大学生还没毕业,OpenClaw AI 实习生已经入职

一个不会迟到、不会请假，也不会在周五下午问你“周报怎么写”的实习生，已经可以住进自己的电脑里了。

过去，我们谈到人工智能取代工作，首先想到的往往是工厂机械臂、无人收银台，或者能够写文章、画图片的大模型。

但真正可能率先改变办公室工作方式的，未必是一个更会聊天的机器人，而是一个能够长期在线、接收任务、调用工具，并把事情真正做完的 AI Agent。

OpenClaw 就是这样一种工具。它可以部署在个人电脑、服务器，甚至树莓派上；也可以连接飞书、Notion、Figma、邮件、浏览器、文件系统以及其他外部服务。你不必一直守在电脑前，只需要通过聊天窗口给它安排任务。

从这个角度看，OpenClaw 最值得比较的对象，或许不是 ChatGPT，而是一名刚刚进入公司的大学毕业生实习生。

它能整理文档、生成周报、读取邮件、管理 Docker、调用设计工具，也能按照固定流程持续完成重复工作。区别在于，它不会毕业，也不会在熟悉业务后突然离职。

我为什么想部署一个 OpenClaw

我自己已经在一台树莓派 5 上部署了 OpenClaw，平时让它帮我管理测试环境中的 Docker 容器、整理开发记录、生成周报、调用 Figma 做设计，以及协助测试程序。

这些事情单独拿出来都不算惊人，真正有意思的是：它可以把多个步骤连接起来，并长期运行。比如先检查容器状态，再读取日志，最后把异常情况整理成一条飞书消息发给我。

这篇文章先不讲复杂玩法，我们从最基础的事情开始：在 Windows 的 WSL 环境中，私有化部署一个属于自己的 OpenClaw。

WSL 是 Windows 提供的 Linux 子系统。它不像传统虚拟机那样笨重，文件读写和网络体验更接近本机，也非常适合开发者在 Windows 上运行 Linux 工具。

一、准备部署环境

我给 WSL 分配了4 GB 内存和 2 个 CPU 核心。对于这次安装和基础体验来说，这个配置已经足够。

二、安装 OpenClaw

OpenClaw 分别提供了 Linux 和 Windows 的安装方式。

Linux 环境执行：

curl -fsSL https://openclaw.ai/install.sh | bash

Windows PowerShell 执行：

powershell -c ”irm https://openclaw.ai/install.ps1 | iex”

我们使用的是 WSL，也就是 Linux 环境，因此执行第一条 Linux 命令即可。

安装完成后，程序会自动进入初始化设置。

三、完成初始化配置

第一个问题是一项安全确认：

我了解该工具默认仅供个人使用；如需共享或多人使用，则必须加强安全限制和权限管控。

这里选择Yes，表示已经了解相关风险。

接下来选择设置模式。第一次体验建议直接选择QuickStart，先把基本功能跑起来，复杂配置以后再慢慢调整。

随后需要选择模型提供商。我购买了小米 MiMo 大模型的套餐，所以在这里选择More，再配置对应的模型服务。大家可以根据自己已有的账号、预算和使用习惯选择其他模型。

输入 API Key 后进入模型选择。对于整理文档、生成周报、检查服务状态这类“实习生工作”，我认为 MiMo-V2.5 已经够用，没有必要一上来就选择更昂贵的 Pro 模型——毕竟招实习生也得讲究成本控制。

四、给它安排一个沟通渠道

OpenClaw 配置完成后，还需要选择一个日常沟通工具。我选择的是飞书。这样即使不在电脑旁边，也可以直接通过手机给它下达任务、接收结果。

选择飞书后，在手机上安装并登录飞书，然后扫描终端中显示的二维码完成初始化。

初始化过程中还会询问是否安装 Skill 和 Plugin。第一次部署时不必贪多，可以先跳过，等真正遇到需求后再添加。

Skill 可以理解为 Agent 的“工作说明书”。它通常是一组文字规则，告诉 AI 在什么情况下应该做什么、按照什么步骤执行，以及最终输出什么格式。OpenClaw 也可以根据实际需求创建新的 Skill。

Plugin 则更像功能扩展包。它可能为 Agent 增加新的工具、接口和外部系统连接能力，例如读取邮件、处理 PDF，或者接入其他应用。

简单来说：Skill 解决“应该怎么做”，Plugin 解决“还能够做什么”。

飞书扫描二维码后，需要为这个新的登录设备设置一个名称。我给它取名为BT7274。

除了飞书，我们也可以直接在控制台中和 OpenClaw 对话。

五、先给这个“实习生”一个身份

为了让它更稳定地理解自己的职责，我先给它设定了一个身份和工作范围：

身份一设定，感觉立刻就来了。不得不说，这种给自己的服务器“招一个数字员工”的体验，多少有点属于程序员的浪漫。

六、部署完成后，它能做什么

接下来，我准备逐步让它承担这些工作：

• 管理测试环境中的 Docker 容器，查看状态、启动或停止服务、读取异常日志；
• 备份数据库数据，并在任务完成后发送结果；
• 通过 MCP 连接 Notion，整理资料、编写文档和维护知识库；
• 连接 Figma，辅助完成 UI、UX、组态大屏和 APP 页面设计；
• 接收 Word、Markdown、PDF 等文件，重新整理结构和内容；
• 在获得授权后读取邮件，提取重要事项、生成摘要和回复草稿；
• 根据代码提交、任务记录和聊天内容自动整理日报、周报。

需要强调的是，OpenClaw 能力越大，获得的权限也越高。读取邮件、操作文件、执行命令以及管理 Docker 都可能带来风险。更稳妥的做法是从只读权限开始，逐步开放能力；删除文件、发送邮件、重启服务和修改生产数据等高风险操作，最好始终保留人工确认。

写在最后

OpenClaw 目前还不能完全代替一个真正的员工。它会理解错误，也可能因为上下文不足做出不合适的判断。

但对于那些规则明确、重复出现、能够被拆解成步骤的工作，它已经足够像一名随时待命的 AI 实习生。

真正值得关注的或许不是“AI 会不会抢走大学生的实习岗位”，而是：当一个会使用 OpenClaw 的毕业生，能够同时指挥多个 Agent 完成整理、查询、设计和运维工作时，不会使用这些工具的人该如何竞争？

下一篇，我会尝试让 OpenClaw 连接 Figma，实际完成组态大屏和 APP 页面设计，看看这名 AI 实习生到底能不能顺利通过试用期。