OpenClaw大龙虾机器人完整安装教程

优质文章学习记录

— 8 min read

OpenClaw（大龙虾机器人）是一款本地部署的全能AI助手，可通过WhatsApp、Telegram、飞书等聊天软件实现邮件处理、日历管理、系统操作等功能，数据本地存储更隐私。本教程适配macOS/Linux/Windows系统，包含基础安装、初始化配置、聊天软件对接及常见问题解决，新手也能快速上手。

一、安装前准备

1. 系统与硬件要求

配置项最低要求推荐配置
操作系统macOS 12+/Ubuntu 20.04+/Windows 10（需WSL2）macOS 14+/Ubuntu 22.04+/Windows 11
内存4GB8GB+
磁盘空间2GB可用10GB+ SSD
核心依赖Node.js 18.0+Node.js v22 LTS最新版

2. 必备前置资源

  • AI模型API Key：Claude、GPT-4/5、阿里云百炼、Kimi等兼容OpenAI API的模型密钥（需前往对应平台官网注册获取）；
  • 网络环境：建议配置国内npm镜像（加速依赖下载），Windows用户需提前安装Git（解决依赖拉取问题）。

二、分系统快速安装

方案1：macOS/Linux系统（官方推荐，一键安装）

验证安装成功：

openclaw --version

显示版本号即安装完成。

也可通过npm全局安装（备用方式）：

# 配置国内npm镜像（可选，加速下载）npm config set registry https://registry.npmmirror.com # 全局安装OpenClawnpminstall-g openclaw@latest

打开终端，执行官方一键安装脚本（自动安装Node.js及所有依赖）：

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

方案2：Windows系统（原生适配，避坑版）

Windows原生对OpenClaw支持较弱，需先配置Node.js环境，全程用管理员权限打开PowerShell操作：

验证安装：

openclaw --version

若遇执行策略报错，先执行以下命令再重新安装：

Set-ExecutionPolicy-ExecutionPolicy RemoteSigned -Scope CurrentUser

执行Windows专属安装脚本：

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

安装Node.js v22：

# 安装nvm（Node版本管理工具，推荐）iwr-useb https://raw.githubusercontent.com/coreybutler/nvm-windows/master/nvm-setup.exe |iex# 安装并使用Node.js 22 nvm install 22 nvm use 22.22.0

方案3：开发者进阶安装（Git克隆源码）

适合需要自定义开发、修改源码的用户，macOS/Linux/Windows（WSL2）均可使用：

# 克隆仓库git clone https://github.com/openclaw/openclaw.git # 进入目录并安装依赖cd openclaw &&pnpminstall&&pnpm run build # 初始化pnpm run openclaw onboard

三、初始化配置（核心步骤）

安装完成后，执行初始化命令进入交互式配置向导，配置AI模型和基础参数：

# 通用初始化命令 openclaw onboard # Windows新手推荐快速配置 openclaw onboard --flow quickstart

1. 风险确认

首次配置会出现风险提示：I understand this is powerful and inherently risky. Continue?，选择Yes继续。

2. 选择AI模型并配置API Key

  1. 按方向键选择常用AI模型（推荐Claude/GPT-4/阿里云百炼，国内用户优先选阿里云百炼/Kimi，访问更稳定）；
  2. 粘贴提前获取的API Key（格式为sk-xxxxxxxx），回车确认；
  3. 部分模型需浏览器打开链接完成账号授权，按提示操作即可。

3. 基础功能配置

  • 技能包（Skill）：新手直接选No跳过，后续按需安装；
  • 记忆功能（Hooks）：选中session-memory（启用多轮对话记忆，避免重复说明需求），其他默认；
  • 配置完成后，系统会自动启动Gateway网关服务，默认端口18789。

4. 打开管理控制台

配置完成后，浏览器会自动打开本地控制台，手动访问地址：

http://127.0.0.1:18789

首次进入需输入初始化生成的配置Token（妥善保存，丢失需重新初始化）。

四、对接聊天软件（以飞书为例，国内常用）

OpenClaw支持WhatsApp、Telegram、飞书、钉钉、微信等平台，飞书配置难度低、稳定性高，以下为详细对接步骤，其他平台操作逻辑类似。

1. 安装飞书插件

在终端/PowerShell执行插件安装命令：

openclaw plugins install @m1heng-clawd/feishu # 进入插件目录完成依赖安装cd /root/.openclaw/extensions/feishu/ &&npminstall--verbose

