从手动到自动:如何用 OpenClaw Web 能力把 80% 的编程任务交给 AI

本文所有示例均基于 OpenClaw 2026 最新版，配合 Control UI 和 Tailscale Serve 实现安全远程访问。

一、为什么是 80%？

过去三个月，我用 OpenClaw 重构了自己的开发工作流。结论很简单：

80% 的编程任务可以交给 AI，但剩下 20% 必须自己动手。

关键不是"AI 能不能做"，而是"AI 该不该做"。

先说结果：我的日均编码时间从 6 小时降到 1.5 小时，但产出反而增加了。省下的时间用来做什么？架构设计、代码审查、和技术调研——这些 AI 做不了的事。

二、OpenClaw Web 能力的独特优势

为什么选择 OpenClaw？因为它不是另一个"AI 编程助手"，而是一个可以操作真实世界的 AI 代理框架。

1. Control UI：浏览器里的指挥中心

访问地址：http://127.0.0.1:18789/或 Tailscale Serve：https://<magicdns>/

Control UI 是一个 Vite + Lit 构建的单页应用，直接通过 WebSocket 与 Gateway 通信。这意味着：

无需命令行：所有操作在浏览器完成
实时流式输出：工具调用、代码生成过程可视化
多会话管理：同时运行多个 AI 任务互不干扰

我每天早上打开 Control UI，第一件事是查看 Cron 任务执行情况——昨晚 AI 已经帮我完成了代码审查和日志分析。

2. Tailscale Serve：安全的远程访问（重点推荐）

这是本文的重点——如何安全地把 OpenClaw 暴露到远程，而不会被黑客扫描攻击。

什么是 Tailscale Serve？（国内可以访问，且个人免费，用了一年了是真的香）

简单说，Tailscale Serve 是 Tailscale 提供的一个内建反向代理，让你无需配置 Nginx、无需申请证书、无需开放端口，就能安全地访问内网服务。

核心优势：

传统方案	Tailscale Serve
需要公网 IP	无需公网 IP
需要配置端口转发	无需端口转发
需要申请 HTTPS 证书	自动 HTTPS
暴露在公网，会被扫描攻击	只在 Tailnet 内可见
需要自己处理认证	基于 Tailscale 身份

📖 完整配置教程（实战步骤）

以下是我在 macOS 上配置 OpenClaw + Tailscale Serve 的完整过程，包含所有细节和踩坑记录。

前置条件

已安装 OpenClaw（2026.3.13 或更新版本）
已安装 Tailscale 应用（从 https://tailscale.com/download 下载）
已登录 Tailscale 账号（支持 Google/Microsoft/GitHub/Apple ID）

Step 1：检查 Tailscale CLI 是否可用

Tailscale 桌面应用安装后，CLI 工具通常位于：

# macOS 默认路径/Applications/Tailscale.app/Contents/MacOS/tailscale# 添加到 PATH（临时）exportPATH="/Applications/Tailscale.app/Contents/MacOS:$PATH"# 验证安装tailscale version

输出示例：

1.94.2  tailscale commit: 0a29cf18b56e478b9cd33af07755fcae90d5171a

Step 2：启用 Tailscale HTTPS 证书

重要：Tailscale Serve 需要 HTTPS 证书支持。

打开 Tailscale 管理后台：https://login.tailscale.com/
进入 Settings → General
找到 HTTPS 部分，点击 Manage
启用 HTTPS 证书功能

Step 3：配置 OpenClaw

编辑 ~/.openclaw/openclaw.json：

{"gateway": {"port": 18789,"mode": "local","bind": "loopback","controlUi": {"allowedOrigins": ["http://localhost:18789","http://127.0.0.1:18789","https://<你的机器名>.tailnet-name.ts.net"      ]    },"auth": {"mode": "token","token": "你的安全 token","allowTailscale": true    },"tailscale": {"mode": "serve","resetOnExit": false    }  }}

