01. OpenClaw 项目介绍
课程信息
⠀
-
作者:老金
-
GitHub:https://github.com/KimYx0207
-
公众号:老金带你玩AI
-
X(Twitter):老金带你玩AI
-
个人博客:https://aiking.dev
-
难度等级:🟢 入门
-
阅读时间:15 分钟
-
前置知识:无
⠀
本篇你将了解: OpenClaw 是什么、能做什么、跟其他框架有什么区别、核心架构长什么样
⠀
小白速通: 只看前 3 节("一句话说清楚"、"发展历史"、"与其他 AI 助手框架的对比"),其余章节可以等需要时再回来看
⠀
一句话说清楚
⠀
OpenClaw 是一个开源的 AI 私人助手框架,跑在你自己的电脑或服务器上,能连接 WhatsApp、Telegram、Discord 等消息平台,让 AI 帮你处理消息、执行任务、管理日程。
⠀
你可以把它理解为:一个 7x24 小时在线的 AI 员工,通过你常用的聊天软件跟你沟通。
⠀
跟那些云端 AI 助手不同,OpenClaw 的所有数据都在你自己的设备上。你的聊天记录、偏好设置、工作文件,全部本地存储。没有第三方服务器偷看你的数据,没有月费订阅锁定你的工作流。
⠀
发展历史
⠀
OpenClaw 的故事可以简单理解成:一个从个人实验起步、很快获得开发者社区关注、经历过名称演化,最终稳定为 OpenClaw 的开源 AI 助手项目。
⠀
2025年11月 Peter Steinberger 从个人实验出发,把 AI 模型接入消息应用
↓
2025年11月 项目以早期名称开源发布,快速获得社区关注
↓
2026年1月 因名称与 Claude 过近,项目进入更名过程
↓
2026年1月末 社区投票后,最终定名为 OpenClaw
↓
2026年4月 Control UI 多语言、插件懒加载优化、Google Meet 集成等密集发布
↓
2026年 持续快速迭代,围绕 Gateway、Channels、Skills、Plugins 等能力扩展
⠀
为什么增长这么快?因为它解决了一个真实痛点:每个人都想要一个私人 AI 助手,但没人想把所有数据交给云端。 OpenClaw 让你在自己的设备上跑 AI,通过你已经在用的聊天软件交互,零学习成本。
⠀
关键里程碑
⠀
时间
事件
意义
2025.11
项目创建
从个人 AI 实验起步
2025.11
开源发布
快速进入开发者社区视野
2026.01
完成更名
统一到 OpenClaw 品牌
2026.04.05
Control UI 多语言
新增 12 种界面语言
2026.04.22
插件懒加载优化
内置插件加载时间缩短 82-90%
2026.04.24
Google Meet 集成
首个内置会议类插件;DeepSeek V4 Flash 成为引导默认模型
2026 年后
持续高频迭代
版本号采用 YYYY.M.D 风格
⠀
与其他 AI 助手框架的对比
⠀
市面上做 AI 助手/聊天机器人的框架不少,OpenClaw 的定位跟它们有本质区别。
⠀
OpenClaw vs Botpress
⠀
维度
OpenClaw
Botpress
定位
个人 AI 助手
企业级聊天机器人平台
部署
本地优先,跑在你自己设备上
云端 SaaS 为主
数据
全部本地存储
存在 Botpress 云端
AI 模型
支持多个主流模型提供商,具体目录以当前版本为准
主要绑定自家模型
目标用户
开发者、技术爱好者
企业客服团队
对话设计
自然语言驱动,无需流程图
可视化流程编辑器
价格
完全免费开源(MIT)
免费层有限,企业版收费
⠀
Botpress 适合做客服机器人,有可视化的对话流程编辑器,适合非技术人员。OpenClaw 不做客服,它是你的私人助手 -- 帮你管邮件、写代码、控制智能家居。
⠀
OpenClaw vs Rasa
⠀
维度
OpenClaw
Rasa
架构
Gateway(核心服务进程,负责接收和分发消息) + Agent(独立的 AI 助手实例) 循环
NLU + 对话管理 + 动作服务器
学习曲线
npm install -g openclaw 就能跑
需要理解 NLU 管道、训练数据格式
AI 能力
直接调用大语言模型
传统 NLU + 可选 LLM
消息平台
内置 15+ 平台支持
需要自己写 Connector
工具调用
内置浏览器控制、文件操作等
需要自己实现 Action Server
适用场景
个人助手、开发者工具
企业级对话系统
⠀
Rasa 是传统 NLU 路线的代表,需要标注训练数据、定义意图和实体。OpenClaw 直接站在大语言模型的肩膀上,不需要训练数据,开箱即用。
⠀
OpenClaw vs 自建方案
⠀
很多开发者会想:我直接调 OpenAI API + 写个 Telegram Bot 不就行了?
