30 分钟搭建个人 AI 助手:OpenClaw 完全教程

30 分钟搭建个人 AI 助手:OpenClaw 完全教程

作者:飞来城 🍵
难度:⭐⭐
预计耗时:30 分钟
适用系统:Linux / macOS / Windows (WSL)

🎯 为什么选择 OpenClaw?

你是不是也厌倦了每次提问都要打开网页?想要一个随时随地都在你身边的 AI 助手?

市面上有不少 AI 方案,但 OpenClaw 有它独特的优势:

方案优势劣势
网页版 ChatGPT简单易用需要浏览器、付费较贵
Telegram 机器人随时随地功能单一、不可扩展
OpenClaw🎯本地部署、多平台接入、技能可无限扩展需简单配置(本文教你搞定)

今天手把手带你搭建自己的 OpenClaw 环境——这不是什么高深技术,就是一个真正能帮你写代码、查资料、整理文档的个人助手。


📚 目录

  1. 准备阶段
  2. 安装 OpenClaw
  3. 初始化配置
  4. 连接聊天平台
  5. 开始使用
  6. 进阶玩法
  7. 常见问题

一、准备阶段

1.1 系统要求

✅ 操作系统:Linux / macOS / Windows (WSL2) ✅ Node.js:v18+(推荐 v20+) ✅ npm:已自带在 Node.js 中 ✅ 磁盘空间:至少 2GB 可用空间 

1.2 检查环境

打开终端,执行:

node--versionnpm--version

预期输出:

v20.11.0 # 版本号,>=18 即可 10.2.4 # npm 版本 

如果看到 command not found,先去 nodejs.org 下载安装。

1.3 国内用户加速建议 ⚡

国内用户推荐使用淘宝镜像提升下载速度:

npm config set registry https://registry.npmmirror.com 

二、安装 OpenClaw

2.1 全局安装

npminstall-g @qingchencloud/openclaw-zh 

安装过程大约需要 1-3 分钟,你会看到依赖包的下载进度。

2.2 验证安装

openclaw --version

预期输出:

✓ v0.x.x # 版本号,表示安装成功 

如果提示 command not found,可能是 PATH 没配置好,尝试重启终端或手动添加:

exportPATH=$PATH:$(npm config get prefix)/bin 

三、初始化配置

3.1 启动 Gateway 服务

openclaw gateway start 

等待几秒,应该看到:

✓ Gateway started successfully Server running on http://localhost:8080 

3.2 检查工作空间

mkdir-p ~/.openclaw/workspace cd ~/.openclaw/workspace ls-la

你應該能看到 OpenClaw 自动生成的核心文件:

文件作用是否必须修改
IDENTITY.md你的名字、个性、emoji✅ 建议改
SOUL.md行为准则、底线⚠️ 可读不改
USER.md记录你的信息✅ 建议填
MEMORY.md长期记忆库✅ 定期更新
AGENTS.md会话规范、心跳规则⚠️ 可自定义

3.3 快速定制 IDENTITY.md

编辑 ~/.openclaw/workspace/IDENTITY.md,改成你自己的风格:

# IDENTITY.md - Who Am I? - **Name:** 阿宝 - **Creature:** AI 助手,有点幽默感的数字灵魂 - **Vibe:** 说话风趣、做事严谨、可靠又有趣 - **Emoji:** 🍵 - **Avatar:** /path/to/avatar.png # 可选 
💡 小技巧:保存后重启 Gateway 生效:openclaw gateway restart

四、连接聊天平台

4.1 平台选择对比

平台复杂度推荐使用场景
本地 WebChat快速测试、开发调试
Telegram⭐⭐日常使用、最稳定
WhatsApp⭐⭐个人消息、海外用户
Discord⭐⭐团队协作、社区运营

4.2 Telegram 配置详解(推荐)⭐

步骤 1:创建机器人
  1. 打开 Telegram,搜索 @BotFather
  2. 发送 /newbot 按提示创建
  3. 输入:
    • 名称:助手(显示名,可随意)
    • 用户名:AssitantBot(必须以 bot 结尾,字母 + 数字)
  4. 重要:复制 Bot Token(像 123456:ABC...XYZ 的一长串)
步骤 2:配置环境变量
# Linux/macOSexportTELEGRAM_BOT_TOKEN="你的 Token 在这里"# Windows PowerShell$env:TELEGRAM_BOT_TOKEN="你的 Token 在这里"
步骤 3:启用插件
openclaw plugin enable telegram 
步骤 4:测试连接
  1. 在 Telegram 搜索你的机器人名字
  2. 点击 “Start” 或发送 /start
  3. 回复"你好",应该看到回应

⚠️ 常见问题:

问题解决方法
Token 泄露了在 BotFather 选 /revoke 重新生成
机器人搜不到等待 5-10 分钟让索引同步
没有响应检查 token 是否正确、网络是否正常

4.3 本地 WebChat(最简单)

直接访问:

http://localhost:8080 

无需额外配置,适合快速测试。


五、开始使用

5.1 基础对话

给机器人发消息试试:

嘿,你今天能干啥? 

