其实没那么难，就是下载、安装、配置，然后它就能陪我聊天了。

一、为什么选 OpenClaw？

最近一直在用各类 AI 工具，从 GitHub Copilot 到 Cursor，再到 Claude Code。 但总感觉少点什么——这些工具要么太贵，要么不够自由，要么就是云端服务，数据不由自己掌握。

然后我发现了 OpenClaw。

它是腾讯开源的一个 AI 助理框架，可以本地部署，可以用微信对接，还能自己写小插件（他们叫「小兵」）。

最重要的是——开源、免费、可定制。

正好家里有台闲置的旧电脑（i3-6100 / 8GB RAM / 集成显卡），性能一般，但跑个轻量 AI 助手应该够了。

于是，折腾开始了。

二、准备工作：旧电脑重装系统

这台电脑之前装了不少乱七八糟的软件，干脆格式化重装。

步骤：
1. 下载 Windows 11 镜像（微软官网提供下载工具）
2. 制作启动 U 盘（用 Rufus）
3. 全新安装，只保留必要的驱动程序

重装后，系统干净了，速度也快了不少。

三、安装基础开发环境

OpenClaw 依赖 Node.js 和 Git，所以先装这些：

1. Node.js

去 nodejs.org 下载 LTS 版本（当前是 24.14.0）。 安装时勾选「自动安装必要工具」，这样 npm 和 npx 都会一起装好。

node --version npm --version

2. Git

去 git-scm.com 下载安装。 一路默认，不用改配置。

3. Visual Studio Code

虽然命令行也能干活，但有编辑器方便很多。 下载安装 VSCode，顺手装几个常用插件：

- Chinese (Simplified) 中文包 - Prettier 代码格式化 - GitLens Git 增强

四、下载 OpenClaw

OpenClaw 的代码在 GitHub 上，用 Git 拉下来：

git clone https://github.com/open-claw/openclaw-main.git

这会创建一个 openclaw-main 文件夹。

注意：国内拉 GitHub 可能慢，可以挂代理，或者用 Gitee 镜像（如果有的话）。

五、本地模型还是云端 API？

这是关键选择。

本地模型：数据安全，完全离线，但需要算力。
云端 API：速度快，模型新，但要联网、有费用。

我两种都试了：

尝试本地模型（失败）

1. 下载了 Qwen2.5-3B 模型（1.8GB） 2. 用 llama.cpp 启动本地 API 3. 结果：太慢了，i3-6100 跑起来像拖拉机，等一句回复要 30 秒以上

放弃。

改用云端 API（成功）

选了 DeepSeek Chat，理由：

- 免费额度足够个人用 - 速度快，质量好 - API 格式和 OpenAI 兼容，配置简单

去 DeepSeek 官网 注册账号，获取 API Key。

六、配置 OpenClaw

OpenClaw 的配置文件在 ~/.openclaw/openclaw.json。

打开这个文件（或创建它），填写：

{   "model": "deepseek-chat",   "apiKey": "你的 DeepSeek API Key",   "baseURL": "https://api.deepseek.com/v1" }

这样就完成了基础配置。

七、启动 Gateway

OpenClaw 需要一个 Gateway 来中转通信。

在终端里进入 openclaw-main 目录，运行：

npx openclaw gateway --dev

你会看到类似这样的输出：

listening on ws://127.0.0.1:18789

Gateway 启动了，在本地 18789 端口监听。

八、网页访问

打开浏览器，访问：

http://127.0.0.1:18789?token=[自己的token]

注意：这个 token 是开发模式自动生成的，每次启动可能不同，看终端输出就行。

进去后就是一个聊天界面，可以开始对话了。

九、微信对接（可选）

如果你想让 AI 助手通过微信和你聊天，可以配置 wechatkfProxy。

这需要：

1. 注册微信客服号（免费） 2. 配置回调 URL 3. 在 Gateway 里启用微信插件

步骤稍多，但官方文档写得很清楚，照着做 10 分钟就能搞定。

我现在就是通过微信和它聊天的——手机发消息，电脑上的 OpenClaw 回复，无缝衔接。

十、创建「小兵」插件

OpenClaw 最有趣的功能是「小兵」体系。 你可以为特定任务创建专门的 AI 助手。

我建了两个小兵：

1. 发票合规审核小兵

输入发票图片，自动检查金额、日期、乘车人信息，输出合规报告。 触发词：「报销审核」

2. PPT 制作小兵

输入文档，自动生成专业水准的 PPT（对标 Google NotebookLM）。 还在优化中，目标是「一眼高级」。

小兵的本质是一个 Skill 包，包含：

- `SKILL.md` 技能描述 - `prompt.md` 提示词模板 - 可选的 Python 脚本（用于处理文件、调用 API）

十一、遇到的问题与解决

问题1：本地模型跑不动

解决：放弃本地，改用云端 API。旧电脑算力有限，别硬扛。

问题2：微信回调配置失败

解决：检查防火墙，确保 18789 端口可访问；用 ngrok 做内网穿透测试。

问题3：记忆不持久

解决：配置记忆文件（~/.workbuddy/memory/），AI 每次启动会读取之前的对话记录。

问题4：自动化任务不触发

解决：WorkBuddy 客户端需要保持运行，电脑休眠/关机时任务会跳过。

十二、现在它能做什么？

目前这个 OpenClaw 助手（我给它起名叫「蟹蟹」）能：

1. 日常聊天（比如讨论 AI 趋势、吐槽产品设计） 2. 任务执行（写代码、做 PPT、整理文件） 3. 自动化（每天 9 点推送 AI 早报） 4. 专业审核（发票合规检查） 5. 学习记忆（记住我的偏好和工作习惯）

它就像一个24小时在线的数字秘书，不拿工资，不会抱怨，随叫随到。

十三、资源链接

• OpenClaw GitHub
• DeepSeek API
• 微信客服号注册
• WorkBuddy 文档

十四、最后的话

折腾这一圈，最大的感受是：

AI 工具的门槛正在快速降低。

三年前，部署一个本地 AI 助手需要专业的 ML 知识、昂贵的 GPU、复杂的运维。 现在，一台旧电脑 + 开源代码 + 云端 API，普通人花一下午就能搞定。

这背后是开源社区的贡献、云服务的普及、模型的小型化。

技术民主化，正在发生。

而你，也可以试试。

下一篇预告： 《我是怎么让 AI 助手每天给我推早报的？—— 自动化配置全记录》