夜雨聆风📑 本文导航
Part 1 · 沙盒环境搭建
Part 2 · 个人微信接入（官方 ClawBot 插件）
Part 3 · 自定义模型供应商（New-api）
Part 4 · 模型路由与缓存优化
Part 5 · Bootstrap 初始化与核心 MD 模板
Part 6 · Token 消耗监控
Part 7 · Skill 安装与装机必备
Part 8 · 用 AI 发现和安装 Skill
Part 9 · 系统备份与恢复
Part 10 · 记忆系统优化
Part 11 · 一键自动化配置
OpenClaw 是一款开源本地 AI 助手框架，它把大语言模型（LLM）变成一个 7×24 小时在线、有记忆、能操作工具的私人智能体。
但「装上能用」和「用得好」之间，隔着模型选择、成本控制、记忆管理、技能扩展等一系列工程问题。本文用 Docker 沙盒（sandbox）方案贯穿全程——删掉就是彻底卸载，想让龙虾看到什么，操作什么都由你自己控制。
全文约 15 分钟阅读，每个操作步骤都附有预期反馈，确保你知道「做对了长什么样」。
💡 懒人通道：如果不关心技术细节，可以直接跳到文末 Part 11 · 一键自动化配置，复制脚本一键搞定。
🔰 新手必读：Docker 和命令行是什么？
命令行（Terminal / 终端）：就是那个黑底白字的窗口。macOS 按 ⌘ + 空格 搜索「终端」打开，Windows 搜索「PowerShell」打开。你在里面输入命令让电脑执行操作——比打开文件夹、点鼠标快得多。
Docker：想象一个「虚拟电脑」运行在你的电脑里。它有自己的文件系统、网络，和你的主系统完全隔离。好处是：装坏了删掉重来，不影响你的电脑。
Docker Compose：一个配置文件 docker-compose.yml，描述「怎么启动这个虚拟电脑」。一条命令 docker compose up -d = 启动，docker compose down = 关闭。
Volume（卷挂载）：Docker 容器默认删了数据就没了。挂载 = 把你电脑上的文件夹「接入」容器内部，这样容器内外共享数据。
🐳 安装 Docker Desktop
macOS：
1. 打开 https://docker.com/get-started → 点击 Download for Mac
2. 打开 .dmg → 拖动 Docker 到 Applications
3. 从启动台打开 Docker → 等右上角鲸鱼图标显示 running
Windows：
1. 同上地址 → 点击 Download for Windows
2. 安装时勾选 Use WSL 2（必须）
3. 安装完重启电脑 → 打开 Docker Desktop
Linux (Ubuntu)：
# Ubuntu / Debian 一键安装 curl -fsSL https://get.docker.com | sh sudo usermod -aG docker $USER # 退出重新登录后生效验证安装成功：打开终端输入 docker --version 和 docker compose version，能看到版本号就 OK。
PART 01
Docker 沙盒环境搭建
类似 conda ——所有东西都在容器里，删容器即卸载
直接 npm install -g 安装会把依赖散落在系统各处。Docker 提供了完美隔离：一个目录装下全部状态，还能同时跑多个实例。
确认 Docker 环境
docker --version docker compose version预期反馈：Docker version 27.x.x 和 Docker Compose version v2.x.x
创建项目目录和 docker-compose.yml
mkdir -p ~/openclaw-sandbox cd ~/openclaw-sandbox mkdir -p config workspace skills extensions cat > docker-compose.yml << 'EOF' services: openclaw: image: ghcr.io/openclaw/openclaw:latest container_name: openclaw-main restart: unless-stopped ports: - "18789:18789" volumes: - ./config:/home/node/.openclaw - ./workspace:/home/node/.openclaw/workspace - ./skills:/home/node/.openclaw/skills - ./extensions:/home/node/.openclaw/extensions environment: - TZ=Asia/Shanghai EOF启动并完成初始化
