OpenClaw 完整搭建指南：从零开始打造你的 AI 助手

优质文章学习记录

— 9 min read
OpenClaw 完整搭建指南：从零开始打造你的 AI 助手

OpenClaw 完整搭建指南：从零开始打造你的 AI 助手

本文基于实际部署经验，详细介绍 OpenClaw 的安装、配置 GitHub Copilot / Qwen 模型、接入钉钉、解决常见问题，以及搭建本地模型的完整流程。
在这里插入图片描述

目录

  1. 什么是 OpenClaw
  2. 环境准备与安装
  3. 配置模型提供商
  4. 接入钉钉机器人
  5. 钉钉插件常见问题与解决方案
  6. 日常使用技巧
  7. 搭建本地模型（llama.cpp）
  8. 总结与资源

一、什么是 OpenClaw

OpenClaw 是一个开源的 AI 助手框架，可以：

  • 🤖 接入多种大模型（Claude、GPT、Qwen、本地模型等）
  • 💬 连接多个消息平台（钉钉、Telegram、Discord、微信等）
  • 🛠️ 执行文件操作、Shell 命令、浏览器自动化
  • ⏰ 设置定时任务和提醒
  • 🧠 拥有持久记忆能力

简单说，它让你拥有一个 7x24 小时在线的 AI 助手，可以通过任何聊天软件与它对话。

项目地址： https://github.com/openclaw/openclaw
官方文档： https://docs.openclaw.ai

二、环境准备与安装

1. 系统要求

  • 操作系统： macOS、Linux 或 Windows（需要 WSL2）
  • Node.js： >= 22.x
  • 网络： 能访问 GitHub（配置模型时需要）

2. 安装 Node.js（如果没有）

Windows WSL / Ubuntu：

curl -fsSL https://deb.nodesource.com/setup_22.x |sudo -E bash - sudoaptinstall -y nodejs

macOS：

brew install node@22

验证安装：

node -v # 应显示 v22.x.xnpm -v

3. 安装 OpenClaw

推荐方式（一键安装）：

Linux / macOS：

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

Windows PowerShell：

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

手动安装：

npminstall -g openclaw@latest openclaw onboard --install-daemon

4. 运行引导程序

安装完成后会自动运行引导程序，如果跳过了，可以手动执行：

openclaw onboard --install-daemon

引导程序会帮你：

  • 选择运行模式（本地/云端）
  • 配置默认模型
  • 设置 Gateway 端口
  • 安装守护进程

5. 验证安装

openclaw status # 查看服务状态 openclaw doctor # 诊断问题 openclaw health # 健康检查

三、配置模型提供商

OpenClaw 支持多种模型提供商，这里介绍最常用的两种：

方案一：GitHub Copilot（推荐）

如果你有 GitHub Copilot 订阅（包括学生包），可以直接使用：

openclaw models auth login-github-copilot

执行后会显示一个链接和验证码：

  1. 在浏览器中打开链接
  2. 输入验证码
  3. 授权 GitHub 应用
  4. 等待终端显示成功

设置默认模型：

openclaw models set github-copilot/claude-opus-4.5 # 或者使用 GPT-4o openclaw models set github-copilot/gpt-4o

可用模型列表：

  • github-copilot/claude-opus-4.5 — Claude Opus（最强）
  • github-copilot/claude-sonnet-4 — Claude Sonnet（均衡）
  • github-copilot/gpt-4o — GPT-4o
  • github-copilot/gpt-4.1 — GPT-4 Turbo

方案二：Qwen（通义千问，免费）

Qwen 提供免费的 OAuth 登录，每天 2000 次请求：

1. 启用插件：

openclaw plugins enable qwen-portal-auth openclaw gateway restart

2. 登录认证：

openclaw models auth login --provider qwen-portal --set-default

按提示在浏览器中完成登录。

3. 设置默认模型：

openclaw models set qwen-portal/coder-model

可用模型：

  • qwen-portal/coder-model — Qwen Coder（代码增强）
  • qwen-portal/vision-model — Qwen Vision（支持图片）

