大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



附配置清单

OpenClaw 不是单纯的聊天工具，也不是一组零散的 agent 工具。它更准确的身份是：一个自托管的 Gateway 驱动型 AI 操作系统。你在自己的电脑或服务器上运行一个 Gateway 进程，这个 Gateway 负责统一管理会话、路由、渠道连接和控制界面；然后 Telegram、WhatsApp、飞书、钉钉、企业微信、Web UI、CLI，甚至移动端节点，都会围绕这个 Gateway 工作。官方甚至直接把 Gateway 描述成 sessions、routing 和 channel connections 的单一事实来源。

所以，讨论“一个优秀的 OpenClaw 应该具备什么”，不能从“装什么模型”开始，而要从它的系统本质开始：它首先是一个控制界面，其次才是一个会说话、会用工具、会跑流程的助手。这也是为什么 OpenClaw 的配置中心是 ~/.openclaw/openclaw.json，为什么官方主路径是 openclaw onboard 和 openclaw gateway，以及为什么一旦配置不符合 schema，Gateway 会直接拒绝启动。

如果把 OpenClaw 说得最自然，它其实可以被理解成三层结构。

能力层回答的是：这个系统最终能做成什么。

框架层回答的是：它靠什么运行机制把这些事稳定做成。

组件层回答的是：这些机制最后具体落成了哪些可部署、可配置、可审计的实体。

这三层不是并列摆放的目录，而是从上往下收束的关系。能力层是“目的”，框架层是“组织方式”，组件层是“落地载体”。

一个成熟的 OpenClaw，能力上不应该被理解成“会聊天 + 会调工具”，而应该被理解成一个完整闭环：能接入，能理解，能编排，能执行，能记住，能复用，能约束自己，也能被审计。官方首页强调它是 self-hosted、multi-channel、agent-native；工具能力是它的原生核心能力；安全文档强调它不是 hostile multi-tenant 平台。这三件事合在一起，才是它完整的能力边界。

首先，它要有接入能力。这不是“把 bot token 配进去”那么简单，而是要能在多个渠道下稳定收发消息、识别发送者、维护会话边界，并把不同入口统一收束到 Gateway。官方明确支持多渠道和多智能体路由，甚至把“按 agent、workspace 或 sender 隔离 session”列为关键能力之一。换句话说，优秀 OpenClaw 的第一能力不是回答问题，而是把消息正确地接到对的 agent 上。

其次，它要有推理能力，但这里的推理不是“选个更强模型”这么简单。OpenClaw 的推理能力本质上是“主模型 + 回退模型 + 认证轮换 + 会话粘性”的组合能力。官方模型与配置文档都表明，OpenClaw 支持模型 allowlist、fallback、auth profiles，以及在失败时的轮换与降级。真正优秀的配置，追求的不是单次回答最聪明，而是系统长期在线时依然稳定、连续、成本可控。

再者，OpenClaw 还必须有上下文和记忆能力。这里的关键不是“上下文窗口有多大”，而是工作区是否被当成 agent 的长期家园。官方把 workspace 直接定义为 agent 的 home，并明确区分它和 ~/.openclaw/ 下的配置、凭证、会话数据；同时还给出一整套工作区文件地图，例如 AGENTS.md、SOUL.md、USER.md、TOOLS.md、MEMORY.md 等。也就是说，一个优秀 OpenClaw 的稳定性，来自结构化上下文，而不是临时 prompt 的堆积。

然后再到执行能力。OpenClaw 的工具系统已经不是旧式的 shell 拼接，而是一组类型化的工具：browser、canvas、nodes、cron、exec、web_search、web_fetch、message、sessions_* 等都在同一个工具体系里；同时又能通过 tools.allow / tools.deny 做边界控制。于是，“执行能力”在 OpenClaw 里真正意味着：系统不仅能做事，而且能在明确权限范围里做事。

