仓库内置的轻量 planner 执行。 -
ZeroClaw compat runtime
说明：当提供模型配置后，通过src/compat/runtime.rs构造 provider、memory 和browser_action工具，把任务交给 vendored ZeroClaw Agent。
这两条路径是当前代码现实，但都不应被写成长期产品定义。长期目标是“zeroclaw-first runtime + sgClaw security layer”，而不是 browser-only compat。
2.6 运行时配置边界
本轮架构冻结后，必须使用以下统一术语：
launch config由host读取，描述binary、args、env、working_dir、runtime_config_path、frontend_bundle_dir等启动时边界。runtime config由 sgClaw 读取，描述 provider、model、planner mode、backend 选择、skills 策略等运行时行为。frontend bundle由host装载的展示资源目录，允许外部 bundle 优先、内置资源兜底。
这三类对象都应支持运行期调整；只有安全边界和能力暴露由 host 固化。
3. ZeroClaw 重构的架构意义
ZeroClaw 在本项目中的角色不是“大而全框架接管一切”，也不是“被 sgClaw 套壳后只剩一个 browser_action 工具”，而是系统能力本体。sgClaw 应该在它上面解决三个具体问题：
- 统一模型 Provider 抽象、skills、memory 和 tool loop。
- 在不改浏览器协议的前提下，把高风险执行约束到受保护的工具面。
- 让浏览器成为特权执行面，而不是反过来让浏览器定义整个 runtime。
当前兼容层的限制也必须明确：
- 只注册一个工具：
browser_action。 - 只开放 4 个动作：
click/type/navigate/getText。 - 不以 ZeroClaw 的全量工具生态作为当前对外能力宣称。
这些限制是当前实现状态，不是目标架构原则。
4. 安全模型
4.1 安全目标
系统安全目标不是“模型永远正确”，而是“即使模型给出错误指令，也只能在受限边界内执行”。
4.2 三层安全约束
第一层：握手与会话完整性
- 浏览器必须先发
init。 - sgClaw 必须回
init_ack。 - 会话级
hmac_seed用于后续命令签名。 - 未完成握手，不进入运行态。
第二层：Rust 侧 MAC Policy
src/security/mac_policy.rs 从 resources/rules.json 加载规则，校验：
- 目标域名是否在
domains.allowed中。 - 动作是否在
pipe_actions.allowed中。 - 被明确封禁的动作是否命中
pipe_actions.blocked。
这意味着即便协议枚举中定义了更多动作，也不代表当前会话可以执行它们。
第三层：宿主侧命令执行约束
浏览器宿主仍应在接收命令后做本地校验，包括：
- 序列号关联。
- HMAC 校验。
- 域名与页面上下文匹配。
- 非法参数拒绝执行。
docs/浏览器对接标准.md 是这一层的联调基线。
5. 关键架构决策
5.1 使用 STDIO 作为唯一主链路
原因：
- 进程私有，外部进程不能直接接入。
- 与浏览器子进程托管方式天然匹配。
- 协议简单，适合 JSON Line 一问一答模型。
5.2 保留协议前提下重构执行核
原因：
- 浏览器宿主联调成本最低。
- Rust 侧可以独立演进 zeroclaw runtime 与安全策略，而不破坏宿主联调。
- 产品文档、测试和协议标准可以围绕同一条 contract 收敛。
5.3 先做最小特权工具面，再扩动作
原因：
- 当前最稳定的是
click/type/navigate/getText。 - 动作越多，宿主和 runtime 之间的契约越难稳定。
- 在规则文件仍只开放 4 个动作的前提下，文档不应提前放大能力范围。
5.4 启动策略配置化，而不是编译期写死
原因：
- 更换 sgClaw binary 不应要求重编 Chromium。
- 切换
runtime config不应要求重编 Chromium。 - 更换
frontend bundle不应要求重编 Chromium。 - 安全边界仍由
host控制，配置化不等于放弃校验。
5.5 planner-first 只属于运行时，不属于展示层
原因：
- “先展示计划，再执行”是执行引擎行为，不是前端动画效果。
- 前端只能显示 planner 状态，不能私自触发或跳过 planner。
- 验收必须同时覆盖视觉呈现和功能执行两个维度。
6. 架构结论
L1 层面可以把 sgClaw 定义为：一个通过固定浏览器协议接入 host、以 Rust 为安全与控制层、以 zeroclaw 为能力核心、以 runtime config 驱动执行行为、以 frontend bundle 作为仅展示界面、以 MAC Policy 与宿主复检为受保护执行边界的安全加固运行时分发。
这一定义既承认当前仓库仍存在 browser-first compat 的过渡实现，也为后续把 runtime 真正收口到 zeroclaw-first、planner-first 主线保留了清晰边界。