小龙虾 OpenClaw 安装教程:从零到能干的 AI 助手

一、OpenClaw 是什么?

OpenClaw(社区俗称「小龙虾」)是一款可本地/自建的开源 AI 助手,特点是「能干活」:除对话外,支持浏览器自动化、桌面控制、向量记忆、定时任务等,并可通过 Gateway 接入微信、飞书、Telegram、Discord 等渠道。技术栈以 Node.js 为核心,适合作为「AI + 自动化 + 多端接入」的练手或生产项目。

本文以学习 + AI + 前端为场景,手把手带你完成安装与第一次配置。


二、安装前准备

2.1 系统与硬件

  • 系统:Windows 10/11、macOS 12+(推荐 14+)、或 Linux(如 Ubuntu 20.04+、Debian 11+)
  • 内存:至少 2GB,推荐 4GB 以上
  • 磁盘:预留约 500MB
  • 网络:需要联网(调用各类 AI API)

2.2 必装环境:Node.js

OpenClaw 依赖 Node.js 22 或更高版本(推荐 LTS)。若未安装:

或用 nvm 管理多版本:

# 安装并切换到 Node 22 nvm install22 nvm use 22

安装后验证:

node-v# 应 >= v22.x.xnpm-v

2.3 准备一个 AI API Key(必选)

OpenClaw 本身免费,但需要接入一家 AI 服务商的 API:

  • 新手推荐MiniMax — 国内直连、可免费试用约 7 天,无需信用卡
  • 其他可选:Claude、GPT、DeepSeek、通义等(按官方文档配置对应 Key 即可)

先到所选平台注册账号,在控制台里拿到 API Key,安装完成后在配置向导里填入。


三、安装方式(任选其一)

方式一:一键脚本(最省事)

Windows(PowerShell,以管理员身份运行):

iwr-useb https://clawd.org.cn/install.ps1 -OutFile install.ps1;./install.ps1 

macOS / Linux:

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

也可使用带参数的安装(例如指定 git 方式):

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

脚本会自动处理依赖,一般 3~5 分钟即可完成。


方式二:npm / pnpm 全局安装(适合前端同学)

已熟悉 Node 生态的话,可以直接:

npminstall-g openclaw # 或使用 pnpm(推荐)pnpmadd-g openclaw@beta 

安装完成后,在终端输入 openclawclaw 应能识别。


方式三:从源码安装(适合想改代码、学架构的前端)

git clone https://github.com/openclaw/openclaw.git cd openclaw pnpminstallpnpm build 

之后可通过项目内的 CLI 或脚本启动,便于阅读和二次开发。


方式四:Docker 部署(适合有容器经验的)

docker pull openclaw/openclaw:latest docker run -d--name openclaw -p3000:3000 -v ~/.openclaw:/root/.openclaw openclaw/openclaw:latest 

按需把端口 3000 改成你本机未被占用的端口。


四、第一次配置:openclaw onboard

安装完成后,务必先跑一遍配置向导

openclaw onboard 

(若使用源码安装,可能是 pnpm run onboard 或项目内提供的等效命令,以仓库说明为准。)

向导会引导你:

  1. 选择 AI 模型 / 供应商(如 MiniMax、Claude、DeepSeek 等)
  2. 填写 API Key(上一步准备好的)
  3. 选择聊天平台(如微信、飞书、Telegram 等,可先不选,后续再配)
  4. Gateway 等高级选项(一般默认即可)

配置会写入 ~/.openclaw/(Windows 一般在用户目录下的 .openclaw),之后可手动编辑同一目录下的配置文件做进阶调整。


五、验证安装是否成功

在终端执行:

openclaw --version# 查看版本 openclaw doctor # 环境与依赖自检

doctor 通过,说明环境正常。接下来可启动本地 Web 界面或对接聊天平台。


六、启动与使用

6.1 Web 界面(前端/学习最直观)

很多安装方式会默认启动 Web 服务,或提供类似命令:

openclaw start # 或按文档说明启动 Web

浏览器访问:http://127.0.0.1:18789/(端口以实际文档为准,常见 18789 或 3000)。
在这里可以直接和 OpenClaw 对话,并体验「浏览器操作」「电脑控制」等能力,对前端同学理解「AI + 前端」交互非常直观。

6.2 安装「技能」模块(可选)

按需安装官方/社区技能,例如:

claw install browser # 浏览器操作 claw install desktop-control # 电脑控制 claw install vector-memory # 记忆系统 claw install auto-updater # 自动更新