docker compose up -d # 验证容器启动 docker logs openclaw-main --tail 5预期反馈：看到 [gateway] listening on ws://127.0.0.1:18789 说明启动成功。接下来可以通过微信或 CLI 与 AI 对话：docker exec -it openclaw-main openclaw agent -m "你好"
Docker 内能访问网页和文件吗？
这个问题很常见。Docker 容器默认能访问外部网络（搜索、调 API、访问网页都没问题），但不能访问宿主机的文件系统——除非通过 Volume 挂载。上面的 docker-compose.yml 已经挂载了 4 个目录：
./config → 容器内 /home/node/.openclaw（配置和状态）
./workspace → 工作空间（AI 读写文件的地方）
./skills → 技能包目录
./extensions → 插件目录（如微信插件）
如需让 AI 访问你的其他文件夹（如 ~/Documents），在 docker-compose.yml 的 volumes 中加一行：
volumes: - ./config:/home/node/.openclaw - ./workspace:/home/node/.openclaw/workspace - ./skills:/home/node/.openclaw/skills - ./extensions:/home/node/.openclaw/extensions - ~/Documents:/home/node/documents:ro # ⬅️ 新增：挂载你的文档（:ro = 只读，更安全）⚠️ 挂载时加 :ro（只读）可防止 AI 意外修改源文件。确认安全后可改为 :rw（读写）。
沙盒日常管理速查
docker compose up -d — 启动（后台运行）
docker compose down — 停止并移除容器（数据安全，在挂载目录里）
docker compose pull && docker compose up -d — 升级到最新版
docker exec -it openclaw-main bash — 进入容器内部操作
docker logs openclaw-main --tail 50 — 查看最近 50 条日志
彻底卸载 Docker 沙盒
等同于 conda env remove——删完跟没装过一样。
cd ~/openclaw-sandbox # Step 1：停止并移除容器和网络 docker compose down -v # Step 2：删除 OpenClaw 镜像（释放磁盘空间） docker rmi ghcr.io/openclaw/openclaw:latest # Step 3：删除所有数据（配置/工作空间/技能/日志） cd ~ && rm -rf ~/openclaw-sandbox # Step 4：（可选）清理 Docker 系统缓存 docker system prune -f预期反馈：执行 docker ps -a 不再有 openclaw-main，ls ~/openclaw-sandbox 提示目录不存在。完全干净。
PART 02
个人微信接入
通过微信官方 ClawBot 插件安全连接，不会封号
⚠️ 绝对不要使用 Wechaty 或 ntwork 等第三方协议库直接接入个人微信。微信对模拟协议检测极严，轻则功能受限，重则永久封号。下面的方案是微信官方支持的路径。
前置条件
1. iOS 微信版本 ≥ 8.0.70（Android 支持可能有限）
2. 更新后进入 设置 → 插件，确认能看到 ClawBot 入口
看不到？重启微信 App 几次，或检查是否为最新版本
Step 1：安装微信插件
# 安装微信插件（在容器内执行） docker exec openclaw-main \ npx -y @tencent-weixin/openclaw-weixin-cli@latest \ installStep 2：扫码授权微信账号
# 启动授权流程（终端会显示二维码） docker exec -it openclaw-main \ openclaw channels login \ --channel openclaw-weixin # 手机操作： # 1. 打开微信 → 设置 → 插件 → ClawBot # 2. 扫描终端中的二维码 # 3. 在手机上确认授权💡 授权凭证会保存在本地，不会上传到第三方服务器。
💡 支持多个微信账号——重复执行 login 命令即可添加。
