OpenClaw 101：本地优先的 AI 智能体部署与实战指南

• 系统要求：macOS 10.15+、Linux（推荐 Ubuntu）、Windows（需安装 WSL2，原生 Windows 未经充分测试，不推荐）。
• 软件依赖：Node.js ≥ 22（核心依赖）、pnpm（可选，从源代码构建时推荐）。
• 其他准备：AI 模型 API Key（Claude/OpenAI/KIMI 均可，推荐 Claude Sonnet 4.5，性价比高）、聊天渠道账号（Telegram/WhatsApp/飞书任选，Telegram 功能最完善）。
• 可选准备：Brave Search API 密钥（用于网页搜索功能，提升 AI 的实时信息获取能力）。

2.2 本地部署步骤

步骤 1：安装 OpenClaw CLI

CLI 是操作 OpenClaw 的核心工具，不同系统的安装命令如下，复制粘贴到终端/命令行即可：

• macOS/Linux：

curl -fsSL https://openclaw.ai/install.sh | bash

• Windows（WSL2 内）：

iwr -useb https://openclaw.ai/install.ps1 | iex

替代方案（全局安装）：

npm install -g openclaw@latest
# 或用 pnpm
pnpm add -g openclaw@latest

安装完成后，输入 openclaw --version，若显示版本号，说明安装成功。

步骤 2：运行新手引导向导

OpenClaw 提供了新手引导向导，能自动配置模型认证、网关设置、聊天渠道等，无需手动修改配置文件，新手优先选择此方式：

openclaw onboard --install-daemon

运行后，按照提示完成以下配置（全程中文引导，耐心操作即可）：

1. 选择部署方式：本地 Gateway（新手选这个）或远程 Gateway；
2. 认证配置：输入 AI 模型 API Key（如 Claude），或选择 OAuth 认证；
3. 聊天渠道配置：选择你常用的渠道（如 Telegram/WhatsApp），按提示完成登录；
4. 守护进程安装：选择安装后台服务（launchd/systemd），让 OpenClaw 持续在后台运行。

步骤 3：启动 Gateway 并验证部署

如果在引导向导中安装了后台服务，Gateway 会自动启动，可通过以下命令查看状态：

openclaw gateway status

若显示'Up'，说明 Gateway 运行正常；若未自动启动，手动启动命令：

openclaw gateway --port 18789 --verbose

启动后，可通过 Web 控制台验证：浏览器输入 http://127.0.0.1:18789/，粘贴引导向导生成的 Token 登录，能正常加载控制台即部署成功。

最后，在你配置的聊天渠道（如 Telegram）发送指令'你好，帮我查看当前目录的文件'，若 AI 返回文件列表，说明整个部署流程无误。

2.3 云端部署简化版（阿里云）

如果想让 OpenClaw 24 小时不间断运行，推荐阿里云轻量应用服务器部署（成本低、操作简单）：

1. 购买阿里云轻量应用服务器，选择'应用镜像→OpenClaw 2026 新手版'（预置所有依赖），最低配置 2vCPU+2GiB 内存即可；
2. 放通 18789 端口，在阿里云控制台配置 API Key；
3. 远程连接服务器，执行 docker ps | grep openclaw，查看容器运行状态；
4. 对接聊天渠道，执行 openclaw channels login，按提示配置 Telegram/飞书等，完成测试。

三、核心操作：常用指令与场景实操

部署完成后，核心使用方式是'在聊天渠道发送自然语言指令'，OpenClaw 会自动拆解任务、执行操作并反馈结果。

3.1 基础指令

• 查看系统状态：帮我查看 OpenClaw 的运行状态，以及当前连接的模型；
• 文件操作：帮我创建一个名为 openclaw_test 的文件夹，然后在里面新建一个 txt 文件，写入'Hello OpenClaw'；
• 网页操作：帮我打开百度，搜索'OpenClaw 最新技能'，并把搜索结果总结给我；
• 日程管理：帮我添加一个明天下午 3 点的会议，主题是'OpenClaw 学习'，提醒我提前 10 分钟；
• 技能管理：帮我安装 tavily-search 技能（用于联网搜索）。

3.2 典型场景实操

场景 1：自动化清理邮箱 指令：帮我清理收件箱，删除所有来自广告邮箱的邮件，把标题包含'工作'的邮件标记为已读，并整理一份未读邮件清单发给我。 原理：OpenClaw 调用邮箱技能，读取邮箱内容，根据关键词筛选邮件，执行删除、标记操作，最后生成清单反馈，全程无需手动操作。

