OpenClaw 部署-操作完整流程文档-文档–俗人六哥团队原创

一、软件介绍

---

Clawdbot（现已更名为 OpenClaw）是一款开源的自托管个人 AI 助手，它允许用户通过 WhatsApp、Telegram 等常用通讯软件远程控制自己的电脑执行任务。它不仅具备长期记忆，还能通过“插件技能”自主处理回复邮件、管理日程、甚至执行复杂的自动化脚本和代码操作，被誉为拥有“手”的 Claude。

• 官方网站：https://molt.bot
• 开源地址：https://github.com/moltbot/moltbot
• 案例分享：https://openclaw.ai/showcase
• 官方文档：https://docs.openclaw.ai/zh-CN

可以做的事情：

系统与文件管理	自动分类/整理文件夹中的杂乱文件；通过 Shell 执行复杂的命令行任务；读取本地文档并进行摘要或数据提取。
办公与效率	邮件自动化： 自动清理收件箱（曾有用户一天清理6000封）、起草和回复邮件；日程管理： 自动识别聊天内容并添加到日历，处理会议冲突。
网页自动化	浏览器接管： 代替你填写网页表单、抓取数据、登录已记录账号的网站进行操作（支持 Extension Relay 模式）。
主动与监控	Heartbeat 心跳机制： 主动向你推送消息。例如：监控股价波动、服务器宕机提醒、每日早晨发送当天的天气和日程简报。
第三方集成	连接 Notion、Trello、GitHub 等工具；控制 Philips Hue 等智能家居硬件；通过 WhatsApp/Telegram 远程操作电脑。[1]

优缺点：

优点	缺点
隐私可控： 软件本地运行，数据存储在本地 Markdown 文件中，不经过云端第三方服务器。	安全风险： 给予了 AI 极高的系统权限。如果下载了恶意的社区 Skills，可能会导致数据泄露或系统被控。
主动性强： 具备“心跳”机制，是少数能主动找用户沟通的 AI（Proactive），而非被动等待提问。	资源与成本： 运行 headless 浏览器非常吃内存；如果使用 Claude 等高端模型 API，Token 消耗成本较高。
全平台接入： 无需学习新界面，通过你最常用的 WhatsApp、Telegram 等通讯软件即可实现远程控制。	配置门槛： 虽然有“对话式配置”，但要实现复杂、稳定的自动化，仍需要一定的技术调试基础。
生态丰富： 社区已贡献 500+ 个开源技能，功能扩展极快。	不稳定性： AI 偶尔会误解指令或陷入死循环，执行关键任务时需要人工二次确认。

二、软件安装

---

【1】Windows系统

1. 开启WSL 2（Linux子系统）

在 Windows 中安装 Clawdbot，官方强烈建议使用 WSL2。Clawdbot 的核心功能和许多“技能”（Skills，如浏览器自动化、Shell 执行等）是在 Linux 环境下开发的。在原生 Windows 环境下，可能会遇到文件权限、路径识别或部分插件无法运行的问题。

使用命令检查电脑是否安装wsl，方式：win+r打开运行窗口，输入cmd回车，在命令行窗口中输入wsl --list --verbose，如下图所示，就是已经安装，并且正在运行。

NAME

：列出了已安装的Linux发行版的名称。
STATE：显示了每个发行版的当前状态。在这个例子中，docker-desktop 处于 Running 状态，意味着它正在运行。
VERSION：显示了每个发行版的版本号。在这个例子中，docker-desktop 的版本是 2。

如果显示的不是如上图所示，那么就执行wsl --install来安装wsl，注意安装过程要开启VPN，，如下图所示就是正在下载：

如果执行下载命令没有下载，则应该会出现下面两种情况，分别是左图和右图。下面我会分情况解决。

【1】左图的解决方法：

以管理员身份运行 PowerShell，分别执行以下2个命令来启用 WSL 功能：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