Step 3：重启容器
docker restart openclaw-mainStep 4（可选）：隔离会话上下文
默认所有频道共享 AI 上下文。如果你希望每个联系人有独立记忆：
docker exec openclaw-main \ openclaw config set \ agents.mode per-channel-per-peer预期反馈：在微信中给自己或朋友发消息，AI 即时回复。openclaw channels list 显示 openclaw-weixin 状态为 active。
PART 03
自定义模型供应商（New-api）
通过 API 中转服务接入 Anthropic Claude，国内直连
为什么推荐 New-api？
直接调用 Anthropic 官方 API 需要海外信用卡 + 稳定梯子，且无法统一管理多家模型的额度和用量。New-api 是一个基于 One API 的开源 API 管理平台（GitHub 30K+ Stars），解决三个痛点：
① 统一入口 — 聚合 30+ 模型供应商（OpenAI / Anthropic / Google / 国内模型），一个 Base URL 访问所有模型
② 渠道管理 — 配置多个 API Key 做负载均衡和故障转移，某个 Key 限速自动切下一个
③ 用量监控 — 实时查看每个 Token 的消耗、每个渠道的调用量，内置缓存计费
Step 1：部署 New-api（如果你还没有）
# Docker 一行部署 New-api docker run -d --restart always --name new-api \ -p 3000:3000 \ -v /home/ubuntu/new-api:/data \ calciumion/new-api:latest预期反馈：浏览器打开 http://你的服务器IP:3000，看到 New-api 管理面板。默认账号 root，密码 123456（请立即修改）。
Step 2：创建 Anthropic 渠道
在 New-api 管理面板中：
1. 点击 渠道管理 → 添加新渠道
2. 类型选择 Anthropic Claude
3. 填入你的 Anthropic 官方 API Key（sk-ant-api03-...）
4. 模型列表勾选 claude-sonnet-4-20260514 和 claude-opus-4-20260514
5. 点击提交
Step 3：生成 API Token
1. 点击 令牌管理 → 添加新令牌
2. 名称填 openclaw
3. 复制生成的 Token（格式：sk-xxxxxxxx）
4. 记录你的 New-api 地址作为 Base URL
Step 4：在 OpenClaw 中配置
// ~/.openclaw/openclaw.json { "models": { "primary": "claude-sonnet-4-20260514", "thinking": "claude-opus-4-20260514", "providers": { "new-api": { "baseUrl": "https://your-newapi.com/v1", // ⬅️ 末尾必须加 /v1 "apiKey": "sk-xxxx", // ⬅️ New-api 生成的 Token "api": "anthropic-messages", // ⬅️ 必须用这个格式 "cacheRetention": "short", "contextWindow": 200000, "maxTokens": 8192 } } } }⚠️ 三个必踩坑：① baseUrl 末尾漏 /v1 → 404；② api 写成 "openai-completions" → 工具调用 400 错误；③ 模型名与 New-api 渠道中配置的不一致 → 无可用模型。
Step 5：验证连接
openclaw gateway restart # 在对话中输入 /status预期反馈：Provider: new-api，Model: claude-sonnet-4-20260514。如果配置有问题，可以在文末加我微信交流排查。
PART 04
模型路由与缓存优化
双模型路由 + Prompt 缓存，降低 40-60% Token 成本
OpenClaw 每轮对话发送完整上下文给模型——一句「你好」可能消耗数万 Token。如果所有任务都走旗舰模型，月费轻松破百美元。模型路由的核心思想：90% 的日常对话用便宜模型，仅 10% 的复杂推理用旗舰。
各模型单价对比（每百万 Token）
