OpenClaw 完全指南：从部署到实战，一文搞懂 2026 最火开源 AI Agent

原创 | 已更新：2026-05-18 | 阅读约 25 分钟

---

前言

2026 年初，一个开源项目在 60 天内狂揽 35.5 万 GitHub Stars——这个速度，React 用了十多年才达成。它就是 OpenClaw。

OpenClaw（原名 Clawdbot → Moltbot → OpenClaw）由 Peter Steinberger 于 2025 年末创建，2026 年 2 月 Steinberger 加入 OpenAI 后，项目移交开源基金会，彻底走向社区驱动。

它凭什么火？ 三个字：能干活。 它不是聊天机器人，而是一个 7×24 小时自主运行的个人 AI Agent——浏览网页、读写文件、执行代码、发送消息、管理日程，你在 Telegram/微信/飞书/钉钉里跟它说话，它就在后台把事办了。

这篇文章，我会从 部署 → 配置 → 应用 → 实战案例 四个维度，手把手带你玩转 OpenClaw。

---

一、OpenClaw 是什么？核心架构拆解

1.1 本质定义

OpenClaw 是一个开源（MIT 协议）、可自托管的 AI Agent 框架，它赋予大语言模型（LLM）以下能力：

能力	说明
本地文件系统访问	读写你机器上的任意文件
浏览器自动化	Chrome DevTools Protocol，支持已登录态操作
代码执行	在沙箱中运行 Shell 命令、脚本
定时调度	Cron Job + 30 分钟 Heartbeat，真正 7×24
多平台消息	Telegram / WhatsApp / Slack / Discord / 飞书 / 钉钉 / 微信 / QQ

1.2 与其他 AI 工具对比

工具	运行方式	7×24 后台	本地文件访问	技能市场	开源
OpenClaw	IM 消息交互	✅ Heartbeat	✅ 完整读写	✅ ClawHub 5400+	✅ MIT
ChatGPT	浏览器/App	❌	❌	插件有限	❌
Claude Code	终端/IDE	❌	✅	通过 MCP	❌
GitHub Copilot	IDE	❌	受限	❌	❌
Manus	浏览器	❌	沙箱受限	❌	❌

1.3 核心架构

┌─────────────────────────────────────────────┐
│            用户消息渠道 (IM)                  │
│  Telegram / WhatsApp / 飞书 / 钉钉 / 微信     │
└──────────────────┬──────────────────────────┘
                   │
                   ▼
┌──────────────────────────────────────────────┐
│           OpenClaw Gateway                    │
│        （消息网关 + 协议转换）                  │
└──────────────────┬───────────────────────────┘
                   │
                   ▼
┌──────────────────────────────────────────────┐
│          Agent 核心引擎 (LLM)                  │
│   ┌─────────┐ ┌──────────┐ ┌──────────────┐  │
│   │agents.md│ │ soul.md  │ │ identity.md  │  │
│   └─────────┘ └──────────┘ └──────────────┘  │
│   ┌─────────┐ ┌──────────┐ ┌──────────────┐  │
│   │ user.md │ │heartbeat │ │  memory.md   │  │
│   └─────────┘ └──────────┘ └──────────────┘  │
└──────────────────┬───────────────────────────┘
                   │
                   ▼
┌──────────────────────────────────────────────┐
│              工具层 (Tools)                    │
│  web_search │ shell │ browser │ database     │
│  http_client │ file_io │ code_executor       │
└──────────────────┬───────────────────────────┘
                   │
                   ▼
┌──────────────────────────────────────────────┐
│          Skills 生态 (ClawHub)                 │
│     5400+ 社区技能插件，按需安装                │
└──────────────────────────────────────────────┘

1.4 五大核心特性

① 全渠道消息集成

OpenClaw 连接到你已经在用的通讯 App——Telegram、WhatsApp、Slack、Discord、iMessage、Google Chat，国内还支持飞书、钉钉、企业微信、QQ。你用聊天的方式给 Agent 下达任务，它用聊天的方式反馈结果。

