从装上 OpenClaw 到 DeepSeek 接力写代码:我用 AI 团队做完了一个微信小程序

 这几周折腾的东西,说出来有点魔幻:我没怎么自己写代码（print（“其实也不会写”）,却真的把一个游戏教案相关的微信小程序从零做完并且发布上线了。整个过程,与其说是”我在用AI”,不如说是”我在指挥一支AI团队干活”。今天就把这段经历完整记录下来。

 起点:为什么是 OpenClaw

之前做小程序,我的日常工作流是打开Claude聊天窗口,一段一段贴代码、一段一段问。效率不算低,但总觉得少了点什么——每次都要手动复制粘贴,任务一多就容易断片,而且没法让AI自己动手跑命令、建文件、装依赖。

后来了解到OpenClaw:一个开源的个人AI助理,可以本地部署在自己电脑上,不只是聊天,还能真正拥有”手脚”——读写文件、执行终端命令、跑代码、装依赖,像一个能持续在线干活的工程助手。这正好补上了我工作流里缺的那一环。

装机过程:让AI手把手教自己

说实话,第一次看安装文档时是有点犯怵的——终端命令、Node版本要求、Gateway守护进程,一堆没接触过的概念。索性我把整个安装文档丢给Claude,让它像个老师一样一步步带我操作。

整体流程其实不复杂,核心就三步:

1. **装好Node环境**:OpenClaw需要Node 22以上版本,官方一键脚本会自动检测并安装。
1. **执行安装命令**:一条`curl`命令拉取安装脚本,自动完成OpenClaw本体的安装。
1. **进入onboard向导**:这是整个安装里最关键的一步,交互式引导你配置AI模型、聊天渠道、Skills插件、Gateway网关服务等。

每一步遇到报错,我就把终端的报错信息原样贴给Claude,它会告诉我是权限问题还是环境变量没配好。整个过程更像是”AI带着我这个新手过关”,而不是我自己死磕文档——这也是这次体验里最让我意外的地方:装机器人的过程,本身就是被AI教会的过程。

接入 DeepSeek:一份省钱又好用的选择

OpenClaw默认支持接入Anthropic、OpenAI等海外模型,但考虑到国内网络环境和调用成本,我最终选择接入DeepSeek的官方API。

配置思路并不复杂,因为DeepSeek的API是OpenAI兼容协议,onboard向导里选择”Model/auth provider”时,直接选DeepSeek官方选项,粘贴API Key,再选择默认模型即可完成绑定。整个配置过程,官方文档写得比想象中友好很多,几分钟就能验证连通成功。

用DeepSeek驱动OpenClaw之后最直接的感受是:成本明显降低,响应速度也不错,对于日常写代码、跑脚本这类任务完全够用。

 正式开工:用它做一个游戏教案小工具

配置完成后,我给这套”OpenClaw + DeepSeek”组合定的第一个任务,就是把此前构思了很久的一个吉他练习类微信小程序落地——包括基础的UI页面搭建、和弦数据的整理录入、以及小程序打包发布前的规范检查。

和以前”人肉复制粘贴代码”的方式相比,最大的区别在于:它可以自己创建文件、自己跑命令、自己根据报错去修复问题,我更多是在做”产品决策”——这个页面该长什么样、这个功能优先级该怎么排、发布前哪些细节需要人工把关,而具体的执行交给它去闭环完成。

真正到了小程序发布这一步,微信开发者工具的上传、体验版预览、正式提交审核这些环节,还是需要人工确认和操作的——AI能帮你把代码和逻辑打理得井井有条,但账号资质、隐私协议、内容合规这些”临门一脚”,终究还是需要自己盯着完成。

一点感受

这次经历让我对”AI辅助开发”这件事有了新的理解。以前总觉得AI写代码是”帮我省点打字的功夫”,但当AI真正拥有了执行环境的操作权限之后,它更像是一个可以托付具体执行的初级工程师——你负责想清楚要做什么、把关关键节点,它负责把繁琐的执行细节跑通。

从装机的手忙脚乱,到接入DeepSeek后的顺畅调用,再到小程序真正上线,这一整条链路走下来,最大的感触是:AI工具链的门槛正在肉眼可见地降低,而真正决定产出上限的,始终是使用者本身的产品判断力。

—-趣味追逐小程序–

*本文记录个人技术实践,欢迎交流讨论。*