Claude Opus 4 — 输入 $15 / 输出 $75（旗舰，复杂推理）
Claude Sonnet 4 — 输入 $3 / 输出 $15（主力，日常对话）
Claude Haiku 3.5 — 输入 $0.8 / 输出 $4（经济，简单任务）
↑ Opus vs Haiku 成本差 18 倍，同样的对话 Haiku 仅需几分钱
实操：配置双模型路由
Part 3 的配置中已包含 primary 和 thinking，这就是路由的核心——OpenClaw 根据任务复杂度自动选择模型。你还可以加一个 Heartbeat 专用的经济模型：
// openclaw.json 完整模型路由配置 { "models": { "primary": "claude-sonnet-4-20260514", // ⬅️ 日常对话 "thinking": "claude-opus-4-20260514", // ⬅️ 深度推理（AI 自动切换） "providers": { ... } // ⬅️ 沿用 Part 3 配置 }, "agents": { "defaults": { "contextTokens": 100000, // ⬅️ 超 10 万 token 自动 compact "heartbeat": { "model": "claude-haiku-3.5", // ⬅️ Heartbeat 用最便宜的模型 "intervalMinutes": 15 // ⬅️ 降频到 15 分钟 } } } }验证路由生效
openclaw gateway restart # 在对话中输入 /status预期反馈：显示 Model: claude-sonnet-4 (primary) 和 Thinking: claude-opus-4。给 AI 一个复杂任务（如「分析这段代码的性能瓶颈」），再 /status，如果模型切成 Opus 说明路由生效。
缓存策略 + 日常命令
/compact — 压缩对话历史（长会话必用，省 40-60%）
/model haiku — 临时切到经济模型（一次性简单任务）
/model sonnet — 切回主力模型
/status — 查看当前模型 + Token 消耗 + 缓存命中
缓存策略选择：cacheRetention: "short" 适合低频使用（避免无用 cache write），"long" 适合高频对话（最大化命中率，可降 75% 成本）。读缓存仅为完整计算的 10% 价格。
成本预估对比
📊 假设每天 50 轮对话、平均每轮 10K input + 2K output tokens：
全部用 Opus：~$18/天 → $540/月
全部用 Sonnet：~$3.6/天 → $108/月
路由 + 缓存优化后：~$45-65/月（Sonnet 为主 + 10% Opus + 缓存复用）
↓ 综合节省 60-90%
PART 05
Bootstrap 初始化与核心 MD 模板
8 个 Markdown 文件 = AI 的性格 + 记忆 + 行为边界
OpenClaw 每次对话启动时自动加载 8 个 MD 文件。这些文件本质上就是系统提示词（System Prompt）——它们决定 AI 的性格、能力边界和工作方式。花 10 分钟认真填写，后续每次对话都会受益。
Soul.md ⭐⭐⭐⭐⭐ — 核心人格、价值观、风格（最关键）
User.md ⭐⭐⭐⭐⭐ — 你的偏好、技术栈、工作习惯
Agents.md ⭐⭐⭐⭐ — 权限控制（能做什么 / 不能做什么）
Memory.md ⭐⭐⭐⭐ — 长期记忆（Part 10 详述）
Identity.md / Tools.md / Heartbeat.md / Bootstrap.md — 辅助文件
Soul.md — 核心提示词模板
提示词工程（Prompt Engineering）的精髓：具体 > 模糊，约束 > 自由，示例 > 描述。
# Soul ## 角色定义 你是一个资深全栈工程师 + 技术顾问。 ## 沟通风格 - 说话直接，不说废话，不用「首先」「接下来」等过渡词 - 有不同意见直接说，不当 yes-man - 给方案不要只给一个，给 2-3 个并说明取舍 - 技术讨论用中文，代码注释和变量名用英文 ## 输出规范 - 代码修改附带一句话说明「改了什么、为什么改」 - 搜索前先说你要搜什么和为什么 - 长回答用 ## 标题分段，短回答直接说 ## 行为边界（约束 > 自由） - 修改任何文件前必须确认 - 不执行 rm -rf、格式化、权限修改等危险命令 - 不主动推荐付费服务或 SaaS 产品 - 遇到不确定的问题说「我不确定」，不编造答案 ## 示例（示例 > 描述） ❌ 不好：「这个方案可能会有一些性能问题」 ✅ 好：「这个方案在 10K QPS 下 P99 延迟约 200ms，瓶颈在数据库连接池。 