夜雨聆风
一、OpenClaw 到底是什么？
OpenClaw是一个开源的、本地优先的AI智能体框架。它不是一个具体的应用，而是一个能让AI“活起来”的平台。
它的核心思想是让AI从“只会说”变成“还会做”。可以把它想象成一位24小时在线的数字员工，只需在聊天工具（如飞书、钉钉）里给它下达指令，它就能像人一样操作电脑、调用软件，自动把活干完。
OpenClaw 本质上是一个本地运行的 AI 网关。
它的架构很简单：
电脑跑一个Gateway 进程（理解为中转站）
Gateway连接聊天软件（Telegram/Discord/WhatsApp）
Gateway再连接 AI 模型（Claude/GPT/DeepSeek）
在 Telegram 发消息 → Gateway 转给 AI → AI 回复转回 Telegram
为什么要这么设计？
因为大部分 AI 服务（Claude、GPT）都没有直接提供 Telegram 机器人，你要么用网页版，要么用 App；但 OpenClaw 让你可以在任何聊天软件里和 AI 对话，而且所有记忆、配置都存在你自己电脑上（~/.openclaw/），没有隐私泄露风险。
二、安装前期准备
1. 硬件与系统要求
Mac 用户：最省心，原生支持 macOS。
Windows 用户：必须装 WSL2（Windows Subsystem for Linux），强烈建议用 Ubuntu 22.04。
Linux 用户：直接开干
如果想 24 小时挂机，建议：Mac Mini（最省电，官方推荐）
云服务器 VPS（DigitalOcean 12 美元/月起，Hostinger 也可以，国内的也行）
2. 大模型 API 准备
OpenClaw 支持几乎所有主流模型，但需要提前准备好 API Key。
推荐方案对比：
ChatGPT Plus 订阅（⭐⭐⭐⭐⭐）$20/月，官方白名单支持，最省心。
阿里云百炼 Coding Plan（⭐⭐⭐⭐⭐）¥100-200/月，国内稳定，通义千问 Qwen3-Max/kimi k2.5 非常不错。
OpenRouter（⭐⭐⭐⭐）按量付费，约 $3-15/天，多模型切换，适合测试。
AI/ML API（⭐⭐⭐⭐）按量付费，支持多模型，OpenClaw 官方集成伙伴。
Kimi K2.5（⭐⭐⭐⭐）按量付费，月之暗面积极支持 OpenClaw。
中转站（⭐⭐⭐）便宜但不稳定，风险高。
Ollama 本地模型（⭐⭐⭐）完全免费，零成本但效果差，适合学习。
建议：
新手先用 OpenRouter 或 AI/ML API，按量付费，不浪费，确定要长期用了，再上个chatgpt的订阅，其实挺合适的；千万别一上来就搞中转站，翻车了排查问题都不知道是模型问题还是配置问题。
3. VPN环境（重要）
Telegram 和 Discord 都需要VPN才能连接,需要：Clash Verge / Clash for Windows / Surge
一个稳定的机场节点,开启 TUN 模式（不开 TUN 模式，终端走不了代理）.
验证方法：
curl -I https://api.telegram.org
如果返回 200，说明终端能访问 Telegram API.
三、正式安装
Step 1: 安装 Homebrew 和 Node.js
打开终端（Terminal），先装 Homebrew:
/bin/bash-c"$(curl-fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
装完后安装 Node.js：
brew install nodejs
验证安装：
node --version # 应该显示 v22.x.x 或更高
npm --version
重要：OpenClaw 要求 Node.js 版本≥22，低于这个版本会报错。
Step 2: 安装 OpenClaw
推荐方式（官方向导）：
curl -fsSL https://openclaw.ai/install.sh | bash
这个脚本会自动：
.安装 OpenClaw CLI 工具
.创建配置目录（~/.openclaw/）
.设置环境变量
安装完成后，运行：
openclaw --version
看到版本号就说明装好了
Step 3: 启动配置向导
这是最关键的一步：
openclaw onboard --install-daemon
--install-daemon 参数会让 OpenClaw 在后台持续运行，即使重启电脑也会自动启动。
四、配置流程
1 选择 AI 模型提供商
向导会列出：
OpenAI (GPT)
kimi...
....