而在这些能力中间，真正把系统从“会用工具的助手”抬升为“可长期运行的系统”的，是工作流能力。这个能力是目前很多基础模型最难的地方，其实它在逻辑上非常居中：接入和理解告诉系统“要做什么”，工具和浏览器告诉系统“能做什么”，而工作流决定的是“这些事如何按步骤、有顺序、可暂停、可恢复地完成”。Lobster 被官方定义为 typed workflow runtime，能够把多步工具序列收束为一次确定性操作，并带审批检查点；OpenProse 则是 markdown-first workflow format，能生成多个子智能体并显式控制流程；cron 和 webhook 又负责把这些流程接到时间和事件上。换句话说，工作流不是附属功能，而是 OpenClaw 的“中段肌肉”。没有它，系统只有动作；有了它，系统才有过程。

最后，一个优秀 OpenClaw 还必须有安全与运维能力。官方安全文档写得很明确：它假定的是单一信任边界下的个人助手模型，而不是多个不互信用户共享同一 gateway 的敌对环境；官方配置文档也明确要求严格 schema 验证，配置错了就不启动；runbook 则提供 status、logs、doctor 之类的运维路径。也就是说，真正成熟的 OpenClaw，不是“能跑起来”，而是知道自己能做什么、不能做什么，出问题时还能自行检查和修复。

如果说能力层回答“它会什么”，那框架层回答的就是“它为什么会这些”。

最外层是控制平面框架。Gateway 是整个系统的中枢，不只是一个监听端口的进程。它统一承载 sessions、routing、channel connections、Control UI 和运行状态，因此它不是普通组件，而是整个系统的主框架。先有 Gateway，才有后面的多渠道、多 agent、多会话、多工具。

在控制平面之内，第二层是接入与会话框架。消息从不同渠道进来后，系统要决定由谁处理、进入哪个会话、用哪个 agent、落到哪个 workspace。这也是为什么 OpenClaw 文档不断强调 sender/session/agent/workspace 的关系。没有这一层，渠道再多也只是更多入口，不会形成稳定系统。

第三层是模型路由框架。优秀 OpenClaw 从来不是“绑定一个模型”，而是“为不同失败模式、不同授权方式和不同任务复杂度准备一套路由机制”。这套框架让模型层从脆弱的外部依赖，变成可管理的系统资源。

第四层是上下文管理框架。工作区之所以重要，不是因为它是一个目录，而是因为它把规则、人格、用户、记忆、工具说明这些原本容易混杂在 prompt 里的内容，拆解成长期可维护的结构。这样 agent 的“持续性”才来自文件体系，而不是来自一次性对话偶然性。

第五层是工具与 Skills 框架。OpenClaw 现在同时保留了两类东西：一类是 typed 的工具，负责“直接做事”；另一类是兼容 Agent Skills 的技能目录，负责“教模型如何更好地做事”。官方明确写到，Skills 以 SKILL.md 为核心，并从 bundled、~/.openclaw/skills、/skills 三层加载，workspace 优先级最高。于是这层框架的作用，不只是给系统加能力，更是给系统加方法。

第六层，流程编排框架。工作流不是单一能力，也不是单一组件，而是一种把模型、工具、上下文、审批和触发机制组织起来的运行方式。Lobster 负责确定性、多步骤、可审批、可恢复的执行流；OpenProse 负责多智能体、显式控制流的认知流；cron、hooks、webhooks 则负责让流程被时间或事件启动。这样看，工作流不是“和自动化并列的一个小功能”，而是把执行能力和自动化能力联结起来的骨架。

第七层是浏览器与执行隔离框架。OpenClaw 的浏览器文档反复强调 openclaw 是独立、受控、与个人浏览器隔离的 profile；workspace 文档又强调 workspace 不是硬沙箱，真正隔离要靠 sandbox。于是浏览器、workspace、sandbox、nodes 实际共同组成了“动作发生在哪里、以什么边界发生”的执行框架。

最内层则是安全与运维治理框架。严格配置校验、日志、doctor、安全审计、trust boundary，它们决定系统是否长期在线。OpenClaw 官方把这套治理能力直接写进配置、runbook 和安全文档里，是架构的一部分。

到了组件层，就不再谈抽象结构，而是谈真正要部署、配置和治理的东西。

核心组件永远是 Gateway daemon + openclaw.json + Control UI + CLI 运维命令。这四类东西决定系统是否真的存在、是否可管理、是否可诊断。

