本地部署 OpenClaw 使用体验

从安装到上手的完整体验

作为一个非技术背景的银行从业者，我在接触到 OpenClaw 之前，对”本地部署 AI 助手”这件事是既向往又畏惧的。

向往的是那种”完全掌控”的感觉——自己的数据、自己的配置、自己的工具链。畏惧的是网上流传的各种说法：什么”本地部署安全风险极高”、”需要深厚的 Linux 功底”、”配置文件看得人头大”等等。

但当我真正动手本地部署并使用 OpenClaw 将近一个月后，我想用这篇文章记录真实的体验：它远没有传说中那么”恐怖”，反而在很多方面让我很意外。

本文将从安装难度、安全性、自主性、Skill 推荐以及模型选择五个维度，分享一个普通用户的真实感受。

• • •

一、安装：高中英语水平就够了

1.1 我的技术背景

先交代一下我的情况：我在银行营运部工作，日常工作接触最多的是 Excel 表格和业务流程文档。虽然平时会用电脑，但绝非技术大牛。

Linux 命令？以前只听说过 cd 和 ls。Docker？从来没听过的名词。GitHub？我之前只认为那是技术大牛们用的平台。

在开始安装 OpenClaw 之前，我已经做好了安装两天的心理准备，然而，真正的安装过程完全颠覆了我的预期。

1.2 实际安装过程

OpenClaw 的官方文档是用英文写的，但这里的”英文”绝不是什么高深的技术论文，它更像是一本操作手册。语句简短、用词基础，基本上就是”Run this command”、”Edit this file”、”Restart the service”这样的表达。如果你高中英语能考及格，阅读这些文档完全没有障碍。

遇到不认识的单词怎么办？我的做法是：直接复制那段命令或说明，丢给千问或者元宝。这两个 AI 不仅会翻译，还会告诉我”这句话是什么意思””这个命令做了什么””接下来你应该怎么做”。

举个例子，文档里有一句：

curl -fsSL https://get.openclaw.ai | bash

我当时不认识 fsSL 这些参数，把整句话发给千问，它告诉我：”这是用 curl 下载安装脚本并执行，-f 表示出错时不显示错误页，-s 静默模式，-S 出错时显示错误，-L 跟随重定向。你只需要复制粘贴运行就行。”

你看，它不但翻译了，还解释了每个参数的作用，甚至还安慰我说”复制粘贴就行”。这种体验贯穿了整个安装过程。

1.3 安装时间

从打开文档到完成基础安装，我只花了大约 40 分钟。中间遇到的问题主要是：

• 某个依赖包没装 → 文档里写了安装命令，复制运行即可

• 配置文件里有个路径不知道怎么填 → 千问告诉我填默认路径就行

• 服务启动后怎么验证 → 文档里写了 openclaw status，运行后看到绿色的 Running 就放心了

整个过程中，我没有写过一行自己的代码，没有改过一个复杂的配置。所有的操作都可以归纳为三步：读文档→复制命令→粘贴运行。遇到不懂的，就问千问或元宝。

1.4 给新手的建议

如果你也想尝试，我的建议是：

1. 别被”本地部署”四个字吓到，它不等于”要自己写程序”

2. 准备两个 AI 助手，千问和元宝轮流用，有时候一个说得不清，另一个会补充

3. 跟着文档一步一步走，不要跳着看，文档的顺序就是最佳实践

4. 不懂就问 AI，不要自己猜。复制粘贴给 AI，比搜索引擎快得多，而且直接是答案，不像搜索引擎搜索出一堆文档

• • •

二、安全性：网上说的”恐怖”并不存在

安装完成后，我第一个关心的就是安全问题。毕竟这是一个在我自己电脑上运行的 AI 系统，它能访问什么？会不会泄露数据？有没有被攻击的风险？

网上确实有一些关于 OpenClaw 安全性的讨论，有些说法甚至让我犹豫了很久要不要继续。但实际使用下来，我发现它的安全设计比我想象的要周全得多。主要体现在以下三个方面：

2.1 系统级沙盒隔离

我使用的是 macOS 系统（Macmini4）。macOS 有一个天生的优势——沙盒机制。

简单来说，沙盒就是给每个应用画一个”圈”，应用只能在这个圈里活动，不能随意跑到圈外去碰其他东西。OpenClaw 在安装时会请求一些权限，比如访问某个文件夹，但它绝不会像某些恶意软件那样试图访问你的整个硬盘。