跳过（Skip）
如果有官方账号：直接选对应的，然后会跳转浏览器授权，如果用第三方 API（OpenRouter、中转站等）：选择 Skip跳过后，向导会继续，别担心，后面手动配置。
2 选择聊天平台
向导会问你要连接哪个平台：
● Telegram (Bot API) ← 推荐新手
○ WhatsApp (QR code)
○ Discord (Bot API)
○ Slack
○ 跳过（Skip）
为什么推荐 Telegram：
.配置最简单（3 分钟搞定）
.Bot 创建无需审核
.支持长消息和文件传输
.有完整的 Bot 管理面板
Discord 适合什么人：
.已经有 Discord 服务器的团队
.需要多人协作的场景
.配置时间约 10 分钟
这里先选 Telegram
3 创建 Telegram Bot
打开 Telegram，搜索 @BotFather（这是官方的机器人工厂），发送 /start 开始对话；
按顺序发送：
1./newbot（创建新机器人）
2.输入Bot 显示名称（比如：我的 AI 助手）
3.输入Bot用户名（必须以_bot 结尾，比如：ai_bot）
成功后，BotFather 会返回一个 Token，格式类似：
1234567890:ABCdefGHIjklMNOpqrsTUVwxyz
复制这个 Token，回到终端，粘贴进去。
4 完成初始配置
向导会问要不要安装 Skills（技能插件），比如：
.Web 搜索
.邮件管理
.日历同步
.文件操作
新手建议先跳过，等基础功能跑通了再慢慢加。
配置完成后，向导会自动启动 Gateway：
✓ Gateway started on http://127.0.0.1:18789
✓ Telegram channel connected
✓ Ready to chat!
五、配置第三方 AI 模型
如果在 4.1 选择了 Skip，现在需要手动配置模型（以下步骤强烈推荐用 cursor 等变成助手来完成！！！）
方法 1: 通过 Web UI 配置（推荐）
打开浏览器，访问：
http://127.0.0.1:18789
这是 OpenClaw 的控制面板
点击 Settings → Models → Add Provider
填入API 信息：
Provider Name: 自定义（比如 openrouter）
Base URL: API 地址
API Key: 密钥
Model ID: 具体模型名（比如claude-opus-4）
保存后，在 Telegram 里给Bot 发消息测试。
方法 2: 直接编辑配置文件
打开配置文件：
nano ~/.openclaw/openclaw.json
找到 models.providers 部分，添加：
{
"models": {
"providers": {
"openrouter": {
"baseUrl": "https://openrouter.ai/api/v1",
"apiKey": "your-api-key-here",
"api": "openai-completions",
"models": [
{
"id": "anthropic/claude-opus-4",
"name": "Claude Opus 4",
"reasoning": true
}
]
}
}
},
"agents": {
"defaults": {
"model": {
"primary": "openrouter/anthropic/claude-opus-4"
}
}
}
}
保存后重启 Gateway：openclaw restart
方法 3: 使用 AI/ML API（官方集成）
如果用 AI/ML API，安装时可以直接用他们的专用版本：
npm install -g openclaw-aimlapi@latest
这个版本会自动配置好 AI/ML API 的 Skills
六、配置网络代理
很多人配完发现 Bot 不回消息，大概率是代理没配对，确认代理端口，打开 Clash Verge，查看：
.HTTP 端口（一般是 7890）
.SOCKS5 端口（一般是 7891）
设置环境变量,编辑 shell 配置文件：
# 如果用zsh（Mac默认）
nano ~/.zshrc
# 如果用bash
nano ~/.bashrc
在文件末尾添加：
export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890
export all_proxy=socks5://127.0.0.1:7891
保存后重新加载：
source ~/.zshrc # 或 source ~/.bashrc
重启 OpenClaw:
openclaw restart
验证代理是否生效：
