当 Java 遇上 AI：JobRunr 推出开源智能体 ClawRunr，重新定义后台任务自动化

在人工智能与软件开发日益融合的今天，如何让 AI 智能体真正“落地”执行复杂、长期的任务，成为开发者关注的焦点。近日，知名 Java 后台任务调度框架 JobRunr 正式发布了一款名为 ClawRunr 的开源 Java AI 智能体，它不仅具备对话式交互能力，更将任务的持久化、调度与监控作为核心设计原则，为开发者提供了一种全新的自动化范式。

从 JavaClaw 到 ClawRunr：一次理念的跃迁

ClawRunr 的前身是实验性项目 JavaClaw，作为 OpenClaw 的 Java 实现，它最初仅是一个概念验证。然而，随着 JobRunr 团队对其架构的彻底重构，ClawRunr 不再只是一个“能聊天的任务提醒器”，而进化为一个具备完整生命周期管理能力的智能执行引擎。其核心理念在于：AI 智能体的真正价值，不在于它能“说”什么，而在于它能“做”什么，并且可靠地做下去。

这一理念直接体现在其技术选型上：基于 Java 25、Spring Boot、Spring AI 与 Spring Modulith 构建，ClawRunr 充分利用了 Spring 生态的模块化与可维护性优势。更重要的是，它继承了 JobRunr 在异步任务调度领域的深厚积累——这意味着用户创建的每一个任务，无论是定时提醒、周期性报表生成，还是复杂的自动化流程，都能被可靠地持久化、调度、重试和监控。

模块化架构与灵活的交互渠道

ClawRunr 的架构清晰地划分为三个 Spring Modulith 模块：base 模块封装核心逻辑，包括智能体、任务、工具与渠道；app 模块负责启动引导与内置网页聊天界面；plugin 模块则提供可选扩展，如 Discord、Telegram 和 Brave Search 集成。这种设计使得系统既保持轻量，又具备高度可扩展性。

用户可以通过多种方式与 ClawRunr 交互：内置的网页聊天界面适合本地调试，而 Telegram 和 Discord 插件则让智能体融入日常沟通场景。所有交互均通过 Channel 接口解耦，确保消息来源的灵活性与可替换性。系统提示词由 AGENT.md（指令定义）和 INFO.md（环境上下文）动态组合，支持运行时热更新，无需重启即可调整智能体行为。

持久化任务与动态工具发现

ClawRunr 的一大亮点是其对任务生命周期的精细管理。用户创建的任务以 Markdown 文件形式存储于 workspace/tasks/ 目录，按日期组织，并标记为“待办”“进行中”“已完成”或“等待人工输入”等状态。周期性任务则存放于 workspace/tasks/recurring/，由 JobRunr 的 cron 调度器驱动，支持自动重试与失败告警，所有任务状态均可通过 JobRunr 控制台仪表板实时监控。

在工具集成方面，ClawRunr 默认提供 Shell 命令执行、文件访问、网页抓取等基础能力，并支持通过 MCP（模型上下文协议）连接外部工具。更值得一提的是其动态工具发现机制：基于 Spring AI 的 Tool Search Tool 模式，结合 Lucene 关键词搜索，系统可在运行时动态匹配并呈现相关工具，避免在每次提示中嵌入全部工具定义，显著提升大语言模型的响应效率与准确性。

此外，用户可通过在 workspace/skills/ 目录下创建 SKILL.md 文件来自定义技能，系统会自动加载并赋予智能体新能力，实现“无代码扩展”。

本地化运行与隐私优先

对于注重数据隐私的用户，ClawRunr 提供了完整的本地化部署方案。当选择 Ollama 作为 LLM 提供商时，整个系统可在用户自有硬件上端到端运行，数据无需流出本地环境。初始设置通过引导式流程完成，涵盖模型配置、凭证输入、渠道接入等步骤，所有配置持久化至 application.yaml，修改即时生效。

目前，ClawRunr 已以 LGPL-3.0 许可开源，面向 Java 社区开放。尽管仍存在如 Playwright 集成稳定性等已知问题，但其设计理念——将 AI 的“智能”与后台系统的“可靠”深度融合——无疑为智能体应用开辟了新路径。

标签： Java AI智能体 JobRunr Spring Boot 自动化