应该看到类似回复:

🍵 我是xx,你的数字搭档。我能帮你写代码、查资料、整理文档,还能陪你聊天解闷~有什么需要尽管说!

5.2 常用指令

/status # 查看会话状态和 token 用量 /memory # 搜索记忆库 /skill # 查看可用技能列表 /reasoning # 开启推理模式(更聪明但收费)

5.3 技能系统介绍

OpenClaw 的核心是技能——每个技能都是独立的小工具,按需调用:

# 查找技能 skillhub search <关键词># 安装技能 skillhub install<技能名>

🔥 热门技能推荐:

技能名功能适合人群
weather实时天气查询所有人
healthcheck系统安全审计DevOps/运维
file-organizer-skill自动整理文件文档爱好者
multi-search-engine17 个搜索引擎集成研究者
daily-summary自动生成日报/周报上班族

六、进阶玩法

6.1 开发自己的技能

如果你懂一点编程,可以创建自定义技能:

# 创建技能目录mkdir-p ~/.openclaw/workspace/skills/my-first-skill cd ~/.openclaw/workspace/skills/my-first-skill # 初始化结构mkdir-p scripts references tests touch SKILL.md scripts/main.js README.md 

标准结构:

my-first-skill/ ├── SKILL.md # 技能说明(必填) ├── scripts/ │ └── main.js # 主脚本(必填) ├── references/ # 参考文档(可选) └── README.md # 对外文档(推荐) 

想深入学习? → 看我的另一篇教程:《OpenClaw 技能开发入门:从零创建你的第一个 AI 技能》

6.2 自动化任务

cron 定时触发任务:

# 每天上午 9 点检查一次邮件 openclaw cronadd--schedule"0 9 * * *"--text"检查今日未读邮件"# 每周五下午 5 点提醒写周报 openclaw cronadd--schedule"0 17 * * 5"--text"💼 周五啦,要不要生成周报?"

6.3 记忆管理

# 备份记忆数据cp-r ~/.openclaw/workspace/memory ~/backup/ cp ~/.openclaw/workspace/MEMORY.md ~/backup/ # 恢复记忆cp ~/backup/MEMORY.md ~/.openclaw/workspace/ 

七、常见问题

Q1: Token 用完了怎么办?

答: 三种解决方案:

  1. 优化使用 —— 减少不必要的闲聊,复杂任务用 subagent(更便宜)
  2. 批量充值 —— 一次性买多的比频繁小额划算
  3. 切换模型 —— 用便宜的模型处理简单任务

Q2: 如何备份记忆?

答:

# 完整备份tar-czf openclaw-backup.tar.gz ~/.openclaw/workspace/ 

建议每周备份一次,或者每次重大变更前。

Q3: 想换模型怎么办?

答: 编辑配置文件中的 model 字段,或运行时指定:

openclaw sessions_send --model qwen-max --message"用高级模型帮我分析..."

Q4: 配置好了但没响应?

**答:

  • Gateway 是否启动(openclaw gateway status
  • Token 是否正确复制(注意首尾空格)
  • 网络是否能访问 API
  • 查看日志(tail -f ~/.config/openclaw/logs/gateway.log

Q5: 性能变慢了怎么办?

答:

  • 清理过期的缓存文件
  • 检查是否有大量 subagent 运行
  • 考虑升级硬件或切换更轻量级的模型

🎉 结语

恭喜你!30 分钟后,你现在有了一个属于自己的 AI 助手

它不是冷冰冰的工具,而是你数字生活的延伸——写代码、查资料、整理文档,甚至陪你聊天解闷。

下一步建议你:

  1. ✅ 把 IDENTITY.md 改成你自己的风格
  2. ✅ 装几个常用技能试试水
  3. ✅ 让它帮你完成第一个实际任务
  4. ✅ 关注后续技能开发教程

有任何问题欢迎留言讨论~记得点赞收藏哦!👇


我是飞来城,专注分享实用的 AI 工具和自动化经验。如果觉得有用,欢迎关注我获取更多技巧~ 🍵


📖 相关阅读

文章链接推荐理由
OpenClaw 官方文档https://docs.openclaw.ai权威参考手册
SkillHub 技能商店https://clawhub.com发现更多现成技能
社区 Discordhttps://discord.com/invite/clawd与其他用户交流

觉得有用?

