OpenClaw 保姆级教学：从基础安装到让 Agent 成为数字员工的完整指南

本文欲回答的核心问题：OpenClaw 到底是什么，以及如何一步步从安装配置到中级记忆优化，再到高级自主能力，让它真正成为随时可用、不会遗忘、能独立负责项目的本地 AI 数字员工？

OpenClaw 本质上是一个本地运行的 AI 网关。它让你的电脑上运行一个 Gateway 进程，这个进程连接聊天软件（如 Telegram、Discord），再连接 AI 模型（如 Claude、GPT），从而让你在任何聊天工具里直接和 AI 对话，所有记忆和配置都只存放在本地 ~/.openclaw/ 目录，不存在隐私泄露风险。

为什么需要这样的设计？大多数 AI 服务没有直接提供聊天机器人接口，你要么用网页版，要么用 App，而 OpenClaw 把整个流程缩短成“在 Telegram 发一条消息”就完成。基础篇解决“能用”，中级篇解决“好用”，高级篇解决“自主干活”。下面我们按顺序展开，每一步都基于实际操作流程，确保你跟着走就能落地。

基础篇：如何安装和配置 OpenClaw，让它立刻在聊天软件里可用？

本小节欲回答的核心问题：OpenClaw 的安装和配置流程是什么？新手如何避免常见卡点，让它 30 分钟内就能在 Telegram 上和 AI 对话？

OpenClaw 的安装分为硬件准备、模型 API 准备、翻墙环境、正式安装、配置向导、第三方模型配置、网络代理和安全设置几个阶段。

首先是硬件与系统要求。Mac 用户最省心，直接原生支持；Windows 用户必须安装 WSL2 并推荐 Ubuntu 22.04；Linux 用户直接运行即可。如果你想 24 小时挂机，推荐 Mac Mini 或云服务器 VPS（如 DigitalOcean 每月 12 美元起）。

大模型 API 准备是关键。推荐方案对比：ChatGPT Plus（20 美元/月，最省心）、阿里云百炼 Coding Plan（100-200 元/月，国内稳定）、OpenRouter（按量付费）、AI/ML API（官方集成伙伴）。新手先用 OpenRouter 或 AI/ML API 按量付费，避免一开始就踩中转站的不稳定坑。

翻墙环境必备。Telegram 和 Discord 需要代理，使用 Clash Verge 等工具，开启 TUN 模式。验证方法：在终端运行 curl -I https://api.telegram.org，如果返回 200 就说明终端能访问。

正式安装步骤如下：

  1. 安装 Homebrew 和 Node.js（Node.js 版本必须 ≥22）：

    /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
brew install nodejs

    验证：node –version 和 npm –version。

  2. 安装 OpenClaw：

    curl -fsSL https://get.openclaw.dev | bash

    安装后运行 openclaw –version 确认。

  3. 启动配置向导：

    openclaw onboard --install-daemon

    –install-daemon 参数让它后台持续运行，重启电脑自动启动。

配置流程中，选择 AI 模型提供商时，如果用第三方 API 选 Skip；选择聊天平台推荐 Telegram（配置 3 分钟，支持长消息和文件）。创建 Telegram Bot 的步骤：在 BotFather 发送 /newbot，输入名称和用户名（必须以 _bot 结尾），复制返回的 Token 粘贴到终端。

第三方模型配置推荐用 Web UI：打开 http://127.0.0.1:18789，进入 Settings → Models → Add Provider，填入 Base URL、API Key 和 Model ID。或者直接编辑 ~/.openclaw/openclaw.json 中的 models.providers 部分，例如添加 openrouter 配置。

网络代理配置是很多人卡住的地方。确认 Clash 的 HTTP 端口（通常 7890）和 SOCKS5 端口（7891），在 ~/.zshrc 或 ~/.bashrc 添加：

export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890
export all_proxy=socks5://127.0.0.1:7891

source 重新加载后运行 openclaw restart。

安全配置必须做：限制 API 每日预算、开启工具 approvalRequired（执行命令前确认）、不要把 Gateway 监听改成 0.0.0.0。

常见问题排查：

  • ☾ Bot 不回消息：用 openclaw status、openclaw logs –tail 50 检查。
  • ☾ 端口占用：lsof -i :18789 后 kill -9 。
  • ☾ Telegram 配对失败：openclaw pairing approve telegram 。

作者反思：我在第一次配置代理时，忘记开启 TUN 模式，导致终端 curl 一直失败，花了整整 40 分钟才发现。这个教训让我后来每次装新工具都先验证终端代理，这条铁律现在写进了我的 SOUL.md 里。