2. 飞书开放平台创建应用

  1. 访问飞书开放平台：https://open.feishu.cn/app/，登录后点击创建企业自建应用；
  2. 填写应用名称（如「大龙虾AI助手」），选择图标，点击创建；
  3. 进入应用管理页，点击添加应用能力 → 选择机器人 → 点击添加。

3. 配置飞书应用权限与事件

（1）批量导入权限
  1. 进入应用管理页权限管理 → 点击批量导入权限；

粘贴以下JSON代码，点击导入（核心权限，确保机器人能收发消息）：

{"scopes":{"tenant":["contact:user.base:readonly","im:chat","im:message","im:message:send_as_bot","im:resource"],"user":[]}}
（2）事件订阅配置
  1. 进入事件与回调 → 事件配置选择长连接，点击保存；
  2. 点击添加事件 → 选择消息与群组 → 勾选im.message.receive_v1（接收消息事件，必选）；
  3. 订阅方式选择使用长连接，无需填写回调地址，自动生效。
（3）发布应用
  1. 进入版本管理与发布 → 点击新建版本，填写版本号和描述；
  2. 点击保存并发布，飞书应用配置完成（未发布则配置不生效）。

4. OpenClaw绑定飞书应用

  1. 按提示输入飞书应用的App ID和App Secret（在飞书开放平台「凭证基础信息」中复制）；

验证状态：

openclaw status

显示Gateway running即绑定成功。

重启网关服务，使配置生效：

openclaw gateway restart

在终端执行命令，添加飞书通信渠道：

openclaw channels add

5. 飞书端测试使用

  1. 打开飞书APP，进入工作台 → 找到创建的「大龙虾AI助手」，点击进入私聊窗口；
  2. 发送任意消息（如「你好」「整理我的今日日程」），收到机器人回复即对接完成。

五、基础使用与常用命令

1. 核心使用方式

在绑定的聊天软件中直接发送自然语言指令，机器人即可执行操作，例如：

  • 邮件处理：「帮我整理上周的未读邮件，提取会议纪要」；
  • 文件管理：「将桌面PDF文件按日期归档到文档文件夹」；
  • 系统操作：「执行shell命令查看电脑CPU使用率」；
  • 定时任务：「每天早上9点给我发送今日待办事项」。

2. 常用终端命令汇总

功能命令
查看版本openclaw --version
查看运行状态openclaw status
启动/停止/重启机器人openclaw start/stop/restart
重新初始化配置openclaw onboard
重启网关服务openclaw gateway restart
查看已安装插件openclaw plugins list
安装插件openclaw plugins install 插件名
卸载插件openclaw plugins uninstall 插件名
查看帮助openclaw --help

六、常见问题与避坑指南

1. 安装时卡在node-gyp rebuild

原因：缺少Python和C++编译工具；
解决：

  • Windows：安装Visual Studio Build Tools和CMake；
  • macOS：执行xcode-select --install安装Xcode命令行工具；
  • Linux：执行sudo apt install build-essential python3。

2. Windows提示「系统找不到指定的路径」

原因：系统组件被精简、WSL未启用或Git环境未配置；
解决：

  1. 安装Git（官网：https://git-scm.com/download/win），安装后重启电脑；
  2. 启用WSL2：在PowerShell执行wsl --install；

清理npm缓存并重装：

npm cache clean --force npm install -g openclaw@latest

3. 飞书配置提示「未建立长连接」

解决：

  1. 检查App ID和App Secret是否输入正确；
  2. 等待1-2分钟再重新保存长连接配置（网络延迟导致）；
  3. 执行openclaw gateway restart重启网关，再重新配置。

4. 聊天软件发送消息无回复

排查步骤：

  1. 执行openclaw status确认网关服务正常运行；
  2. 检查聊天软件应用的事件订阅是否添加im.message.receive_v1；
  3. 确认应用已在飞书开放平台发布（未发布无法收发消息）；
  4. 查看网关日志：openclaw gateway --verbose，定位错误原因。

5. 国内网络下载依赖卡顿/失败

解决：

  1. 配置国内npm镜像：npm config set registry https://registry.npmmirror.com；
  2. 使用代理工具，或手动下载离线安装包进行安装。

七、进阶优化（可选）

  1. 本地模型部署：修改.env文件中的MODEL_PROVIDER和API_KEY，支持本地运行Llama、Qwen等模型，完全脱离外网。
  2. 权限限制：在config.json中设置allowed_commands和denied_commands，禁止机器人执行危险shell命令，提升安全性。