关键字段说明：

字段	值	说明
`bind`	`"loopback"`	只监听本地，不暴露到网络
`tailscale.mode`	`"serve"`	启用 Tailscale Serve 模式
`auth.allowTailscale`	`true`	允许 Tailscale 身份认证
`controlUi.allowedOrigins`	包含 HTTPS 地址	允许 Control UI 从远程访问

Step 4：启动 Tailscale Serve

由于 OpenClaw 的 tailscale.mode: "serve" 配置需要 Tailscale CLI 支持，建议手动启动 Serve：

# 添加 PATHexportPATH="/Applications/Tailscale.app/Contents/MacOS:$PATH"# 启动 Serve（后台模式）tailscale serve --bg18789

输出示例：

Available within your tailnet:https://macbook-pro.tail000000.ts.net/|-- proxy http://127.0.0.1:18789Serve started and running in the background.

验证 Serve 状态：

tailscale serve status

输出：

https://macbook-pro.tail100000.ts.net (tailnet only)|-- / proxy http://127.0.0.1:18789

Step 5：启动 OpenClaw Gateway

openclaw gateway restart

Step 6：本机配对（这里比较麻烦，可以借助你本地Coding plan计划去配置）

腾讯云Coding Plan计划，首月7.9 搭配更配：https://curl.qcloud.com/kuliJQTW

重要：首次从远程访问前，需要在本机完成配对。

在本机浏览器打开：http://127.0.0.1:18789
输入配置的 token 登录
配对成功后，设备信息会被保存

Step 7：远程访问

在同一 Tailnet 内的任何设备上访问：

https://macbook-pro.tail100000.ts.net/

输入 token 登录即可使用 Control UI。

🔍 实战问题排查（2026-03-18 真实案例）

以下是我在配置完成后遇到的实际问题和解决过程，供你参考。

问题现象：

浏览器控制台反复出现以下错误：

Proxy headers detected from untrusted address. Connection will not be treated as local.Configure gateway.trustedProxies to restore local client detection behind your proxy.[ws] closed before connect conn=xxx remote=127.0.0.1 fwd=100.125.104.64 origin=https://macbook-pro.tail100000.ts.net code=1008 reason=pairing required

问题分析：

Proxy headers detected from untrusted address

Tailscale Serve 作为反向代理，会将请求转发给 Gateway
Gateway 检测到请求来自 Tailscale CGNAT IP（100.125.104.64），但未配置为可信代理
导致连接被拒绝

pairing required

设备首次连接需要配对授权
即使网络通了，未配对的设备也无法连接

解决步骤：

Step A：添加 Tailscale 可信代理配置

编辑 ~/.openclaw/openclaw.json，在 gateway 部分添加：

{"gateway": {"port": 18789,"mode": "local","bind": "loopback","trustedProxies": ["100.33.0.0/10"],  //你的taiscale网段"controlUi": {"allowedOrigins": ["http://localhost:18789","http://127.0.0.1:18789","https://macbook-pro.tail100000.ts.net"//登录之后在首页获取，如图片      ]    },"auth": {"mode": "token","token": "your-token","allowTailscale": true    },"tailscale": {"mode": "serve","resetOnExit": false    }  }}

关键字段：

"trustedProxies": ["100.33.0.0/10"]

100.33.0.0/10 是 Tailscale 的 CGNAT IP 范围，添加后 Gateway 会信任来自 Tailscale 的代理请求。

Step B：重启 Gateway

openclaw gateway restart

或使用 gateway 工具自动重启（配置修改后自动触发）。

Step C：批准设备配对

重启后，检查待配对设备：

openclaw devices list

输出示例：

Pending (2)┌──────────────────────────────────────┬─────────────────────────────────────┬──────────┬────────────┬────────┬────────┐│ Request                              │ Device                              │ Role     │ IP         │ Age    │ Flags  │├──────────────────────────────────────┼─────────────────────────────────────┼──────────┼────────────┼────────┼────────┤│ 58886ea5-41a3-9dcb-6195636fd0e5 │ 8b9eca13d171efd39052539ab8c0c75 │ operator │            │ 2m ago │        ││ 6fe2597e-465d-a754-e14c29054f39 │ addb7e3a7b42fd7856d9b9e2e156287 │ operator │            │ 4m ago │        │└──────────────────────────────────────┴─────────────────────────────────────┴──────────┴────────────┴────────┴────────┘

