OCCC-L1｜环境搭建与双核心科研工作流

文档编号

：OCCC-L1对应大纲：OCCC-03 · L1课时：120 分钟（讲授 45′ + 实操 55′ + 沉淀检查 20′）配套参考：REF-A01（OpenClaw 快速上手与安装）、REF-A02（核心概念与架构）、REF-A06（安全与权限）、REF-B01（Claude Code 安装与快速开始）AIAS 等级：本讲主体为 A2（AI 辅助执行，人必须逐条校验）

〇、写在最前面：这一讲为什么要你自己动手

很多同学报名时的期待是"老师帮我把环境装好，我直接用"。这门课明确不这么做。原因只有一条：训练营结束以后，你身边没有技术人员。

你的论文周期是 8 个月到 3 年，而工具链每几周就更新一次。今天替你装好的环境，两个月后一次升级就可能失效。届时能救你的不是助教，是你自己知道"它由哪几个部件组成、哪个部件坏了会出什么症状、怎么定位"。

所以本讲的验收标准不是"你的电脑上跑起来了"，而是"我当着你的面把你的环境弄坏一个地方，你能在 10 分钟内自己修好"。

同时，本讲要在你脑子里装进一个贯穿全课程的思维模型：

OpenClaw 是调度层（导演），Claude Code 是执行层（主演），你是制片人——也是唯一的责任主体。

导演和主演都可以出错，只有制片人要为最终成片签字。这句话在 L8 的学术伦理讲次会再出现一次。

一、本课目标

学完本讲，你应当能够：

二、概念讲解：两个核心，一条流水线

2.1 为什么"一个对话框"做不了科研

先说清楚我们要解决什么问题。用网页版聊天框写论文，会遇到三个结构性缺陷——注意是结构性的，不是"换个更聪明的模型"就能解决的：

1. 上下文丢失
   。你的论文有综述、数据、方法、结果、讨论，加起来几十万字。任何模型的上下文窗口都装不下全部，而聊天框没有给你管理"什么该进上下文、什么该留在硬盘上"的手段。结果就是你聊到第 30 轮时，它已经忘了你第 3 轮定下的变量命名规范。
2. 过程不可追溯
   。审稿人问"你这个清洗步骤删掉了多少样本"，你回答不出来，因为清洗是在对话里口头完成的，没有脚本、没有日志。
3. 结果不可复现
   。同一个提问，今天和下周得到不同答案；换一台电脑更是完全不同。而可复现性是实证研究的生命线。

流水线的解法是：把论文拆成可独立驱动、可反复重跑的节点，每个节点有明确的输入文件、处理脚本、输出文件。上下文靠文件系统承载而不是靠模型记忆；过程靠脚本和日志留痕；结果靠固定脚本 + 固定数据保证复现。

2.2 Claude Code：执行层（主演）

Claude Code 是一个在终端里运行的智能体式编码工具。它的关键特性有三个：

• 它在你的工作目录里干活
  。你 cd 到哪个文件夹再启动它，它就以那个文件夹为"项目根"，能读文件、改文件、建文件、跑命令。这与网页聊天框最本质的区别——它有手，不只有嘴。
• 它能执行
  。写 Python 脚本 → 运行 → 看到报错 → 自己改 → 再运行，这个循环它可以自己转。对科研的意义是：你不需要会写代码，但你必须会看结果对不对。
• 它有项目记忆
  。项目根目录下的 CLAUDE.md 会在每次会话开始时自动加载，成为"项目宪法"。

在本课程中，Claude Code 负责的是：数据清洗、统计分析、图表生成、脚本化复现、文档格式工程、章节草稿撰写。

2.3 OpenClaw：调度层（导演）

OpenClaw 是一个开源的智能体网关与编排层。它不直接替代 Claude Code，而是坐在 Claude Code 的上游，负责"什么时候派谁去做什么"。它的拓扑分三个角色（详见 REF-A02）：

