OpenClaw完整安装与onboard配置详解——DeepSeek/Kimi/微信/小龙虾一步到位

OpenClaw 完整安装与 onboard 配置详解

📅 2026-05-26 | 👤 生信帮 | 🦞 含小龙虾部署 | 阅读约 8 分钟

OpenClaw 是一个开源的 AI 助手框架，支持接入多种大模型（DeepSeek、Kimi、Claude 等），通过插件系统可以绑定微信、飞书、Discord 等聊天平台，让 AI 真正成为你工作流的一部分。

本文基于实际部署经验，详细介绍从零安装到完全配置的全过程，尤其侧重 openclaw onboard 初始化阶段的各项配置细节。

一、环境准备

1.1 安装 nvm（Node 版本管理器）

OpenClaw 要求 Node.js ≥ 22.19，推荐使用 nvm 管理 Node 版本，避免与系统已有的 Node 冲突。

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
source ~/.bashrc
nvm install 24
nvm use 24
node --version   # 应显示 v24.x.x
npm --version    # 应显示 ≥ 10.x

为什么非要用 nvm？

可以随时切换 Node 版本，不影响系统其他项目
OpenClaw 持续更新（目前推荐 Node 24），用 nvm 方便跟进
卸载也干净，删掉 ~/.nvm 即可

1.2 安装 OpenClaw

curl -fsSL https://openclaw.ai/install-cli.sh | bash
echo 'export PATH="$HOME/.openclaw/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
openclaw --version

install-cli.sh 会：

检测操作系统（Linux/macOS/WSL）
自动安装缺失依赖（git 等）
下载 OpenClaw 到 ~/.openclaw/
创建必要的目录结构

二、核心：openclaw onboard 详解

openclaw onboard 是最关键的一步。执行后会进入交互式初始化流程，创建以下核心文件：

~/.openclaw/
├── openclaw.json    # 主配置文件（模型、插件、密钥）
└── workspace/
    ├── AGENTS.md    # AI 运行规则
    ├── SOUL.md      # AI 人设/人格
    ├── USER.md      # 用户信息
    └── MEMORY.md    # 长期记忆

2.1 运行 onboard

openclaw onboard

进入后是一个交互式问答流程，共 4 大类问题，每个回答都会自动写入 ~/.openclaw/workspace/ 下的对应配置文件。

第一步：AI 身份设定

▶ What should I call your AI agent?
   → 输入你想起的名字，如：生信助手 / Claw / 小龙虾
   
   写入文件：SOUL.md（name 字段）

第二步：说话风格

▶ How should your AI communicate?
   选项：
   1. Professional & Direct（专业直接）
   2. Friendly & Casual（友好随意）  
   3. Brief & Efficient（简洁高效）
   
   选 1 适合科研写作
   选 2 适合日常聊天
   选 3 适合编程助理
   
   写入文件：SOUL.md（vibe / principles 字段）

第三步：主要用途

▶ What will you primarily use this agent for?
   选项：
   1. 编程开发（Coding）
   2. 学术研究（Research）
   3. 日常助理（Daily Assistant）
   4. 内容创作（Content Creation）
   5. 以上都有（All of the above）
   
   学术研究者建议选 2 + 4；多用途选 5
   
   写入文件：USER.md（Primary Goal / Current Projects）

⭐ 第四步：API Key 设置（关键！）

▶ Do you want to configure API keys now?
   → 选 YES（强烈建议！否则每次对话需手动传 Key）
   
   接下来依次填入：
   
   ① DeepSeek API Key
      提示：Enter your DeepSeek API Key
      输入：sk-70d…fd2b
      → 写入 openclaw.json 的 credentials.deepseek
   
   ② Kimi (Moonshot) API Key  
      提示：Enter your Moonshot API Key  
      输入：sk-53L…HGLL
      → 写入 openclaw.json 的 credentials.moonshot
   