⠀
当然可以,但你很快会遇到这些问题:
⠀
自建方案需要解决的问题:
├── 消息平台适配(每个平台 API 都不一样)
├── 会话管理(多轮对话、上下文窗口)
├── 流式输出(实时显示 AI 回复)
├── 工具调用(让 AI 执行实际操作)
├── 记忆系统(AI 记住你的偏好)
├── 安全控制(防止未授权访问)
├── 多模型切换(不同任务用不同模型)
├── 模型故障转移(主模型挂了自动切备用)
├── 媒体处理(图片、音频、视频)
├── 守护进程管理(7x24 小时运行)
└── 更新维护(持续跟进 API 变更)
⠀
OpenClaw 把这些基础设施大部分都预先做好了。现在官方更推荐的上手方式是运行安装脚本,再进入 openclaw onboard 完成初始化;如果你更习惯 Node 生态,也仍然可以用 npm / pnpm / bun 安装 CLI。
⠀
选择建议
⠀
你的需求
推荐方案
个人 AI 助手,隐私优先
OpenClaw
企业客服机器人,需要可视化
Botpress
企业级对话系统,需要精确控制
Rasa
简单的单平台 Bot
自建方案
多平台 + 多模型 + 工具调用
OpenClaw
⠀
核心架构
⠀
OpenClaw 的架构设计非常优雅。官方的自我定义是:Multi-channel AI gateway with extensible messaging integrations(多通道 AI 网关,带可扩展的消息集成)。
⠀
核心就三层:
⠀
┌─────────────────────────────────────────────────────────────────┐
│ 消息平台层 (Channels) │
│ │
│ WhatsApp │ Telegram │ Discord │ Slack │ Signal │ iMessage │
│ BlueBubbles │ Google Chat │ Teams │ LINE │ Zalo │ WebChat │ ... │
└──────────────────────────────┬────────────────────────────────────┘
│
┌──────────────────────────────▼────────────────────────────────────┐
│ Gateway(网关控制平面) │
│ ws://127.0.0.1:18789 │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────────┐ │
│ │ 路由引擎 │ │ 会话管理 │ │ 安全控制 │ │ WebSocket API │ │
│ └──────────┘ └──────────┘ └──────────┘ └────────────────┘ │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────────┐ │
│ │ 技能系统 │ │ 记忆系统 │ │ 工具系统 │ │ 插件系统 │ │
│ └──────────┘ └──────────┘ └──────────┘ └────────────────┘ │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────────┐ │
│ │ Cron 调度 │ │ Webhook │ │ 媒体管道 │ │ Control UI │ │
│ └──────────┘ └──────────┘ └──────────┘ └────────────────┘ │
└──────────────────────────────┬────────────────────────────────────┘
│
┌──────────▼──────────┐
│ Pi Agent Runtime │
│ (RPC 模式) │
└──────────┬──────────┘
│
┌──────────────────────────────▼────────────────────────────────────┐
│ AI 模型提供商层 (Models) │
│ │
│ OpenAI │ Anthropic │ Google │ Ollama │ Mistral │ xAI │
│ AWS Bedrock │ 通义千问 │ 智谱 │ DeepSeek │ OpenRouter │ ... │
└───────────────────────────────────────────────────────────────────┘
⠀
数据流:一条消息的旅程
⠀
当你在 WhatsApp 上给 OpenClaw 发一条消息,背后发生了什么?
⠀
1. WhatsApp 消息到达
│
2. Baileys 库接收消息,转换为统一格式
│
3. Gateway 路由引擎判断:
├── 这条消息属于哪个 Agent?
├── 发送者是否已授权?(DM 配对检查)
└── 是否在群聊中被 @提及?