方案 A：连接池改 HikariCP，预期降到 50ms。 方案 B：加 Redis 缓存，但增加一致性维护成本。」User.md — 用户画像模板
# User ## 基本信息 - 名字：{你的名字} - 时区：Asia/Shanghai (UTC+8) - 语言：中文为主，技术术语保留英文 ## 技术栈 - 主力语言：Python, TypeScript - 工具链：Docker, VS Code, iTerm2, Homebrew - 云平台：{你常用的云} - AI 框架：OpenClaw, LangChain ## 工作偏好 - 偏好命令行操作，少用 GUI - 代码风格：类型注解、函数式优先 - 文档语言：中文正文、英文术语Agents.md — 权限控制模板
# Agents ## 允许自动执行（无需确认） - 文件读取和搜索 - 网页内容获取（read_url_content） - 记忆写入（MEMORY.md 和 daily log） ## 需要确认后执行 - 创建或修改文件 - 安装 npm/pip 软件包 - 执行 shell 命令 ## 绝对禁止（硬约束） - 删除非 /tmp 目录下的文件 - 修改系统配置（/etc, ~/.bashrc 等） - 向外部发送包含 API Key 的请求 - 未经确认发送邮件或消息⚠️ 提示词黄金法则：约束比自由更重要——明确告诉 AI「不做什么」比「做什么」更有效。模糊的指令（「注意安全」）不如具体的约束（「不得执行 rm、chmod 或修改 /etc 下任何文件」）。
预期反馈：编辑后 openclaw gateway restart，发消息测试。AI 的回复风格应符合 Soul.md 定义——直接、有主见、给出多方案和取舍。如果 AI 仍然很「客服」，检查 Soul.md 是否被 Bootstrap 覆盖。
PART 06
Token 消耗监控
不看油表的车迟早抛锚
OpenClaw 内置两个命令：/status 查看当前会话消耗，/usage cost 聚合历史成本。更精确的监控需要安装插件：
# 安装成本追踪 Skill openclaw skills install openclaw-cost-tracker # （可选）安装 OpenGauge 预算告警 openclaw plugins install opengaugeOpenGauge 支持每日预算上限和 80% 阈值告警——在 openclaw.json 中配置 plugins.opengauge.budget_limit_daily 即可。
月度成本参考：轻度使用 $6-13/月，中度 $30-60/月，重度自动化 $200-600/月。
PART 07
Skill 安装与装机必备
没有 Skill 的 OpenClaw 只是聊天机器人
三种安装方式：① CrawHub 市场 openclaw skills install <slug>（最稳定）；② npx skills add（Vercel 出品，跨工具通用）；③ 管理面板界面操作。
# 装机推荐组合（5 个足矣，别贪多） openclaw skills install brave-search # ↑ 联网搜索 openclaw skills install web-browser # ↑ 网页浏览 openclaw skills install fs # ↑ 文件读写 openclaw skills install summarize # ↑ 长文摘要 openclaw skills install mcporter # ↑ MCP 协议桥接 openclaw gateway restart⚠️ 每个 Skill 增加上下文开销。初始 5 个以内，按需再加。安装前查看源码，不受信任的 Skill 在 Docker 内运行更安全。
PART 08
用 AI 发现和安装 Skill
ClawHub 3,286+ Skills，让 AI 帮你找
两种方式——命令行 openclaw skills search "关键词"，或者直接在对话中说：
你：帮我找一个可以管理 Obsidian 笔记的 Skill
AI：找到 obsidian 和 obsidian-direct，推荐前者。需要我安装吗？
你：装上
AI：✔ 已安装，重启网关后生效。
PART 09
系统备份与恢复
10 分钟配置，关键时刻救命
Docker 场景下，备份 = 打包挂载目录：