方案三：其他提供商

OpenClaw 还支持：

  • OpenAI — 需要 API Key
  • Anthropic — 直接使用 Claude API
  • Ollama — 本地模型
  • OpenRouter — 模型聚合平台

详见官方文档：https://docs.openclaw.ai/providers

四、接入钉钉机器人

1. 创建钉钉应用

  1. 打开钉钉开放平台：https://open.dingtalk.com
  2. 进入「应用开发」→「企业内部开发」→「创建应用」
  3. 填写应用名称和描述
  4. 进入应用详情，获取：
    • Client ID（AppKey）
    • Client Secret（AppSecret）

2. 配置应用权限

在应用的「权限管理」中，申请以下权限：

  • qyapi_chat_manage — 群会话管理
  • qyapi_robot_sendmsg — 机器人发送消息
  • contact_user_mobile_read — 读取用户手机号（可选）

3. 配置消息接收地址

在「开发配置」→「事件与回调」中：

  • 消息接收模式： HTTP
  • 消息接收地址：https://你的域名/webhook/dingtalk
⚠️ 钉钉要求 HTTPS，本地开发可以用 ngrok 或 Cloudflare Tunnel

4. 安装钉钉插件

openclaw plugins install clawdbot-dingtalk openclaw plugins enable clawdbot-dingtalk

5. 配置 OpenClaw

编辑配置文件 ~/.openclaw/openclaw.json：

{"channels":{"dingtalk":{"enabled":true,"clientId":"你的Client ID","clientSecret":"你的Client Secret","dmPolicy":"pairing"}},"plugins":{"entries":{"clawdbot-dingtalk":{"enabled":true}}}}

或者使用命令行配置：

openclaw config set channels.dingtalk.enabled true openclaw config set channels.dingtalk.clientId "你的Client ID" openclaw config set channels.dingtalk.clientSecret "你的Client Secret"

6. 重启服务

openclaw gateway restart

7. 测试连接

在钉钉中 @机器人 或私聊机器人，发送消息测试。

五、钉钉插件常见问题与解决方案

问题 1：消息发送失败，提示 “Unknown target”

原因： 钉钉 API 需要 userId 或 conversationId，而不是用户名。

解决方案：

  1. 先让用户给机器人发一条消息
  2. 从消息中获取 userId
  3. 使用 userId 发送消息

代码层面的修复：

// 错误：使用用户名 message.send({to:"maple",message:"hello"})// 正确：使用 userId 或 conversationId message.send({to:"user123456",message:"hello"})

问题 2：Webhook 签名验证失败

原因： 钉钉的签名验证机制要求时间戳在有效范围内。

解决方案：

  1. 确保服务器时间准确：sudo ntpdate pool.ntp.org
  2. 检查 Client Secret 是否正确
  3. 确认使用 HTTPS

问题 3：消息接收延迟或丢失

原因：

  • 服务器响应超时
  • 网络不稳定
  • Gateway 未正常运行

解决方案：

# 检查服务状态 openclaw status openclaw health # 查看日志 openclaw logs -f # 重启服务 openclaw gateway restart

问题 4：无法接收群消息

原因： 未将机器人添加到群聊。

解决方案：

  1. 在钉钉群设置中添加「自定义机器人」
  2. 选择你创建的应用
  3. 确认机器人出现在群成员列表中

问题 5：Rate Limit 错误

原因： 钉钉 API 调用频率限制。

解决方案：

  • 企业内部应用：20次/秒
  • 减少不必要的 API 调用
  • 使用消息合并发送

调试技巧

查看详细日志：

openclaw logs -f --level debug

测试 Webhook 连通性：

curl -X POST https://你的域名/webhook/dingtalk \ -H "Content-Type: application/json"\ -d '{"test": true}'

检查插件状态：

openclaw plugins list

六、日常使用技巧

1. 常用命令

# 查看状态 openclaw status # 打开 Web 控制台 openclaw dashboard # 查看日志 openclaw logs -f # 重启服务 openclaw gateway restart # 切换模型 openclaw models set github-copilot/gpt-4o # 查看当前模型 openclaw models current