   ③ 其他模型
      提示：Add another provider?
      → 选 NO（后续手动添加，避免交互过久）

⚠️ 如果跳过第四步：

后续每次使用 AI 前需要手动 export API_KEY=***
或者编辑 openclaw.json 手动加 credentials 字段
推荐 onboard 时就填好，一步到位

第五步：启动确认

▶ Onboarding complete! Start the gateway now?
   → 选 YES，直接启动
   → 或选 NO，稍后手动 openclaw gateway

以上 5 步走完后，AI 就能直接对话了。如果某个选项想修改，随时编辑 SOUL.md、USER.md 或 openclaw.json 即可。

2.2 手动配置模型——DeepSeek

💡 注意：如果在 onboard 第四步已填过 API Key，可跳过 2.2-2.4，直接看第三节「启动网关」。以下为手动配置方式，适合 onboard 后补充或新增模型。

onboard 完成后，最关键的配置是添加模型提供商。编辑 ~/.openclaw/openclaw.json，在 models.providers 中添加：

{
  "models": {
    "mode": "merge",
    "providers": {
      "deepseek": {
        "baseUrl": "https://api.deepseek.com",
        "api": "openai-completions",
        "models": [
          {
            "id": "deepseek-v4-pro",
            "name": "DeepSeek V4 Pro",
            "reasoning": true,
            "input": ["text"],
            "contextWindow": 128000,
            "cost": {
              "input": 0.28,
              "output": 0.56,
              "cacheRead": 0.028
            }
          }
        ]
      }
    }
  }
}

关键参数说明：

参数	含义	推荐值
`baseUrl`	API 端点地址	`https://api.deepseek.com`
`api`	接口类型	`openai-completions`（兼容 OpenAI SDK）
`reasoning`	是否启用推理模式	`true`
`contextWindow`	最大上下文长度	128000
`input`	支持的输入类型	`["text"]`（不支持图片）

注意：DeepSeek 目前仅支持文本输入。如需多模态（看图），需额外配置 Kimi 或 GPT-4o。

2.3 手动配置模型——Kimi（Moonshot）

在同一个文件中继续添加 moonshot 配置：

{
  "models": {
    "providers": {
      "moonshot": {
        "baseUrl": "https://api.moonshot.cn/v1",
        "api": "openai-completions",
        "models": [
          {
            "id": "kimi-k2.6",
            "name": "Kimi K2.6",
            "reasoning": true,
            "input": ["text"],
            "contextWindow": 128000,
            "cost": {
              "input": 0.05,
              "output": 0.10
            }
          }
        ]
      }
    }
  }
}

DeepSeek vs Kimi 对比：

维度	DeepSeek V4	Kimi K2.6
中文能力	★★★★☆	★★★★★
英文能力	★★★★★	★★★★☆
长文本	★★★★★	★★★★☆
价格	$0.28/0.56	$0.05/0.10
速度	快	中

推荐：日常对话用 Kimi（便宜、中文好），复杂推理/翻译用 DeepSeek。

2.4 配置 API Key

# 方法 1：环境变量（推荐，不写死到文件）
export DEEPSEEK_API_KEY="***"
export MOONSHOT_API_KEY="***"

# 方法 2：直接写到配置文件
# 编辑 openclaw.json，添加：
"credentials": {
  "deepseek": { "apiKey": "**" },
  "moonshot": { "apiKey": "**" }
}

