OpenClaw“小龙虾”爆火!这个项目让 12 个顶级 AI 全部变成“免费 API”|如何解决OpenClaw费Token的问题?

OpenClaw“小龙虾”爆火!这个项目让 12 个顶级 AI 全部变成“免费 API”|如何解决OpenClaw费Token的问题?

📢 免责声明

本文所述技术仅用于合法授权的安全研究、教学演示及防御机制开发。作者及发布平台不承担因读者误用、滥用本内容所导致的任何法律责任。请严格遵守《中华人民共和国网络安全法》及相关法律法规。

🦞 OpenClaw“小龙虾”爆火!这个项目把 12 个 AI 全变成免费 API

最近 AI Agent 圈最火的开源项目之一就是 OpenClaw
很多开发者给它起了一个很形象的外号:

AI Agent 界的小龙虾 🦞

为什么这么说?

因为它有三个特点:

  • • 越用越上头
  • • 生态越来越大
  • • 能自动执行各种复杂任务

OpenClaw 本身只是 Agent 框架,并不自带模型,需要连接 Claude、ChatGPT、DeepSeek 等大模型才能运行。

但问题来了:

API 太贵。

于是一个非常“疯狂”的项目火了——

openclaw-zero-token

它可以把 网页版 AI 直接变成 API,让 OpenClaw 免费调用。


📦 项目地址

GitHub:

👉 https://github.com/linuxhsj/openclaw-zero-token

这是一个开源 TypeScript 项目,可以 无需 API Key 调用主流 AI 模型,包括 Claude、ChatGPT、Gemini、DeepSeek、豆包、Grok、Kimi 等。(agentskill.work)


一、它到底是干什么的

一句话总结:

把网页 AI 变成 OpenAI API。

架构如下:

OpenClaw    │    │ OpenAI API    ▼ openclaw-zero-token    │    │ 浏览器 cookie 调用    ▼ DeepSeek / Claude / ChatGPT / Kimi / Qwen / Doubao

原理其实并不复杂:

1️⃣ 启动 Chrome 调试模式
2️⃣ 读取浏览器 Cookie
3️⃣ 调用 AI 网站接口
4️⃣ 转换为 OpenAI API 格式

这样:

网页AI = API

只要你能在浏览器里使用 AI,
理论上就可以变成 API。

该项目通过 浏览器自动化 + Web API 转发实现这一点。(OpenClaw API)


二、目前支持的 AI 平台

根据项目文档,目前已经支持:

平台

状态

DeepSeek

Qwen 国际版

Qwen 国内版

Kimi

Claude Web

Doubao

ChatGPT Web

Gemini Web

Grok Web

GLM Web

GLM 国际版

Manus API

总计:

12个平台 28+模型

最关键的一点:

不需要 API Token。

三、官方推荐部署流程(6 步)

根据项目 START_HERE.md 文档,部署流程非常简单。

第一步:安装并编译

npm install npm run build pnpm ui:build

项目是 TypeScript 编写,需要先编译。


第二步:启动 Chrome 调试模式

./start-chrome-debug.sh

作用:

开启 Chrome Remote Debug

程序需要通过 Chrome DevTools Protocol 获取登录会话。


第三步:登录 AI 网站

在 Chrome 中登录这些平台:

chat.qwen.ai qianwen.com kimi.moonshot.cn claude.ai doubao.com chatgpt.com gemini.google.com grok.com chatglm.cn chat.z.ai

⚠️ 注意:

DeepSeek 不在这一步。


第四步:运行 onboard

./onboard.sh

系统会:

  • • 自动读取 Cookie
  • • 配置平台
  • • 写入配置文件

配置保存在:

~/.openclaw/openclaw.json

第五步:配置 DeepSeek

登录:

https://chat.deepseek.com

然后在 onboard 中选择:

deepseek-web

完成认证。


第六步:启动 API 服务

./server.sh start

默认端口:

http://127.0.0.1:3001

打开:

http://127.0.0.1:3001/#token=xxxx

即可进入 Web UI。


四、接入 OpenClaw

在 OpenClaw 中配置模型:

Base URL http://127.0.0.1:3001/v1
API Key 随便填

模型示例:

deepseek-web/deepseek-chat kimi-web/moonshot claude-web/claude-3-5-sonnet doubao-web/doubao-seed

这样 OpenClaw 就能调用这些模型。


五、最终 AI Agent 架构

现在很多开发者的架构是这样的:

n8n  │  ▼ OpenClaw  │  ▼ openclaw-zero-token  │  ▼ DeepSeek / Claude / ChatGPT

效果:

  • • 自动写代码
  • • 自动执行脚本
  • • 自动分析文件
  • • 自动生成报告

六、为什么 OpenClaw被叫“小龙虾”

因为它真的很容易上瘾:

🦞 一旦跑起来
Agent 可以自动干活

🦞 插件生态疯狂增长

🦞 配合 zero-token

几乎零成本

所以很多开发者说:

OpenClaw + zero-token = 免费 AI Agent 平台

七、总结

如果你最近在玩 OpenClaw 小龙虾
那 openclaw-zero-token 基本是必装组件

因为它解决了最大的问题:

AI API 成本

最终你会拥有:

12个平台 28+模型 统一API 完全免费

🔗 项目地址

GitHub:

👉 https://github.com/linuxhsj/openclaw-zero-token

 

一起把 AI Agent 玩到极致。🚀

AskOnce - 一次提问,即可获得所有 AI 模型的答案

Read more

蓝耘MaaS驱动PandaWiki:零基础搭建AI智能知识库完整指南

蓝耘MaaS驱动PandaWiki:零基础搭建AI智能知识库完整指南

此教程使用的环境是:Ubuntu Server 22.04 LTS 64位 2核心4G内存的Linux服务器。 文章摘要: 本文详细介绍了如何使用蓝耘MaaS平台驱动PandaWiki搭建AI智能知识库系统的完整流程。PandaWiki是一款基于AI大模型的开源知识库系统,具备AI创作、AI问答、AI搜索等强大功能。 教程从零开始,首先指导用户注册蓝耘MaaS平台并获取API密钥和模型名称,然后通过一键脚本在Ubuntu Server 22.04环境下快速部署PandaWiki。重点介绍了如何配置蓝耘MaaS平台的DeepSeek-v3.1-Terminus模型,实现高性价比的AI能力支持。 文章通过实战演示,展示了将ZEEKLOG博客批量导入知识库的完整过程,包括Markdown文件上传、数据拉取、批量发布等操作步骤。最终测试验证了AI问答功能的实际效果,系统能够准确理解用户问题并从知识库中检索相关内容提供智能回答。 整个部署过程简单高效,适合企业和个人快速构建智能化的文档管理和知识问答系统,为用户提供了一个低成本、高性能的AI知识库解决方案。 文章目录 * 前言 *

一人手搓!AI 漫剧从0到1详细教程

一人手搓!AI 漫剧从0到1详细教程

这是苍何的第 457 篇原创! 大家好,我是喜欢看动漫的苍何。 相信不用说你也知道,我这万年没变的头像,能看出我是个二次元吧? 最近看到 AI 漫剧超级火,加上前些天朋友来公司,我们一起探讨了 AI 漫剧。 不懂没关系,可以学习啊,所以这一篇文章其实理论上是我学习的一些成果和一些经验,算是从 0 入门如何制作 AI 漫剧了。 现在的 AI 漫剧市场,说白了就是野蛮生长的爆发期。但这个阶段很快就会过去,作品积累到一定量级后,拼的就不是谁做得快了。 未来的逻辑很简单:只有精品才能跑出来。谁能沉下心做品质,谁才能真正搞定客户。 奔着这个目标,下面这个视频是我这个学习阶段的产物,哈哈哈,我觉得还是挺不错的。 然后还做了一个带穿越的视频: 第一个作为AI漫剧的学习作品,我还是非常满意的。 但其实,要想完成这样一个AI漫剧作品,需要用到AI生图、AI视频能力,需要有一个好的工具丝滑完成。 于是开始翻各家AI工具官网,发现有家AI厂商接入了🍌Pro模型。 看了下是国内AI六小龙之一MiniMax旗下的海螺AI,

字节跳动DeerFlow 2.0震撼开源:46k+ Star的超级智能体框架,让AI真正“动手做事“

字节跳动DeerFlow 2.0震撼开源:46k+ Star的超级智能体框架,让AI真正“动手做事“

你是否想过:如果AI不仅能回答问题,还能像真正的助手一样,主动搜索、分析数据、生成报告,甚至制作播客,那会是怎样的体验? 2026年3月,字节跳动开源的DeerFlow 2.0给出了答案。这个项目在GitHub上迅速斩获46,333+ Star,今日新增3,787 stars,登顶Trending榜首。它不是又一个聊天机器人,而是一个能真正"动手做事"的超级智能体框架。 本文将从开发者视角,深入剖析DeerFlow的技术架构、核心能力、部署方法和实战应用,带你全面了解这个革命性的开源项目。 一、DeerFlow是什么?重新定义AI研究助手 1.1 从研究工具到超级智能体的进化 DeerFlow的名字源于Deep Exploration and Efficient Research Flow(深度探索与高效研究流程)。最初,它只是一个深度研究框架,但开发者在实际使用中发现,它的潜力远不止于此: * 有人用它构建数据管道 * 有人用它生成幻灯片和仪表盘 * 有人用它自动化内容工作流

【CLI-Anything 】让所有软件都能被AI Agent原生调用

CLI-Anything 一、项目概述 CLI-Anything 是由香港大学数据科学实验室(HKUDS)开发的开源项目,核心目标是让所有软件都能被AI Agent原生调用。项目口号:“Today’s Software Serves Humans 👨‍💻. Tomorrow’s Users will be Agents 🤖” 项目指标数值Stars1.1kForks110Watchers7主要语言Python (99.7%)测试通过率100% (1,436 tests) 二、核心问题与解决方案 2.1 现有痛点 痛点具体表现AI无法使用真实工具现有方案要么是脆弱的UI自动化,要么是功能阉割的重新实现UI自动化不可靠截图、点击、RPA等方式容易崩溃Agent需要结构化数据缺乏标准化的输出格式定制集成成本高每个软件都需要单独开发接口原型与生产差距大缺乏真实软件验证 2.2 CLI-Anything的解决思路 核心洞察:CLI(命令行界面)是人类和AI Agent的通用接口 * ✅ 结构化且可组合 — 文本命令匹配LLM格式,可链式组合复杂工作流