  • 👍 点个赞支持原创
  • 💬 评论区说说你想看我写什么主题
  • 🔔 关注我不迷路
  • ➕ 收藏以防找不到

Read more

扩散模型详解:从DDPM到Stable Diffusion再到DiT的技术演进

扩散模型详解:从DDPM到Stable Diffusion再到DiT的技术演进

1.摘要 扩散模型(Diffusion Models)作为当前最热门的生成模型之一,已彻底改变图像生成领域,本文从DDPM开始,逐步深入到Stable Diffusion和DiT架构。 扩散模型就像是一个"破坏-修复"的过程,想象一下你有一张美丽的图片,然后一点点地给它加上噪声,直到完全看不清原来的图片,然后让AI学会如何一步步把噪声去掉,重新还原出原始图片。这就是扩散模型的基本思路。 2. DDPM:扩散模型的奠基之作(2020年) 2.1 什么是DDPM? DDPM(Denoising Diffusion Probabilistic Models)是扩散模型的开山鼻祖,由OpenAI团队在2020年提出,它的工作原理: 前向过程(加噪声):从一张清晰的图片开始,逐步添加噪声,最终变成完全随机的噪声图。 反向过程(去噪声):训练AI学会如何一步步去除噪声,从随机噪声中重建出原始图片。 2.2 DDPM的模型结构详解 DDPM的核心是一个U-Net网络结构,U-Net详细架构如下图:

openclaw 对接完飞书群机器人配置踩坑记:消息不回、Gateway 断开问题排查

openclaw 对接完飞书群机器人配置踩坑记:消息不回、Gateway 断开问题排查

前言 用 OpenClaw 配飞书机器人,踩了两个坑:群消息不回、Gateway 总是断开。排查了好一阵子,总算搞定了,记录一下希望能帮到遇到同样问题的朋友。 发现问题 飞书消息不回复 在飞书群里 @ 了机器人,完全没反应。一开始以为是网络不好或者机器人没上线,但状态显示明明是连接着的,这就奇怪了。 Gateway 频繁断开 每次改完配置跑 openclaw gateway restart,或者根本什么都没干,Gateway 说断就断。再想启动就报错,必须跑一遍 openclaw doctor --fix 重新安装才能用。太影响使用了。 查看原因 飞书机器人 ID 搞错了 翻日志看到这么一句: receive events or callbacks through persistent connection only available in

主流AI绘图工具PK:ComfyUI、Stable Diffusion与Z-Image-Turbo全面评测

主流AI绘图工具PK:ComfyUI、Stable Diffusion与Z-Image-Turbo全面评测 随着生成式AI技术的迅猛发展,AI图像生成已从实验室走向大众创作。在众多开源和商业化工具中,ComfyUI、Stable Diffusion WebUI(SD WebUI) 与近期由阿里通义团队推出的 Z-Image-Turbo WebUI 成为开发者和创作者关注的焦点。三者定位不同、架构各异,在易用性、性能表现和扩展能力上各有千秋。 本文将从核心架构、使用体验、生成质量、部署成本、适用场景五大维度,对这三款主流AI绘图工具进行深度对比评测,并结合真实运行截图与参数调优建议,帮助你做出更精准的技术选型决策。 技术背景与选型动因 AI图像生成模型自Stable Diffusion发布以来,经历了从“能画”到“快画”再到“可控画”的演进。用户需求也从简单的文生图,逐步扩展至高质量输出、低延迟响应、可复现控制、流程自动化等工程化要求。 在此背景下: - Stable Diffusion WebUI 凭借成熟生态成为入门首选;

在ESP32-S3部署mimiclaw,基于deepseek并用飞书机器人开展对话-feishu

在ESP32-S3部署mimiclaw,基于deepseek并用飞书机器人开展对话-feishu

最近mimiclaw火爆,其开发团队也在密集更新,我看3天前已经可以用“飞书机器人”对话交互了。 目前网络上能查到的部署资料相对滞后,现在将飞书机器人的部署整理如下: 1. 前提 已经安装好ESP-IDF,并支持vscode编译esp32固件。 2. api-key准备 * 注册deepseek, * 创建APIkey, * 并充值,新注册的用户余额为零,无法使用 3. 飞书机器人 我是在飞书个人版中,创建的机器人。 1. 访问飞书开放平台,单击创建企业自建应用,填写应用名称和描述,选择应用图标,单击创建。 2. 左侧导航栏单击凭证与基础信息 页面,复制App ID(格式如 cli_xxx)和App Secret。 3. 配置事件订阅。 1. 在飞书开放平台左侧导航栏单击事件与回调,在事件配置页签中单击订阅方式,选择使用 长连接 接收事件,单击保存。 2. 在事件配置页面,单击添加事件,