最近 AI 圈最火的关键词一定绕不开OpenClaw—— 这只被大家亲切称为「大龙虾」的开源执行型智能体框架，正在彻底改变我们对 AI 助手的认知：AI 不再只是「回答问题」，而是能真正动手完成任务的数字员工。

这是一篇OpenClaw的学习笔记，主要介绍OpenClaw 的定位、架构、使用经验、Demo 与实战，从而快速跟上智能体时代的技术浪潮，比较适合开发者、产品、运维与普通效率爱好者阅读。

1.1 一句话定位OpenClaw

OpenClaw 是开源、本地优先、模型无关、可长期驻留的 AI 执行型智能体框架，由 PSPDFKit 创始人 Peter Steinberger 主导开发，MIT 协议开源，核心口号：The AI that actually does things（真正做事的 AI）。

它不是 Chatbot，不是简单的 LLM 包装，而是一套完整的任务执行系统：只要你用自然语言下达指令，它负责理解→拆解→调用工具→执行→反馈→持久记忆，完成从「动口」到「动手」的全流程闭环。

1.2 为什么OpenClaw突然爆火

过去 AI 助手普遍存在三大痛点：

• 只聊天不做事：能告诉你怎么操作，却不能替你点鼠标、写代码、整理文件；
• 云端依赖强：隐私数据必须上传，敏感场景不敢用；
• 无长期记忆：关了对话框就失忆，无法持续协作。

而OpenClaw 精准解决了这三个痛点：

1. 真执行：可以操作系统、读写文件、运行代码、控制浏览器、调用 API；
2. 本地优先：网关与执行逻辑跑在你自己的设备上，数据不出境；
3. 常驻守护：后台 7×24 运行，支持心跳机制、定时任务，主动干活而非被动响应。

截至 2026 年 3 月，GitHub 星标已突破334k，成为全球最火的开源项目之一，国内社区也快速跟进，教程、插件、部署方案层出不穷。OpenClaw的github地址如下：https://github.com/openclaw/openclaw

1.3 OpenClaw核心能力边界

你可以让 OpenClaw 做这些事：

• 办公：整理文件夹、批量重命名、发邮件、创建日历、写周报；
• 开发：拉代码、装依赖、跑测试、打包部署、代码审查；
• 运维：服务器监控、日志排查、定时巡检、K8s 操作；
• 生活：自动抓取资讯、定时提醒、跨 IM 消息同步、文件备份；
• 自定义：写专属 Skill，让它执行你的个性化流程。

一句话总结OpenClaw：凡是你能用电脑重复做的事，OpenClaw 都能替你做。

很多人分不清「聊天机器人Chatbot 」「普通智能体Agent」和「OpenClaw」，下面用生活类比 + 表格来看懂。

2.1 三层定位类比

• Chatbot（聊天机器人）：前台客服
  你问我答，提供信息与建议，不碰你的系统、不做执行。
  
  
  
  
• 普通 Agent（智能体）：远程助理
  能规划任务、调用工具，但依赖云端、权限有限、无法长期驻留。
  
  
  
  
• OpenClaw（执行型智能体）：你本地的全职数字员工
  住在你的电脑里，有系统权限、长期记忆、主动执行、隐私可控，真正替你落地执行。
  
  
  
  

2.2 核心维度对比表

2.3 关键差异：从「建议」到「执行」的质变

举个最直观的例子：订会议室

• Chatbot：告诉你怎么订，给出步骤；
• 普通 Agent：帮你生成邀请文本，需要你手动发送；
• OpenClaw：直接打开日历→创建会议→邀请成员→设置提醒→反馈结果，全程不用你动手。

这就是 OpenClaw 的核心价值：把人类从重复操作中解放出来。

OpenClaw 的架构设计非常克制，没有过度复杂的抽象，遵循本地优先、执行优先、模型无关、插件化四大哲学。

3.1 OpenClaw四大设计哲学

1. 本地优先（Local-first）
   核心执行与存储都在本地设备，网关默认监听 127.0.0.1，隐私与安全可控，适合企业内网、敏感数据场景。
   
   
   