# 备份（宿主机执行） cd ~/openclaw-sandbox tar -czf ~/openclaw-backup-$(date +%Y%m%d).tar.gz \ config/ workspace/ skills/ docker-compose.yml # 恢复 docker compose down tar -xzf ~/openclaw-backup-20260327.tar.gz -C ~/openclaw-sandbox/ docker compose up -d # 定时备份（crontab -e 添加） 0 3 * * * cd ~/openclaw-sandbox && tar -czf ~/openclaw-backups/backup-$(date +\%Y\%m\%d).tar.gz config/ workspace/ skills/ docker-compose.yml⚠️ 备份包含 API Key 等敏感信息，建议加密存储：tar -czf - config/ | gpg -c > backup.tar.gz.gpg
PART 10
记忆系统优化
让 AI 真正「记住你」，又不让记忆膨胀拖垮成本
OpenClaw 采用文件优先（file-first）两层记忆架构：
持久记忆MEMORY.md — 核心偏好、重要决策，每次启动加载。保持 ≤ 2,000 tokens。
临时记忆memory/YYYY-MM-DD.md — 每日活动日志，自动加载今天+昨天，更早的按需搜索。
四条黄金规则
1. MEMORY.md 要精不要多 — 超过 5,000 tokens 每次请求都预加载大量上下文。
2. 重要信息主动写入 — /compact 前先让 AI「把结论写入 MEMORY.md」。
3. 按项目隔离 — 不同项目给独立 workspace，避免记忆污染。
4. 定期审查 — 每月清理过期条目。
进阶：三大记忆增强插件
OpenClaw 的原生记忆系统够用，但对于高频用户或需要跨项目知识管理的场景，这三个插件各有所长：
① Mem0 — 自动事实提取
价值：对话中提到的事实（「我的项目用 PostgreSQL」「部署在 AWS」）会被自动提取并存储，下次对话 AI 自动检索相关事实，无需手动写入 MEMORY.md。
原理：混合向量检索 + 图数据库，支持用户级、会话级、Agent 级三层记忆。
# 安装 openclaw skills install mem0 openclaw gateway restart # 使用（在对话中自然交流即可，Mem0 自动提取） # 你也可以主动说：「记住这个——我们的 staging 环境在 10.0.1.5」预期反馈：几轮对话后，问 AI「你记得我的数据库用的是什么吗？」，即使跨了会话，AI 也能准确回答。
② QMD — 本地语义搜索引擎
价值：由 Shopify 创始人 Tobi Lütke 开发，Rust 编写，专为 AI Agent 优化。采用混合搜索（BM25 全文 + 向量语义 + LLM 重排序），让 AI 从你的 Markdown 笔记、会议记录和日志中精准检索信息。比简单的文件搜索精度高 10 倍，Token 消耗降低 10 倍。
核心优势：全部本地运行，数据不出机器，零配置。
# 安装 openclaw skills install qmd openclaw gateway restart # 命令行测试 qmd search daily-logs "上周讨论的数据库迁移方案" # 在对话中使用——AI 会自动调用 QMD 搜索相关记忆③ Cognee — 知识图谱引擎
价值：不只存储事实，还理解实体之间的关系。比如它知道「项目 A 使用 PostgreSQL，PostgreSQL 部署在 AWS RDS，RDS 与 VPC-1 关联」。适合管理复杂项目或企业级知识库。
原理：ECL 管道（提取→认知化→加载），结合向量数据库 + 图数据库 + 关系数据库三重存储。
# 安装 openclaw skills install cognee openclaw gateway restart # Cognee 会在后台构建知识图谱 # 在对话中问：「我们所有项目里哪些用了 PostgreSQL？」三者怎么选？
个人用户、快速上手 → Mem0（最简单，装上就用）
注重隐私、大量本地文档 → QMD（全本地、高精度搜索）
复杂项目、企业知识库 → Cognee（关系推理，但学习成本高）
推荐起步组合：Mem0 + QMD，覆盖 95% 场景。
PART 11
一键自动化配置
一个脚本 + 一个 .env 文件，5 分钟完成以上全部配置
上面 10 个 Part 的所有操作已经打包成一个自动化脚本：输入代码即可在5分钟内自动完成容器启动、模型配置、MD 模板写入、Skills 安装和网关重启。
🦞 获取一键安装脚本
在公众号后台回复关键词
脚本
欢迎添加我的微信：chichuxinf