围绕 Gateway，第一圈是渠道组件，也就是 Telegram、WhatsApp、飞书、钉钉 等连接器，以及它们对应的 allowlist、群规则和会话策略。第二圈是模型组件，包括主模型、回退模型、认证 profile、模型 allowlist。第三圈是工作区组件，也就是 AGENTS.md、SOUL.md、USER.md、MEMORY.md 这一整组长期上下文文件。第四圈是工具与技能组件，包括 typed tools、本地或 workspace skills、SKILL.md 和 skills 配置项。第五圈是浏览器组件，尤其是独立的 openclaw profile。第六圈是隔离与节点组件，包括 sandbox 和 nodes。最后一圈则是运维组件，例如 logs、doctor、安全审计、cron 存储与状态目录。

而工作流模块在组件层里的落点，也应该被自然地看作一整组东西，而不是一个孤立名词。它包括：Lobster 的 workflow 定义与运行入口，OpenProse 的 .prose 程序与 /prose 命令，cron 的 jobs.json 与执行记录，审批与恢复所需的 resumeToken 一类状态，以及 webhook/hook 的触发入口。把这些看成一组，你就会发现：工作流在组件层里并不是“多一个功能”，而是多了一条完整的生产线。

如果要用一句最像“正式架构说明书”的话来收束：

“

OpenClaw 是一个以 Gateway 为控制平面的自托管 AI 助手系统；它在能力层上形成接入、推理、记忆、执行、工作流、自动化、安全与运维的闭环，在框架层上由控制平面、会话路由、模型路由、上下文管理、工具/Skills、流程编排、浏览器与隔离执行、安全治理等框架支撑，在组件层上则落实为 Gateway、渠道连接器、模型与认证配置、工作区文件、tools、skills、workflow runtime、browser profile、sandbox、cron、日志和审计等组件。

”

要想让你的龙虾openclaw具有很强的复杂任务处理能力，必须进行不断的优化迭代和组件配置。下面整理了比较常用的组件和配置清单：

1.1 主模型

◆Claude Opus 4.6|复杂规划强

◆GPT-5.4|通用最稳

◆Kimi K2.5|长上下文强

◆GLM-5|国产主力

◆Qwen 3.5系列|生态兼容强

OpenClaw 官方 provider 目录已包含 GLM models、Moonshot AI、Qwen、MiniMax；Moonshot 官方文档说明 Kimi K2.5 支持 256K 长上下文和 Tool Calling；Qwen 官方文档说明其提供兼容 OpenAI Chat Completion 的接口，便于迁移。

1.2 快速模型

◆Gemini 3.1 Flash Lite Preview|便宜够快

◆Gemini 3 Flash Preview|多模态快

◆Kimi K2 Turbo Preview|响应更快

◆GLM-5|性价比高

◆Qwen-3.5 Plus|成本更低

Moonshot 官方文档给出了 kimi-k2-turbo-preview；智谱文档显示 GLM-4.7 与 GLM-5 面向高频和复杂任务分工使用；Qwen 提供兼容 OpenAI 的接口，适合做快速路由层。

1.3 视觉 / 视频模型

◆Gemini 3.1 Pro Preview|视频更强

◆GPT-5.3    |图文通吃

◆Claude Opus 4.6    |图文稳健

◆GLM 4.6V    |国产可替

◆Qwen 2.5VL/ Qwen 3VL|国产可替

◆Kimi VL/Kimi K2.5    |国产可替

OpenClaw 原生支持 image/audio/video media understanding；Qwen provider 页面明确提到 Qwen Vision；智谱官网明确提供多模态视觉模型；Moonshot 官方文档写到 Kimi K2.5 支持 visual reasoning。

1.4 语音转写模型

◆Deepgram Nova-3|转写专业

◆GPT-4o-transcribe|接入省事

◆Whisper-1|速度快

◆GLM-TTS|通话一体

◆Qwen3-TTS|国产可接

智谱文档明确提供 GLM-TTS，支持实时音视频通话、多模态交互和函数调用；OpenClaw 也支持独立 transcription providers。

1.5 语音合成 / TTS

◆ElevenLabs|音色成熟

◆gpt-4o-mini-tts|接入省事

◆Edge TTS|轻量免费

◆Qwen3-TTS|国产可用

◆Qwen CosyVoice|可定制音色

◆MiniMax Speech|国产常用

阿里云官方文档显示 Qwen-TTS 已提供正式 API，且 Qwen CosyVoice 支持通过文本描述生成自定义声音；OpenClaw 官方 TTS 文档支持多家 TTS 后端。