│
4. 会话管理器加载/创建会话:
├── 加载历史上下文
├── 加载记忆文件(MEMORY.md + 今日日志)
└── 加载技能指令
│
5. Pi Agent 执行推理循环:
├── 组装完整 Prompt(系统指令 + 记忆 + 历史 + 用户消息)
├── 调用 AI 模型(如 Claude Opus 4.6)
├── 模型返回文本或工具调用请求
├── 如果是工具调用 → 执行工具 → 把结果喂回模型
└── 循环直到模型给出最终回复
│
6. 流式输出:
├── AI 的回复实时推送到 WhatsApp
├── 同时推送到 WebChat UI(如果打开了的话)
└── 打字指示器让对方知道 AI 在"思考"
│
7. 状态持久化:
├── 会话历史写入磁盘
├── 如果 AI 决定记住什么 → 写入记忆文件
└── 使用统计更新
⠀
这个流程的关键设计决策:
⠀
-
每个会话串行执行 — 同一个会话里的消息排队处理,防止竞态条件
-
流式输出 — 不用等 AI 想完再发,实时看到回复
-
工具调用循环 — AI 可以连续调用多个工具,直到任务完成
⠀
⏭️ 小白可跳过 — 这部分是技术深入分析,新手可以先跳过
⠀
核心概念详解
⠀
Gateway(网关)
⠀
Gateway 是 OpenClaw 的心脏,一个长期运行的守护进程(daemon)。它不是一个简单的 HTTP 服务器,而是一个完整的控制平面(control plane)。
⠀
Gateway 的职责:
⠀
Gateway 核心职责:
├── 连接管理
│ ├── 管理所有消息平台的长连接
│ ├── WhatsApp 用 Baileys,Telegram 用 grammY,Discord 用 @buape/carbon
│ ├── 自动重连、心跳保活
│ └── 统一消息格式转换
│
├── 会话管理
│ ├── main 会话(直接聊天)
│ ├── 群聊隔离(每个群独立会话)
│ ├── 激活模式(@提及、关键词触发等)
│ └── 队列模式(消息排队处理)
│
├── Agent 调度
│ ├── 多 Agent 路由(不同平台/联系人 → 不同 Agent)
│ ├── 每个 Agent 独立工作空间
│ └── 独立的认证和配置
│
├── 安全控制
│ ├── DM 配对机制(未知发送者需要验证码)
│ ├── 允许列表(allowFrom)
│ └── 权限隔离
│
├── API 暴露
│ ├── WebSocket API(默认 127.0.0.1:18789)
│ ├── Control UI(Web 控制面板)
│ └── WebChat(浏览器聊天界面)
│
└── 自动化
├── Cron 定时任务
├── Webhook 接收
└── Gmail Pub/Sub 推送
⠀
Gateway 的安装方式是注册为系统服务:macOS 用 launchd,Linux 用 systemd。这样它会开机自启,7x24 小时运行。
⠀
# 安装 Gateway 守护进程
openclaw onboard --install-daemon
# 手动启动(调试用)
openclaw gateway --port 18789 --verbose
# 检查 Gateway 健康状态
openclaw doctor
⠀
Channel(消息平台抽象层)
⠀
Channel 是 OpenClaw 对消息平台的统一抽象。不管你用的是 WhatsApp 还是 Telegram,对 Gateway 来说都是一个 Channel。
⠀
每个 Channel 需要处理的事情:
⠀
能力
说明
消息收发
文本、图片、音频、视频、文件
群聊支持
@提及检测、回复引用、群成员信息
打字指示器
让对方看到"正在输入..."