（此处插入基础篇原配图）
OpenClaw 基础安装示意

通过以上步骤，你就能在 Telegram 里直接发消息调用 AI，成本最低约 30 元/月（Ollama + 本机），性价比方案约 150 元/月。

中级篇：如何搭建记忆体系、搜索决策树和计划文件，让 Agent 从“能用”变成“好用”？

本小节欲回答的核心问题：为什么新装的 OpenClaw 经常“傻傻的”记不住东西、搜索乱试、任务中断？如何通过三件事（记得住、找得到、断不了）让它真正可靠？

很多人安装后发现 Agent 聊完 React 后几天再问就全忘。核心原因是缺少“记得住、找得到、断不了”三层机制。

记得住——三层记忆模型
Tier 1：原始记录（memory/learning/ 目录，只追加不删除）。
Tier 2：每日提炼（memory/YYYY-MM-DD.md，每天一个文件）。
Tier 3：长期记忆（控制在 100 行以内，每次 session 加载）。

7 个核心文件互不重复：怎么工作、我是谁、我服务谁、怎么操作、我记得什么、我在哪里失败过、团队共识。核心原则：一个信息只存一个地方。

关键铁律：写入已有文件永远用 edit 追加，绝不用 write 覆盖。我曾经因为让 Agent write 操作，把 345KB 的 8509 行学习笔记直接覆盖成 9.9KB，一个月记录全丢。从此这条规则写进 ERRORS.md 和 SHARED.md，所有 Agent 启动就知道。

Heartbeat 机制（默认每 30 分钟触发）用来动态吸纳记忆。我设置每 6 小时一次记忆深化整理：读取最近日志 → 清理过时信息 → 提炼新知识。搭好后，Agent 能自动接上昨天的 React Hooks 进度，不用重复教。

作者反思：这个覆盖事故让我彻底明白，Agent 的“记忆”其实是文件系统，不是 LLM 的短期记忆。把重要状态外化到文件，才是 OpenClaw 的灵魂。

找得到——搜索决策树
OpenClaw 有 web_fetch、curl、browser 等工具，Agent 经常乱试 5-10 分钟。我的方案：先判断是否需要 JS 渲染或登录态，需要就用 browser；否则用免费全网搜索工具；失败再按错误类型切换（SSRF 用 curl，其他用 web_fetch）。特殊规则如 GitHub 只能用 browser 也文档化。

效果：搜索任务从 5-10 分钟试错变成 1 分钟内命中，token 砍一半。思路是把踩过的坑写进 SHARED.md，所有 Agent 启动就自动读取。

断不了——计划文件模式
Context 窗口有限，对话太长会被压缩，任务状态丢掉。解决办法：收到复杂任务时，先创建 temp/任务名-plan.md，结构是目标 + 步骤列表（带 checkbox）+ 当前进度 + 问题 + 下一步。每完成一步就更新文件。Heartbeat 还能主动汇报进度。

场景举例：你晚上睡觉，Agent 跑 20 步任务，中间 context 压缩 3 次、跨 2 个 session。早上它自动读计划文件接着第 15 步干，完全不丢进度。

（此处插入中级篇原配图）
OpenClaw 中级记忆与决策示意

中级篇完整落地手册包含 7 种信息写入规则、决策树参数、计划文件模板、Heartbeat 代码、4 个实战场景、8 个 Q&A。

高级篇：如何用 Skill、Hook、MCP 和自主任务，把 Agent 从“听话实习生”变成“独立负责项目的正式员工”？

本小节欲回答的核心问题：中级篇让 Agent 记得住、找得到、不断线后，为什么还是需要你一步步指挥？如何通过 Skill、Hook、MCP 和自主任务让它真正独立干活？

高级篇解决指令驱动到目标驱动的升级。

Skill——岗前培训
Skill = 特定业务知识的手册，放在 skills/ 目录，触发词匹配后注入 context。和 SOUL.md 的区别：SOUL 是通用规范，Skill 是业务流程。

杀手案例：日报 Skill。只需说“写日报”三个字，Agent 自动读取 memory/YYYY-MM-DD.md，按固定格式输出（完成的工作、重要决策、遇到的问题、明天计划）。以前要 50 字指令，现在 3 字，而且跨 session 永久生效。

