QClaw 本地 AI 助手实战指南

QClaw 的做法是把微信变成控制入口。在路上发一条微信，本地的 AI 开始处理，完成后直接把结果发回微信。你不需要打开电脑，不需要切 App。等地铁的时候发出去，回到办公室任务已经有了。

这不是「AI 接入微信聊天」，而是「微信成了控制本地 AI 的遥控器」。用过一次就知道这两句话的差距有多大。

而且不只是微信。QClaw 的远控通道支持一整排平台：微信、企业微信、QQ、飞书、钉钉、微信客服号，扫码或填入 App ID 和 Secret 即可绑定。团队用企业微信的、公司统一用钉钉的、个人习惯飞书的，都能直接在各自熟悉的工具里和 QClaw 对话，不需要再装别的东西。

接入自定义模型：你的 API 你做主

QClaw 内置了国产大模型，默认状态下直接可用。但它同时完全开放了模型接入口，支持任何兼容 OpenAI 格式的第三方模型 (稍微懂点原理，默认 UI 界面不支持配置，只有部分 coding plan)。

接入方式简单得出乎意料——直接用中文告诉它就行：

帮我接入一个模型，格式符合 OpenAI，地址是 xxx，密钥是 sk-xxx，模型用 gpt-4.5。

QClaw 会自动写入配置文件、重启 Gateway，然后告诉你接入完成、默认模型已切换。之后的对话直接跑新模型，不需要你动任何配置文件。

这个能力对几类人特别关键：公司有自己私有部署模型不想数据出去的；已经买了某家 API 不想重复付费的；想对比不同模型效果的；需要接入国产模型的。QClaw 不绑你用某个特定模型，而是帮你把任何模型用顺手。

如果你习惯直接改配置文件，也可以绕过对话界面，直接编辑 ~/.qclaw/openclaw.json。QClaw 的所有模型配置都存在这里——每个 provider 的 baseUrl、apiKey、模型列表，甚至 reasoning 开关都明文写在这个 JSON 里。改完保存，重启生效。目录里还有几个 .bak 备份文件，QClaw 每次改配置前都会自动备份一份，改坏了直接还原就行。

Skills 插件：能力边界一直在扩

OpenClaw 生态有一个叫 ClawHub 的技能市场，已经有 100 多个 Skills 可以安装，覆盖网页搜索、文件处理、浏览器自动化、GitHub 管理、Notion 同步、代码审查等各类场景。

在 QClaw 里安装 Skill 不需要任何技术操作，界面里直接装。装完之后 AI 自动识别，在合适的时机调用对应工具。

用下来的感受是，Skills 的数量积累到一定程度之后，AI 的能力会有一个质的变化。它不再只是回答问题，而是真的能替你跑任务——搜索 + 整理 + 写入文件 + 推送到微信，一条链路打通。Skills 安装得越多，它能处理的任务范围就越广，这是一个正向积累的过程。

角色系统：不是换个语气，是换个工作模式

很多 AI 工具都有「人设切换」，让它扮演严肃分析师或者温柔助手。这类功能大多数情况下流于形式，换的是说话腔调，工作逻辑没变。

QClaw 的角色系统解决的是另一个问题：不同项目、不同任务类型，需要不同的工作逻辑。

举个例子，你可以给某个项目绑定一个「项目军师」角色，职责是梳理需求、拆解路线、写方案、做决策建议、控节奏。绑定之后，AI 在这个项目的上下文里就始终以这套方式工作，不会跑偏到别的模式。

同理，你可以设定专门处理文件的角色、专门审代码的角色、专门写方案的角色。同一个 AI，绑定不同角色之后，输出的质量和针对性是有实质差异的。

这比语气切换实用得多。需要的不是一个会说软话的 AI，而是一个在特定上下文里能持续发力的工作搭档。

定时任务：让 AI 主动替你干活

大多数 AI 工具是被动的——你问，它答；你不问，什么都不发生。QClaw 的定时任务打破了这个模式。

用自然语言直接创建任务，比如：

• 「设置每日 8:00 自动抓取今日 AI 科技热点，整理成简报发给我」
• 「提醒我喝水，每日 10:00 执行，从今天开始持续生效」
• 「每天推送当天最新 10 条科技新闻，每条总结要精简」