1.6 本地模型

◆Ollama|隐私优先

◆vLLM|自托管强

◆CLI backend|断网兜底

◆Qwen 本地开源模型|国产本地

◆DeepSeek 开源模型|国产本地

OpenClaw 官方 provider 目录包含 Ollama 和 vLLM，本地部署仍是隐私优先的**方案。

◆主助理 Agent|任务规划、路由分派与结果整合

◆快速闲聊 Agent|高频问答与低延迟对话

◆执行 Agent|工具调用与流程执行

◆视觉媒体 Agent|图片、视频等多模态理解

◆语音通话 Agent|实时语音交互与转写合成

◆研究分析 Agent|复杂检索、推理与长链任务

◆本地私密 Agent|敏感数据与本地闭环处理

◆发布运营 Agent|内容生成、审核与分发执行

OpenClaw 原生支持 multi-agent routing，并允许按 agent、workspace、sender 做隔离；这意味着你完全可以把国内模型和海外模型混合放进不同 agent。

◆OpenClaw Native Multi-Agent|负责隔离、路由与上下文边界

◆OpenProse|多 Agent 协同、任务流转与控制

◆Lobster|审批、恢复与长流程确定性执行

◆cron|定时周期性任务调度

◆hooks / webhooks|事件触发

这是 OpenClaw 自己最成熟的流程层：OpenProse 负责多 agent 控制流，Lobster 负责确定性工作流和审批恢复，cron / hooks / webhooks 负责触发。

⚲ OpenProse 网址：docs.openclaw.ai/prose

原则不变：原生 tools 优先，MCP 负责外部系统。 但这次把国内常用系统补进来。OpenClaw 官方本身已经把 browser、canvas、nodes、cron 做成一等工具，所以 MCP 不要抢主位。

4.1 必配 MCP

◆Filesystem MCP|文件刚需

◆GitHub MCP|代码协作

◆PostgreSQL MCP|查库常用

◆MySQL MCP|业务常见

◆HTTP / Fetch MCP|API 通用

◆Playwright MCP|网页补强

4.2 常用海外办公 MCP

◆Google Drive MCP|办公常用

◆Notion MCP|知识库常用

◆Slack MCP|团队协作

◆Gmail MCP|邮件闭环

◆Google Calendar MCP|日程闭环

4.3 常用国内办公 MCP

◆飞书 / Lark MCP|中文团队常用

◆企业微信 MCP|国内协作常用

◆钉钉 MCP|企业常见

◆腾讯文档 MCP|文档协作

◆腾讯会议 / 飞书会议 MCP|会议联动

◆阿里云 OSS MCP|文件存储

◆百度智能云千帆 MCP|云侧接入

◆阿里云百炼 MCP|模型编排

◆微信公众号 / 视频号 MCP|内容分发

OpenClaw 官方 provider 目录已包含 Qianfan、Qwen、MiniMax、Moonshot、GLM 等国内 provider，这意味着做“国产云 + OpenClaw”的组合是顺路的。

5.1 官方内置 Skills

• summarize

   —— 链接速读官方内置 skill，可总结 URL、PDF、文章、YouTube 链接，并支持 best-effort transcript 提取。

• voice-call skill

   —— 电话控制官方仓库内置 skill，用来配合官方 Voice Call 插件做拨号、接听和通话控制。

• skill-creator

   —— 生成新 skill官方仓库内置 skill，适合让 agent 帮你创建或改造本地/工作区 skills。

• gog

   —— Google Workspace / Google 服务官方仓库内置 skill，属于可直接确认存在的 bundled skill。

这几个里面，真正通用且值得默认装上的，还是 summarize 和 skill-creator；voice-call skill 只在你要上电话能力时装，gog 更偏特定场景。这个判断是基于官方仓库能确认的 skill 存在性，以及官方把大量原先 skill 型能力迁移到原生 tools 的事实。

⚲ summarize: github.com/openclaw/openclaw/blob/main/skills/summarize/SKILL.md

⚲ voice-call skill: github.com/openclaw/openclaw/blob/main/skills/voice-call/SKILL.md