2. 聊天中的斜杠命令

在聊天中可以使用：

  • /status — 查看会话状态
  • /model <模型名> — 切换模型
  • /clear — 清空对话历史
  • /help — 查看帮助

3. 设置提醒

在聊天中直接说：

“20分钟后提醒我开会”
“每天早上9点提醒我查看邮件”

OpenClaw 会自动创建 cron 任务。

4. 文件操作

在聊天中可以让 AI 帮你：

  • 读取/写入文件
  • 执行 Shell 命令
  • 搜索文件内容
  • 操作数据库

5. 多模型切换

# 创建模型别名 openclaw config set agents.defaults.models.qwen-portal/coder-model.alias "qwen"# 聊天中切换 /model qwen /model github-copilot/claude-opus-4.5

七、搭建本地模型（llama.cpp）

如果你想在本地运行模型（无需 API），可以使用 llama.cpp。

1. 安装编译工具

sudoapt update sudoaptinstall -y cmake build-essential

2. 编译 llama.cpp

mkdir -p ~/llama.cpp cd ~/llama.cpp git clone --depth 1 https://github.com/ggerganov/llama.cpp.git src cd src &&mkdir build &&cd build cmake .. -DCMAKE_BUILD_TYPE=Release make -j$(nproc) llama-cli llama-server

3. 下载模型

mkdir -p ~/llama.cpp/models # Qwen2.5-3B（适合 4GB 显存）curl -L -o ~/llama.cpp/models/qwen2.5-3b.gguf \"https://hf-mirror.com/Qwen/Qwen2.5-3B-Instruct-GGUF/resolve/main/qwen2.5-3b-instruct-q4_k_m.gguf"# Qwen2.5-7B（适合 8GB 显存）curl -L -o ~/llama.cpp/models/qwen2.5-7b.gguf \"https://hf-mirror.com/Qwen/Qwen2.5-7B-Instruct-GGUF/resolve/main/qwen2.5-7b-instruct-q4_k_m.gguf"

4. 启动本地 API 服务

cd ~/llama.cpp/src/build/bin ./llama-server \ -m ~/llama.cpp/models/qwen2.5-3b.gguf \ --host 0.0.0.0 \ --port 8080\ -c 4096

服务启动后：

  • Web 界面：http://localhost:8080
  • API 端点：http://localhost:8080/v1/chat/completions

5. 在 OpenClaw 中配置本地模型

编辑 ~/.openclaw/openclaw.json，添加自定义 provider：

{"models":{"providers":{"local-llama":{"baseUrl":"http://localhost:8080/v1","apiKey":"not-needed","api":"openai-completions","models":[{"id":"qwen2.5-3b","name":"Qwen 2.5 3B Local","contextWindow":4096,"maxTokens":2048}]}}}}

切换到本地模型：

openclaw models set local-llama/qwen2.5-3b

6. 本地模型 vs 云端模型

对比项本地模型云端模型
成本一次性硬件投入按量付费
隐私数据不出本地需信任提供商
速度取决于硬件通常更快
能力受限于模型大小可用最强模型
可用性需要本地运行7x24 小时

建议：

  • 敏感数据 → 本地模型
  • 复杂任务 → 云端大模型
  • 日常聊天 → 本地 7B 足够

八、总结与资源

快速回顾

  1. 安装 OpenClaw：curl -fsSL https://openclaw.ai/install.sh | bash
  2. 配置模型：openclaw models auth login-github-copilot
  3. 接入钉钉： 安装 clawdbot-dingtalk 插件 + 配置 credentials
  4. 本地模型： llama.cpp + GGUF 模型

常用链接

资源地址
OpenClaw GitHubhttps://github.com/openclaw/openclaw
官方文档https://docs.openclaw.ai
钉钉开放平台https://open.dingtalk.com
llama.cpphttps://github.com/ggerganov/llama.cpp
模型下载（镜像）https://hf-mirror.com
社区 Discordhttps://discord.com/invite/clawd

进阶学习

  • 自定义 Agent 行为：编辑 ~/.openclaw/workspace/SOUL.md
  • 开发自定义插件：参考 /docs/plugins/manifest.md
  • 多 Agent 协作：参考 /docs/multi-agent-sandbox-tools.md