这不是日历提醒，是真正的自动化任务。任务触发时，AI 自动联网搜索、整理内容，然后推送到你的微信。你开会的时候它在跑，你睡觉的时候它在跑，你不在电脑旁的时候它还在跑。

「灵感广场」里还有一批现成的任务模板，比如热点资讯自动汇总、懒人出游规划等，不用自己想任务怎么描述，直接套用就行。

创建一个每天早上 8 点推送 AI 科技简报的任务，只需要说一句中文。QClaw 会自动生成 cron 表达式 0 8 * * *，时区设定为 Asia/Shanghai，会话模式设为 isolated（隔离运行，不污染主对话），全程不需要你手动填任何参数。

任务配置文件的实际内容长这样——job id、名称、cron 表达式、时区、会话模式，都自动生成好了。

整套定时任务系统跑在本地，不依赖云端服务器，任务数据不上传，执行结果也不经过第三方。

它是怎么「记住你」的

这是整个产品里我觉得设计最用心的部分。

QClaw 的工作空间里有一套结构化的 Markdown 文件系统，AI 用这套文件来维持跨对话的记忆：

• AGENTS.md：总工作守则，规定每次开工先读什么、什么能直接做、什么要先问你、记忆该写到哪里
• SOUL.md：性格和气质设定，定义说话风格、观点表达方式、隐私边界
• IDENTITY.md：名字和人设，初始化时你们协商的内容
• USER.md：你的档案，记录偏好、习惯、长期上下文
• MEMORY.md：长期记忆，从日常对话中提炼出值得长期保留的内容
• memory/YYYY-MM-DD.md：每日记忆日志，记录当天做了什么、遇到什么问题、做了哪些决定

QClaw 自己把这套系统描述为「AI 助手的内脏系统」：SOUL.md 是性格，IDENTITY.md 是名字和人设，USER.md 是你的档案，MEMORY.md 是它的长期记忆。

这个比喻很准。普通 AI 工具每次对话都是从零开始，没有积累。QClaw 记得你上次说不喜欢废话，记得你正在做的项目，记得你的工作节奏和决策习惯。用的时间越长，它越懂你——这才是「个人 AI 助手」这个词应该有的含义。

本地跑意味着什么

QClaw 的「本地部署」不只是一个技术参数，它在实际使用中有两层含义。

第一层是数据不出门。你的文件、对话记录、记忆文件全部留在自己电脑上，不上传到任何服务器。处理敏感商业信息、内部文档的人，这是硬需求。

第二层是真正的系统控制权。因为运行在本地，QClaw 可以直接操作你的文件系统、调用本地应用、执行脚本，而不是只能在沙盒对话框里回答问题。这让它从「智能问答工具」变成了「能干活的本地 AI 员工」。

适合什么人用

以下几类人会觉得 QClaw 非常顺手：

需要长期用 AI 辅助工作的人。 不是偶尔问个问题，而是把 AI 深度嵌入日常流程。这类人对「每次都要重新解释背景」这个问题深有体会，QClaw 的持久记忆直接解决了这个痛点。

经常移动办公的人。 在手机微信上触发本地 AI 任务，这个能力对经常出差、开会、不在电脑前的人有实际价值。

有数据安全顾虑的人。 本地部署加上自定义模型接入，数据流向完全可控。

想自动化重复性信息工作的人。 定时资讯摘要、自动整理内容、定时提醒——以前要靠 RPA 工具或自己写脚本，现在说一句中文就能搞定。

最后

OpenClaw 的爆发让整个 AI 代理方向的逻辑变得更清晰：模型本身在商品化，谁能把模型的能力真正接入你的日常工作流，谁才有长期价值。QClaw 选择的路径是——住在你电脑里，认识你，记住你，主动替你干活，通过你最常用的 App 和你交互。

这条路不算新鲜，但把每个环节都做扎实的产品，现在还不多 (其实也不少了)。

龙虾的生态还在快速扩张，Skills 在增加，平台接入在增加，记忆系统在迭代。现在上手，赶上的是一个还在高速成长的早期阶段——对于愿意折腾的人来说，这个时间点进来挺合适的。