消息分块
长消息自动拆分(不同平台限制不同)
媒体处理
图片压缩、音频转码、视频帧提取
认证管理
每个平台的认证方式不同
⠀
目前支持的 Channel 分为两类:
⠀
核心 Channel(src/ 目录下有独立实现):
⠀
平台
集成库
认证方式
Baileys (Web 协议)
扫码配对
Telegram
grammY
Bot Token
Discord
@buape/carbon
Bot Token
Slack
Bolt
OAuth App
Signal
signal-cli
手机号注册
BlueBubbles
BlueBubbles API
iMessage(推荐)
iMessage
imsg CLI
macOS 原生(旧版)
WebChat
内置
无需认证
⠀
扩展 Channel(通过 extensions 加载):
⠀
平台
说明
Google Chat
Google Workspace 集成
Google Meet
会议参与者插件(v2026.4.24 新增)
Microsoft Teams
企业通信平台
Matrix
去中心化通信协议
Zalo
越南主流通信应用
Zalo Personal
Zalo 个人账号
LINE
日本/东南亚主流
飞书 (Feishu)
字节跳动企业通信平台
⠀
Channel 的安全默认值很重要。OpenClaw 连接的是真实的消息平台,所以对陌生人的 DM 默认采用配对模式(pairing):
⠀
陌生人发消息 → OpenClaw 返回一个配对码 → 你在终端确认
↓
openclaw pairing approve telegram ABC123
↓
该用户被加入允许列表,后续消息正常处理
⠀
Skills(技能系统)
⠀
如果说工具(Tools)是 AI 的双手,那技能(Skills)就是教 AI 如何组合使用这些工具的教科书。
⠀
技能的本质是一组系统指令 + 工具定义,告诉 AI 在特定场景下应该怎么做。
⠀
工具 (Tools) = 单个原子操作
例:读文件、发 HTTP 请求、执行 Shell 命令
技能 (Skills) = 组合工具完成复杂任务的知识
例:管理 GitHub Issue = 搜索 Issue + 读取详情 + 添加评论 + 修改标签
⠀
技能分三个层级:
⠀
层级
说明
来源
Bundled Skills
内置技能,随 OpenClaw 一起安装
核心仓库
Managed Skills
通过 ClawHub 安装的社区技能
clawhub.com
Workspace Skills
你自己写的本地技能
工作空间目录
⠀
内置技能一览(示意):
⠀
类别
技能
功能
办公效率
gog
Google Workspace(邮件、日历、文档)
notion
Notion 页面和数据库管理
trello
Trello 看板和任务管理
slack
Slack 工作区消息管理
1password
1Password 密码查询(只读)
笔记管理
obsidian
Obsidian 笔记搜索和管理
apple-notes
Apple 备忘录
bear-notes
Bear 笔记
开发工具
coding-agent
编程助手(写代码、调试、重构)
github
GitHub 仓库管理、PR、Issue
gh-issues
GitHub Issues 专项管理
tmux
终端会话管理
任务管理
apple-reminders
Apple 提醒事项
things-mac
Things 任务管理
多媒体
spotify-player
Spotify 音乐控制
voice-call
语音通话(ElevenLabs)
peekaboo
屏幕截图
camsnap
摄像头拍照
video-frames
视频帧提取
实用工具
weather
天气查询
summarize
内容摘要
nano-pdf
PDF 处理
skill-creator
创建自定义技能
系统管理
healthcheck
系统健康检查
session-logs
会话日志查看
model-usage
模型使用统计
⠀
Memory(记忆系统)
⠀
OpenClaw 的记忆系统设计哲学是:简单到极致。
⠀
没有向量数据库,没有 RAG 管道,没有 Embedding 索引。AI 的记忆就是写在磁盘上的 Markdown 文件。
⠀
~/.openclaw/workspace/
├── MEMORY.md # 长期记忆(精选的重要信息)
└── memory/
├── 2026-02-25.md # 今天的日志
├── 2026-02-24.md # 昨天的日志
└── ... # 更早的日志
⠀
两层记忆架构:
⠀
层级
文件
内容
加载时机
长期记忆
MEMORY.md
你的偏好、重要决策、关键事实
每次会话启动
每日日志
memory/YYYY-MM-DD.md
当天的笔记和上下文
加载今天 + 昨天
⠀