最小可用拓扑（本课程统一采用）：一台电脑上同时跑 Gateway + Node，用本机 CLI 作为 Client。这是"三合一"部署，够用且好排错。等你以后需要"在手机上给实验室服务器派活"，再把 Node 拆出去。

本讲高频错误 ①

：把 Gateway 当 Client 用。症状是你在多个终端窗口里反复 openclaw gateway start，然后端口冲突、会话状态互相覆盖。记住：Gateway 全局只能有一个实例，Client 可以开任意多个。

版本通道（channel）：OpenClaw 迭代很快，通常提供 stable / beta / canary（或 dev）三条通道。

• stable
  ：课程统一锁定。功能落后一点，但配置 schema 稳定，教程截图对得上。
• beta
  ：尝鲜可以，但配置字段可能改名，你的 openclaw.json 可能在某次升级后校验失败。
• canary
  ：每日构建，只适合开发者。训练营期间明令禁止——你不是来 debug 工具的，你是来写论文的。

2.4 两者如何配合

用一个真实场景说明分工：

任务："帮我把这 20 篇 PDF 读了，抽出七要素笔记，同时用我的问卷数据跑一遍信效度，最后给我一份对比表。"

• OpenClaw（调度层）
   把它拆成三个可并行的节点：文献萃取（派 3 个子智能体各处理 7 篇）、数据分析（派 1 个子智能体）、结果整合（等前两个都完成后再启动）。它负责派活、监控、汇总、失败重试。
• Claude Code（执行层）
   在每个节点里真正干活：打开 PDF、写 Python、跑 pandas、生成 Markdown 表格。
• 你（制片人）
   在两个地方必须介入：① 抽检 3 篇萃取笔记，确认它没有把"作者观点"写成"实证结论"；② 核对信效度输出的样本量是否等于你的实际有效问卷数。

一句话总结：OpenClaw 管"并行与编排"，Claude Code 管"落地与执行"，你管"对不对"。

三、操作流程（跟着做，逐条打勾）

通用前提

：以下命令 Windows 请在 Windows Terminal + PowerShell 或 Git Bash 中执行；macOS 请在 Terminal / iTerm2 中执行。差异处已单独标注。重要提示：CLI 的参数会随版本演进。任何一条命令如果报"未知参数"，第一反应是执行 <命令> --help 查看当前版本的真实参数，并对照 REF-A01 / REF-B01 的对应章节，不要凭记忆硬敲。这个习惯本身就是本讲要教的能力。

3.0 第 0 步：准备工作目录（先建房子，再搬家具）

不要在桌面、不要在"我的文档"、不要在任何含中文或空格的路径下建项目。 这是本讲踩坑率最高的一条。

# macOS / Linuxmkdir -p ~/research/my-paper && cd ~/research/my-paper# Windows（PowerShell）—— 注意用英文路径mkdir D:\research\my-papercd D:\research\my-paper

建立课程统一的目录骨架：

mkdir -p 00-admin 10-literature 20-data/raw 20-data/clean 30-analysis 40-manuscript 90-logs .claude

my-paper/├── CLAUDE.md            # 项目宪法（L2 详讲）├── .mcp.json# MCP 工具连接配置├── .claude/│   ├── settings.json    # 项目级权限与行为设置│   ├── skills/          # 自制科研技能（L2）│   └── agents/          # 子智能体定义（L2）├── 00-admin/            # 检索日志、检查清单、AI 使用记录├── 10-literature/       # PDF 原文与结构化笔记├── 20-data/│   ├── raw/             # 原始数据，只读，永不覆盖│   └── clean/           # 清洗后数据├── 30-analysis/         # 分析脚本与输出├── 40-manuscript/       # 稿件各章节└── 90-logs/             # 运行日志与故障记录

20-data/raw 设为只读，这是可复现研究的第一纪律：

# macOS / Linuxchmod -R a-w 20-data/raw# Windows（PowerShell，以管理员身份）icacls "D:\research\my-paper\20-data\raw" /deny "%USERNAME%:(W)"

