我用OpenClaw这两周:从「这啥玩意」到「真香」

我用OpenClaw这两周：从”这啥玩意”到”真香”

wuhiufan

写在前面

两周前，我对OpenClaw的印象就是”又一个AI工具”。那时候我还在用网页版ChatGPT复制粘贴代码，觉得够用了。

现在？我早上到公司第一件事就是打开OpenClaw的终端窗口。

这两周我踩了差不多十几个坑，文章写得像日记，因为这些就是我真实的踩坑记录。如果你也在用（或者想用）OpenClaw，希望我踩过的坑能帮你省点时间。

第一天：我以为五分钟就能装好

第一次装OpenClaw，我看文档说”一行命令搞定”，就真信了。

npm install -g openclaw

然后就卡住了。不是报错，就是一直转圈。我等了20分钟，以为网络问题，重试了三次。

后来才发现是公司npm镜像没换。我之前的.npmrc配的还是默认源，在国内访问npm官方源基本上不了。换了国内镜像之后，30秒装完。

教训：装之前先换npm源。

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

就这么个小事，我浪费了一个午休时间。

第二天：初始化把我整懵了

装完之后跑openclaw onboard，我以为就是填个API Key的事。

结果它问我：

默认模型选哪个？
要不要开机自启？
日志存在哪？
配置文件放哪？

我当时就懵了。我不是技术人员，这些问题对我来说有点超纲。

我第一反应是”选默认行不行”，就一路回车。后来发现默认模型是gpt-4o，贵得要死，跑几次我的API额度就没了。

教训：初始化的时候别一路回车，模型选便宜的（比如deepseek），用熟了再换。

第三天：我想接飞书，然后卡了一周

这是我踩的最大的坑。

我们团队用飞书沟通，我就想：能不能让AI直接在我们飞书群里回答问题？这样不用每个人去学怎么用OpenClaw，在群里@机器人就行。

文档说用openclaw channels add，选feishu，然后填Token。

我照着做了，然后就一直显示”通道连接中”。

我试了这些方法：
– 重新生成Token（没用）
– 重启OpenClaw（没用）
– 重装飞书插件（没用）
– Google搜索错误信息（没找到）

卡了一周。

后来怎么解决的？我重新审视了命令格式，发现我把--token参数放错位置了。

❌ 我原来写的：

openclaw channels add --channel feishu AbCdEf123456

✅ 正确的是：

openclaw channels add --channel feishu --token AbCdEf123456

就差一个--token参数名，我折腾了一周。

教训：命令参数别猜，不确定的时候用openclaw channels add --help看一下正确格式。

第四天到第七天：我和Token的战斗

接上飞书之后，我发现一个问题：Token消耗特别快。

我一开始没在意，后来某天早上起来发现API账单多了200块。查了一下，是我前一天在OpenClaw里和一个项目”聊”了一下午，上下文积累了几万字，每次对话都要消耗几千个Token。

我当时就想：这玩意这么烧钱，我还用个屁。

然后我发现了两个命令：/compact和/new。

/compact会把历史对话压缩成摘要，后续对话按摘要理解上下文，Token消耗直接降了70%。

/new更狠，直接清空上下文，从零开始。适合”上一个任务和下一个任务完全无关”的场景。

我现在的使用习惯是：
– 同一个项目的连续对话，用/compact压缩
– 切换项目的时候，用/new开新会话

教训：长对话记得压缩，不然Token烧得你心疼。

第二周：我开始”玩”插件和技能

Token的问题解决之后，我开始研究插件（Plugin）和技能（Skill）。

说实话，一开始我没搞懂这两者的区别。我以为装了插件就能用，结果发现插件只是”能力”，技能才是”用法”。

举个例子：
– 装了code-review插件，OpenClaw可以审查代码
– 装了code-review技能，OpenClaw会按照既定标准审查代码（比如安全性、性能、可读性）