AI 有两个记忆工具:
-
memory_search — 语义搜索所有记忆文件
-
memory_get — 精确读取特定记忆内容
⠀
这个设计的好处:
-
可读 — 你随时可以打开 Markdown 文件看 AI 记住了什么
-
可编辑 — 你可以直接修改记忆文件,删掉不想让 AI 记住的东西
-
可版本控制 — 放进 Git 就能追踪记忆变化
-
零依赖 — 不需要额外的数据库服务
⠀
记忆系统是一个插件槽位(plugin slot),同一时间只能有一个记忆插件激活。官方计划未来收敛到一个推荐的默认方案。
⠀
Tools(工具系统)
⠀
工具是 AI 执行实际操作的能力。OpenClaw 内置了一套强大的工具集:
⠀
工具类别
能力
说明
浏览器控制
打开网页、截图、点击、填表
基于 Playwright,有专用的 Chrome 实例
Canvas
可视化工作区
Agent 驱动的 UI,支持 A2UI 推送
节点操作
摄像头、屏幕录制、位置获取
通过 macOS/iOS/Android 节点
文件操作
读写文件、目录管理
在工作空间内操作
Shell 执行
运行命令行命令
安全沙箱内执行
消息发送
通过任意 Channel 发消息
跨平台消息推送
定时任务
Cron 表达式调度
定时提醒、自动化任务
Webhook
接收外部事件
与第三方服务集成
⠀
工具调用的安全模型:AI 请求调用工具 → Gateway 检查权限 → 执行工具 → 返回结果给 AI。
⠀
Plugin(插件系统)
⠀
OpenClaw 的核心保持精简,可选功能通过插件扩展。
⠀
自 v2026.4.22 起,内置插件采用懒加载和 manifest 驱动的激活方式,实测加载时间缩短 82-90%,显著改善了 CLI 和 Gateway 的启动速度。
⠀
插件的分发方式:
-
npm 包 — 通过 npm 安装,标准的 Node.js 包管理
-
本地扩展 — 开发时直接加载本地目录
-
社区插件 — 通过 ClawHub(clawhub.com)发现和安装
⠀
插件 API 提供了 SDK:
⠀
// 插件 SDK 导入
import { ... } from 'openclaw/plugin-sdk'
⠀
官方对插件的态度是:核心仓库的门槛很高。大部分新功能应该作为独立插件发布到 ClawHub,而不是合并到核心代码。
⠀
MCP 支持
⠀
OpenClaw 通过 mcporter 桥接支持 MCP(Model Context Protocol):
⠀
OpenClaw Gateway ←→ mcporter ←→ MCP Servers
⠀
这种桥接模式的好处:
-
添加或更换 MCP 服务器不需要重启 Gateway
-
核心工具/上下文保持精简
-
MCP 生态的变动不影响核心稳定性
⠀
⏭️ 小白可跳过 — 这部分是技术深入分析,新手可以先跳过
⠀
技术栈详解
⠀
为什么选 TypeScript?
⠀
官方的回答很直接:OpenClaw 本质上是一个编排系统(orchestration system)—— 处理 Prompt、工具、协议和集成。TypeScript 被选中是因为:
⠀
-
广泛使用 — 大多数开发者都能读懂和修改
-
迭代快 — 动态类型 + 类型检查的平衡
-
生态丰富 — npm 上有几乎所有消息平台的 SDK
-
易于扩展 — 插件开发门槛低
⠀
核心依赖
⠀
从 package.json 可以看到 OpenClaw 的技术选型:
⠀
类别
库
用途
运行时
Node.js 24.x 推荐,22.19+ 兼容
服务端 JavaScript 运行时
语言
TypeScript 5.9+
类型安全
构建
tsdown
TypeScript 打包工具
测试
Vitest 4.x
单元测试 + E2E 测试
代码质量
oxlint + oxfmt
Lint + 格式化(Rust 写的,极快)
Web 框架
Express 5.x
HTTP/WebSocket 服务
WebSocket
ws
WebSocket 通信
Schema
Zod 4.x + TypeBox
运行时类型验证
数据库
sqlite-vec
向量搜索(记忆系统)
图像处理
Sharp
图片压缩和转换
浏览器
Playwright
浏览器自动化控制
pdfjs-dist
PDF 解析
配置
JSON5(一种支持注释的配置文件格式) + dotenv
主配置文件为 JSON5 格式(~/.openclaw/openclaw.json)
⠀
消息平台 SDK:
⠀
平台
库
@whiskeysockets/baileys
Telegram
grammy
Discord
@buape/carbon
Slack
@slack/bolt + @slack/web-api
飞书
@larksuiteoapi/node-sdk
LINE
@line/bot-sdk