然后执行以下命令设置 WSL 2 作为默认版本：

wsl --set-default-version 2

完成上述步骤后再回到前面执行下载命令。

【2】右图的解决方法：

开启虚拟机平台：

启用CPU虚拟化：

重启电脑，在电脑即将重启的时候按下delete键（也可能是f11或esc）打开主板BIOS，然后找到：高级-cpu设置-虚拟化，开启此选项即可。英特尔处理器和amd处理器开启位置不同。

---

1. 安装Phthon

访问官网：Download Python，点击Or get the standalone installer for Python 3.14.3下载phthon安装包。双击下载的 .exe 文件进行安装，

• 选择安装选项：Install Now：默认安装（推荐新手）
• 勾选 “Add Python to PATH”（将 Python 添加到环境变量，这样可以在任何位置使用 Python）

验证安装：

安装完成后，按 Win + R，输入 cmd 打开命令提示符，然后输入以下命令（分次执行），显示版本号即成功。

python --version

---

1. 安装Node.Js

官网下载：https://nodejs.org/zh-cn/，安装LTS 版本（长期支持版）：推荐生产环境使用 。双击下载的 .msi 文件直接安装，注意勾选 "Automatically install the necessary tools"（会自动安装 Chocolatey 和必要的构建工具），并且确保 "Add to PATH" 被选中。

验证安装：

安装完成后，按 Win + R，输入 cmd 打开命令提示符，然后输入以下命令（分次执行），显示版本号即成功。

node -v
npm -v

成功之后我们需要 “放行Node.js”，管理员打开PowerShell ，执行以下命令，此时系统会问你是否要更改执行策略，请输入 A （代表“全是”），然后按 回车。

Set-ExecutionPolicy RemoteSigned

---

1. 运行 OpenClaw安装脚本

在Windows电脑上以管理员身份打开终端（win+x→终端管理员），执行以下命令切换到国内加速源：

npm config set registry https://registry.npmmirror.com

注意：这行命令执行后通常不会有任何提示，直接跳出新的一行就是成功了。然后执行以下命令安装OpenClaw：

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

如下图所示就是安装成功，开始进行配置（键盘方向键选择选项，回车键确定）：

1. 图1：风险告知选项，选择yes
2. 图2：模型服务商选择，你可以先选择qwen模型，目前可以免费使用（每天2000次），
3. 图3：选择Qwen OAuth，回车之后你的浏览器会自动打开登录页面，点击授权即可。授权之后回到终端。
4. 图4：直接按回车选择第一个 Keep current (qwen-portal/coder-model)。

1. 图1：选择连接到的通信软件，因为是国外的，可以直接选择最后一个跳过。
2. 图2：配置skills技能，选择yes
3. 图3：选择需要安装的skills技能，下键选择，空格选中，
4. 图4：apik设置，直接选no，