场景 2：远程控制电脑操作 指令：帮我远程打开电脑上的微信，发送一条消息给'张三'，内容是'明天的会议推迟到下午 4 点'。 原理：通过 Gateway 的实时通信能力，远程调用电脑的鼠标键盘模拟功能，打开应用、发送消息，适合不在电脑前但需要紧急操作的场景。

场景 3：主动提醒服务 指令：记住我配偶的生日是 10 月 1 日，到 9 月 30 日的时候主动提醒我准备礼物。 原理：利用 OpenClaw 的长期记忆机制，将关键信息存储为本地文件，通过调度层的定时任务，到指定时间主动推送提醒，体现'贴身助理'的价值。

3.3 技能管理

技能是 OpenClaw 的核心扩展方式，新手必装 3 个基础技能，装上后能解决 80% 的使用场景：

1. tavily-search：联网搜索技能，打破 AI 的知识局限，获取实时资讯和数据，安装命令：clawhub install tavily-search；
2. agent-browser：浏览器自动化技能，控制浏览器打开网页、填写表单、点击操作，默认已安装；
3. shell-skills：系统命令执行技能，允许 OpenClaw 执行 Shell 命令，实现更灵活的本地操作，安装命令：clawhub install shell-skills。

查看已安装技能：openclaw skills list；卸载技能：clawhub uninstall 技能名称。

四、深度解析：核心架构与工作原理

掌握了基础部署和操作后，我们深入拆解 OpenClaw 的核心架构——它之所以能实现'思考 - 执行 - 反馈'的闭环，得益于模块化的分层设计和独特的智能体循环机制。

4.1 六大核心子系统架构

OpenClaw 采用模块化设计，分为六大核心子系统，各司其职、解耦独立，修改某一层不会影响其他层，便于扩展和维护：

1. Gateway（网关层）：系统的'神经中枢'，是一个常驻后台的 Node.js 进程，负责监听聊天渠道的消息、标准化处理指令、会话路由和安全认证，通过 WebSocket 实现实时双向通信。
2. Router（路由层）：负责'分发任务'，根据路由规则（如 Peer ID、群组 ID），将用户指令分配给对应的 Agent 实例，支持一个设备运行多个 Agent。
3. Agent Loop（智能体循环）：OpenClaw 的'心脏'，遵循 Lobster 智能体循环模式，实现'思考 - 执行 - 观察 - 反馈'的闭环：
   • 思考（Think）：加载 Agent 的身份（Soul）、记忆（Memory）和技能（Skills），将用户指令拆解为可执行的子任务；
   • 执行（Act）：调用底层工具或技能，执行具体操作（如打开浏览器、运行 Shell 命令）；
   • 观察（Observe）：获取执行结果（成功/失败信息）；
   • 反馈（Reflect）：将结果反馈给大模型，更新上下文，决定下一步行动或结束任务。
4. Brain（推理层）：负责与大语言模型交互，支持多模型热切换，负责 Prompt 构建、模型调用和输出解析。
5. Memory（记忆层）：采用'文件即状态'的设计，将所有记忆存储为本地 Markdown/YAML 文件，而非复杂数据库，分为 Soul（灵魂）、Memory（记忆）、Session（会话）、State（状态）四类。
6. Scheduler（调度层）：实现主动式服务，支持心跳模式和定时模式，Agent 可定期唤醒自己，主动执行任务（如每日早报、待办提醒）。

4.2 核心工作流程示例

结合架构，我们拆解一个完整的任务执行流程，理解 OpenClaw 的工作逻辑：

1. 用户在 Telegram 发送指令：'帮我预订今晚 7 点附近的餐厅，偏好中餐，人均 100 元以内'；
2. Gateway 接收消息，标准化处理后，通过 Router 分配给主 Agent；
3. Agent Loop（思考阶段）：拆解任务为'1. 搜索附近中餐餐厅；2. 筛选人均 100 元以内的选项；3. 打开订餐网站预订；4. 反馈预订结果'；
4. Agent Loop（执行阶段）：调用 tavily-search 技能搜索餐厅，调用 agent-browser 技能打开订餐网站，填写预订信息；
5. Agent Loop（观察阶段）：获取预订结果（成功/失败），若失败（如无空位），调整策略（更换餐厅）重新尝试；
6. Agent Loop（反馈阶段）：将预订成功的信息反馈给 Gateway，再由 Gateway 推送至用户 Telegram；
7. Memory 层更新：将用户的餐饮偏好（中餐、人均 100 元）保存为长期记忆，后续预订时自动匹配。