⚲ skill-creator: github.com/openclaw/openclaw/tree/main/skills/skill-creator

⚲ gog: github.com/openclaw/openclaw/tree/main/skills/gog

5.2 真正应该“多配”的三大层级

官方把大量原先 skill 型能力迁移到了原生 tools 中。所以正确的扩展逻辑应该是：

1. 原生 tools (核心执行)

   包括 browser, canvas, nodes, cron, process, pdf 等。这些已经是官方主能力层，优先级绝对高于 skills。

2. 官方 plugins (系统底座)

   包括 Memory Core, Memory LanceDB, Voice Call 及模型认证插件等。

3. ClawHub / Workspace Skills (场景扩展)

   按需安装 summarize、skill-creator 等通用技能，再根据需求从 ClawHub 补充行业专属 Skills。

5.3 技能层最终落地建议

【默认装】：

summarize (通用最高)、skill-creator (扩展最强)、voice-call skill (通话再装)、gog (按需)

【默认开】：

browser (网页核心)、canvas (结果展示)、cron (自动化)、nodes (设备扩展)、pdf (文档理解)

【默认插件】：

Memory Core (基础必备)、Memory LanceDB (长期记忆)、Voice Call (电话能力)、qwen-portal-auth (国内模型)

【后续补充】：

ClawHub 行业 skills (按场景装)、workspace skills (按团队装)

为了让系统具备更强大的连接、记忆和编排能力，以下是重点推荐的官方与生态 Plugins 清单（已扩充）：

6.1 核心路由与编排

◆OpenProse Plugin|多 Agent 编排核心

◆Memory LanceDB|高性能向量长期记忆

◆Memory PostgreSQL|企业级结构化记忆库

◆Memory Core|轻量级上下文管理底座

6.2 身份验证与模型接入

◆Qwen Portal Auth Plugin|走设备码的国内接入优选

◆Google Gemini CLI Auth|Gemini 模型无缝接入

◆Anthropic Auth Plugin|Claude 生态标准授权

◆Google Antigravity Auth|谷歌生态综合鉴权

6.3 渠道与扩展通信

◆Voice Call Plugin|提供底层拨号/接听核心支持

◆@openclaw/slack|团队协作 Slack 渠道直连

◆@openclaw/discord|社区运营 Discord 渠道支持

◆@openclaw/msteams|微软 Teams 企业级渠道

◆@openclaw/matrix|开源去中心化 Matrix 渠道

◆MCP Gateway Plugin|统一管理多个 MCP 服务的底座

注：OpenClaw 官方 Qwen provider 页面明确要求启用 qwen-portal-auth 插件来走 Qwen 的 device-code OAuth，属于国内模型接入的必装插件。