AWS Bedrock
@aws-sdk/client-bedrock
⠀
AI Agent 核心:
⠀
库
用途
@mariozechner/pi-agent-core
Agent 运行时核心
@mariozechner/pi-ai
AI 模型抽象层
@mariozechner/pi-coding-agent
编程 Agent
@mariozechner/pi-tui
终端 UI
⠀
⏭️ 小白可跳过 — 这部分是技术深入分析,新手可以先跳过
⠀
项目结构
⠀
openclaw/
├── src/ # 核心实现(TypeScript 等)
├── extensions/ # 扩展 Channel 和插件
├── skills/ # 内置技能定义
├── apps/
│ ├── macos/ # macOS 菜单栏应用(Swift)
│ ├── ios/ # iOS 应用(Swift)
│ └── android/ # Android 应用(Kotlin)
├── ui/ # Control UI(Web 前端)
├── docs/ # 官方文档(Mintlify)
├── scripts/ # 构建和工具脚本
├── test/ # 测试文件
├── dist/ # 构建产物
├── openclaw.mjs # CLI 入口
├── package.json # 依赖和脚本
├── tsconfig.json # TypeScript 配置
├── vitest.unit.config.ts # 单元测试配置
├── vitest.e2e.config.ts # E2E 测试配置
└── vitest.live.config.ts # 实时测试配置
⠀
⏭️ 小白可跳过 — 这部分是技术深入分析,新手可以先跳过
⠀
开发工具链
⠀
# 从 Git 仓库本地构建
git clone https://github.com/openclaw/openclaw.git
cd openclaw
pnpm install
pnpm ui:build
pnpm build
# 开发模式(文件变更自动重载)
pnpm gateway:watch
# 运行测试
pnpm test # 并行单元测试
pnpm test:e2e # E2E 测试
pnpm test:live # 实时模型测试
# 代码质量
pnpm check # 格式 + 类型 + Lint
pnpm lint:fix # 自动修复
⠀
版本策略
⠀
OpenClaw 采用日期版本号:vYYYY.M.D,例如 v2026.2.24。
⠀
三个发布通道:
⠀
通道
npm 标签
说明
stable
latest
正式发布,推荐使用
beta
beta
预发布版本,可能缺少 macOS 应用
dev
dev
main 分支最新代码
⠀
# 切换通道
openclaw update --channel stable
openclaw update --channel beta
openclaw update --channel dev
⠀
支持的 AI 模型提供商
⠀
OpenClaw 支持多个主流 AI 模型提供商,这是它的核心竞争力之一。官方模型目录变化很快,教程不再写死“最强模型”或固定数量,实际以当前安装版本、Onboarding 和官方 Models 文档为准。
⠀
推荐配置
⠀
官方强烈推荐 Anthropic Claude Opus 4.6,理由是:
-
长上下文处理能力强
-
更好的 Prompt 注入防御
-
工具调用准确率高
⠀
完整提供商列表
⠀
国际主流:
⠀
提供商
代表模型
特点
OpenAI
GPT-5.4
最强通用能力,OpenClaw 赞助商
Anthropic
Claude Opus 4.6, Sonnet 4.6
官方推荐,编程和安全最强
Gemini 3.1
多模态能力强
Mistral
Mistral Large
欧洲开源模型
xAI
Grok
实时信息能力
⠀
本地/自托管:
⠀
提供商
代表模型
特点
Ollama
Llama, Qwen, Mistral
本地运行,隐私优先
vLLM
各种开源模型
高性能本地推理
node-llama-cpp
GGUF 模型
直接在 Node.js 中运行
⠀
中国大陆:
⠀
提供商
代表模型
特点
通义千问 (Qwen)
Qwen-Max
阿里巴巴,中文能力强
百度千帆 (Qianfan)
ERNIE
百度,中文优化
智谱 (GLM)
GLM-4
清华系,学术能力强
Moonshot/Kimi
Moonshot 视觉
中文优化,视觉能力
小米 (Xiaomi)
MiLM
小米 AI
MiniMax
abab6
多模态
DeepSeek
DeepSeek V4 Flash / V4 Pro
编程能力强,引导向导默认
⠀
代理/路由服务:
⠀
提供商
特点
OpenRouter