五、进阶技巧：自定义技能与安全优化

对于有一定开发基础的用户，可通过自定义技能和优化配置，让 OpenClaw 更贴合自身需求；同时，由于 OpenClaw 能控制本地设备，安全设置也至关重要。

5.1 自定义技能

OpenClaw 的技能本质是脚本文件，支持 JavaScript/Python 等语言，以下是一个简单的'每日天气提醒'技能示例（核心逻辑）：

// 技能名称：daily-weather
// 功能：每日早上 8 点获取本地天气，推送至 Telegram
module.exports = {
  name: "daily-weather",
  description: "每日天气提醒",
  schedule: "0 8 * * *", // 每日 8 点执行
  async run(agent) {
    // 调用天气 API 获取本地天气
    const weather = await agent.tools.web.search("今日本地天气");
    // 推送至 Telegram
    await agent.channels.send("telegram`, 今日天气：${weather}，记得增减衣物哦～`);
    // 更新记忆，记录用户的天气偏好
    agent.memory.set("weather_preference", "每日 8 点提醒");
  },
};

将脚本保存至 ~/.openclaw/skills/daily-weather 目录，执行 openclaw skills reload，即可启用该技能。

5.2 安全优化

由于 OpenClaw 拥有设备操作权限，不当配置可能导致安全风险，推荐以下 3 个安全设置：

1. 渐进式授权：初次使用时，仅给予 AI 只读权限，大部分操作（如发送邮件、删除文件）需用户确认，熟悉后再逐步开放权限；
2. 开启操作日志：执行 openclaw security audit --deep，开启操作日志，所有 AI 执行的任务都可追溯，若出现错误可及时排查；
3. 沙箱隔离：在配置文件中开启沙箱模式，隔离群组/渠道会话，避免恶意指令影响本地设备。

六、常见问题排查

部署和使用过程中，新手容易遇到以下问题，整理了对应的解决方案：

• 问题 1：Gateway 启动失败，提示端口 18789 被占用 解决方案：修改配置文件 ~/.openclaw/openclaw.json，将端口改为 18790，重启服务：openclaw gateway restart。

• 问题 2：聊天渠道无响应，发送指令没有反馈 解决方案：检查网络连通性，重启渠道服务：openclaw channels restart 渠道名称（如 telegram），或重新配对：openclaw pairing approve 渠道名称 配对码。

• 问题 3：API Key 无效，模型调用失败 解决方案：检查 API Key 是否完整（无空格/字符遗漏），重新生成并配置，执行 openclaw configure --section brain 重新设置模型参数。

• 问题 4：Windows 系统部署后无法正常运行 解决方案：卸载原生 Windows 部署，安装 WSL2（推荐 Ubuntu），在 WSL2 内重新部署，避免原生 Windows 的兼容性问题。

七、总结与后续学习方向

本文从基础认知、部署实操、核心操作、架构解析到进阶技巧，完整覆盖了 OpenClaw 101 的核心内容。总结下来：OpenClaw 的核心价值是将 AI 从聊天工具升级为执行工具，通过本地优先、持续记忆、高度可扩展的特点，真正成为用户的贴身数字员工。

对于新手，建议先完成本地部署，熟悉基础指令和场景，再逐步尝试安装技能、自定义配置；对于开发者，可深入研究其架构源码，开发专属技能插件，甚至参与 OpenClaw 的开源贡献。

后续学习方向推荐：

• 深入学习 Lobster 智能体循环机制，理解 AI 的任务拆解逻辑；
• 开发复杂自定义技能，实现更个性化的自动化需求；
• 探索多 Agent 协作，搭建多个 AI 助理协同工作的场景；
• 研究 OpenClaw 的商业化与生态构建，了解技能商城、云端代管等模式。

随着 AI Agent 技术的发展，OpenClaw 作为开源领域的标杆项目，未来还会持续迭代升级。希望本文能帮助你快速入门 OpenClaw，解锁 AI 自动化的核心能力，让技术为效率赋能。