最近OpenClaw很火，带火了Mac Mini等硬件，也给软件提供商和模型厂商带来了商机。

我也搭建了个，玩了一周了，token烧了不少，最终发现一个零成本玩OpenClaw的方法（当然，前提是你有台电脑）。这里分享一下自己的心得，包括部署过程，模型接入，玩法，踩过的坑等。

首先，可能有的读者为了照顾更多读者，这里容许我啰嗦几句，介绍下OpenClaw。

OpenClaw 是最近爆火的开源本地优先 AI Agent，曾用名包括「Clawdbot」、「Moltbot」，国内社区也会叫它「小龙虾」。

它以 「真正能做事的数字员工」为核心定位，支持本地部署，可通过WhatsApp、Telegram、甚至飞书等多通讯渠道接收指令，执行文件操作、脚本运行、浏览器操控、日程管理等任务，且具备持久记忆能力。其所有数据留存本地，兼顾隐私与强执行力。

而且你可以接入任何模型，在线的或者本地的都行，插件生态可自由扩展，支持各种Skills，非常好玩。那么，选什么模型好呢？怎么配置呢？

玩OpenClaw，最大的担忧不是agent会给我电脑搞什么破坏（毕竟是一台已经格式化过的旧电脑），而是要花我多少token，烧我信用卡多少钱。社区里看到很多人接入Claude，甚至有人玩得狠的，一天就花几百刀，吓人。

所以我建议是，选择一个有固定金额的模型套餐，这样不用担心无底洞。

我之前也开了kimi coding plan来玩，算是一个Claude的平替玩法，结果一周的额度被我三天玩没了（不是Token不够多，只怪龙虾太费token）。

我是接入了飞书，随时随地在飞书里就能吩咐它干点活。但飞书的接入有个问题，就是它不支持流式输出，回复就显得更慢。一句话过去，有时候隔了半分钟才有回应，经常让我怀疑服务器宕机了。

那么，有没有模型更快，还更便宜呢？还真有，刚好在群里看到朋友说阶跃星辰发布了Step 3.5 Flash。研究了下，这确实是适合OpenClaw的目前最高性价比的模型。

首先对比速度。我们拿OpenClaw社区大家常用模的型对比下它们的Throughput（数据来源：openrouter）：

• Step 3.5 Flash：164tps
• Opus4.5： 38tps
• kimi 2.5： 34.50tps

而且并没有因为速度快，就在智能水平上打折。虽然Flash模型不敢谈性能是SOTA的，但其实Coding能力和Agency能力都是足够好的，非常适合OpenClaw这种Agent应用。

更重要的是，限免！直接接入OpenRouter就行了，即使你没在上面充值过，也有一天的限免额度，足够尝鲜了。不知道活动持续多久，我建议是马上薅。

目前Openrouter上使用Step 3.5 Flash的工具很多，其中OpenClaw对其调用量已经达到16B，可以看到，对于Step 3.5 Flash，接入OpenClaw是大家最喜欢的玩法之一

趁着免费羊毛，不薅白不薅。

OpenClaw部署教程

其实部署很简单的，有几种方法，懒人方法就是打开命令行，然后运行

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

也可以用npm安装

npm i -g openclawopenclaw onboard

然后就会自动弹出设置菜单，首先让你确认安全风险，Yes就完事了。

下一个设置项是Onboarding mode，QuickStart就好。新手接入，我先建议不要搞太多设置，多数设置可以设置为默认，反正后期都是可以修改的。

下一步选择模型提供商。由于我们要薅OpenRouter免费token的羊毛，就选OpenRouter。

于此同时，我们去OpenRouter创建一个API_KEY。点击OpenRouter的Step-3.5页面，然后Create API KEY，名字随便起，例如OpenClaw，创建API_KEY，并保存好KEY。

然后返回OpenClaw设置页面，粘贴你的Key。

下一步就是选模型，由于OpenRouter有很多模型，你可能要在这一步翻一下，模型是按字母排序的，往下翻就找到了stepfun/step-3.5-flash:free。

就完成了Step 3.5 Flash的接入。下一步就是接入飞书。之前的教程会让你用个插件，但OpenClaw最新版本已经官方集成了飞书/Lark接入，就不再需要插件了

下一步是配置Skill。这个可以自己看着弄，例如接入苹果记事本，bear记事本等工具。

剩下的步骤，可以先选择跳过，例如Google的API设置等

最后是启动方式，

TUI就是在terminal里跑的UI，随便问个问题，看看接入成功没。

可以看到，现在接入成功了，本地跑Agent，免费的模型API接口，总共花费：0。

最后，还得开Gateway，才能实现和通信软件互通信息。

openclaw gateway start Gateway dashboard

飞书配置

注：在配置飞书时，可能会出现找不到模块zod的错误

如果遇到，则npm install zod即可解决。

然后我们去飞书开放平台，然后在开发者后台，点击「创建企业自建应用」

起个自己喜欢的名字，然后进入应用后台，在「凭证和基础信息」这里，把App ID和App Secret复制下来

然后添加个机器人的能力

配置机器人。权限添加，点击这个按钮，

导入下面这段JSON，就自动配置好了基础的权限

{ “scopes”: {

"tenant": [ "contact:user.base:readonly", "im:chat", "im:chat:read", "im:chat:update", "im:message", "im:message.group_at_msg:readonly", "im:message.p2p_msg:readonly", "im:message:send_as_bot", "im:resource" ], "user": [ "contact:contact.base:readonly" ] 