我第一次装技能的时候，遇到依赖错误。提示说”缺少git-diff”，我当时不知道Skill有依赖关系，以为安装包坏了，重新下载了三次。

后来才明白：装Skill之前，先用clawhub search看一下依赖，把依赖装好再装主技能。

教训：Skill有依赖，装之前看清楚提示。

我现在的日常使用流程

这两周用下来，我总结了一套自己的使用流程：

早上到公司

打开终端，跑openclaw tui（图形界面）
检查健康状态：openclaw doctor
如果有红色×，先openclaw doctor --fix自动修复

开始工作

如果是继续昨天的任务：/compact压缩上下文，继续聊
如果是新任务：/new开新会话
模型选择：
写代码 → openclaw models set deepseek-coder（便宜）
写方案/报告 → openclaw models set qwen-max（中文理解好）

遇到问题

按这个顺序排查：
1. openclaw doctor — 先看健康状态
2. openclaw logs — 再看具体错误
3. openclaw restart — 上面都没用就重启
4. Google/文档 — 还不行就查资料

我踩过的那些坑（完整版）

整理一下这两周我踩过的所有坑，按频率排序：

坑1：命令参数格式写错（踩了3次）

最常见的是--token、--channel这种参数，我总是忘记写参数名，直接把值跟在后面。

正确写法：

openclaw channels add --channel feishu --token YOUR_TOKEN

错误写法：

openclaw channels add feishu YOUR_TOKEN  # 这样不行

坑2：改了配置不重启（踩了4次）

我好几次改完openclaw.json配置文件，然后奇怪”为什么配置没生效”。

后来养成习惯了：只要改了配置，必跑openclaw restart。

坑3：装了插件/技能忘记重启（踩了2次）

装完插件或技能，不会立即生效，必须重启OpenClaw。

我第一次不知道，在飞书群里@机器人没反应，以为是配置错了，其实是没重启。

坑4：模型选贵了（踩了1次，但很疼）

初始化的时候默认选了gpt-4o，跑了一下午，API账单200块。

后来换成deepseek-coder写代码，qwen-max写文档，成本低了90%。

坑5：上下文太长不压缩（踩了1次，但很疼）

和一个项目连续对话一周，上下文积累了几万字，每次对话烧几千Token。

学会用/compact之后，Token消耗降了70%。

给新手的几个建议

如果你也想用OpenClaw，我有几个建议：

1. 别急着接消息平台（飞书/钉钉/Discord）

先在本地的终端/网页界面里玩熟了，再去接消息平台。不然一边学命令，一边调通道配置，很容易两头都搞不定。

我就是因为一开始就想接飞书，结果命令没搞明白，通道也没调通，两个星期都很痛苦。

2. 模型选便宜的

除非你在进行非常复杂的任务，不然deepseek系列的模型性价比最高。

我现在的搭配：
– 写代码：deepseek-coder（每块钱能跑约15万Token）
– 中文对话/写作：qwen-max（每块钱能跑约8万Token）

3. 长对话记得压缩

这是我最开始不知道的功能，后来发现能省很多Token。

在聊天窗口里输入/compact，AI会把历史对话压缩成摘要，后续对话按摘要理解，Token消耗大幅下降。

4. 有问题时按这个顺序排查

openclaw doctor — 先全面检查
openclaw logs — 再看具体错误
openclaw status — 最后看运行状态
openclaw restart — 上面三步都没解决就重启
Google/文档 — 还不行就查资料

90%的问题在前3步就能定位。

最后

这两周用OpenClaw，我从一个”这啥玩意”的怀疑者，变成了”真香”的重度用户。

不是因为它完美——事实上它有很多小毛病，文档也不够详细，很多功能要自己踩坑才能搞明白。

而是因为，当我终于把飞书打通，让AI直接在群里帮我们查代码、写文档、整理会议纪要的时候，我意识到：这可能是未来工作的样子。

如果你想开始用OpenClaw，别被我上面那一堆坑劝退。那些坑我帮你踩过了，你按我给的命令和流程走，应该能顺利很多。

有问题就去Google，或者看看openclaw --help。文档虽然不够详细，但基本用法都写了。

祝你用得顺手。

这篇文章写得很乱，因为就是我这两周的真是记录。如果你觉得有用，点个赞；如果你也踩了坑，留言告诉我，我看看是不是我还没踩到的。