安全建议：强烈推荐方法 1。配置文件里的 API Key 有泄露风险（尤其是 git 提交时）。环境变量更安全，且重启后可通过 ~/.bashrc 自动加载。

三、启动网关

# 后台运行，断连不中断
nohup openclaw gateway > ~/.openclaw/gateway.log 2>&1 &

# 查看运行状态
openclaw status
# 输出示例：
# Gateway: running (PID 12345)
# Active sessions: 1
# Model: deepseek/deepseek-v4-pro

四、微信插件安装

微信插件独立于核心系统，通过 npm 安装：

# 一键安装
npx -y @tencent-weixin/openclaw-weixin-cli install

# 启用
openclaw config set plugins.entries.openclaw-weixin.enabled true

# 扫码绑定
openclaw channels login --channel openclaw-weixin
# 终端出现二维码 → 手机微信扫码 → 确认授权

# 重启使插件生效
openclaw gateway restart

多用户支持（重要）：

# 设置每人独立会话，避免对话串台
openclaw config set session.dmScope per-account-channel-peer

# 每新加一个用户，再执行一次扫码：
openclaw channels login --channel openclaw-weixin

五、安装小龙虾（proactive-agent）及必备 Skill

5.1 小龙虾 🦞

npx clawhub@latest install proactive-agent --force

安装后 AI 获得以下能力：

功能	说明
WAL 写前日志	收到纠正/决策 → 先写文件 → 再回复，防遗忘
工作缓冲区	上下文超 60% 自动记录每句对话
压缩恢复	上下文清空后自动从缓冲区恢复
心跳自检	定期检查安全/错误/惊喜机会
冷酷资源主义	任务失败连试 10 种方法
反向提问	主动问”我能帮你做什么你没想过的？”

安装后需初始化：

mkdir -p ~/.openclaw/workspace/.learnings
mkdir -p ~/.openclaw/workspace/memory
# 初始化各日志文件（SKILL.md 中有详细模板）

5.2 自我改进 agent

npx clawhub@latest install self-improving-agent

自动在 .learnings/ 下记录：

ERRORS.md — 每次命令/API 失败
LEARNINGS.md — 每次纠正/新知识
FEATURE_REQUESTS.md — 每次新需求

5.3 安全审查

npx clawhub@latest install skill-vetter --force

安装任何新 Skill 前自动检查：可疑命令、外部请求、权限范围。

六、自定义 Skill

七、完整目录结构（安装完成后）

~/.openclaw/
├── openclaw.json              # 主配置
├── openclaw-weixin/           # 微信插件数据
│   └── accounts/              # 绑定账户
├── workspace/                 # AI 工作区
│   ├── AGENTS.md              # 运行规则
│   ├── SOUL.md                # 人格设定
│   ├── MEMORY.md              # 长期记忆
│   ├── SESSION-STATE.md       # 活跃任务状态
│   ├── HEARTBEAT.md           # 心跳自检
│   ├── .learnings/            # 自我学习
│   │   ├── ERRORS.md
│   │   ├── LEARNINGS.md
│   │   └── FEATURE_REQUESTS.md
│   ├── memory/                # 每日记忆
│   └── skills/                # 5 个 Skill
│       ├── proactive-agent/   ← 🦞 小龙虾
│       ├── self-improving-agent/
│       ├── skill-vetter/
│       ├── wechat-mp-publisher/
│       └── paper-translator/
└── gateway.log

八、常见问题速查

问题	原因	解决
`openclaw: command not found`	PATH 未设置	`echo 'export PATH="$HOME/.openclaw/bin:$PATH"' >> ~/.bashrc`
微信扫码无反应	插件未启用	`openclaw gateway restart`
Token 过期	微信 2h 刷新	插件自动处理
公众号 40001 错误	AppSecret 写错/被截断	去后台重置获新的
小龙虾被拦截	安全标记	`--force` 安装
Node 版本太旧	需 ≥ 22.19	`nvm install 24 && nvm use 24`

九、总结

OpenClaw 的部署核心流程可以概括为：

Node.js → OpenClaw CLI → onboard 配置 → 加模型 → 启动网关 → 装微信插件 → 装 Skill

其中 onboard 阶段是重中之重——模型配置决定了 AI 的”智商”，Skill 决定了 AI 的”能力圈”。DeepSeek + Kimi 双模型覆盖日常对话与复杂推理，小龙虾为 AI 注入主动意识，微信插件解决触达问题。论文翻译 + 科研爬虫三个自定义 Skill 则把 AI 真正变成了科研与内容工作者的生产力工具。

部署完成后，你只需要打开微信，像跟人聊天一样给 AI 下指令——”帮我把这篇论文翻译了”、”爬一下近一周的生信论文”、”帮我下载个基因组”——剩下的事，AI 会一条龙完成。