3.1 安装 Claude Code

前置检查：Node.js 版本。

node -v     # 必须 ≥ v18；推荐 v20 LTS 或 v22 LTS npm -v

如果低于 18 或提示 command not found，先去装 Node.js LTS（推荐用版本管理器：macOS 用 nvm，Windows 用 nvm-windows 或 fnm）。

方式 A：npm 全局安装（跨平台通用，课程推荐）

npm install -g @anthropic-ai/claude-code claude --version

绝对不要加 sudo。sudo npm install -g

 会把包装到 root 权限目录下，后续升级、卸载、权限全部出问题，是新手最常见的自残操作。如果提示权限不足，正确解法是配置 npm 的全局前缀到用户目录：```bashmkdir -p ~/.npm-globalnpm config set prefix ~/.npm-globalecho 'export PATH=~/.npm-global/bin:$PATH' >> ~/.zshrc   # 或 ~/.bashrcsource ~/.zshrc```

方式 B：官方安装脚本（不依赖 npm）

# macOS / Linux 

curl -fsSL https://claude.ai/install.sh | bash

# Windows（PowerShell） 

irm https://claude.ai/install.ps1 | iex

方式 C：临时试用，不安装

npx @anthropic-ai/claude-code

适合在实验室公共机器上临时用一下，不留痕迹。

首次启动与登录：

cd ~/research/my-paper     # 一定要先进项目目录！claude

首次启动会引导你登录。在交互界面里也可以随时执行：

/login          # 登录 / 切换账号/status         # 查看当前账号、模型、工作目录、额度/doctor         # 环境体检/help           # 命令一览

基础启动参数（写进你的自检清单）：

claude                          # 交互模式（最常用）claude "读一下 20-data/raw 下的 csv，告诉我有几列"# 带初始提示启动claude -p "统计 10-literature 下有多少个 PDF"# 单次执行后退出，适合写进脚本claude -c                       # 续接最近一次会话claude -r                       # 从历史会话列表中选一个恢复claude --model sonnet           # 指定模型claude --permission-mode plan   # 只做规划不动手，适合让它先给方案你再批准

--permission-mode plan 是科研场景的好朋友

：让 AI 先说"我打算怎么做"，你确认后再执行。这就是我们在 L2 要系统讲的"人在回路确认节点"的最轻量实现。

3.2 安装与启动 OpenClaw

方式 A：npm 全局安装

npm install -g openclaw openclaw --version

方式 B：官方安装脚本

curl -fsSL https://openclaw.ai/install.sh | bash

方式 C：Docker（进阶，适合实验室服务器或想要环境完全隔离的同学）

docker run -d --name openclaw \  -p 18080:18080 \  -v ~/.openclaw:/root/.openclaw \  -v ~/research:/workspace \  openclaw/openclaw:stable

Docker 的好处是环境隔离：装坏了 docker rm 重来即可，不污染主机。代价是文件挂载和权限稍麻烦。课程主线走方式 A，选做作业可以尝试 Docker。

引导式初始化（强烈推荐先跑这个）：

openclaw onboard

它会交互式地问你：配置目录放哪、用哪个执行后端（选 Claude Code）、用哪条版本通道（选 stable）、Gateway 监听端口是多少。

启动 Gateway 并检查：

openclaw gateway start      # 启动网关（全局唯一） 

openclaw status             # 查看运行状态、已连接节点、当前通道 

openclaw doctor             # 自检：配置合法性、依赖、网络、权限 

openclaw gateway stop       # 停止

openclaw.json 关键字段示例（位置通常在 ~/.openclaw/openclaw.json，

Windows 为 C:\Users\<你>\.openclaw\openclaw.json）：

{"channel":"stable",// ★ 版本通道，课程统一锁 stable"gateway":{"host":"127.0.0.1",// 只监听本机，不要写 0.0.0.0"port":18080,"auth":{"mode":"token"}// 本机也建议开鉴权},"agents":{"default":"claude-code","claude-code":{"command":"claude",// 若报"找不到命令"，此处填 claude 的绝对路径"workdir":"/Users/you/research/my-paper","permissionMode":"acceptEdits"// 允许改文件，但危险命令仍需确认}},"nodes":{"local":{"type":"local","enabled":true}},"concurrency":{"maxParallelAgents":3},// 子智能体并行上限"logging":{"level":"info","dir":"~/.openclaw/logs"}}