⚲ Qwen Portal Auth Plugin 网址：docs.openclaw.ai/providers/qwen

⚲ Voice Call Plugin 网址：docs.openclaw.ai/plugins/voice-call

7.1 语音对话能力

◆Talk Mode|连续对话

◆STT 引擎|语音转文

◆TTS 引擎|文字出声

◆Node 设备|采集方便

◆主会话绑定|上下文稳

◆GLM-Realtime|国产替代

◆Qwen-TTS|国产替代

OpenClaw 已支持 Talk Mode、音频理解和 TTS；智谱提供 GLM-Realtime，阿里云提供 Qwen-TTS。

7.2 文生图能力

◆图像生成服务|核心外接

◆插件或 MCP 接入|扩展最顺

◆发布回传通道|便于分发

◆审批节点|防误发

◆通义万相|国产优先

◆即梦 / 火山引擎图像|国内可选

◆智谱图像模型|国内可选

这块 OpenClaw 不是主内建，所以建议统一视为“外接图像生成层”；国内优先可考虑阿里、字节、智谱各自图像服务。OpenClaw 负责编排、回传和审批。

7.3 读图能力

◆Media Understanding|原生入口

◆视觉模型|理解关键

◆Browser 截图|网页读图

◆PDF 工具|文档读图

◆Qwen Vision|国产替代

◆GLM 视觉模型|国产替代

7.4 读视频能力

◆Media Understanding|原生入口

◆Gemini 3.1 Pro Preview|视频更强

◆Gemini 3 Flash Preview|视频更快

◆summarize skill|视频速读

◆GLM 视频理解|国产可替

◆Kimi 多模态|国产可替

7.5 读音频 / 语音笔记能力

◆Audio Understanding|原生入口

◆Deepgram Nova-3|转写专业

◆GPT-4o Mini Transcribe|接入顺手

◆GLM-Realtime|国产一体

◆Voice Note 通道|入口直接

7.6 克隆语音能力

◆ElevenLabs Voice Cloning|现成成熟

◆Qwen Voice Design|国产可定制

◆OpenClaw TTS 出口|直接播报

◆声纹授权流程|合规必需

◆审批开关|防滥用

7.7 语音通话能力

◆Voice Call Plugin|通话核心

◆Twilio|海外成熟

◆Telnyx|海外备选

◆Plivo|海外备选

◆GLM-Realtime|国内补位

◆独立语音 Agent|便于调优

7.8 PDF / 文档理解能力

◆PDF Tool|原生支持

◆视觉模型|复杂版面

◆summarize skill|快速摘要

◆Qwen Vision|国产替代

◆GLM 视觉模型|国产替代

7.9 浏览器自动化能力

◆Managed Browser|隔离账号

◆Browser Tool|原生控制

◆Playwright MCP|补自动化

◆审批节点|防误点

◆Telegram|调试方便

◆WhatsApp|主力入口

◆Discord|团队协作

◆WebChat / Control UI|本地控制

◆iOS Node|移动增强

◆Android Node|移动增强

◆企业微信入口|国内常用

◆飞书入口|国内常用

◆微信公众号入口|内容触达

◆token auth|先关入口

◆allowlist / pairing|控触发面

◆per-agent tools|最小权限

◆per-agent sandbox|隔离风险

◆secrets 管理|防明文钥

◆security audit|持续收敛

◆managed browser|隔离账号

10.1 个人全能版

▪ 主模型：Claude Opus 4.6 —— 规划更强

▪ 国产副主力：Kimi K2.5 —— 长文更强

▪ 快速模型：Qwen Turbo / GLM-5 —— 成本更低

▪ 视觉模型：Gemini 3.1 Pro Preview + Qwen Vision —— 中外双路

▪ 转写：Deepgram Nova-3 + GLM-Realtime —— 双路兜底

▪ 语音输出：ElevenLabs + Qwen-TTS —— 中外双路

▪ 多 Agent：主助理 + 快聊 + 执行 + 视觉 + 语音 + 私密 —— 分工清晰

▪ 工作流：OpenProse + Lobster + cron —— 闭环完整

▪ Skills：summarize + voice-call + OpenProse pack —— 来源明确

▪ MCP：Filesystem + GitHub + Postgres + 飞书 + 企业微信 + 腾讯文档 + Playwright —— 中外兼顾

10.2 性价比国产优先版

▪ 主模型：GLM-5 —— 国产主力

▪ 快速模型：GLM-4.7 / Qwen Turbo —— 控成本

▪ 长文模型：gpt-5.4/Kimi K2.5 —— 长上下文

▪ 视觉模型：Qwen Vision / GLM 视觉 —— 国产优先

▪ 转写：GLM-Realtime / Qwen 音频链路 —— 国产优先

▪ 语音输出：Qwen-TTS —— 接口现成

▪ 工作流：OpenProse + Lobster —— 核心不变

▪ Plugins：Qwen Portal Auth + Voice Call —— 接入顺

▪ MCP：Filesystem + MySQL + 飞书 + 企业微信 + 钉钉 + 腾讯文档 —— 国内办公优先

10.3 隐私优先版

▪ 主模型：Ollama / vLLM —— 数据本地

▪ 国产本地模型：Qwen 开源模型 / DeepSeek 开源模型 —— 国产本地

▪ 转写：本地 Whisper —— 本地闭环

▪ 语音输出：Edge TTS / 本地 TTS —— 降低外连

▪ 多 Agent：主助理 + 私密 Agent —— 边界清晰

▪ 工作流：OpenProse + Lobster —— 本地编排

▪ MCP：Filesystem + 本地数据库 —— 最少外连

▪ 安全：全量 sandbox + allowlist —— 风险最低