夜雨聆风What's up， 大家！这是我的第 24 篇原创文章。
最近 OpenClaw 火得不得了，朋友圈、技术群、公众号几乎天天都有人在讨论。但实话说，我身边真正把 OpenClaw 跑通的朋友并不多——大部分人卡在了安装部署这一步：Linux 环境配置、模型认证、Gateway 自启动、代理验证……每一步都有坑。
我自己折腾了整整两周，才把三大模型（OpenAI/Codex、Claude、Gemini）接进 OpenClaw。过程中我发现一件事：OpenClaw 最值钱的，不是那个壳子本身，而是它背后的三角色协作思路。
这个思路你就算不装 OpenClaw，今天用 Claude Code、Antigravity、甚至 OpenCode + 一段 Prompt 就能跑起来。
这篇文章就讲这件事：我怎么把 OpenClaw 的三角色协作提炼出来，变成一套不依赖 OpenClaw 也能用的实战方法。
问题出在哪：OpenClaw 到处推荐，但大多数人卡在第一步
先说现状。OpenClaw 的宣传材料会让你觉得这东西很简单——"一行命令安装，三分钟上手"。但真正动手你会发现：
| 卡点 | 具体表现 | 影响 |
| 环境依赖 | Node.js 版本、Python 环境、npm 全局包冲突 | 安装失败或运行异常 |
| 模型认证 | OAuth 回调、设备码确认、Token 交换失败 | 看到登录成功但实际调不通 |
| 网络代理 | 国内环境需要代理，代理配置因网卡切换失效 | Gateway 起来了但模型请求超时 |
| 自启动 | 重启后服务没起来，systemd 配置不对 | 每次开机都要手动拉起 |
| 多角色协作 | 装完了不知道怎么用，照着教程操作但不理解为什么要这样分工 | 用成了高级聊天窗口 |
最后一条才是核心问题：就算你装好了 OpenClaw，如果不理解它背后的协作模式，你也只是在用一个昂贵的对话框。
反过来说，如果你理解了协作模式的精髓，你不需要 OpenClaw 也能实现 80% 的价值。
我试过的三条路
方案1：直接装 OpenClaw——踩坑两周
**操作流程：**准备 Linux 环境 → 安装 OpenClaw CLI → 配置 Gateway → 接入模型认证 → 验证 Agent 可用
我用 Ansible 自动化脚本在 Ubuntu 服务器上做了一键部署。听起来很顺对吧？但实际上：
- • Gateway 自启动折腾了三天：systemd 服务配置、用户权限、端口占用，每次重启都要手动拉起
- • OpenAI/Codex 认证看到
probe ok以为成功了，结果真正跑 Agent 的时候超时——logged_in=true不等于"可用" - • Gemini 认证更离谱：C-1 路线（google-gemini-cli）token exchange 失败，只好切 C-2 路线（Antigravity 反代），到现在还没完全验通
- • 代理配置因为 WiFi 切换导致 IP 变化，每次都要重新验证
# 这是我实际跑的部署命令——看起来简单，但每一步都可能卡住
ansible-playbook -v openclaw_deploy.yml
ansible-playbook -v openclaw_deploy.yml -e deploy_scope=auth_openai_codex
ansible-playbook -v openclaw_deploy.yml -e deploy_scope=gateway结果：两周后终于跑通了基本流程，但 Gemini 认证还在折腾。更重要的是，我发现真正让我效率提升的不是 OpenClaw 本身，而是我在部署过程中被迫建立的三角色协作规则。
方案2：只看教程不动手——知道了但没用上
**操作流程：**搜索教程 → 阅读安装文档 → 看别人的使用分享 → 点赞收藏 → 关掉
这是大多数人的状态。你知道 OpenClaw 可以让多个 AI Agent 协作，知道它有 CC、Codex 的概念，但：
- • 你没有 Linux 服务器，或者有但不想折腾
- • 你看不懂 Ansible，也不想学
- • 你觉得"等它稳定了再用"
结果：知识停留在"听说过"层面，完全没有实操能力。
方案3：不装 OpenClaw，用 Prompt 模拟核心协作——这才是我要讲的
**操作流程：**提炼核心协作规则 → 写成角色约束提示词 → 在任意 AI IDE 中运行 → 用交接模板保持连续性
这个方案的核心思路是：把 OpenClaw 三角色协作中最有价值的部分提取出来，用 Prompt 工程的方式在任何 AI 编程助手中复现。
你不需要 Linux 服务器，不需要配网络代理，不需要折腾 Gateway。你只需要一个能用的 AI 编程助手（Claude Code、Antigravity、OpenCode 都行）和一份精心设计的提示词。
结果：我在 Windows 上用 Antigravity + 这套提示词，实现了和 OpenClaw 类似的效果——角色分工清晰、任务可追溯、交接不断线。
| 对比维度 | 方案1：直接装 | 方案2：只看不练 | 方案3：Prompt 模拟 |
| 门槛 | 高（Linux+Ansible+代理） | 零 | 低（任意 AI IDE） |
| 投入时间 | 2周+ | 0 | 2小时 |
| 核心价值获取 | ✅ 完整 | ❌ 零 | ✅ 80% |
| 适合人群 | 运维背景/有服务器 | 围观群众 | 所有 AI 编程用户 |
最终方案：用 Prompt 模拟 OpenClaw 三角色协作