具体到我自己的体验：

• OpenClaw 的数据和配置都存在我指定的目录下（默认是 ~/.openclaw/）

• 它只能访问我明确授权的文件夹，比如我的工作区目录

• 它无法访问我的照片、钥匙串（Keychain）、或者其他应用的私有数据

• 即使我想让它访问某个敏感文件夹，系统也会弹窗问我”是否允许”

有一次，我让 OpenClaw 帮我整理桌面上的文件，它提示”无法访问 Desktop，请在配置中授权”。这就是沙盒机制在起作用——没有我的允许，它连桌面都进不去。

2.2 默认本地网关，无需暴露端口

很多人担心”本地部署”意味着要把端口开到公网上，让别人能访问到你的电脑。这个担心在 OpenClaw 上是多余的。

OpenClaw 的默认网关地址是 127.0.0.1，也就是本机回环地址。这个地址只有你自己的电脑能访问，外部网络根本连不上。换句话说，即使有人知道你在运行 OpenClaw，他也无法直接从互联网上访问你的实例。

那么，飞书和微信是怎么连接上的呢？答案是长连接（Long Polling / WebSocket）。

OpenClaw 作为客户端，主动连接飞书或微信的服务器，而不是等待外部连接进来。就像你的微信客户端主动连接腾讯服务器一样，数据通道是”从内到外”建立的，不需要你开放任何入站端口。

我在路由器上检查过连接记录，确实没有任何针对 OpenClaw 的入站连接。所有通信都是”我的电脑→外部服务器”这个方向。这对于没有公网 IP、或者不想折腾端口映射的普通用户来说，是非常友好的设计。

2.3 Skill 安装前的安全审计

OpenClaw 有一个我非常喜欢的安全机制——Skill 审计。

Skill 是 OpenClaw 的功能扩展模块，每个 Skill 本质上都是一段代码，就和手机的 App 或电脑上的软件一样。安装一个 Skill，就等于让这段代码在你的系统上运行。这听起来有点吓人，但 OpenClaw 在这里做了一个很聪明的设计。

当你尝试安装一个 Skill 时，系统会启动审计流程：

• 检查 Skill 的来源是否可信

• 分析 Skill 请求的权限范围

• 评估 Skill 是否会访问敏感数据或执行危险操作

• 如果风险较高，会明确提示用户并请求确认

我有一次尝试安装一个第三方的文件管理 Skill，系统在安装前弹出了审计警告：”该 Skill 请求访问整个文件系统，可能读取任意文件。是否继续？” 看到这个警告，我立刻取消了安装——因为我确实不需要一个文件管理器有”任意读取”的权限。

这个审计机制就像手机安装 App 时的权限提示，但比手机更严格。它会把风险摊开给你看，让你自己做决定。

2.4 安全性小结

总结来说，OpenClaw 的安全设计给了我三层信心：

1. 操作系统兜底——macOS 的沙盒限制了它的活动范围

2. 网络架构兜底——默认本地网关+长连接，无需暴露端口

3. 软件机制兜底——Skill 安装前强制审计，风险透明化

网上说的”恐怖”，多半是源于不了解。当你真正理解它的安全机制后，会发现它甚至比一些云服务更可控——因为你可以确切地知道，它在你的电脑上做了什么、没做什么。

• • •

三、自主性：完全版用户 vs 云部署用户

这是我最想分享的部分，因为”自主性”是本地部署相比云部署最大的优势，而这个优势只有用过的人才能真切感受到。

3.1 完全版权限：你可以理解一切

云部署的 AI 助手，通常是一个”黑盒”——你输入，它输出，中间发生了什么你不知道，也控制不了。而 OpenClaw 作为开源项目，给了我完全版的权限：

• 我能看到它的完整源代码

• 我能看到它读取了哪些配置文件

• 我能看到它调用了哪些工具、传递了什么参数

• 我能看到它的日志，了解每一次响应背后的推理过程

这种”透明感”带来的是一种”掌控感”。当 OpenClaw 给我一个答案时，我不只是”相信”它，而是可以”验证”它。

举个例子：有时候连”说”都不用说太多。有一次，我跟我的openclaw提了一句”Hermes”，它自己去研究了一下是什么、怎么装、配置在哪，十几分钟后告诉我”装好了”。整个过程我什么都没干，只需要确认结果对不对。这种”交代一句，它就把事情办完”的感觉，是本地部署才有的。如果是云部署，是不可能给你再安装一套类似的agent的。