   
2. 执行优先（Action-first）
   一切设计围绕「完成任务」，而非「流畅对话」，对话只是交互入口，执行才是最终目的。
   
   
   
   
3. 模型无关（Model-agnostic）
   不绑定任何大模型，支持 Claude、GPT、Kimi、Qwen、本地 Ollama 模型自由切换，成本与效果自己掌控。
   
   
   
   
4. 插件化生态（Skill Hub）
   能力通过 Skill（技能） 扩展，遵循 MCP 标准协议，安装即用，无需改造核心框架。
   
   
   
   

3.2 OpenClaw五层核心架构

OpenClaw 采用清晰分层架构，每层职责单一，易于理解、调试与二次开发：

3.3 OpenClaw八大核心组件

1. Gateway（网关）
   系统的总入口，统一对接 50+IM 渠道，负责权限、路由、会话管理，默认端口 18789，只对内开放，安全可控。
   
   
   
   
2. Pi Agent（大脑）
   负责思考：解析指令、拆解任务、选择技能、监控执行，支持多 Agent 隔离，不同任务互不干扰。
   
   
   
   
3. Skills（技能）
   系统的手脚，遵循 MCP 协议，3000 + 现成技能，支持 JS/TS/Python 开发，一行命令安装即用。
   
   
   
   
4. Memory（记忆）
   用Markdown 文件 + SQLite 索引存储，长期记忆透明可编辑，告别向量库黑盒，方便排查与迁移。
   
   
   
   
5. Channels（渠道）
   连接你日常用的 IM：飞书、钉钉、Telegram、WebUI 等，不用新 APP，在熟悉的界面指挥 AI。
   
   
   
   
6. Node（节点）
   支持多设备分布式部署，一台主控，多台执行，跨设备协同干活。
   
   
   
   
7. Heartbeat（心跳）
   每 30 分钟自动检查 HEARTBEAT.md，主动执行预设任务，实现无人值守自动化。
   
   
   
   
8. 沙箱隔离
   技能在隔离环境运行，最小权限原则，防止误操作系统文件，保障本地安全。
   
   
   
   

3.4 OpenClaw完整执行流程

下面以「整理文档」为例来看OpenClaw完整执行流程：

1. 在飞书发指令：整理 D 盘工作文档，按年份分类，生成汇总表发我邮箱；
2. Gateway 接收请求，创建会话，路由给 Pi Agent；
3. Agent 理解意图，拆解为：定位文件夹→读取文件→分类→生成 Excel→发送邮件；
4. 从 Memory 读取历史配置（邮箱、路径偏好）；
5. 调用 FileManager、Excel、Email 三个 Skills；
6. 本地沙箱执行，完成后回传结果；
7. 存入记忆，飞书反馈：任务完成，附件已发送。

整个流程无需人工干预，真正实现「指令进，结果出」。

使用 OpenClaw 已有一段时间，分享几点使用经验：

4.1 部署：3 种方式，新手首选一键安装

• 新手：一键脚本，复制粘贴，5 分钟启动；
• 开发者：npm/pnpm 全局安装，方便版本管理；
• 服务器 / 内网：Docker 部署，隔离性好，持久化配置。

必做配置：

• 优先选本地模型（Ollama+Qwen），完全离线，隐私拉满；
• 初次使用先启用基础技能：文件管理、代码运行、浏览器；
• 网关只对内开放，不要暴露到公网，安全第一。

4.2 技能使用：少而精，别贪多

• 常用技能保留 5-10 个即可，太多会让 Agent 选择困难；
• 优先用官方认证 Skills，稳定、安全、无恶意代码；
• 自定义 Skill 先从小功能开始，比如「批量重命名」「日志过滤」。

4.3 记忆管理：透明化，定期整理

• 记忆存在本地 Markdown，定期清理无用历史，提升响应速度；
• 把常用配置（邮箱、路径、API 密钥）写入固定记忆，不用重复输入；
• 多任务用独立 Workspace，避免上下文污染。