② Heartbeat + Cron 定时任务

每 30 分钟，Heartbeat 自动唤醒 OpenClaw：

• 将会话摘要保存到 memory.md，实现长期记忆
• 执行配置的 Cron 定时任务
• 后台维护与自我检查

典型 Cron 用例：

# 每天早上 7:30 发送 AI 新闻简报
0 7:30 * * * "抓取 Top 5 AI 新闻，生成摘要发到 Telegram"

# 每晚 22:00 代码审查
0 22:00 * * * "审查今天 main 分支的所有 commit，标记缺少错误处理的函数"

# 每周一 8:00 竞品分析
0 8:00 * * 1 "检查竞品定价页面的变化，报告差异"

③ Chrome DevTools MCP —— 带登录态的浏览器自动化

这是 OpenClaw 的杀手锏。通过 Chrome DevTools Protocol (CDP)，OpenClaw 可以接管你已登录的 Chrome 浏览器——发社交媒体、操作后台系统、填写表单——无需重新登录，无需处理两步验证。

④ Skills 技能市场（ClawHub）

Skills 是基于 Markdown 的插件系统，定义 Agent 的新能力：

# 从 ClawHub 安装技能
openclaw plugins install clawhub:larry-marketing

# 查看已安装技能
openclaw plugins list

内置技能：1Password、Apple Notes、Notion、OpenAI Whisper、Nano PDF 等。ClawHub 官方精选 80+ 技能，社区 awesome-openclaw-skills 仓库收录超过 5400 个贡献。

⑤ 多 Agent 协作

一个 OpenClaw 实例可以派生子 Agent，并行处理任务：

用户(Telegram) ──→ 主 Agent
                      ├── 子 Agent A：网页调研
                      ├── 子 Agent B：代码生成
                      └── 子 Agent C：邮件撰写
                              │
                              ▼
                        memory.md（长期上下文）

---

二、部署篇：三种方式，从零到运行

2.1 方式一：本地一键安装（推荐新手）

系统要求：

• macOS / Linux / Windows (WSL2)
• 16 GB RAM + 512 GB SSD（多 Agent 场景建议）
• Node.js 18+（安装脚本自动处理）

安装步骤：

# Step 1: 安装/升级 Node.js（推荐用 nvm）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
source ~/.bashrc
nvm install 22
nvm use 22
nvm alias default 22

# 验证
node -v  # v22.x
npm -v   # 10.9+

# Step 2: 一键安装 OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash

# Step 3: 跟随 Onboard 向导配置 LLM 和消息渠道

安装完成后，进入交互式配置向导：

配置项	说明	建议
AI 模型	支持各大厂商模型	国内推荐 Qwen 系列
消息渠道	Telegram / WhatsApp 等	国内可先跳过，后续配飞书
Skills	按需选择	可跳过，对话中也可安装
Hooks	boot-md / command-logger / session-memory	三个都装

三个必装 Hooks 解释：

• boot-md：启动时加载 Markdown 文本作为默认引导内容，把你的规则、偏好、项目背景注入每次会话
• command-logger：记录 OpenClaw 执行过的命令和关键操作，方便排查和复盘
• session-memory：保存会话状态和记忆，下次启动延续上下文

2.2 方式二：云服务器部署（7×24 运行）

适合场景： 不想本地一直开机，需要 Agent 全天候在线。

以阿里云/腾讯云为例：

# Step 1: 购买云服务器（2核4G 起步）
# Step 2: SSH 登录
ssh root@你的服务器公网IP

# Step 3: 安装 Node.js + OpenClaw（同上）
curl -fsSL https://openclaw.ai/install.sh | bash

# Step 4: 启动 Gateway
openclaw gateway --verbose

# Step 5: 检查运行状态
openclaw health          # 查看是否在后台运行
openclaw models list     # 查看模型状态

# Step 6: 端口转发访问 Web 界面（本地执行）
ssh -L 18789:127.0.0.1:18789 root@你的服务器公网IP

# Step 7: 获取 Token
openclaw dashboard
# 浏览器打开 127.0.0.1:18789/?token=xxxxxx

生产环境安全建议：

措施	说明
防火墙	只开放必要端口，关闭公网 SSH 密码登录
Token 管理	Gateway Token 存密码管理器（1Password/Bitwarden）
敏感信息	不要在对话中直接粘贴 API Key / 数据库密码
进程管理	使用 systemd 或 supervisor 管理 Gateway 进程
日志监控	开启详细日志 + Prometheus + Grafana 监控