装好后在 Web 或聊天平台里即可使用对应能力。

6.3 接入微信 / 飞书 / Telegram

openclaw onboard 或配置文件中按文档填写对应平台的 Token/密钥,即可在聊天软件里和同一只「小龙虾」对话,实现「多端一个助手」。


七、学习与前端向的小建议

  1. 先 Web 再聊天:先把 Web 界面玩熟,再接微信/飞书,更容易理解「对话 → 任务 → 执行」的流程。
  2. 看源码:若你偏前端,可 clone 官方仓库,从 Web UI 和技能插件的代码看起,对理解 AI 产品形态很有帮助。
  3. 成本:软件免费,主要成本是 AI API 调用费;MiniMax 等有免费额度,适合练手和做小项目。
  4. 遇到问题:优先查 OpenClaw 官方文档、GitHub Issues 和社区教程(如 53AI、ZEEKLOG、SegmentFault 上的「OpenClaw 安装」文章)。

八、小结

步骤动作
1. 环境安装 Node.js 22+,准备一个 AI API Key
2. 安装一键脚本 / npm 全局 / 源码 / Docker 任选
3. 配置执行 openclaw onboard 选模型、填 Key
4. 验证openclaw doctoropenclaw --version
5. 使用浏览器打开 Web 地址,或接入微信/飞书等

按上述流程走一遍,你就能在本地拥有一个「能干活的」小龙虾 OpenClaw,非常适合作为 学习 AI + 前端 的实战入口。


Read more

AI风口劝退指南:为什么99%的普通人不该盲目追AI?理性入局的完整路径与实战建议(2026深度解析)

AI风口劝退指南:为什么99%的普通人不该盲目追AI?理性入局的完整路径与实战建议(2026深度解析) 摘要: 2026年,AI大模型热潮持续升温,但“全民学AI”的背后,是大量非科班、无基础、资源匮乏者陷入时间、金钱与心理的三重亏损。本文从认知偏差、能力错配、资源垄断、职业断层、教育泡沫五大维度,系统剖析为何多数人不应盲目追逐AI风口,并提供一条分阶段、可落地、高性价比的理性参与路径。全文包含技术原理详解、真实失败案例、实用代码示例、调试技巧及职业规划建议,全文约9800字,适合所有对AI感兴趣但尚未入局、或已深陷焦虑的技术爱好者阅读。 一、引言:当“AI=财富自由”成为时代幻觉 2026年3月,某技术论坛上一则帖子引发广泛共鸣: “辞职三个月,每天16小时啃《深度学习》《Attention Is All You Need》,结果连Hugging Face的Trainer都配置失败。存款耗尽,

By Ne0inhk
AI Agent 面试八股文100问:大模型智能体高频考点全解析(附分类指南和简历模板)

AI Agent 面试八股文100问:大模型智能体高频考点全解析(附分类指南和简历模板)

AI Agent 面试八股文100问:大模型智能体高频考点全解析(附分类指南和简历模板) 如果你对学成归来的简历没有概念,可以看看以下的模板先,毕竟先看清眼前的路,比奔跑更重要: 最终的AI Agent简历模板,点我跳转! 适用人群:LLM Agent、RAG、AutoGPT、LangChain、Function Calling 等方向的求职者与开发者 随着大模型技术的飞速演进,AI Agent(智能体) 已成为工业界和学术界共同关注的焦点。无论是 AutoGPT、LangChain 还是 LlamaIndex,背后都离不开对 Agent 架构、推理机制、工具调用等核心能力的深入理解。 本文系统整理了 AI Agent 方向的 100 道高频面试问题,覆盖 基础概念、架构设计、推理决策、工具调用、记忆管理、评估方法、安全对齐、

By Ne0inhk
Flutter / iOS 迁移鸿蒙 ArkUI 的真实成本

Flutter / iOS 迁移鸿蒙 ArkUI 的真实成本

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名) 大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。 我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案, 在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。 技术方向:前端 / 跨端 / 小程序 / 移动端工程化 内容平台:掘金、知乎、ZEEKLOG、简书 创作特点:实战导向、源码拆解、少空谈多落地 文章状态:长期稳定更新,大量原创输出 我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、

By Ne0inhk

Linux下运行目标检测yolo26步骤(包含环境配置+模型运行)

q 话不多说直接上步骤;最终目的就是在全新的电脑上安装和使用Pytorch ,在GPU上训练YOLO26 1.确保安装NVIDIA 驱动 < nvidia-smi >    如果知道显卡类型(RTX 5090 )下载 NVIDIA 官方驱动 | NVIDIA 官网直接下载驱动      若不清楚,运行以下命令查看显卡类型  lspci | grep -i nvidia 输出如下内容,其中 Device  2b87 代表设备号  01:00.0 VGA compatible controller: NVIDIA Corporation Device 2b87 (rev a1) 01:00.1 Audio device: NVIDIA Corporation Device 22e8

By Ne0inhk