记忆能力选项，全部选中，回车

界面设置，选择web Ui，回车。

此时电脑会打开另外一个终端（原来的终端可以关闭），并且浏览器会自动打开对话窗口，此时就已经安装完成。

【2】macos/Linux系统

执行以下代码：

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

【3】常用的命令

重新配置：openclaw onboard
启动运行：openclaw gateway

【4】软件卸载

执行官方卸载命令，打开CMD输入以下命令回车，图1是卸载组件选择，默认即可，直接回车，图3即是卸载完成。

openclaw uninstall

清理剩余CLI文件，输入以下命令回车

npm uninstall -g openclaw

---

三、配置大模型

OpenClaw 采用“本地优先+多源路由”架构，支持以下四大类模型：

1. 顶尖云端模型（通过 API 或订阅接入）：
1. Anthropic 系列： Claude 4.5 Opus (推荐作为核心脑)、Sonnet、Haiku。
2. OpenAI 系列： GPT-5 (包括 Nano/Pro/Max 系列)、GPT-4o、o3-mini。
3. Google 系列： Gemini 2.0 Pro/Flash。
2. 国产主流模型（通过原生插件或百炼平台接入）：
1. 阿里云千问： Qwen3 系列、QwQ (推理增强版)、Qwen-Coder 2.5。
2. 月之暗面： Kimi K2.5（特别是新推出的 Kimi Claw 云端集成版）。
3. 其他： DeepSeek-V3、MiniMax M2.5、智谱 GLM-5。
3. 聚合服务商（适合“一站式”管理）：
1. OpenRouter： 支持调用数百种模型，包含大量免费模型。
2. Vercel AI Gateway： 适合开发者进行跨区域低延迟调用。
4. 本地运行模型（零代币成本）：
1. 通过 Ollama 或 LM Studio： 支持 Qwen3-Coder (7B/14B)、Llama 3.3、DeepSeek-R1-Distill 等。

【1】本地大模型（电脑显存至少16G）

首先你需要在电脑中安装ollama（自行安装），并且配置以下几种官方推荐的大模型。安装好之后先在ollama客户端对话一下，确保可以正确运行。

qwen3-coder、glm-4.7、gpt-0ss:20b、gpt-0ss:120b

然后我们打开openclaw根目录下的json文件，通过修改代码的方式去配置，如图所示，在C盘-用户-你的用户名-openclaw中找到openclaw.json文件，先复制一份作为备份。然后打开该文件，将里面的代码全部清空，然后粘贴下面我给你的代码，保存重启openclaw即可。

{
  "meta": {
    "lastTouchedVersion": "2026.2.6-3",
    "lastTouchedAt": "2026-02-26T02:50:32.088Z"
  },
  "wizard": {
    "lastRunAt": "2026-02-26T02:50:32.056Z",
    "lastRunVersion": "2026.2.6-3",
    "lastRunCommand": "onboard",
    "lastRunMode": "local"
  },
  "auth": {
    "profiles": {
      "qwen-portal:default": {
        "provider": "qwen-portal",
        "mode": "oauth"
      }
    }
  },
  "models": {
    "providers": {
      "qwen-portal": {
        "baseUrl": "https://portal.qwen.ai/v1",
        "apiKey": "qwen-oauth",
        "api": "openai-completions",
        "models": [
          {
            "id": "coder-model",
            "name": "Qwen Coder",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 128000,
            "maxTokens": 8192
          },
          {
            "id": "vision-model",
            "name": "Qwen Vision",
            "reasoning": false,
            "input": [
              "text",
              "image"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 128000,
            "maxTokens": 8192
          }
        ]
      },
      "ollama": {
        "baseUrl": "http://127.0.0.1:11434/v1",
        "apiKey": "123",
        "auth": "api-key",
        "api": "openai-completions",
        "authHeader": true,
        "models": [
          {
            "id": "gpt-oss:20b",
            "name": "gpt-oss:20b",
            "api": "openai-completions",
            "input": [
              "text"
            ],
            "contextWindow": 40000,
            "maxTokens": 40000,
            "compat": {
              "maxTokensField": "max_tokens"
            },
            "reasoning": false,
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/gpt-oss:20b"
      },
      "models": {
        "qwen-portal/coder-model": {
          "alias": "qwen"
        },
        "ollama/gpt-oss:20b": {
          "alias": "gpt-oss:20b"
        },
        "qwen-portal/vision-model": {},
        "openai/gpt-5.1-codex": {
          "alias": "GPT"
        },
        "qwen-plus": {}
      },
      "workspace": "C:\\Users\\13523\\.openclaw\\workspace",
      "compaction": {
        "mode": "safeguard"
      },
      "maxConcurrent": 4,
      "subagents": {
        "maxConcurrent": 8
      }
    }
  },
  "messages": {
    "ackReactionScope": "group-mentions"
  },
  "commands": {
    "native": "auto",
    "nativeSkills": "auto"
  },
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "loopback",
    "auth": {
      "mode": "token",
      "token": "2ede55152b22f31593c21f65851a0d7343e49936cd7b50e7"
    },
    "tailscale": {
      "mode": "off",
      "resetOnExit": false
    }
  },
  "plugins": {
    "entries": {
      "qwen-portal-auth": {
        "enabled": true
      }
    }
  }
}