4.4 安全底线（非常重要）

• 绝不给 OpenClaw系统级高危权限（如格式化磁盘、删系统文件）；
• 内网部署，关闭公网访问，数据绝对不出境；
• 敏感任务用本地模型，不调用云端 API；
• 定期备份配置与记忆文件，防止丢失。

4.5 效率提升技巧

• 用心跳 + 定时任务做自动化：每日报表、周报生成、文件备份；
• 把高频指令做成快捷指令，一句话触发复杂流程；
• 多设备协同：笔记本写任务，台式机执行，服务器监控。

Demo 1：个人办公自动化 —— 文件整理 + 邮件发送

指令：整理桌面「2026 工作文档」，按 PDF/Word/Excel 分类，生成目录清单，发送到我的邮箱。
执行过程：

1. 扫描桌面文件夹，识别文件类型；
2. 自动创建子文件夹，分类移动；
3. 生成 Markdown 清单，包含文件名、大小、修改时间；
4. 调用 Email 技能发送；
5. 反馈结果：分类完成，清单已发送。

Demo 2：开发提效 —— 代码拉取 + 构建 + 部署

指令：拉取我 GitHub 的 xxx 项目，安装依赖，跑测试，打包部署到本地服务器。
执行过程：

1. Git Skill 克隆代码；
2. 执行 npm install；
3. 运行单元测试；
4. 执行 build 打包；
5. 上传到服务器并启动；
6. 反馈：部署成功，服务运行中。

Demo 3：主动式监控 —— 每日资讯抓取

指令：每天 9 点抓取 AI 开源热点，整理成简报，发送到飞书群。
执行过程：

1. 心跳机制触发定时任务；
2. 浏览器自动化打开资讯站；
3. 提取标题、链接、摘要；
4. 生成简报；
5. 发送到飞书；
6. 记录日志，方便回溯。

这三个 Demo 覆盖个人、开发、自动化，也是 OpenClaw 最常用的场景。

这一章是纯干货实战，跟着步骤做，你也能快速拥有自己的执行型智能体。

6.1 环境准备

• 系统：Windows 10+ /macOS 12+ / Linux Ubuntu 20.04+；
• 运行环境：Node.js ≥22（LTS）、Git、Python 3.10+（部分技能需要）；
• 可选：Ollama（运行本地大模型）。

6.2 一键安装（推荐新手）

macOS/Linux 终端执行：

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

Windows 用管理员 PowerShell 执行：

irm https://install.openclaw.ai | iex

6.3 初始化配置

#启动快速配置向导 openclaw onboard –flow quickstart #启动网关 openclaw gateway start #打开WebUI控制面板 openclaw dashboard

配置步骤：

1. 选择模型：云端（Claude/GPT）或本地（Ollama）；
2. 输入 API Key（本地模型跳过）；
3. 绑定 IM 渠道（飞书 / 钉钉 / WebUI）；
4. 启用基础技能。

6.4 安装并使用第一个技能

# 安装技能管理器 npm install -g clawhub

安装文件管理技能

clawhub install file-manager

重启网关生效

openclaw gateway restart

6.5 运行第一个任务

在 WebUI 发送指令：

帮我查看当前目录下的所有文件，并列出名称和大小

OpenClaw 会：

1. 调用 file-manager 技能；
2. 扫描目录；
3. 返回格式化清单。

6.6 常见问题速解

1. 权限不足：macOS/Linux 加 sudo，Windows 用管理员；
2. 端口占用：修改.env 中 PORT 配置；
3. 技能不生效：安装后必须重启网关；
4. 本地模型连不上：确认 Ollama 启动，检查地址配置。

OpenClaw 的出现，标志着 AI 从语言交互走向任务执行，从云端黑盒走向本地可控，从被动响应走向主动协作。它不只是一个框架，更是一种新的人机协作范式：

• 对个人：解放重复劳动，把时间花在创造上；
• 对开发者：快速构建企业级自动化，降低落地成本；
• 对行业：推动 AI 从「玩具」变成「工具」，真正产生业务价值。