Docker部署：适合需要7×24小时运行的用户，容器化部署更稳定：

git clone https://github.com/openclaw/openclaw.git cd openclaw docker compose up -d openclaw-gateway

汉化适配：国内用户建议安装社区汉化版，优化微信/企业微信支持：

npminstall-g openclaw-cn@latest

八、注意事项

  1. 隐私安全：OpenClaw默认本地部署，数据不上传，但建议不要在装有重要商业/隐私数据的电脑上运行，可使用闲置设备或云端虚拟机（VPS）；
  2. 版本兼容：避免使用最新版（官方频繁更新易出问题），新手建议安装稳定版：npm install -g [email protected]（替换为实际稳定版本号）；
  3. 服务保活：本地部署时，关闭终端/PowerShell会导致网关服务停止，可使用pm2等工具实现后台保活。

原文链接：https://www.cnblogs.com/seozimt/p/19634519

Read more

法奥机器人ROS2环境搭建

法奥机器人ROS2环境搭建

目录 第一章  SDK文件准备    1.1  机器人软件版本查看  第二章 测试平台搭建 2.1虚拟平台安装                     2.1.1虚拟机安装              2.1.2ubuntu 的安装 第三章 软件环境搭建         3.1  vscode安装 3.2vscode插件安装 3.3  ROS 及环境变量配置 3.1.1 Ros2-humble版本 安装 3.1.2  Ros-control版本安装 3.1.3   Moveit2版本安装 第四章  插件包导入及插件测试         4.1 MOVEIT2插件包导入 4.2 RVIZ 仿真操作简介
【大模型科普】AIGC技术发展与应用实践（一文读懂AIGC）

【大模型科普】AIGC技术发展与应用实践（一文读懂AIGC）

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能（AI）通过算法模拟人类智能，利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络（如ChatGPT），经海量数据训练后能完成文本生成、图像创作等复杂任务，显著提升效率，但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合，未来需平衡技术创新与伦理风险，推动可持续发展。 文章目录 * 一、AIGC概述 * （一）什么是AIGC * （二）AIGC与大模型的关系 * （三）常见的AIGC应用场景 * （四）AIGC技术对行业发展的影响 * （五）AIGC技术对职业发展的影响 * （六）常见的AIGC大模型工具 * （七）AIGC大模型的提示词 * 二、文本类AIGC应用实践 * （一）案例1：与DeepSeek进行对话 * （二）案例2：与百度文心一言进行对话 * （三）案例3：使用讯飞智文生成PPT

Llama Factory成本效益分析：企业级微调投入产出比

Llama Factory成本效益分析：企业级微调投入产出比 想用大模型解决自家业务问题，但一听到“微调”两个字，很多技术负责人就头疼。自己搭环境、写代码、调参数，不仅周期长，对团队技术要求高，最后算下来，人力、算力、时间成本可能远超预期，投入产出比（ROI）成了一笔糊涂账。 有没有一种方法，能让企业像搭积木一样，低成本、高效率地定制自己的专属大模型？Llama Factory的出现，正在让这个想法变成现实。它把复杂的模型微调过程，变成了一个可视化的“工厂流水线”。今天，我们就来算一笔账：使用Llama Factory进行企业级模型微调，到底能省多少钱、提多少效？它的真实投入产出比如何？ 1. 传统企业微调：一笔昂贵的“技术债” 在深入分析Llama Factory之前，我们得先看看，如果不使用它，企业通常会面临哪些成本和挑战。 1.1 显性成本：看得见的资金消耗

AI绘画R18提示词实战指南：从基础原理到安全实践

快速体验 在开始今天关于 AI绘画R18提示词实战指南：从基础原理到安全实践 的探讨之前，我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来，但作为开发者，如何将大模型（LLM）真正落地为一个低延迟、可交互的实时系统，而不仅仅是调个 API？ 这里有一个非常硬核的动手实验：基于火山引擎豆包大模型，从零搭建一个实时语音通话应用。它不是简单的问答，而是需要你亲手打通 ASR（语音识别）→ LLM（大脑思考）→ TTS（语音合成）的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说，这是个绝佳的练手项目。 从0到1构建生产级别应用，脱离Demo，点击打开 从0打造个人豆包实时通话AI动手实验 AI绘画R18提示词实战指南：从基础原理到安全实践 背景痛点分析 1. 伦理风险与合规挑战 在AI绘画领域，R18内容创作面临着多重挑战。平台审核机制日益严格，违规内容可能导致账号封禁甚至法律风险。同时，不同地区对数字内容的法律界定存在差异，开发者需要特别注意合规边界。