一个 API Key 用所有模型
LiteLLM
统一接口代理层
AWS Bedrock
企业级,支持 Claude 和 Titan
Vercel AI Gateway
Vercel 生态集成
Cloudflare AI Gateway
CDN 加速
Together AI
开源模型托管,性价比高
NVIDIA NIM
GPU 加速推理
Venice AI
隐私优先,不记录数据
HuggingFace
社区开源模型
⠀
模型故障转移
⠀
OpenClaw 支持配置多个模型的优先级和故障转移策略。主模型不可用时自动切换到备用模型,保证助手始终在线。
⠀
详见 04. 模型配置指南。
⠀
客户端生态
⠀
连接 Gateway 的方式有很多,覆盖了主流平台:
⠀
原生应用
⠀
平台
类型
技术栈
功能
macOS
菜单栏应用
Swift
控制面板、Voice Wake、Talk Mode、Canvas
iOS
移动应用
Swift
Canvas、Voice Wake、Talk Mode、摄像头
Android
移动应用
Kotlin
Canvas、Talk Mode、摄像头、屏幕录制
⠀
命令行
⠀
# 直接跟 AI 对话
openclaw agent --message "帮我查一下明天的天气"
# 发送消息到指定平台
openclaw message send --to +1234567890 --message "Hello"
# 交互式 TUI
openclaw tui
⠀
Web 界面
⠀
-
Control UI — 浏览器控制面板,管理 Gateway 配置。自 v2026.4.5 起支持 12 种界面语言(简/繁中文、日/韩/法/德/西/葡/土/印尼/波兰/乌克兰语)
-
WebChat — 浏览器聊天界面,直接跟 AI 对话
-
Live Canvas — Agent 驱动的可视化工作区
⠀
语音能力
⠀
-
Voice Wake — 语音唤醒,类似 "Hey Siri"(macOS/iOS/Android)
-
Talk Mode — 实时语音对话,基于 ElevenLabs TTS
-
PTT(Push to Talk) — 按键说话模式
⠀
社区生态
⠀
项目数据(截至 2026 年 2 月)
⠀
指标
数据
GitHub Stars
227,000+
Forks
43,000+
贡献者
30+(核心仓库,GitHub API 分页限制)
开放 Issues
7,500+
许可证
MIT
发布频率
几乎每天
赞助商
OpenAI, Vercel, Blacksmith, Convex
⠀
社区渠道
⠀
渠道
链接
用途
Discord
discord.gg/clawd
主要社区,实时讨论
GitHub Discussions
github.com/openclaw/openclaw
功能请求、技术讨论
GitHub Issues
github.com/openclaw/openclaw/issues
Bug 报告
官方文档
docs.openclaw.ai
完整文档
官方网站
openclaw.ai
项目主页
DeepWiki
deepwiki.com/openclaw/openclaw
AI 生成的代码文档
⠀
ClawHub(技能市场)
⠀
ClawHub(clawhub.com)是 OpenClaw 的技能和插件市场。社区开发者可以发布自己的技能,其他用户可以一键安装。
⠀
官方鼓励新技能优先发布到 ClawHub,而不是提交到核心仓库。核心仓库的合并门槛很高。
⠀
贡献指南
⠀
如果你想给 OpenClaw 贡献代码:
⠀
-
一个 PR = 一个问题 — 不要把多个不相关的修复打包在一起
-
PR 不超过 5000 行 — 超大 PR 只在特殊情况下审查
-
不要批量提交小 PR — 每个 PR 都有审查成本
-
小修复可以合并 — 相关的小修复可以放在一个 PR 里
⠀
适用场景和不适用场景
⠀
适合用 OpenClaw 的场景
⠀
个人效率助手:
-
通过 WhatsApp/Telegram 管理日程和待办
-
让 AI 帮你整理邮件、回复消息
-
语音控制智能家居设备
-
定时提醒和自动化工作流
⠀
开发者工具:
-
通过聊天软件管理 GitHub Issue 和 PR
-
AI 编程助手,直接在聊天中写代码
-
监控服务器状态,异常时自动通知
-
自动化 DevOps 任务
⠀
知识管理:
-
连接 Obsidian/Notion,AI 帮你整理笔记
-
自动摘要长文档和网页
-
跨平台信息聚合
⠀
多平台统一入口:
-
一个 AI 助手,通过所有你常用的聊天软件都能访问
-
在 WhatsApp 上开始的对话,可以在 Telegram 上继续
-
统一的记忆系统,AI 在所有平台都"认识"你
⠀
不适合用 OpenClaw 的场景
⠀
场景
原因
替代方案
企业客服机器人
OpenClaw 是单用户设计