批准最新设备：

openclaw devices approve --latest

重复执行直到所有待处理设备都已批准。

验证配对成功：

openclaw devices list

输出应显示 Paired (N) 且 Pending (0)。

Step D：刷新浏览器

配对完成后，刷新浏览器页面重新连接。

📋 完整配置清单

~/.openclaw/openclaw.json 最终配置：

{"gateway": {"port": 18789,"mode": "local","bind": "loopback","controlUi": {"allowedOrigins": ["http://localhost:18789","http://127.0.0.1:18789","https://macbook-pro.tail100000.ts.net"      ]    },"auth": {"mode": "token","token": "8849267ab4cdbd11fa2c8429ba8542d7341366e6605",//用你自己的token"allowTailscale": true    },"tailscale": {"mode": "serve","resetOnExit": false    }  }}

Tailscale Serve 配置：

# 后台启动 Servetailscale serve --bg18789# 查看状态tailscale serve status# 停止 Servetailscale serve --https=443 off

🔧 常见问题与解决方案

问题 1：tailscale: command not found

解决：Tailscale CLI 不在 PATH 中。

# macOS 添加路径exportPATH="/Applications/Tailscale.app/Contents/MacOS:$PATH"# 或创建软链接sudoln-s /Applications/Tailscale.app/Contents/MacOS/tailscale /usr/local/bin/tailscale

问题 2：Serve is not enabled on your tailnet

解决：需要在 Tailscale 管理后台启用 HTTPS。

访问 https://login.tailscale.com/f/serve?node=<你的节点 ID>
或手动进入 Settings → General → HTTPS → Manage
启用 HTTPS 证书

问题 3：origin not allowed

解决：需要在 allowedOrigins 中添加远程地址。

{"controlUi": {"allowedOrigins": ["http://localhost:18789","http://127.0.0.1:18789","https://<你的机器名>.tailnet-name.ts.net"    ]  }}

问题 4：pairing required

解决：需要在本机浏览器先访问一次完成配对。

本机访问 http://127.0.0.1:18789
输入 token 登录
配对后远程设备即可访问

问题 5：另一台电脑无法访问

检查清单：

另一台电脑已安装 Tailscale（两台都要安装taiscale cli）
已登录同一 Tailscale 账号
Tailscale 状态正常（tailscale status 显示 active）
Serve 配置正确（tailscale serve status 有输出）
已在本机完成配对

🔒 安全原理

Gateway 只监听 loopback（127.0.0.1），不暴露到网络
Tailscale Serve 做反向代理，从 Tailnet 接收请求转发给 Gateway
自动 HTTPS，Tailscale 处理证书
身份验证，基于 Tailscale 用户身份（tailscale whois 验证）

这意味着：

黑客扫描不到你的 Gateway（没有开放端口）
即使扫描到，也需要加入你的 Tailnet 才能访问
所有流量加密（HTTPS）

⚠️ 关于 Funnel 模式（公网访问）

如果你需要完全公开的访问（比如给非 Tailnet 用户），可以用 Funnel：

{gateway: {bind: "loopback",tailscale: { mode: "funnel" },auth: { mode: "password", password: "your-strong-password" }  }}

⚠️ 注意：Funnel 会暴露到公网，必须配置强密码！

适用场景：

给外部合作伙伴临时访问
在公开网络环境演示
没有 Tailscale 的设备访问

不推荐日常使用，因为会被公网扫描。

❓ 常见问题

Q1：Tailscale Serve 和直接 bind 到 tailnet IP 有什么区别？

// Serve 模式（推荐）{gateway: { bind: "loopback", tailscale: { mode: "serve" } }}// 访问：https://<magicdns>/ （自动 HTTPS）// Tailnet bind 模式{gateway: { bind: "tailnet", auth: { mode: "token", token: "xxx" } }}// 访问：http://<tailscale-ip>:18789/ （HTTP，需要 token）