3.2 自由的存储空间

云部署的 AI 助手，记忆和存储通常是受限的——也许只能记住最近几十轮对话，或者存储空间有严格上限。而 OpenClaw 的存储空间只受限于我自己的硬盘。

我目前给 OpenClaw 分配了大约 10GB 的工作区空间，里面存放着：

• 近一个月以来的对话记录（按日期分文件存储）

• 我积累的各种 Skill 配置文件

• 它帮我生成的文档、表格、PPT

• 让它从网上抓取的研究资料

这些东西全部存在我的本地硬盘上，不会过期，不会被”清理”。我随时可以翻找以前的某次对话，或者让它基于以前的分析继续推进。这种连续性，对于需要长期跟踪的项目来说非常宝贵。

3.3 问题出现时的自主修复

这是本地部署最大的隐性优势——当出现问题时，你不需要等待厂商。

云部署的服务出问题了怎么办？只能等。等官方修复、等服务器恢复、等客服回复。在这个过程中，你什么都做不了。

而 OpenClaw 出问题时，我可以：

• 看日志——日志文件详细记录了每一次操作和错误

• 查配置——配置文件是纯文本，我可以自己检查哪里写错了

• 重启服务——大部分问题，重启一下网关就能解决

• 回滚版本——如果某个更新导致问题，我可以切换到之前的稳定版本

有一次，飞书机器人突然收不到消息了。我检查了网关状态，发现是长连接断开了。执行了一条重启命令，30 秒后恢复正常。不需要联系客服，不需要提交工单。

这种”出了问题自己能动手”的能力，在关键时刻是非常宝贵的。尤其对于工作中依赖 AI 助手的人来说，”可控的故障恢复时间”比”99.9% 可用性 SLA”更实际。

3.4 自主性的代价

当然，自主性不是没有代价的。你需要：

• 花一些时间了解基本的目录结构和配置文件格式

• 承担”自己折腾”的责任——出了问题不能怪厂商

• 定期备份重要的数据和配置

但这些代价，相比于获得的自由度，我认为是完全值得的。就像一个老司机，虽然要自己保养车，但也因此可以开去任何云打车去不了的地方。

• • •

四、好用的 Skill 推荐

OpenClaw 通过安装不同的 Skill，你可以把 OpenClaw 变成股票分析师、办公文档专家、生活管家、代码助手…… 下面推荐几个我高频使用且体验极佳的 Skill。

4.1 办公类 Skill

xlsx / docx / pptx

这三个是办公三件套处理 Skill。对于经常要做报表、写材料、做汇报的人来说，它们几乎是刚需。

xlsx：可以读取、编辑、生成 Excel 文件，支持公式计算和格式调整。再也不用为不会EXECL公式烦恼了，我甚至让它给建了一套食堂库存管理系统，用于我老婆公司的食堂库存管理。

docx：Word 文档处理。我最常用的场景是让它排版和润色文案。

pptx / ppt-designer：PPT 制作和优化。ppt-designer 基于 Anthropic 的设计原则，生成的幻灯片配色和排版都很专业。比起自己做 PPT 从零调格式，让它生成然后微调，效率提升很多。但论精美，还比不上专业的做PPT的AI。

feishu-create-doc / feishu-update-doc

如果你用飞书办公，这两个 Skill 是必装的。可以直接把 Markdown 内容转成飞书云文档，或者更新已有的文档。

office-assistant

这是一个综合办公助理 Skill，擅长文案撰写、报告排版、会议纪要整理。它的输出风格比较商务规范，适合职场场景。

4.2 信息获取类 Skill

agent-reach

这个 Skill 是我最近的新宠。它可以搜索和读取 16 个平台的内容：推特/X、Reddit、YouTube、GitHub、Bilibili、小红书、抖音、微博、微信文章、播客、LinkedIn、Instagram、V2EX、RSS 等。

比如我想了解某个产品在海外社区的口碑，直接让它去 Reddit 和 Twitter 搜相关讨论，然后汇总给我。以前这种事情要手动打开多个网站、翻很多帖子，现在一句话就能搞定。

kimi-search

联网搜索 Skill，用来查最新的新闻、文档、技术博客。和 agent-reach 的区别在于，它更侧重”搜索”而不是”浏览特定平台”。两者互补使用，基本上覆盖了我所有的信息获取需求。

kimi_finance / tushare

这两个是财经数据 Skill。kimi_finance 可以获取 A 股实时行情和技术指标，tushare 则提供了更丰富的金融数据接口（股票、基金、期货等）。我通过 tushare 进行股票分析，效果非常的不错。