2.3 方式三：Docker 一键部署（最省心）

适合场景： 团队协作、多平台消息分发、快速扩容。

# docker-compose.yml
version: '3.8'
services:
  openclaw:
    image: openclaw/openclaw:latest
    container_name: openclaw
    restart: always
    ports:
      - "18789:18789"
    volumes:
      - ./workspace:/root/.openclaw/workspace
    environment:
      - OPENCLAW_LLM_API_KEY=${API_KEY}
      - OPENCLAW_GATEWAY_TOKEN=${GATEWAY_TOKEN}

# 启动
docker-compose up -d

# 查看日志
docker-compose logs -f openclaw

# 停止
docker-compose down

---

三、配置篇：打造你的专属 Agent

3.1 工作空间文件详解

OpenClaw 安装后会在 ~/.openclaw/workspace/ 生成配置文件：

文件	用途	示例
agents.md	定义 Agent 行为和角色	“你是一个专业的技术助手”
soul.md	性格与语气	“友好简洁，用中文回复”
identity.md	Agent 名字和自我介绍	“我叫小虾，是你的 AI 助手”
user.md	关于你的信息	“我是后端开发者，主要用 Python”
heartbeat.md	每 30 分钟执行的定时任务	“检查邮箱新邮件”
memory.md	长期记忆（自动填充）	Agent 自动积累的上下文

3.2 模型配置

OpenClaw 支持多种 LLM，国内用户推荐配置：

{
  "model": {
    "provider": "dashscope",
    "name": "qwen3.5-plus",
    "max_tokens": 2048,
    "temperature": 0.7
  }
}

模型厂商	推荐模型	适用场景
阿里通义	qwen3.5-plus	国内首选，性价比高
DeepSeek	deepseek-v4	复杂推理任务
Anthropic	claude-sonnet-4	代码生成、长文本
OpenAI	gpt-5.5	综合能力最强
Google	gemini-2.5-pro	多模态任务
本地模型	llama3 / qwen2.5	隐私敏感场景

3.3 国内 IM 接入配置

飞书接入：

# 1. 在飞书开放平台创建机器人应用
# 2. 获取 App ID 和 App Secret
# 3. 配置事件订阅回调地址

openclaw channels login feishu
# 输入 App ID / App Secret / Verification Token
openclaw channels test feishu

钉钉接入：

# 1. 在钉钉开发者后台创建机器人
# 2. 获取 Client ID / Client Secret

openclaw channels login dingtalk
# 输入凭证
openclaw channels test dingtalk

企业微信接入：

# 1. 在企业微信管理后台创建自建应用
# 2. 获取 CorpID / Secret / Token / EncodingAESKey

openclaw channels login wecom
# 输入凭证
openclaw channels test wecom

---

四、应用篇：OpenClaw 能干什么？

4.1 个人效率场景

场景	描述	涉及能力
每日简报	每早自动抓取新闻→摘要→推送	Cron + web_search + LLM 摘要
邮件助手	自动检查邮箱→分类→草拟回复	Heartbeat + IMAP + LLM
文件管理	自动整理下载文件夹→按类型归档	文件系统 + Shell
日程管理	读取日历→提前提醒→冲突检测	Calendar API + Cron
代码审查	提交 PR 自动审查→标记问题	Git + Shell + LLM

4.2 团队协作场景

场景	描述	涉及能力
社群机器人	自动回答问题、欢迎新成员、通知	Discord/Telegram + 知识库
客服系统	7×24 自动响应→意图识别→复杂转人工	IM + LLM + API
数据采集	定时爬取竞品信息→入库→通知	Cron + browser + Database
营销自动化	识别意向客户→记录线索→同步 CRM	IM + LLM + HTTP Client

