OpenClaw Agent 从0到1打造你的数字AI员工

OpenClaw（社区俗称“小龙虾”）是一款本地优先、开源、跨平台的AI智能体执行框架，其核心价值在于让大模型从“生成建议”升级为“自主执行任务”。它能直接操作你的电脑、读写文件、调用API、控制浏览器，像一个24小时在线的数字员工。本文将带你从零开始，完成环境搭建、核心配置和首个任务实战。

一、为什么你需要一个数字AI员工？

在信息爆炸的时代，重复性工作占据了我们大量时间——邮件分类、数据整理、信息检索、报表生成……这些任务虽然重要，却耗费创意精力。OpenClaw Agent 打通了大模型与本地系统/外部工具的壁垒，实现“指令→决策→执行→反馈”的完整闭环。

与传统对话AI（如ChatGPT）的核心区别：

二、OpenClaw核心特性速览

在动手部署前，先理解三个关键概念：

• Agent（智能体大脑）：负责接收任务、调用LLM决策、执行工具循环。将自然语言指令拆解为可执行步骤。
• Tool/Skills（技能执行层）：所有实际操作均由技能插件完成，支持文件管理、邮件自动化、PPT生成、网页爬虫等。
• ReAct循环：思考（Reason）→ 行动（Act）→ 观察（Observe），直至任务完成。

五大核心特性：

1. 本地优先与隐私可控：引擎、数据、日志均存储于自有设备，敏感数据不出内网
2. 强执行能力：支持文件读写、脚本执行、浏览器自动化、API调用
3. 多入口无缝接入：兼容WebUI、CLI、HTTP API，以及微信、飞书、钉钉等主流IM
4. 模型灵活适配：支持OpenAI、通义千问等云端模型，也可通过Ollama接入本地模型
5. 开源可扩展：支持插件热加载、自定义工具注册

三、环境搭建与安装

3.1 硬件与软件要求

3.2 安装Node.js（使用NVM）

OpenClaw要求Node.js版本 >= 22，推荐使用nvm（Node Version Manager）安装。

# 安装nvm（国内用户建议使用Gitee镜像）
curl -so- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.4/install.sh | bash
# 或使用Gitee镜像
git clone https://gitee.com/mirrors/nvm.git ~/.nvm

# 使配置生效
source ~/.bashrc

# 安装Node.js 24
nvm install 24
nvm use 24
nvm alias default 24

3.3 安装OpenClaw

方式一：一键安装脚本（推荐）

curl -sL https://install.openclaw.org | bash

方式二：NPM安装

npm install -g openclaw

验证安装：

openclaw --version

四、核心配置

4.1 配置模型

OpenClaw支持多种大模型，你可以编辑openclaw.json配置文件：

{
  "model": "qwen2.5:7b",
  "api_key": "YOUR_API_KEY",
  "max_tokens": 4096,
  "temperature": 0.3
}

推荐方案：

• 本地部署：使用Ollama拉取模型 ollama pull qwen2.5:7b-q4_K_M
• 云端API：使用OpenAI兼容接口，或腾讯混元、通义千问等国内大模型

4.2 启动Gateway

Gateway是OpenClaw的核心服务进程，负责连接模型、频道和Skills，必须保持运行：

openclaw gateway start

4.3 Agent配置

OpenClaw支持多Agent管理，可通过命令行添加独立的Agent实例：

# 列出所有Agent
openclaw agents list

# 创建新的Agent
openclaw agents add work --workspace ~/.openclaw/workspace-work

# 绑定特定通道
openclaw agents bind --agent work --bind telegram:*

五、第一个实战任务

5.1 通过命令行运行Agent

# 运行单轮Agent任务
openclaw agent --agent main --message "帮我统计当前目录下Python文件的总行数"

# 从文件读取任务
openclaw agent --agent ops --message-file ./task.md

# 指定会话继续任务
openclaw agent --session-id abc123 --message "继续执行任务"[citation:6]

5.2 最小化配置文件

新建.env文件（若使用Ollama则无需API Key）：

# 使用Ollama本地模型
OLLAMA_BASE_URL=http://localhost:11434

# 或使用OpenAI兼容接口
# OPENAI_API_KEY=sk-xxx
# OPENAI_BASE_URL=https://api.openai.com/v1

新建config.yaml：

llm:
  provider: ollama
  model: qwen2.5:7b-q4_K_M
  temperature: 0.3
tools:
  - shell_exec
  - file_io
  - http_request
max_iterations: 6

六、进阶：接入飞书/微信，聊天即操作

OpenClaw支持通过IM平台直接控制，实现“动口不动手”的便捷操作。

6.1 容器化部署（推荐）

使用官方容器镜像，一条命令拉起即用，容器在服务器上24小时持续运行：

# 拉取镜像
docker pull openeuler/openclaw:2026.3.2-oe2403sp3

# 运行Onboarding向导
docker run -it --name my-openclaw openeuler/openclaw:2026.3.2-oe2403ltssp3 onboard --install-daemon

6.2 飞书配置

在Onboarding向导中选择Feishu/Lark频道，按提示完成配置。配置完成后，飞书即成为与Agent之间的实时通道——发一条消息，Agent即时响应。

七、避坑指南

常见问题与解决方案：

1. GitHub访问不畅：国内用户安装NVM时使用Gitee镜像替代
2. Git代理配置污染：检查并清理~/.gitconfig中错误的代理配置
3. Gateway端口冲突：修改config.json中的port字段
4. 模型响应慢：切换本地量化版LLM（如Qwen2.5-7B-q4_K_M）

安全红线：

• 禁止开放tools.exec.mode=privileged
• 定期备份~/.openclaw/workspace/
• 通过日志~/.openclaw/logs/监控异常行为

写在最后

OpenClaw将大模型从“建议者”升级为“执行者”，让AI真正成为能干活的生产力工具。本文从环境搭建到实战任务，涵盖了从0到1的完整路径。工具会变，但“让AI替你干活”的思路不会过时。上手，是最好的学习。