文章整理于 2026-02-03
基于 OpenClaw 2026.2.1 版本
如有问题欢迎交流！

Read more

Nature新刊Sensors：清华团队突破机器人触觉难题，多模态感知精度直逼人类指尖

Nature新刊Sensors：清华团队突破机器人触觉难题，多模态感知精度直逼人类指尖

首次让触觉数据从“数值”变成“可理解的信息” ——鸽眼的启发 目录 01  传统触觉传感器的痛点 电子皮肤（e-skin）：分辨率和模态难两全 视觉触觉传感器：光谱范围被“卡脖子” 数据解读：多模态信息“各说各话” 02  仿生灵感 导电层：既是“电极”也是“透光开关” 荧光层+反射层：多光谱“信息接收器” 可调节气压，适应不同物体 03  DOVE模型让触觉会“说话” 多模态数据“融合解读” 物体差异“对比推理” 联想判断 04  6大维度刷新触觉传感器纪录 三指灵巧手 平行夹爪 05  待解难题 微型化：目前还无法装在机器人指尖 耐用性：长期使用后性能会下降 动态场景适应：无法处理快速运动的物体

老手机 本地部署小龙虾OpenClaw（使用本地千问大模型）实机演示 Termux+Ubuntu+Llama 新手完整安装教程（含代码）

本教程提供从 0 到 1 的详细步骤，在安卓手机上通过 Termux 运行 Ubuntu，部署本地 Llama 大模型，并集成 OpenClaw 进行 AI 交互，全程无需 Root。建议手机配置：≥4GB 内存，≥64GB 存储，Android 7+。 一、准备工作 1.1 安装 Termux 1. 从F-Droid或GitHub下载最新版 Termux（避免应用商店旧版本） 2. 安装并打开，首次启动会自动配置基础环境 1.2 手机设置优化 1. 开启开发者选项（设置→关于手机→连续点击版本号 7 次） 2.

Ollama 底层的 llama.cpp 和 GGUF

GGUF = 大模型权重的「通用压缩格式」（类似视频的 MP4，适配所有播放器） llama.cpp = 跑 GGUF 格式模型的「轻量级推理引擎」（类似视频播放器，能在低配电脑上流畅播 MP4） 两者配合：GGUF 让模型体积变小、适配性强，llama.cpp 让模型能在 CPU / 低配 GPU 上快速跑 这也是 Ollama 能做到 “一键本地运行” 的底层原因 GGUF 详解：大模型的 “通用压缩包” 核心定义 GGUF（Generic GGML Format）是 GGML 格式的升级版，是专门为大模型权重设计的二进制存储格式 核心目标是「通用、高效、压缩」 GGML 是什么？

Z-Image-Turbo与Midjourney对比：开源VS闭源生成效果实测

Z-Image-Turbo与Midjourney对比：开源VS闭源生成效果实测 1. 开源新星Z-Image-Turbo来了，它到底有多强？ 你有没有遇到过这种情况：脑子里有个画面，想画出来却无从下手？或者做设计时，为了找一张合适的配图翻遍全网都不满意？现在，AI绘画已经能帮你把想法变成现实。而在众多AI图像生成工具中，最近冒出来一个叫 Z-Image-Turbo 的模型，势头特别猛。 它是阿里巴巴通义实验室开源的一款高效文生图模型，名字里的“Turbo”可不是吹的——主打一个快、准、稳。更关键的是，它完全免费，还能在消费级显卡上跑起来。相比之下，像Midjourney这样的闭源工具虽然效果也不错，但得付费、要翻墙、还得绑定Discord，用起来没那么自由。 那问题就来了：这个新开源的Z-Image-Turbo，真能跟Midjourney掰手腕吗？我们决定来一场面对面的实测PK，看看谁才是真正的“造图王者”。 2. Z-Image-Turbo是什么？为什么值得关注 2.1 什么是Z-Image-Turbo Z-Image-Turbo是阿里通义实验室推出的高效文本生成图