配置文件有 Schema 校验

。改完之后一定要跑 openclaw doctor；如果字段名写错，它会指出具体行号，很多版本还支持自动修复建议。不要改完配置就直接启动然后对着一堆报错发呆。

锁定版本通道与更新策略：

openclaw update --channel stable    # 明确切到稳定通道 

openclaw --version                  # 记录下来，写进你的《环境自检清单》

课程期间不要主动升级。如果一定要升，先备份配置目录：

cp -r ~/.openclaw ~/.openclaw.bak.$(date +%Y%m%d)

3.3 配置 CLAUDE.md（项目宪法）

CLAUDE.md 是每次会话自动加载的常驻上下文。它分两级：

• 项目级
  ：<项目根>/CLAUDE.md，跟着项目走，可以进版本库、可以给合作者。
• 用户级
  ：~/.claude/CLAUDE.md，跟着你走，所有项目都生效，适合放你的个人研究习惯。

在项目根目录下执行 /init 可以让 Claude Code 自动生成一份初稿，然后你手改。本讲先给一个够用的骨架（L2 会展开讲记忆分层）：

# 项目：城市数字化转型与中小企业创新绩效（硕士学位论文）## 研究基本信息- 研究问题：数字基础设施投入是否通过融资约束缓解影响中小企业研发强度- 数据：2015–2024 年沪深 A 股中小板面板数据 + 城市层面统计年鉴- 主要方法：双向固定效应 + 交错 DID（新一代估计量）## 目录约定-`20-data/raw/` 只读，任何脚本禁止写入- 清洗输出一律写到 `20-data/clean/`，命名 `clean_<日期>.csv`- 分析脚本放 `30-analysis/`，文件名以序号开头（如 `01_clean.py`）## 编码与环境- 所有 Python 脚本首行加 `# -*- coding: utf-8 -*-`- 读写 CSV 一律显式 `encoding="utf-8-sig"`- 图表统一 300 dpi，输出到 `30-analysis/figs/`## 术语与命名（必须严格遵守）- 因变量统一写作 `rd_intensity`，不要写 `RD`、`rdint`- "数字化转型" 英文统一用 digital transformation，不要用 digitalization## 写作风格- 中文正式学术语体，不使用"我们发现了一个惊人的结果"这类口语- 结果章只陈述不解释## 禁止事项（红线）- 禁止编造任何文献、DOI、数据或统计结果- 不确定时必须明确写"无法确认"，不许猜- 禁止修改 `20-data/raw/` 下任何文件- 未经我确认，不得删除任何已有文件

最后那一段"禁止事项"是反幻觉指令的雏形，L2 会系统训练。现在你只需要知道：把红线写进 CLAUDE.md，比每次对话都重复一遍有效得多。

3.4 配置 MCP（把本机工具和文献库接进来）

MCP（Model Context Protocol）是让 AI 连接外部工具与数据源的标准协议。对科研的价值是：把你的文献库、本地文件、数据库变成 AI 可以直接调用的工具，而不是靠你手动复制粘贴。

命令行添加（推荐，不易写错）：

# 项目级：把项目目录挂给 AI 作为文件工具claude mcp add paper-files -s project -- npx -y @modelcontextprotocol/server-filesystem D:/research/my-paper# 查看已配置的服务器claude mcp list# 在交互界面里查看连接状态# 启动 claude 后输入：/mcp