4.3 生产力类 Skill

feishu-calendar / feishu-task

日历和任务管理 Skill。可以直接在飞书上创建日程、设置提醒、管理待办事项。我现在所有的日程安排都通过 OpenClaw 来操作，比在手机上点点点快得多。

feishu-bitablee

飞书多维表格管理 Skill。适合需要管理结构化数据的场景，比如项目跟踪、客户信息表、库存管理等。比 Excel 更灵活，又比自建数据库简单。

memory-manager / openclaw-persistent-memory

记忆管理 Skill。这两个负责帮 OpenClaw”记住”关于你的事情——你的偏好、你说过的重要信息、你做过的决策。用久了之后，你会发现它越来越”懂你”，因为记忆在积累。

4.4 安装建议

对于刚上手的用户，我的建议是：

1. 先装办公类——xlsx、docx、feishu-create-doc，解决日常工作需求

2. 再装信息类——agent-reach、kimi-search，扩展信息获取能力

3. 按需安装——用到什么场景，再装对应的 Skill，不要贪多

4. 注意权限——安装前看看审计提示，不给不必要的权限

• • •

五、模型选择：为什么我最终选择了 MiniMax

一开始，我对模型的选择并没有太多概念。看到智谱（GLM）有”16元5000万Token”的套餐，心想这也太划算了，直接入手。

然而第二天打开控制中心一看，将近2000万Token已经用掉了。算了一下账：按这个消耗速度，16元的套餐只够用两天多。

这个发现让我重新认真思考了模型选择的问题。选 AI 模型，不能只看单次调用的价格，更要看实际使用量下的综合成本。

5.1 主流国产大模型费用对比

我把目前主流的几款国产大模型做了一个横向对比，以下是粗略的估算（按日均50次请求、每次平均消耗5000 Token计）：

注：以下价格为参考值，具体以各平台官方定价为准。建议安装后在控制中心实际查看消耗量，再做最终判断。

按量付费模式下的日均成本：

• 智谱 进阶月卡：99元/月，含1亿Token

• 月之暗面 Kimi：约 ¥12-40/百万Token

• MiniMax M2.7：Token Plan 年费 ¥980/年，无按量计费波动风险

粗算下来，按量付费模式在高频使用下，月均花费很容易突破 ¥100~200。而 MiniMax Plus-极速版年费 ¥980，折算每天仅 ¥2.7，封顶，不会有意外账单，而且 MiniMax M2.7 在编码、推理、长上下文等核心能力上，并不逊色于同级竞品。

5.2 我的实际用量数据

切换到 MiniMax Token Plan 后，我用 OpenClaw 自带的命令查了一下真实消耗：

• 7天消耗：1.74亿 Token（$38.18）

• 20天消耗：7.3亿 Token（$181.17）

• 日均约 $9.05，折合人民币约 ¥63元/天

如果按量付费，月均花费轻松超过千元。而 MiniMax Token Plan 年费封顶，完全token焦虑。

5.3 结论：固定费用才是王道

总结我的选型思路：

1. 先用按量付费摸底，但不要买太贵的套餐，先看实际消耗

2. 估算月均成本，日均消耗 × 30天，再乘以平台单价

3. 选固定费用套餐，年费封顶，不会有月底账单压力

对我来说，MiniMax Token Plan 是性价比最高的选择：封顶年费、极速通道（M2.7-highspeed）、附带语音和图片权益。这些加在一起，比单纯买一个按量付费的 API 账户划算得多。

• • •

六、结语

一个月前，我还是一个对”本地部署”充满畏惧的普通用户。今天，我已经习惯了每天和 OpenClaw 协作处理各种事务——从查资料、管理日程，到分析股票、生成 PPT、跟踪社交媒体动态和编写旅游攻略等等。

回顾这段体验，我想用三句话总结：

安装比你想象的简单。高中英语 + 两个 AI 助手（千问/元宝），足以让你顺利上手。

安全比你想象的有保障。沙盒、本地网关、Skill 审计，三层机制让风险可控可见。

自主性比你想象的珍贵。完全透明的运行逻辑、自由的存储空间、出了问题能自己动手修复,这些在云部署服务上都是奢侈品。

当然，OpenClaw 不是完美的。它需要自己维护，需要自己备份，出了问题要自己排查。但正是这种”不托管”的设计，给了我真正的掌控权。

如果你也在犹豫要不要尝试本地部署 AI 助手，我的建议是：不妨试一试。安装过程可能比你预期的快，使用体验可能比你预期的好，而那种”一切尽在掌握”的感觉，一定会让你欲罢不能。

毕竟，在这个数据越来越重要的时代，能把 AI 助手真正”握在自己手里”，本身就是一种难得的安全感。

— 全文完 —

如果这篇文章对你有帮助，欢迎点赞、在看、转发

也欢迎在评论区聊聊你的 AI 助手使用体验

关注我，获取更多实用干货 👇