4.3 开发者场景

场景	描述	涉及能力
运维助手	检查磁盘/CPU→自动备份→告警	Shell + Cron + IM
CI/CD 通知	构建结果推送→失败自动排查	HTTP + Shell + LLM
文档生成	扫描代码→自动生成 API 文档	文件系统 + LLM
依赖升级	检测过时依赖→自动提 PR	Shell + Git + LLM

---

五、实战篇：三大案例手把手

5.1 实战一：构建 24 小时 AI 客服助手

需求： 在 Telegram 上搭建一个 7×24 自动响应的技术客服，响应时间 < 3 秒，支持多轮对话和问题升级。

架构设计：

用户 (Telegram)
       │
       ▼
  OpenClaw Gateway (消息网关)
       │
       ▼
  Assistant Agent (LLM 核心)
       │
       ├── web_search（搜索知识库）
       ├── shell（执行诊断脚本）
       └── http_client（调用内部 API）

Step 1：创建 Agent

openclaw agents create assistant

Step 2：编辑配置 ~/.openclaw/agents/assistant/config.json

{
  "name": "技术客服助手",
  "description": "7×24 小时自动响应助手",
  "model": {
    "provider": "dashscope",
    "name": "qwen3.5-plus",
    "max_tokens": 2048,
    "temperature": 0.7
  },
  "tools": [
    "web_search",
    "shell",
    "database",
    "http_client"
  ],
  "context": {
    "max_history": 10,
    "timeout_seconds": 300
  }
}

Step 3：自定义命令处理器 handlers.js

module.exports = {
  // 天气查询
  '/weather': async (context, location) => {
    try {
      const data = await context.tools.fetch(
        `https://api.wttr.in/${location}?format=j1`
      );
      const weather = data.current_condition[0];
      return `🌤️ ${location} 天气\n` +
        `温度：${weather.temp_C}°C\n` +
        `湿度：${weather.humidity}%\n` +
        `天气：${weather.desc_zh}`;
    } catch (error) {
      return `⚠️ 查询失败：${error.message}`;
    }
  },

  // 搜索
  '/search': async (context, query) => {
    const results = await context.tools.web_search(query, {
      count: 5,
      freshness: 'week'
    });
    return results.slice(0, 5).map((r, i) =>
      `${i + 1}. ${r.title}\n   ${r.snippet}`
    ).join('\n\n');
  },

  // 帮助
  '/help': () => {
    return '📚 可用命令：\n\n' +
      '/weather <城市> - 查询天气\n' +
      '/search <关键词> - 搜索\n' +
      '/help - 帮助';
  }
};

Step 4：接入 Telegram

# 登录 Telegram
openclaw channels login telegram
# 输入 Bot Token（通过 @BotFather 获取）

# 验证连接
openclaw channels test telegram

Step 5：运行效果

用户：/weather Shanghai
助手：🌤️ 上海天气
     温度：25°C
     湿度：60%
     天气：晴

用户：搜索 OpenClaw 最新功能
助手：🔍 找到 5 条结果：
     1. OpenClaw 发布浏览器自动化功能
     2. OpenClaw 社区技能库突破 5400 个
     ...

生产建议：

• 用 systemd 管理 Gateway 进程
• 开启详细日志 + Prometheus 监控
• 配置 API 速率限制，避免被限流
• 复杂问题设置升级机制，转人工处理

---

5.2 实战二：自动化数据采集 + 每日简报

需求： 每 6 小时自动采集 AI 领域新闻，去重后生成摘要，早上 8 点推送简报到 Telegram。

架构设计：

定时调度器 (Cron)
       │
       ▼
采集 Agent (Collector)
       │
       ├── browser（浏览目标网站）
       └── web_fetch（抓取页面内容）
       │
       ▼
处理 Agent (Processor)
       │
       └── LLM（提取标题/摘要/日期，去重过滤）
       │
       ▼
通知服务 (Notifier)
       │
       └── Telegram / Email