手写配置文件：项目级 MCP 配置放在项目根的 .mcp.json：

{"mcpServers":{"paper-files":{"command":"npx","args":["-y","@modelcontextprotocol/server-filesystem","D:/research/my-paper"]},"zotero":{"command":"uvx","args":["zotero-mcp"],"env":{"ZOTERO_LOCAL":"true"}}}}

配置位置速查：

Windows 路径写法

：在 JSON 里请用正斜杠 D:/research/my-paper，或双反斜杠 D:\\research\\my-paper。单反斜杠会被 JSON 当成转义符，是本讲第二高频的踩坑点。安全提醒（呼应 REF-A06）：MCP 服务器本质上是在你机器上运行的第三方程序，它拿到的是你授予的文件访问权。第三方 MCP 服务器要审查来源，来路不明的不要装。涉及未脱敏被试数据的目录，不要挂进任何 MCP。

3.5 五步自检法：连通性验证

这是本讲的核心工具，也是你以后每次环境出问题的标准动作。按顺序执行，在第一个失败的地方停下来，不要跳步。

# 【第 1 步】安装校验：程序在不在，版本对不对node -vclaude --versionopenclaw --version# 期望：三条都输出版本号，Node ≥ 18# 【第 2 步】配置校验：配置文件能不能被正确解析openclaw doctorclaude doctorls CLAUDE.md .mcp.json          # Windows PowerShell: dir CLAUDE.md, .mcp.json# 期望：doctor 全绿；两个配置文件都存在# 【第 3 步】网络连通：能不能连上服务claude -p "回复两个字：连通"openclaw status# 期望：Claude Code 有响应；Gateway 显示 running# 【第 4 步】权限校验：能不能读写工作目录claude -p "在 90-logs/ 下创建 selfcheck.txt，写入当前时间，然后读回来给我看"# 期望：文件被创建，内容可读回# 【第 5 步】端到端任务：真实科研任务跑通claude -p "读取 10-literature/ 下的第一个 PDF，用三句话概括它的研究问题、方法和主要发现，输出到 10-literature/demo-summary.md"# 期望：生成的摘要文件内容与 PDF 实际内容相符（你必须自己打开 PDF 核对！）

每一步都要截图，这是本讲作业的必交内容。

四、论文写作场景实例：第一天就能跑通的端到端 demo

下面这个 demo 把"分析"和"检索"两条线都走一遍，用时约 20 分钟。

4.1 用 Claude Code 跑一段 Python 数据分析

准备示例数据（课程提供，或你自己造一份放到 20-data/raw/survey.csv）。

启动 Claude Code 并给出一条结构化指令（注意它已经有了 RTCEF 的雏形，L2 会正式讲）：

你是一名严谨的社会科学数据分析师。任务：对 20-data/raw/survey.csv 做首轮数据体检。要求：1. 生成脚本 30-analysis/01_profile.py，不要只在对话里给结果——我要能自己重跑。2. 脚本需输出：样本量、变量清单及类型、每个变量的缺失数与缺失率、   连续变量的均值/标准差/最小值/最大值、疑似直线作答（同一量表全选同一选项）的记录数。3. 结果写入 30-analysis/out/01_profile.md，同时在终端打印摘要。4. 读取 CSV 必须用 encoding="utf-8-sig"；不得修改 20-data/raw 下的任何文件。5. 运行脚本，把真实运行输出贴给我；如果报错，修好再跑，直到成功。6. 最后单独列出：你对这份数据的 3 个疑问（例如某变量取值范围异常）。输出格式：先给脚本路径，再给运行输出，最后给疑问清单。

你必须做的人工校验（A2 的"人"这一半）：

• 打开 survey.csv 数一下行数，跟它报告的样本量对不对；
• 挑一个变量，自己在 Excel 里算个均值，跟它的输出对不对；
• 确认 20-data/raw/ 的文件修改时间没变（它真的没动原始数据）。