Serve 模式更好，因为：

自动 HTTPS
无需管理 token
基于 Tailscale 身份

Q2：多台机器都能访问吗？

可以。只要都加入同一个 Tailnet，任何设备都能访问。

Q3：手机能访问吗？

可以。安装 Tailscale iOS/Android App，加入 Tailnet 后用 Safari/Chrome 访问。

Q4：会被黑客攻击吗？

Serve 模式：

不开放公网端口，扫描不到
需要加入 Tailnet 才能访问
流量加密

Funnel 模式：

暴露到公网，会被扫描
必须配置强密码
流量加密

Q5：Tailscale 免费吗？

个人版免费，支持：

最多 3 个用户
无限设备
Serve 和 Funnel 都支持

团队版收费，更多功能。

Q6：Serve 配置重启后丢失怎么办？

Tailscale Serve 配置在重启后可能丢失，需要重新配置：

# 方法 1：手动重新启动tailscale serve --bg18789# 方法 2：添加到启动脚本# 将命令添加到 ~/.zshrc 或 ~/.bashrcexportPATH="/Applications/Tailscale.app/Contents/MacOS:$PATH"tailscale serve --bg18789

3. 多会话并行：真正的多任务处理

# 并行审查 3 个 PRopenclaw sessions spawn --runtime acp --label pr-review-1 "审查 PR #123"openclaw sessions spawn --runtime acp --label pr-review-2 "审查 PR #124"openclaw sessions spawn --runtime acp --label pr-review-3 "审查 PR #125"

传统 AI 助手一次只能处理一个请求。OpenClaw 的 sessions_spawn 可以创建多个隔离会话，每个会话独立运行不同的 AI 任务。

至此，你就可以随时随地访问家里openclaw小管家。

三、这 8 类任务，放心交给 AI

1. 样板代码生成

场景：新项目需要创建基础的 CRUD 接口、数据模型、配置文件。

传统做法：复制旧项目，手动修改，耗时 2-3 小时。

OpenClaw 做法：

# 创建隔离会话生成项目骨架openclaw sessions spawn --runtime acp --mode session \--task"基于 Express.js + TypeScript 创建用户管理模块，包含：- User 模型（id, email, name, createdAt）- RESTful API（GET/POST/PUT/DELETE /users）- Jest 单元测试框架  输出到 /Users/cuihao/.openclaw/workspace/user-service/"

5 分钟后，项目骨架完成。我只需要 review 关键逻辑。

时间节省：2 小时 → 10 分钟 review

2. 单元测试编写

场景：核心函数写好了，但测试覆盖率只有 30%。

OpenClaw 做法：

# 让 AI 为指定文件生成测试openclaw sessions spawn --runtime acp \--task"为 /src/utils/validator.ts 编写完整的 Jest 测试，  覆盖所有边界情况，包括：- 空值处理- 类型错误- 边界值  输出到 /src/utils/validator.test.ts"

时间节省：3 小时 → 20 分钟 review + 补充

3. 文档生成与整理

场景：项目完成了，但 README 和 API 文档还没写。

OpenClaw 做法：

# 用 web_fetch 抓取依赖文档，让 AI 整理openclaw sessions spawn --runtime acp \--task"1. 读取 package.json 获取依赖列表2. 用 web_fetch 抓取主要依赖的官方文档3. 生成项目 README.md，包含：- 项目简介- 安装步骤- 使用示例- API 参考  输出到 /README.md"