在 Telegram 给 Bot 发消息：帮我搜索一下 OpenClaw 的最新更新,如果能返回结果，说明代理配置成功。
七、进阶配置
1 配置个性化 SOUL
OpenClaw 支持自定义 AI 的性格和行为规则，编辑文件：
nano~/.openclaw/workspace/SOUL.md
写入要求，比如：
# AI助手人格设定
- 称呼我为「老板」
- 回复风格：简洁专业，不说废话
- 擅长领域：产品设计、技术架构、内容创作
- 禁止事项：不要主动闲聊，不要说「很抱歉」这种客套话
保存后，AI 会按照这个设定来回复
2 安全配置（这个必须做）
OpenClaw 因为权限太大，被安全研究员警告过风险，必须设置的安全措施：
1.限制 API 花费上限：在API 提供商后台（OpenRouter/Claude 等）设置每日/每月预算上限。
2.开启敏感操作确认：编辑配置文件，找到 tools 部分：
{
"tools": {
"exec": {
"enabled": true,
"approvalRequired": true // 执行命令前需要你确认
},
"email": {
"enabled": true,
"approvalRequired": true // 发邮件前需要你确认
}
}
}
不要把 OpenClaw 暴露到公网
Gateway 默认监听 127.0.0.1:18789，只有本机能访问，千万别改成 0.0.0.0
八、常见问题排查
问题 1: Bot 不回消息
排查步骤：
# 1. 检查Gateway是否运行
openclaw status
# 2. 查看日志
openclaw logs --tail 50
# 3. 测试模型连接
openclaw agent --message "测试" --thinking high
如果 logs 里看到 ECONNREFUSED 或 timeout，是网络代理问题；如果看到 401 Unauthorized，是 API Key 错误；如果看到 rate limit，是API 额度用完了。
问题 2: 端口被占用
报错：Error: listen EADDRINUSE: address already in use :::18789
解决：
# 找到占用端口的进程
lsof -i :18789
# 杀掉进程（PID是上一步查到的数字）
kill -9 <pid>
# 重启OpenClaw
openclaw restart
</pid>
问题 3: Telegram 配对失败
如果 Bot 创建了但配对不上：
# 查看配对码
openclaw pairing list
# 手动批准配对
openclaw pairing approve telegram <你的Telegram User ID>
你的 User ID 可以在 Telegram 搜索 @userinfobot 获取
九、成本与建议
最低成本方案（约 30 元/月）：
.Ollama 本地模型
.Telegram
.自己的电脑 24 小时开机（电费约 20 元/月）
.总计：20-30 元/月
性价比方案（约 150 元/月）：
.OpenRouter 按量付费（约 100 元/月，轻度使用）
.Telegram（免费）
.云服务器 VPS（约 50 元/月）
.总计：150 元/月
土豪方案（约 1000 元/月）：
.直接用claude api（大概1000元）
.Mac Mini 本地运行（一次性投入 3000 元）
.总计：首月 4000+，后续 1000+/月
建议：先用性价比方案跑 1-2 周，确定自己真的会用，再考虑升级。
如何让「能用」变为「好用」？
很多人刚安装上openclaw第一个问题就是：为什么这么傻？和大家说的怎么不一样？其实背后的原因，不是模型问题，不是prompt问题，而是「能用」到「好用」之间差了三件事：记得住、找得到、断不了。
一、记忆体系
你让agent帮你学React，聊了一下午，它记住了你的进度、踩过的坑、下一步该学什么？过几天你再问他，它全忘了：你是谁、学到哪了、昨天聊了什么，全部从零开始；你得重新教它一遍，而且你也不知道为什么会这样。每天花10分钟重复教agent，一个月就是5个小时，全浪费了。
怎么解决？
三层记忆模型：
Tier 1 信息层 → 原始记录，学习笔记、对话记录，存在 memory/learning/ 目录下，只追加不删除，按需检索
Tier 2 知识层 → 每日提炼，工作日志、重要决策、提炼后的知识点，每天一个文件 memory/YYYY-MM-DD.md（这个是openclaw自带的）
Tier 3 智慧层 → 长期记忆，跨领域洞察、底层规律、核心方法论，存在 MEMORY.md 里，控制在100行以内，每次session都加载
灵感来自人类的记忆方式，你不会记住每天看过的所有文字，但你会记住提炼后的知识点，最终形成底层的思维模式。