这一步的教学重点不是"它跑出来了"，而是"你验出来了"。

4.2 用 OpenClaw 派一个子智能体做文献检索

在 Gateway 已启动的前提下，派发一个检索任务：

openclaw run \  --agent lit-searcher \  --workdir ~/research/my-paper \  --task "在 10-literature/refs.bib 中，筛选出 2020 年以后、且标题或摘要同时包含'数字化转型'与'创新'的条目；\输出到 00-admin/screen-2020plus.md，格式为表格（作者｜年份｜标题｜期刊｜是否纳入｜理由）；\凡是 bib 里没有的信息一律写'缺失'，禁止推断或补全。"

或者在 Claude Code 内部直接用子智能体（L2 详讲）：

用一个子智能体去做以下检索筛选任务，不要占用主会话上下文： [同上任务描述] 完成后只把最终表格摘要回给我，中间过程不用汇报。

为什么这里要用子智能体？ 因为筛选 200 条 bib 记录会产生大量中间文本，如果在主会话里做，你的上下文窗口会被垃圾信息塞满，接下来讨论论文结构时它就"忘事"了。子智能体 = 上下文隔离，这是它最核心的价值，不是"更快"。

人工校验：随机抽 3 条它标为"纳入"的和 2 条标为"排除"的，回到 bib 原文核对。如果发现任何一条它的"理由"里出现了 bib 中不存在的信息（比如凭空说出摘要内容），立即停下来，这是幻觉信号。

五、常见问题与避坑要点

下面 10 条覆盖了历届学员 90% 的求助。请把它抄进你的《故障 FAQ》。

坑 1：环境未隔离，装崩了没法退回

症状：升级后全套失效，又装不回旧版。 解法：安装前先记录版本号；配置目录定期备份（cp -r ~/.openclaw ~/.openclaw.bak.20260810）；有条件的用 Docker 或独立用户账户隔离。课程期间不主动升级。

坑 2：版本通道踩坑

症状：跟着讲义敲命令，提示"未知参数"或配置校验失败。 根因：你在 beta/canary 通道上，字段已改名。 解法：openclaw update --channel stable，再 openclaw doctor。教师会在课上故意演示一次这个失败，请认真看排错过程。

坑 3：权限被拒（Permission denied / EACCES）

症状：npm install -g 报 EACCES；或 AI 说"我没有权限写这个文件"。 解法： - npm 的 EACCES：不要 sudo，改 npm 全局前缀到用户目录（见 3.1）。 - AI 写文件被拒：检查 .claude/settings.json 的权限设置，以及目录本身是否只读（你自己把 raw/ 设成只读了，那是对的）。 - macOS 还可能是"完全磁盘访问权限"未授予终端，去"系统设置 → 隐私与安全性"里加上。

坑 4：中文路径 / 空格路径 / 编码乱码

症状：找不到文件、UnicodeDecodeError、CSV 打开一片乱码。 解法： - 路径全英文、无空格。D:\我的论文\第一章 这种路径必炸。 - Python 读写中文 CSV 一律 encoding="utf-8-sig"（带 BOM，Excel 才不乱码）。 - Windows 终端如仍乱码，执行 chcp 65001 切到 UTF-8 代码页。

坑 5：Node 版本过低或多版本冲突

症状：claude 启动报语法错误、或 command not found。 解法：node -v 确认 ≥ 18；用 nvm/fnm 管理版本，别手动装多个 Node。安装后新开一个终端窗口（PATH 需要重新加载）。

坑 6：网络代理导致连接失败

症状：一直转圈、超时、TLS 错误。 解法：

# 让命令行工具走代理（按你的实际端口改）

 export HTTPS_PROXY=http://127.0.0.1:7890 

export HTTP_PROXY=http://127.0.0.1:7890

 # Windows PowerShell 

$env:HTTPS_PROXY="http://127.0.0.1:7890"

如果 npm 装不上，另配 npm 代理或换镜像源。注意：代理软件的"系统代理"模式不一定覆盖终端，这是很多人绕不出来的原因。

坑 7：把 Gateway 当 Client 用

症状：端口被占用（EADDRINUSE）、会话状态错乱。 解法：openclaw status 先看有没有已在跑的 Gateway；一台机器只留一个。Client 想开几个开几个。