} }

订阅方式：使用长连接接收事件，并添加事件「接受消息」

在回调设置，也是一样：使用长连接接收事件

最后，点击左上方的「创建版本」。飞书这边的设置就好了

然后到OpenClaw这边设置。去OpenClaw的后台，选择Channels，在feishu这项设置

翻到下面，把前面复制的App ID和App Secret粘贴到对应的位置

然后这个时候你从飞书发消息给OpenClaw，应该会出现这个情况。

解决方法很简单，选中那段话，复制下来，粘贴到电脑端的OpenClaw对话框里。就完成配对了。

再次试验，成功！

首先测试Step3.5 Flash速度。先来一个纯「体力活」，从1数到500，看看Step3.5 Flash和之前我用的kimi 2.5，速度比较看看谁快。在测试前，都清空了上下文，让不同模型都在同一起跑线上。那么，谁更快呢？

可以看到，Step 3.5 Flash是相当的快，在没有流式输出的情况下，回复这么一大段话，也就用了8.5秒，而用kimi2.5 coding，则用了23.5秒。可以看到Step3.5 Flash回复超快。

当然，速度是一方面，当怎么用好模型，又是另一方面。这里再分享一些我的玩法。

首先，你可以让它加入moltbook，唯一前置条件是你有个推特账号。然后给OpenClaw发送这段话

Read https:// moltbook.com/skill.md and follow the instructions to join Moltbook

你的OpenClaw就能自己加入moltbook。

说到这里，我去看了我的moltbook，害怕，我的小龙虾背着我发了多少帖子？？

用来做股票选股，跑个模拟盘。

甚至还可以做个新闻小助手，每天早上给我推送AI行业新闻。

可以说，OpenClaw的玩法是无穷的，你只管发挥想象力。测试下来，Step 3.5 Flash也是足够聪明的，多数任务也是没问题的。

唯一不足就是，如果你OpenRouter账户里没有余额，那么使用Step 3.5 Flash时，那么你只能免费用一天，但如果你你OpenRouter账户有余额，Step 3.5 Flash就能在限免期内一直用（期间也不会扣余额）。当然，如果你玩得很疯狂，你也可以用阶跃星辰开放平台的接口，虽然要花钱，但优势是已经把并发和rpm和tpm拉的很高了，非常适合Multi-Agent应用同时跑多个任务的情况。

玩了好几天，踩了不少坑。对于刚开始玩OpenClaw的朋友，我这里分享几个我个人的经验，可以帮助大家提升OpenClaw的能力，减少Token消耗。

首先，我建议在使用过程中，注意手动上下文管理。虽然官方宣传有上下文压缩能力，但我还是遇到过上下文爆了的情况。所以我建议，有必要时，请手动清理上下文（使用/new或者/clear命令）。当然，有种做法是设置定时任务清空上下文，例如每天凌晨三点清空一下。

其实不用太担心清空上下文后，OpenClaw就变新兵蛋子，你可以在使用过程中，让OpenClaw记忆一些东西。例如定期任务，OpenClaw会写文件到本地的，它有这个能力，但如果你看到它没给你保存计划，可以手动提醒下它。

另外，一些结论性的对话，或者你想他了解的尝试知识，也可以让它写到文件里。下次对话时它就有一些背景知识了，不用再花大量 Token 重新跟它解释过往的结论和专属设定，直接一句 「去读取本地保存的 XX 笔记」，就能快速唤醒它的相关记忆，既省 Token 又能让它的回复更贴合你的需求，效率直接拉满。

其实说到底，OpenClaw 的避坑逻辑，就是把 「上下文」 和 「Token」 捏在自己手里，毕竟OpenClaw这个项目，也是用AI写的，其作者Peter Steinberger都说: 「I ship code that i don‘t read」

OpenClaw 用下来真的越用越有那味儿，完全是现实版 Jarvis 的既视感，干啥都贼能干 —— 不管是日常的指令执行、本地文件的读写管理，还是搭个自动化小脚本、跑复杂的 Agent 任务流，基本都能精准拿捏需求。

而且，在使用了多个模型后，我发现，Step 3.5 Flash是速度和性能上平衡得相当好的模型，让Agent响应更快，同时Coding和Agent能力都是相当好的，非常适合在OpenClaw上部署。更重要的是限免，反正我先薅为敬，也不知道还有几天免费可用。