7个核心文件，各管各的，互不重复：
AGENTS.md → 怎么工作（工作流程、操作规范）
SOUL.md → 我是谁（人格特质、核心原则）
USER.md → 我服务谁（用户偏好、决策模式）
TOOLS.md → 怎么操作（工具手册、配置说明）
MEMORY.md → 我记得什么（长期记忆、方法论）
ERRORS.md → 我在哪里失败过（错误记录、避坑指南）
SHARED.md → 团队共识（多agent共享信息）
核心原则就一条：一个信息只存一个地方。
写入已有文件永远用edit追加，绝不用write覆盖；Heartbeat是 OpenClaw 的定时触发机制，默认每30分钟执行一次；设置每6小时进行一次记忆深化整理，一天4次刚好覆盖工作时段。
整理流程：读取最近的日志文件 → 提炼到MEMORY.md/USER.md/ERRORS.md/每日记忆 → 清理过时信息
搭好这套记忆体系之后，agent能做到什么？
学习场景：你昨天学到React Hooks第三章，今天agent自动知道，接着第四章学习。
工作场景：你的代码风格偏好、项目架构约定，agent永远记得，不用每次重复说。
团队场景：新建一个agent，它自动读取ERROR.md，第一秒就知道团队所有规矩和踩过的坑。
不是agent变聪明了，是给了它一个不会丢的大脑，这才是openclaw的灵魂。
二、搜索决策树
记忆搭好了，但agent还是会在搜索上反复栽跟头，OpenClaw里搜索工具一大堆：web_fetch、curl、browser，还有各种第三方的；每次让agent抓个网页，它就开始乱试。用web_fetch → 失败（SSRF拦截了）→ 试图改配置绕过 → 系统异常 → 换curl → 成功了。
同一个坑，agent A踩了，agent B还会再踩一遍。每次搜索任务光试错就要花5-10分钟，浪费30-50%的token；
一个免费的全网搜索工具，装上之后自动变成OpenClaw Skill，所有agent直接可用；全网语义搜索、网页阅读、YouTube字幕提取，全都免费，不需要API key，它能覆盖80%的搜索场景，剩下20%的特殊情况各有各的解法。
一套统一的搜索决策树：
第一步判断：是否需要JS渲染或登录态？
→ 需要，直接用browser
→ 不需要，用免费工具
→ 该工具也失败，按错误类型切：SSRF拦截用curl，其他错误用web_fetch，都失败才上browser
特殊规则文档化：GitHub搜索只能用browser、B站IP被封只能用browser、自己的仓库用gh CLI。
效果：搜索任务从5-10分钟试错变成不到1分钟直接命中，token开销砍了一半。
任何工具选择的场景都能这么干：识别重复问题 → 调研工具 → 建决策树 → 文档化 → 写入共享文件 → 全team受益。
三、计划文件模式
记得住、找得到，但还有一个几乎没人提过的隐蔽问题；有没有遇到过这种情况：agent在做一个复杂任务，做到一半突然问你“你让我做什么来着？”以为是bug，重启了session，让它重新开始。又做到一半，又忘了。这不是bug，是OpenClaw的正常机制，context窗口有限，对话太长就会自动压缩，删掉旧的对话和工具结果来释放token。
如果任务状态只存在对话里，压缩一次就全丢了。大部分人遇到这个问题会觉得是OpenClaw不好用，其实是不知道这个机制存在。知道了原因，解法就清楚了，既然context会消失，那就别把关键状态只存在context里。
做法：收到复杂任务时，先创建一个计划文件 temp/任务名-plan.md；
文件结构很简单：目标（一句话）+ 步骤列表（带checkbox）+ 当前进度 + 遇到的问题 + 下一步；每完成一步就更新文件、打勾；context被压缩时，文件不受影响，新session开始读取计划文件，接着上次的进度继续；任务完成后删除或移到归档任务中，作为外部知识库的一部分；而且Heartbeat检查时也能发现进行中的任务，主动汇报进度。
效果：晚上睡觉，agent在跑一个20步的任务。中间context压缩了3次，跨了2个session；早上起来，它读完计划文件，接着昨天的第15步继续干，中间没丢任何进度；
本质上这就是把短期记忆（context）里的关键状态，外化到长期存储（文件）里，和前面三层记忆模型的逻辑一样：重要的东西不能只存在会消失的地方。
写在最后：OpenClaw 的核心价值不是「又一个 AI 聊天工具」，而是把 AI 从「打开浏览器→登录→对话→复制结果」这个流程，缩短到「在 Telegram 发一条消息」；这就是超级个体需要的生产力工具：无缝、随时、记忆连续；但它也不是万能的，目前的问题包括：更新太快，文档跟不上（一周好几个版本）。Skills 质量参差不齐，有些有安全风险，配置复杂度对小白不太友好。
业务联系 识别二维码