坑 8：在错误的目录启动 Claude Code

症状：它说"找不到 CLAUDE.md"、"目录下没有数据文件"。 根因：你在家目录直接敲了 claude。 解法：永远先 cd 到项目根再启动。把这条写进你的自检清单第一行。

坑 9：上下文被塞爆，AI 开始"失忆"

症状：聊到后面它忘了前面的约定，或响应变慢变傻。 解法：用 /compact 压缩上下文，或 /clear 开新会话（重要约定已在 CLAUDE.md 里，不怕丢）；大批量处理任务交给子智能体做。

坑 10（最重要）：把 AI 的输出当结论

症状：分析结果直接抄进论文。 后果：轻则数据对不上被审稿人抓，重则学术不端。 解法：本课程所有 AI 产出一律 A2 起步——AI 生成草稿，人逐条校验后采用。 文献、DOI、数字、结论，四样东西永远不许 AI 说了算。这条红线会在 L4（引用核验四步法）和 L8（学术伦理）反复加固。

附：数据安全的本地边界（前置警示）

在你把任何数据交给 AI 之前，先过一遍这三问：

1. 这份数据里有没有可识别到个人的信息
   （姓名、学号、手机号、身份证、精确地址、IP、访谈录音原文）？有 → 必须先脱敏。
2. 这份数据是不是涉密或有保密协议
   （企业内部数据、政府未公开数据、合作方未发表数据）？是 → 不上传，只在本地处理，且需事先取得数据提供方同意。
3. 这份数据是不是别人的未发表成果
   ？是 → 不要放进任何云端服务。（呼应 L8：多数出版社明确禁止把未发表稿件上传给 AI 服务。）

日志与历史记录也要留意：会话历史、Gateway 日志（~/.openclaw/logs）都可能包含你贴进去的数据片段。交作业、录屏、共享截图前，先检查有没有泄露被试信息。

六、小结与作业衔接

6.1 本讲要带走的四件东西

1. 一个思维模型
   ：OpenClaw 调度 / Claude Code 执行 / 你负责。三者不可互相替代，责任只在你。
2. 一套可用环境
   ：Node ≥ 18 + Claude Code + OpenClaw（stable 通道）+ 项目目录骨架 + CLAUDE.md + .mcp.json。
3. 一个诊断方法
   ：五步自检法——安装 → 配置 → 网络 → 权限 → 端到端。坏了从第 1 步顺着查，不跳步。
4. 一条红线
   ：AI 出草稿，人做判断；数据脱敏，引用核验。

6.2 课后作业（对应大纲 L1）

提交提醒

：截图前请隐去账号邮箱、Token、以及任何被试信息。

6.3 承上启下

环境通了，只说明"车能开了"。下一讲 L2 解决"怎么把话说清楚让它开对方向"——RTCEF 提示词结构、科研 Skill 封装、子智能体并行编排、CLAUDE.md 记忆分层，以及贯穿全课程的"人在回路确认节点"。

本讲遗留的两个概念——.claude/skills/ 和 .claude/agents/ 两个空目录——就是 L2 要填满的地方。

参考资料

：本讲相关的工具官方文档与详细参数说明，详见知识库参考文档 REF-A01～A06（OpenClaw：快速上手与安装 / 核心概念与架构 / Skills / 编排与子智能体 / 集成与扩展 / 安全与权限） 与 REF-B01～B06（Claude Code：安装与快速开始 / CLAUDE.md 记忆管理 / Skills / Subagents / MCP 与集成 / 设置与权限）。命令行参数以你本机 --help 输出与上述参考文档为准。

配套讲义：OCCC-L1 ~ OCCC-L8 ｜ 上一讲：（无） ｜ 下一讲：OCCC-L2 提示词工程与科研 Skill 体系