Step 1：创建采集任务配置 collector.yaml

task:
  name: "AI 新闻采集"
  schedule: "0 */6 * * *"   # 每 6 小时
  enabled: true

sources:
  - url: "https://techcrunch.com/category/ai/"
    selector:
      title: ".post-title"
      summary: ".post-content"
  - url: "https://www.theverge.com/ai"
    selector:
      title: ".entry-title"

processing:
  extract: ["title", "summary", "date"]
  filter:
    keywords: ["AI", "LLM", "OpenAI", "大模型"]
    deduplicate: true

output:
  database: "mysql://localhost/ai_news"
  notify:
    channel: "telegram"
    condition: "new_count > 5"

Step 2：配置每日简报 Cron

# 在 heartbeat.md 中添加
0 8:00 * * * "汇总今天的 AI 新闻，生成简报发到 Telegram"

Step 3：运行效果

📰 AI 新闻简报 (2026-05-18)

【头条新闻】
1. OpenAI 发布 GPT-5.5 技术报告
   来源：TechCrunch | 2 小时前

2. DeepSeek V4 开源发布
   来源：官方博客 | 4 小时前

【技术动态】
3. OpenClaw 社区技能库突破 5400 个
4. Anthropic 企业客户首超 OpenAI

【行业数据】
5. AI 自动化工具市场 Q1 增长 45%

注意事项：

• 遵守目标网站 robots.txt 协议
• 控制采集频率，避免给目标站造成压力
• 处理反爬机制（配置 User-Agent、代理等）
• 数据合规，确保采集符合法律法规

---

5.3 实战三：多 Agent 协作 —— AI 自动化运维系统

需求： 服务器磁盘告警 → Agent 自动排查 → 尝试修复 → 失败则升级通知。

架构设计：

Cron (每 30 分钟检查)
       │
       ▼
监控 Agent (Monitor)
  ├── 检查磁盘使用率
  ├── 检查 CPU 负载
  └── 检查服务存活
       │
       ▼ (异常时触发)
修复 Agent (Healer)
  ├── 清理日志文件
  ├── 重启异常服务
  └── 释放磁盘空间
       │
       ▼ (修复失败)
通知 Agent (Notifier)
  └── 发送告警到飞书/钉钉

Step 1：编辑 agents.md 定义多 Agent 协作

# Monitor Agent
角色：服务器监控
触发：每 30 分钟 Heartbeat
工具：shell
任务：执行 df -h / top -bn1 / systemctl status 检查系统状态

# Healer Agent
角色：自动修复
触发：Monitor 发现异常时
工具：shell
任务：清理 /tmp、轮转日志、重启服务

# Notifier Agent
角色：告警通知
触发：Healer 修复失败时
工具：feishu / dingtalk
任务：发送包含错误详情的告警消息

Step 2：配置 Heartbeat

# heartbeat.md

## 系统巡检
每 30 分钟执行以下检查：
1. 磁盘使用率 > 85% → 触发 Healer 清理
2. CPU 负载 > 80% 持续 5 分钟 → 发送告警
3. 关键服务 down → 尝试重启，失败则告警

Step 3：运行效果

[Monitor] 14:30 系统巡检
  磁盘 /dev/vda1: 58% ✅
  磁盘 /dev/vdb1: 88% ⚠️ 超阈值
  CPU 负载: 0.72 ✅
  Nginx: running ✅

[Healer] 14:30 自动修复
  清理 /var/log 旧日志: 释放 12GB
  轮转应用日志: 释放 3GB
  磁盘 /dev/vdb1: 62% ✅ 已恢复

[Monitor] 15:00 系统巡检
  所有指标正常 ✅

生产建议：

• 设置操作白名单，只允许安全的修复动作
• 所有操作记录日志，方便审计
• 修复动作设置超时，防止卡死
• 关键操作前先做快照/备份

---

六、Skills 生态：5400+ 插件怎么选？

6.1 必装 Skills 推荐

Skill	功能	安装命令
boot-md	启动时加载引导内容	内置
command-logger	操作日志记录	内置
session-memory	会话记忆持久化	内置
1password	密码管理器集成	openclaw plugins install clawhub:1password
notion	Notion 读写	openclaw plugins install clawhub:notion
whisper	语音转文字	openclaw plugins install clawhub:openai-whisper
nano-pdf	PDF 处理	openclaw plugins install clawhub:nano-pdf