时间节省：4 小时 → 30 分钟 review

4. 代码审查初筛

场景：团队每天有 10+ 个 PR 需要审查。

OpenClaw 做法：

# 创建定时任务，每日自动审查openclaw cron add --job'{"name": "每日 PR 审查","schedule": { "kind": "cron", "expr": "0 9 * * 1-5", "tz": "Asia/Shanghai" },"payload": {"kind": "agentTurn","message": "审查过去 24 小时的所有 PR，检查：- 代码风格一致性- 潜在的安全问题- 测试覆盖率变化- 文档更新情况    生成审查报告发送到 #dev-channel"  },"sessionTarget": "isolated","delivery": { "mode": "announce", "channel": "dev-channel" }}'

效果：每天早上 9 点，AI 审查报告准时出现在团队频道。我只需要处理标记为"高风险"的 PR。

5. 重复性重构

场景：API 接口迁移，需要批量修改 50+ 个文件中的调用方式。

OpenClaw 做法：

# 用 exec 找出所有需要修改的文件openclaw exec "grep -r 'old-api' /src --include='*.ts' -l"# 然后让 AI 批量修改openclaw sessions spawn --runtime acp \--task"将所有文件中的 old-api 调用迁移到 new-api，  保持原有逻辑不变，输出修改后的文件列表"

时间节省：1 天 → 30 分钟

6. 技术调研与信息收集

场景：需要对比 3 个状态管理方案，选出最适合项目的。

OpenClaw 做法：

# 并行抓取多个方案的文档和对比openclaw sessions spawn --runtime acp \--task"用 web_fetch 抓取以下页面并对比：1. Redux 官方文档核心概念2. Zustand GitHub README3. Jotai 官方文档  生成对比表格，包含：- 学习曲线- 性能特点- 适用场景- 社区活跃度  推荐适合中型项目的方案"

时间节省：4 小时 → 20 分钟 review

7. 日志分析与错误定位

场景：生产环境出现偶发错误，需要从海量日志中定位问题。

OpenClaw 做法：

# 实时日志监控 + AI 分析openclaw sessions spawn --runtime acp \--task"1. 用 logs.tail 实时读取 /var/log/app/error.log2. 分析错误模式，识别高频错误3. 关联代码位置，给出修复建议  发现严重错误立即通知"

效果：错误定位时间从小时级降到分钟级。

8. 自动化脚本编写

场景：需要定期执行数据备份、清理、报告生成等任务。

OpenClaw 做法：

# 创建定时备份任务openclaw cron add --job'{"name": "每日数据库备份","schedule": { "kind": "cron", "expr": "0 2 * * *", "tz": "Asia/Shanghai" },"payload": {"kind": "systemEvent","text": "执行数据库备份：pg_dump mydb > /backup/mydb_$(date +%Y%m%d).sql"  },"sessionTarget": "main"}'

效果：完全自动化，无需人工干预。

四、这 5 类任务，必须自己动手

1. 核心业务逻辑设计

AI 不懂你的业务场景。它可以生成代码，但无法决定：

这个功能该不该做？
优先级如何排序？
用户体验如何平衡？

我的原则：业务逻辑的核心算法和流程设计，必须自己写。

2. 安全敏感代码

认证、授权、加密、支付——这些代码出问题就是大问题。

我的原则：

AI 可以生成初稿，但必须逐行 review
关键安全逻辑自己重写
上线前做专项安全审计

3. 性能关键路径优化

AI 生成的代码往往能跑，但不一定高效。

案例：AI 生成的数据库查询用了 N+1 模式，功能正常，但数据量大时性能暴跌。

我的原则：

性能敏感代码必须人工 profiling
数据库查询自己写 SQL
缓存策略自己设计

4. 创造性问题解决

AI 只能基于已有模式组合，无法真正创新。

案例：设计一个新的交互模式，AI 给出的方案都是现有产品的变体。

我的原则：需要创造力的工作，AI 只能做头脑风暴助手，决策必须自己来。

5. 最终代码审查与责任承担

AI 写的代码，出了问题是你的责任。

我的原则：

所有 AI 生成的代码必须 review 后才能合并
核心模块自己写单元测试验证
上线前做完整的功能测试

五、我的 OpenClaw 工作流（实战案例）

案例 1：自动 PR 审查流水线

// ~/.openclaw/openclaw.json{"cron": {"jobs": [      {"name": "PR 自动审查","schedule": { "kind": "every", "everyMs": 3600000 },"payload": {"kind": "agentTurn","message": "检查 GitHub PR 列表，对新 PR 进行初审：1.代码风格检查（prettier/eslint）2.测试覆盖率变化3.敏感文件修改检测4.生成审查评论到PR高风险PR标记@人工审查"        },"sessionTarget": "isolated"      }    ]  }}