注意，你需要把第70行和100行的模型改成你自己安装过的大模型，如果你也是gpt-oss20b就不用修改了。然后你在运行openclaw的时候，就会发现，默认的模型已经改成了本地大模型。右图所示。

想修改默认启动模型怎么办？：同样打开openclaw.json文件，找到第99行，修改默认启动的大模型。

如果你按照上面的操作无法成功，还可以让openclaw自动帮你设置，你只需要跟openclaw说：我的电脑中已经安装了ollama，请你帮我把openclaw的大模型修改为本地大模型。他就会自动帮你把所有的代码配置好。

【2】阿里云百炼

百炼的核心是自研的**通义千问（Qwen）**全系列，同时也集成了国内主流厂商的顶级模型，如 DeepSeek（深度求索）、GLM（智谱）、Kimi（月之暗面）、MiniMax 等。

方案 A：极致均衡型（首选推荐）

• 建议模型：qwen3.5-plus
• 理由： 它是 2026 年初发布的“全能王”。性能超过了前一代的 Max，响应速度极快，幻觉极低。阿里云对其进行了大幅降价，输入价格约 0.8元/百万 Token。

方案 B：省钱战神型（极低成本）

• 建议模型：deepseek-v3
• 理由：依然是价格屠夫，约 0.2-0.3元/百万 Token。在基础对话和简单逻辑上非常出色。在处理极其复杂的 OpenClaw 嵌套任务时，稳定性略逊于 Qwen3.5。

方案 C：复杂任务处理

• 建议模型：qwen3-max-thinking
• 理由： 只有在 qwen3.5-plus 报错或逻辑卡壳时，通过 OpenClaw 的配置回退到该模型。它能解决最难的逻辑坑。

如何开通最划算？

1. 领取新人礼包：百炼对新开通用户通常提供各模型 100万 – 500万 Token 的免费额度（有效期 90 天）。在 OpenClaw 初始测试阶段，这完全够用。
2. 订阅“Coding Plan”套餐：这是 2026 年最划算的方案。 阿里云针对 OpenClaw、Cursor 等工具推出了专用的 Coding Plan，通常采用固定月费制（例如几十元人民币/月），提供极高额度的 Qwen3.5 和 DeepSeek 调用权。
3. 利用“节省计划”（付费用户）：如果你调用量极大，可以在百炼控制台购买“AI 通用型节省计划”，类似手机话费套餐，最高可以获得 5 折左右的抵扣优惠。
4. 配置 OpenClaw 缓存（Cache）：在 OpenClaw 配置中开启上下文缓存（Context Caching）。阿里云百炼支持缓存抵扣，重复的系统提示词（System Prompt）最高可以减免 80% 的费用。

首先我们需要开通阿里云百炼服务，打开阿里云官网，在大模型菜单中选择百炼平台，然后鼠标悬停右上角头像，点击充值，先充值再使用，如果你是第一次用，可能还需要实名认证。

在阿里云百炼首页点击秘钥管理，新建一个apik，然后复制apik，后面会用到。

然后我们打开openclaw根目录下的json文件，通过修改代码的方式去配置，如图所示，在C盘-用户-你的用户名-openclaw中找到openclaw.json文件，先复制一份作为备份。然后打开该文件，将里面的代码全部清空，然后粘贴下面我给你的代码，找到第24行，替换你前面复制的apik，保存重启openclaw即可。