Hook——定 SOP
Hook = 反射弧，特定事件发生时直接跑 TypeScript 代码，不经过 LLM。

结构：HOOK.md（声明事件）+ handler.ts（执行代码）。
案例：session-loader Hook，新 session 自动加载今天日记文件。代码示例：

import { readFileSync, existsSync } from "fs";
import { join } from "path";

const handler = async (event) => {
  if (event.type !== "command" || event.action !== "new") return;
  const today = new Date().toISOString().split("T")[0];
  const diaryPath = join(process.cwd(), "memory", `${today}.md`);
  if (existsSync(diaryPath)) {
    const content = readFileSync(diaryPath, "utf-8");
    event.messages.push(`今天的工作日志已加载：${content}`);
  }
};
export default handler;

从此“你先看一下今天的计划”这句话永远消失。

进阶应用：监听 compact 事件自动保存任务状态、拦截危险 write 操作。

MCP——开系统权限
MCP = Model Context Protocol，AI 世界的 USB 接口。配置 mcporter.json 即可接文件系统、数据库、浏览器等。

最简文件系统案例：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp/mcp-test"]
    }
  }
}

验证：mcporter list 和 mcporter call filesystem read_file。Agent 就能直接读写指定目录。

自主任务——独立负责项目
给一个目标，Agent 自己创建计划文件、拆解步骤、执行、更新进度、跨 session 继续。

案例：我给目标“完成高级篇 6 个方向素材采集”，Agent 自己拆 6 步、创建 temp/advanced-material-plan.md、每阶段更新 checkbox，Heartbeat 检查进度，最终输出 160KB+ 素材。即使 context 压缩 2 次、跨 3 个 session 也无中断。

（此处插入高级篇 Skill/Hook/MCP 示意图）
Skill Hook MCP 关系图

（此处插入自主任务流程图）
自主任务拆解示例

中级篇的计划文件 + Heartbeat 在高级篇变成 Agent 自己创建和执行的基础设施。

实用摘要 / 操作清单

  1. 基础：装 Node.js → curl 安装 → onboard –install-daemon → 配置 Telegram Token + 模型 → 加代理。
  2. 中级：建三层记忆 + 7 核心文件 + edit 铁律 + 搜索决策树 + temp/plan.md。
  3. 高级：创建 skills/xxx/SKILL.md（触发词）→ hooks/xxx/handler.ts（事件）→ mcporter.json（MCP）→ 目标驱动任务。
  4. 安全永远第一：API 预算上限 + approvalRequired + 本地监听。

一页速览（One-page Summary）

OpenClaw = 本地 AI 网关
基础 = 能用（Telegram + 模型）
中级 = 好用（记忆三层 + 决策树 + 计划文件）
高级 = 自主（Skill 知识 + Hook 自动 + MCP 工具 + 目标驱动）
核心哲学：重要状态外化到文件，踩过的坑写进 SHARED.md，所有 Agent 共享。

FAQ

Q1：OpenClaw 适合 Windows 用户吗？
A：是的，必须装 WSL2 + Ubuntu 22.04，操作和 Linux 一致。

Q2：为什么我的 Agent 经常忘记昨天聊的内容？
A：因为缺少三层记忆模型和 edit 追加规则，建议立即搭建 Tier 1-3 并把铁律写入 ERRORS.md。

Q3：搜索任务总是试错 5-10 分钟，怎么办？
A：建立搜索决策树，先判断 JS 渲染，再用免费工具，最后 fallback browser，并文档化到 SHARED.md。

Q4：复杂任务做到一半突然中断是什么原因？
A：Context 压缩导致，解决办法是创建 temp/任务名-plan.md 并让 Heartbeat 检查。

Q5：Skill 和 Hook 的区别是什么？
A：Skill 是触发词注入的业务手册，Hook 是事件直接跑的 TypeScript 代码，前者建议，后者铁律。

Q6：MCP 需要额外 API Key 吗？
A：本地文件系统 MCP 完全免费，只需配置 mcporter.json 并限制访问路径。

Q7：如何让 Agent 自己拆解任务？
A：给目标后让它创建计划文件 + 更新 checkbox + Heartbeat 驱动，即可实现目标驱动。

Q8：配置复杂，新手会不会卡住？
A：用 Web UI 配置模型，代理验证先 curl 测试，遇到问题直接 openclaw logs 排查，基本都能 1 小时内跑通。

通过这套从基础到高级的完整体系，你不再是“教 Agent”，而是“管理数字员工”。记忆不会丢、搜索不试错、任务不中断，最终实现睡一觉它帮你干一夜的效率跃升。这就是 OpenClaw 真正的价值所在。