效果：每小时自动审查新 PR，80% 的 PR 可以直接合并，20% 标记人工审查。

案例 2：项目健康日报

# 每天早上 8 点生成项目健康报告openclaw cron add --job'{"name": "项目健康日报","schedule": { "kind": "cron", "expr": "0 8 * * *", "tz": "Asia/Shanghai" },"payload": {"kind": "agentTurn","message": "生成项目健康报告：1. 用 exec 运行 git status 检查未提交变更2. 用 exec 运行 npm audit 检查安全漏洞3. 用 exec 运行 npm test 检查测试状态4. 读取 package.json 检查依赖更新    生成报告发送到 #project-health 频道"  },"sessionTarget": "isolated","delivery": { "mode": "announce", "channel": "project-health" }}'

效果：每天早上自动收到项目健康报告，问题早发现早解决。

案例 3：技术文档自动更新

# 每次 git push 后自动更新文档openclaw cron add --job'{"name": "文档自动更新","schedule": { "kind": "every", "everyMs": 1800000 },"payload": {"kind": "agentTurn","message": "检查 git 变更，如果有新函数/类：1. 读取源代码提取 API 签名2. 更新 API.md 文档3. 提交变更并推送"  },"sessionTarget": "isolated"}'

效果：文档永远和代码同步，再也不用"回头补文档"了。

六、关键配置清单

1. Gateway 配置（安全远程访问）

// ~/.openclaw/openclaw.json{"gateway": {"bind": "loopback","tailscale": { "mode": "serve" },"auth": { "allowTailscale": true },"controlUi": {"enabled": true,"allowedOrigins": ["https://<magicdns>"]    }  }}

2. Cron 任务配置（自动化）

{"cron": {"jobs": [      {"name": "任务名称","schedule": { "kind": "cron", "expr": "0 9 * * *" },"payload": { "kind": "agentTurn", "message": "任务描述" },"sessionTarget": "isolated","delivery": { "mode": "announce" }      }    ]  }}

3. 会话管理（并行任务）

# 创建持久会话openclaw sessions spawn --runtime acp --mode session --label my-task "任务描述"# 查看会话状态openclaw sessions list# 发送消息到会话openclaw sessions send --label my-task "继续执行"

七、避坑指南

1. 不要过度依赖 AI

坑：把所有代码都交给 AI 写，结果上线后出问题看不懂代码。

解：核心逻辑自己写，AI 只做辅助。

2. 不要忽略安全配置

坑：Gateway 直接暴露在公网，没有配置认证。

解：用 Tailscale Serve，或者至少配置 token 认证。

{"gateway": {"auth": { "mode": "token", "token": "your-secure-token" }  }}

3. 不要一次性创建太多会话

坑：同时 spawn 10 个会话，API 额度瞬间用完。

解：控制并发数，用队列管理任务。

4. 不要忽略日志监控

坑：Cron 任务失败了没人知道。

解：配置 webhook 通知，或者定期检查 openclaw cron runs。

结语

AI 编程不是"取代程序员"，而是"解放程序员"。

把 80% 的重复工作交给 AI，把省下的时间用来做那 20% 真正有价值的事——架构设计、技术创新、和解决复杂问题。

OpenClaw 的 Web 能力（Control UI + Tailscale + Cron + Sessions）让这个过程变得简单、安全、可管理。

最后的建议：

从一个小任务开始尝试（比如自动生成 README）
逐步扩大 AI 的工作范围
始终保持 review 和 oversight
记录哪些任务适合 AI，哪些不适合