{
  "meta": {
    "lastTouchedVersion": "2026.2.6-3",
    "lastTouchedAt": "2026-02-26T02:50:32.088Z"
  },
  "wizard": {
    "lastRunAt": "2026-02-26T02:50:32.056Z",
    "lastRunVersion": "2026.2.6-3",
    "lastRunCommand": "onboard",
    "lastRunMode": "local"
  },
  "auth": {
    "profiles": {
      "qwen-portal:default": {
        "provider": "qwen-portal",
        "mode": "oauth"
      }
    }
  },
  "models": {
    "providers": {
      "bailian": {
        "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "apiKey": "这里替换成你申请的sk-开头的APIKEY",
        "api": "openai-completions",
        "auth": "api-key",
        "authHeader": true,
        "models": [
          {
            "id": "qwen-plus",
            "name": "Qwen Plus (Balanced)",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 128000,
            "maxTokens": 8192,
            "cost": { "input": 0.0008, "output": 0.002, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "qwen-max",
            "name": "Qwen Max (Power)",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 32000,
            "maxTokens": 8192,
            "cost": { "input": 0.02, "output": 0.06, "cacheRead": 0, "cacheWrite": 0 }
          }
        ]
      },
      "qwen-portal": {
        "baseUrl": "https://portal.qwen.ai/v1",
        "apiKey": "qwen-oauth",
        "api": "openai-completions",
        "models": [
          {
            "id": "coder-model",
            "name": "Qwen Coder",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 128000,
            "maxTokens": 8192
          },
          {
            "id": "vision-model",
            "name": "Qwen Vision",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 128000,
            "maxTokens": 8192
          }
        ]
      },
      "ollama": {
        "baseUrl": "http://127.0.0.1:11434/v1",
        "apiKey": "123",
        "auth": "api-key",
        "api": "openai-completions",
        "authHeader": true,
        "models": [
          {
            "id": "gpt-oss:20b",
            "name": "gpt-oss:20b",
            "api": "openai-completions",
            "input": ["text"],
            "contextWindow": 40000,
            "maxTokens": 40000,
            "compat": { "maxTokensField": "max_tokens" },
            "reasoning": false,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen-plus"
      },
      "models": {
        "bailian/qwen-plus": {
          "alias": "qwen"
        },
        "bailian/qwen-max": {
          "alias": "qwen-max"
        },
        "qwen-portal/coder-model": {
          "alias": "qwen-old"
        },
        "ollama/gpt-oss:20b": {
          "alias": "gpt-oss:20b"
        }
      },
      "workspace": "C:\\Users\\13523\\.openclaw\\workspace",
      "compaction": {
        "mode": "safeguard"
      },
      "maxConcurrent": 4,
      "subagents": {
        "maxConcurrent": 8
      }
    }
  },
  "messages": {
    "ackReactionScope": "group-mentions"
  },
  "commands": {
    "native": "auto",
    "nativeSkills": "auto"
  },
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "loopback",
    "auth": {
      "mode": "token",
      "token": "2ede55152b22f31593c21f65851a0d7343e49936cd7b50e7"
    },
    "tailscale": {
      "mode": "off",
      "resetOnExit": false
    }
  },
  "plugins": {
    "entries": {
      "qwen-portal-auth": {
        "enabled": true
      }
    }
  }
}

注意，代码中默认模型是qwen-plus，性价比比较高，你如果想要更换模型，请按照下面操作，首先在模型广场中找到你想要使用的模型，点击进去可以看到具体的价格。复制模型的名称，

修改json文件，分别是第30行左右，添加新模型（如图已经有两个，你只需要复制代码修改即可），第100行左右，同样添加新模型，注意，上面的默认模型要修改成你新添加的。

---

四、安装skills

在openclaw中安装第三方技能（skills）只需要在终端中输入以下代码即可，软件会自动下载技能到openclaw>workspace文件夹中，使用的就是标准的skills结构。以下推荐几个好用的skills网站：

• 社区技能库：https://github.com/VoltAgent/awesome-moltbot-skills
• ClawHub：https://www.clawhub.ai/skills
• skills.sh：https://skills.sh/
• Skillssmp：https://skillsmp.com/zh

推荐skills	安装命令	使用效果
浏览器自动化	控制浏览器是openclaw的原生功能，你只需要使用自然语言对话即可，他就会打开一个单独的浏览器实例，不会对你的正常账号产生干扰。
自动找技能解决问题	npx skills add https://github.com/vercel-labs/skills –skill find-skills	安装好之后这个技能之后，你就可以使用自然对话让openclaw自动寻找符合你需求的skills并安装。
主动代理agent，自我迭代升级技能