Botpress, Intercom
多用户 SaaS 产品
没有多租户架构
自建方案
不想碰终端的用户
目前安装和配置需要命令行
ChatGPT, Claude.ai
低配设备
需要 Node.js 22+,内存占用不小
轻量级 Bot 框架
需要 100% 可用性
个人设备可能关机/断网
云端 AI 服务
⠀
OpenClaw 的设计哲学很明确:它是一个个人助手,不是企业平台。 单用户、本地优先、隐私至上。
⠀
版本历史和路线图
⠀
当前优先级(来自官方 VISION.md)
⠀
最高优先级:
-
安全和安全默认值
-
Bug 修复和稳定性
-
安装可靠性和首次使用体验
⠀
下一步优先级:
-
支持所有主流模型提供商
-
改进主流消息平台支持(并添加高需求平台)
-
性能和测试基础设施
-
更好的 Computer Use 和 Agent 能力
-
CLI 和 Web 前端的易用性
-
macOS、iOS、Android、Windows、Linux 伴侣应用
⠀
不会合并的功能(目前)
⠀
官方明确列出了暂时不会接受的 PR 类型:
⠀
-
可以放在 ClawHub 上的新核心技能
-
全套文档翻译(计划用 AI 自动翻译)
-
不明确属于模型提供商类别的商业服务集成
-
已有 Channel 的包装器(除非有明确的能力或安全差距)
-
核心中的一等 MCP 运行时(mcporter 已经提供了集成路径)
-
Agent 层级框架(管理者的管理者/嵌套规划树)
-
重复现有 Agent 和工具基础设施的重型编排层
⠀
官方说这是路线图护栏,不是铁律。强烈的用户需求和技术理由可以改变它。
⠀
学习路径建议
⠀
新手路线(1-2 小时)
⠀
第 1 步:安装 OpenClaw
→ 阅读 02-安装部署指南.md
→ 运行 openclaw onboard
第 2 步:连接第一个消息平台
→ 阅读 05-消息平台接入指南.md
→ 推荐从 Telegram 开始(最简单)
第 3 步:配置 AI 模型
→ 阅读 04-模型配置指南.md
→ 推荐从 OpenAI 或 Anthropic 开始
第 4 步:试用内置技能
→ 阅读 06-技能系统指南.md
→ 试试 weather、summarize 等简单技能
⠀
进阶路线(1 周)
⠀
第 5 步:理解记忆系统
→ 阅读 07-记忆系统指南.md
→ 教 AI 记住你的偏好
第 6 步:多 Agent 配置
→ 阅读 08-多Agent协作指南.md
→ 为不同场景创建专用 Agent
第 7 步:Docker 部署
→ 阅读 09-Docker部署指南.md
→ 在服务器上 7x24 运行
第 8 步:安全加固
→ 阅读 10-安全配置指南.md
→ 配置 DM 策略和权限
⠀
高级路线(持续学习)
⠀
第 9 步:开发自定义技能
→ 学习 Workspace Skills 开发
→ 发布到 ClawHub
第 10 步:插件开发
→ 学习 Plugin SDK
→ 开发自定义 Channel 或工具
第 11 步:向上游贡献
→ Fork 仓库,从仓库本地构建
→ 修复 Bug 或添加功能
→ 提交 PR
⠀
推荐学习资源
⠀
资源
链接
说明
官方文档
docs.openclaw.ai
最权威的参考
Install
docs.openclaw.ai/install/index
官方安装指南
CLI Reference
docs.openclaw.ai/cli
官方 CLI 参考
Discord 社区
discord.gg/clawd
实时问答
DeepWiki
deepwiki.com/openclaw/openclaw
AI 生成的代码文档
SkillClaw
https://github.com/AMAP-ML/SkillClaw
长期 skill 库治理与集体演化框架,适合研究多用户、多设备场景下的 skill 去重、合并、提质和共享;论文见 https://arxiv.org/abs/2604.08377
本系列教程
你正在读的这个
中文完整指南
⠀
快速体验
⠀
如果你等不及了,这是最快的上手方式:
⠀
# 1. 安装(官方推荐,适用于 macOS / Linux / WSL2)
curl -fsSL https://openclaw.ai/install.sh | bash
# 2. 运行安装向导(会引导你配置模型和平台)
openclaw onboard --install-daemon
# 3. 启动 Gateway(调试模式)
openclaw gateway --port 18789 --verbose
# 4. 跑一次诊断,确认 Gateway 和配置已就绪
openclaw doctor
⠀
5 分钟后,你就有了一个跑在自己电脑上的 AI 私人助手。
⠀
下一步
⠀
准备好了吗?去 02. 安装部署指南 开始安装 OpenClaw!