OpenClaw踩坑记

   花了一晚上把OpenClaw装到一台十年前的H81老主机上，跑通了。

  部署的坑不细说，飞书中文显示问号那个折腾最久——根因不是编码，是流式输出对中文有bug，关掉streaming一行配置搞定。

  想明白的事比踩过的坑更重要。OpenClaw不是又一个聊天机器人，它是一个执行网关——给大模型装上手和眼，让AI从”只会答”变成”能动手”。区别在哪？你问”酒店走廊用什么地板”，聊天机器人给你一段科普，参数、品牌、优缺点铺一屏；OpenClaw直接翻你给的报价表，把匹配的产品、价格、库存拉出来，帮你算出3000平的总价。一个是给你信息让你自己判断，一个是替你把活干完。 底层是四层架构：模型层（调哪个大模型）、通道层（微信/飞书/控制台哪个入口进来）、工具层（能操作什么）、数据层（知道什么）。四层全映射在一个openclaw.json配置文件里，搞懂这个文件就搞懂了整条链路。

  微信装上ClawBot插件，手机发消息让搜集行业信息做简报，很快发给你。把产品表灌进数据层，跑通客户咨询自动应答。客户微信问”走廊地面用4mm还是6mm”，智能体直接从产品表筛出匹配规格，附上报价和库存，秒回。

  不是”我查一下回头告诉你”，是当场出结果。先跑通一个品类，找到应用场景。