---

五、对接通信软件（远程控制）

【1】飞书

1、创建飞书应用

https://open.feishu.cn/app?lang=zh-CN

可以根据自己情况，开通对应的权限,可以选择导入的方式

点击批量导入

{
  "scopes": {
    "tenant": [
      "im:chat:read",
      "im:chat:update",
      "im:message.group_at_msg:readonly",
      "im:message.p2p_msg:readonly",
      "im:message.pins:read",
      "im:message.pins:write_only",
      "im:message.reactions:read",
      "im:message.reactions:write_only",
      "im:message:readonly",
      "im:message:recall",
      "im:message:send_as_bot",
      "im:message:send_multi_users",
      "im:message:send_sys_msg",
      "im:message:update",
      "im:resource"
    ],
    "user": [
      "contact:user.employee_id:readonly"
    ]
  }
}

Required Permissions  所需权限

Permission 许可	Scope 范围	Description 描述
contact:user.base:readonly	User info 用户信息	Get basic user information 获取基本用户信息
im:message	Messaging 信息传递	Send and receive messages 发送和接收消息
im:message.p2p_msg:readonly	DM	Read direct messages to bot 向机器人阅读私信
im:message.group_at_msg:readonly	Group 集团	Receive @mention messages in groups 分组接收@mention 消息
im:message:send_as_bot	Send 发送	Send messages as the bot 以机器人身份发送消息
im:resource	Media 媒体	Upload and download images/files 上传和下载图片/文件

Optional Permissions  可选权限

Permission 许可	Scope 范围	Description 描述
im:message.group_msg	Group 集团	Read all group messages (sensitive) 阅读所有群组消息（敏感）
im:message:readonly	Read 阅读	Get message history 获取消息记录
im:message:update	Edit 编辑	Update/edit sent messages 更新/编辑已发送的消息
im:message:recall	Recall 召回	Recall sent messages 召回已发送消息
im:message.reactions:read	Reactions 反响	View message reactions 查看消息反应

2、安装飞书插件

自动安装：帮我安装这个插件，命令是：clawdbot plugins install @m1heng-clawd/feishu

手动安装：clawdbot plugins install @m1heng-clawd/feishu

3、配置飞书应用

clawdbot config set channels.feishu.appId "cli_xxxxx"
clawdbot config set channels.feishu.appSecret "your_app_secret"
clawdbot config set channels.feishu.enabled true

4、配置事件

5、配置回调

选择长链接，点击保存

6、创建版本

创建完成点击发布就行了。

【2】WhatsApp

【3】Telegram

【4】Discord

---

六、使用案例

【案例1】：邮件自动管理

场景描述

企业主每天收到数百封邮件，大量时间浪费在筛选和回复上。用OpenClaw自动分类、起草回复、退订广告邮件。

配置步骤

1. 安装邮件技能：npx clawhub install himalaya-email
2. 配置IMAP/SMTP连接信息（服务器地址、用户名、密码或应用专用密码）
3. 在SOUL.md中添加邮件处理规则，例如：“客户邮件优先级最高、广告邮件直接退订、合作邮件转发给我”
4. 设置定时任务，每小时检查新邮件

效果展示

社区用户报告：两天内清理4,000+封邮件，分类准确率约90%，处理2,000封邮件的API调用费用约8美元。

【案例2】：自动/定时整理文件

【案例3】：客户消息自动回复

【案例4】：每日早报自动推送

---

七、错误排查

【1】网关令牌缺失

当你打开对话页面，出现以下的提示，就说明服务出现了错误，解决的方案也很简单。

先关闭openclaw服务，打开终端，运行：openclaw dashboard，然后就会出现秘钥。随后我们再次运行openclaw服务，打开Overview菜单，将秘钥填进去，点击连接即可。