下面是完整的实操步骤。你可以直接复制到你正在用的 AI IDE 里跑起来。
第一层：定义三角色分工
OpenClaw 的核心是把一个复杂任务拆成三个人的活：
| 角色 | 职责 | 红线（绝对不做） |
| CC（规划者） | 分析需求、制定方案、修订文档、统筹全局 | 不执行任何代码或命令 |
| Codex（执行者） | 写代码、改文件、跑脚本、调试问题 | 不修改方案文档 |
| 用户（验证者） | 验收结果、确认功能符合预期、做最终决策 | 不调试中间过程 |
详细步骤：
| # | 操作 | 说明 |
| 1 | 在你的 AI IDE（如 Claude Code）中新建一个会话 | 这个会话扮演 CC（规划者） |
| 2 | 在提示词中写入角色定义 | CC 负责规划统筹、制定方案、修订文档 |
| 3 | 明确 CC 的红线 | CC 不执行任何代码或命令，不直接操作文件系统 |
| 4 | 如有第二个 AI IDE（如 Codex CLI），让它扮演执行者 | Codex 负责写代码、改文件、跑脚本 |
| 5 | 你自己扮演验证者 | 验收最终结果，确认功能是否符合预期 |
验证检查： 三角色各自的职责边界是否清晰——CC 不碰代码、执行者不碰方案文档、你不调试中间过程。
如果你只有一个 AI IDE，也能跑。方法是在同一个会话中用提示词强制 AI 区分"规划阶段"和"执行阶段"：
# 你可以在 AI IDE 的系统提示词或 AGENTS.md 中写入这段
你当前有两个工作模式：
- 规划模式：分析需求、制定方案、写文档。不写代码、不执行命令。
- 执行模式：按方案写代码、改文件、跑脚本。不修改方案。
每次切换模式时，必须先声明"进入 XX 模式"。
用户负责验证最终结果。第二层：建立越界约束（这是最难守住的）
OpenClaw 的 43 条硬约束，本质上就是在说一件事：各干各的，别越界。
把这些规则提炼成最小可用版本：
# 越界约束（红线规则）——贴进你的提示词
## 三条红线
1. 规划阶段不执行：分析需求时不要顺手改代码
2. 执行阶段不改方案：写代码时发现方案有问题，先反馈，不要自己改方案
3. 遇到需要用户操作的事，标注【→ 用户】：不要替用户做决定
## 消息标注规则
- 给执行者的消息标注【→ 执行】
- 给用户的消息标注【→ 用户】
- 给规划者的消息标注【→ 规划】⚠️ 故障排除： 如果 AI 在规划阶段就开始写代码，你要立即打断："你现在是规划模式，不要写代码，先把方案写完。"
第三层：用交接模板保持跨会话连续性
这是整个方案中最值钱的一层。OpenClaw 原版交接模板有七段，我提炼出最小可用版本：
# 交接模板（每次会话结束时填写）
## 一、这轮完成了什么
- （列出实际完成的具体事项）
## 二、当前有效结论
- （仍然成立的技术结论和状态）
## 三、下一步优先动作
- 【→ 执行】需要做什么
- 【→ 用户】需要验证什么
## 四、当前卡点
- （阻塞进展的具体问题）
## 五、不要重复做的事
- （已经试过失败的路，别再走）详细步骤：
| # | 操作 | 说明 |
| 1 | 每次会话结束前，要求 AI 按模板输出交接内容 | 直接说"按交接模板输出" |
| 2 | 把交接内容保存到一个固定文件 | 比如 reference/prompt.md 或 交接记录.md |
| 3 | 下次会话开始时，让 AI 先读取交接文件 | "先读取 交接记录.md，了解上次进展" |
| 4 | AI 读完后确认当前状态再开始工作 | 避免从零开始或重复已做的事 |
验证检查： 新会话能准确回忆上次的进展和卡点，不需要你重新解释背景。
这个流程解决了 AI 编程最大的痛点之一：上下文丢失。不管你用什么 AI 工具，只要坚持用交接模板，就能实现跨会话的连续协作。
真正容易返工的地方
用了一段时间，我总结出以下避坑清单：
| # | 踩坑点 | 具体表现 | 避坑建议 |
| 1 | AI 在规划阶段偷偷执行 | 你让它分析需求，它直接把代码写了 | 在提示词里加硬约束："规划模式禁止输出代码" |
| 2 | 交接模板写了但不读 | 新会话开始没让 AI 先读交接文件 | 养成习惯：每次新会话首条消息固定为"先读交接记录" |
| 3 | 越界约束漂移 | 用着用着就忘了角色分工 | 每 3-5 轮对话手动检查一次：AI 有没有做不该做的事 |
| 4 | 交接文件越来越长 | 历史交接堆积，AI 读取效率下降 | 定期精简：只保留当前有效结论和卡点，完成的事移入归档 |
| 5 | 只有一个 AI 时模式混乱 | 规划和执行在同一个会话里来回切 | 严格标注模式切换："现在进入执行模式" |
⚠️ 注意：最常犯的错误是第1条。AI 特别喜欢在你让它"分析一下"的时候直接把代码塞给你。你必须在提示词里明确说"你在规划模式下输出代码会被视为错误"。
经验总结：三角色协作的核心不是技术实现，而是纪律。OpenClaw 用代码强制执行这些纪律，我们用 Prompt 约束来模拟。效果差不多，但前提是你要严格遵守自己写的规则。
💡 关于 OpenClaw 三大模型认证的具体部署过程，可以看我之前同项目、同类型、同系列的一篇文章：你真的相信网上说的OpenClaw很简单吗？而我折腾了两周才把三大模型接进来！
历史文章，请看这里：
2026-03-25：Claude Code 真正拉开差距的，不是模型更新，而是你有没有把它组织成生产线
2026-03-20：OpenClaw 真正要普及，得先把模型选择、安全层和入口三件事补齐