6.2 安装与管理

# 搜索技能
openclaw plugins search <关键词>

# 安装技能
openclaw plugins install clawhub:<skill-name>

# 查看已安装
openclaw plugins list

# 更新技能
openclaw plugins update <skill-name>

# 卸载技能
openclaw plugins uninstall <skill-name>

6.3 自定义 Skill 开发

Skills 本质是 Markdown 文件，定义 Agent 的新能力：

---
name: my-custom-skill
version: 1.0.0
description: 自定义技能示例
tools:
  - shell
  - web_fetch
---

# My Custom Skill

当用户要求 XXX 时，执行以下步骤：
1. 使用 web_fetch 获取数据
2. 使用 LLM 分析内容
3. 返回结构化结果

将文件放到 ~/.openclaw/workspace/skills/ 目录即可生效。

---

七、安全与最佳实践

7.1 安全红线

风险点	防护措施
API Key 泄露	存密码管理器，不粘贴到对话中
未授权访问	设置防火墙，关闭不必要端口
命令注入	限制 Shell 工具权限，设置白名单
数据泄露	敏感数据用本地模型，不走云端
权限过大	最小权限原则，只开放必要工具

7.2 本地 vs 云端安全对比

维度	本地部署	云端部署
攻击面	小（OS 级保护）	大（公网暴露）
数据隐私	高（数据不出本机）	中（需额外加密）
可用性	取决于本机运行时间	7×24 有保障
运维成本	低	中

建议： 安全敏感场景优先本地部署；需要全天候在线场景用云端，但务必做好安全加固。

7.3 日常运维清单

• 定期更新 OpenClaw 版本：openclaw update
• 检查 Skills 更新：openclaw plugins update --all
• 审查 memory.md，清理过时信息
• 检查日志异常：openclaw logs --tail 100
• 备份工作空间：tar -czf openclaw-backup.tar.gz ~/.openclaw/workspace/

---

八、总结与展望

8.1 OpenClaw 的核心价值

OpenClaw 之所以能在 60 天内收获 35.5 万 Stars，根本原因是它第一次把 AI Agent 从概念变成了人人可用的生产力工具：

1. 低门槛：一条命令安装，消息 App 即交互界面
2. 高能力：浏览器、文件系统、Shell、定时任务，真正能干活
3. 强生态：5400+ Skills，覆盖你能想到的大部分场景
4. 真开源：MIT 协议，社区驱动，不被任何公司绑定

8.2 适合谁用？

人群	推荐用法
个人开发者	本地部署，自动化日常开发任务
技术团队	云端部署 + 多 Agent 协作，提效运维/客服
创业公司	快速搭建 AI 客服/营销自动化
AI 爱好者	探索 Agent 能力边界，开发自定义 Skills

8.3 学习路径建议

第一步：本地安装 → 接入 Telegram → 体验基础对话
        ↓
第二步：配置 Heartbeat/Cron → 体验自动化
        ↓
第三步：安装 Skills → 扩展能力边界
        ↓
第四步：多 Agent 协作 → 构建复杂自动化系统
        ↓
第五步：开发自定义 Skill → 贡献社区

---

参考资源

资源	链接
官网	https://openclaw.ai
GitHub	https://github.com/openclaw
Skills 市场	https://clawhub.dev
awesome-openclaw-skills	社区 Skills 合集
awesome-openclaw-usecases-zh	中文用例大全
awesome-openclaw-agents	205 个 Agent 模板

---

OpenClaw 代表的不仅是又一个 AI 工具，而是 AI Agent 从"玩具"走向"生产力"的关键拐点。它的开源属性和社区生态，意味着每个开发者都能参与塑造 AI 自动化的未来。

如果这篇文章对你有帮助，欢迎 点赞 + 收藏 + 关注，我会持续分享 AI Agent 领域的深度实战内容。有问题欢迎评论区交流！

---