您现在的位置是：网站首页> AI人工智能
OpenClaw 专题
- AI人工智能
- 2026-06-04
- 867人已阅读
OpenClaw 专题
***Skills不是AI模型标准，Claude有自己的Skills,OpenClaw也是自己的Skills标准***
Openclaw登顶GitHub No.1！附上超绝性价比部署指南
本地部署Clawdbot(OpenClaw)，接入微信/飞书/钉钉实现自动化运行，10分钟手把手教会，保姆级教程
不用MacMini，用飞牛NAS部署Cladbot（Openclaw）小龙虾全能AI助手+飞书
OpenClaw + Ollama 本地部署！无需 API，断网可用，多模型自由切换
腾讯Qclaw真实体验，对接微信，无限token？openclaw最佳替代品
2026 年，想要无限tokens跑 🦞 OpenClaw，用本地部署的 Qwen3.5:9B
用了一段时间 OpenClaw，我总结了真正值得装的 Skill（附GitHub）
LibTV 上架了一个 Skill，OpenClaw 全自动做电影的时代来了
教程
技能收集
***OpenCLI命令行爬虫万物 CLI命令 的时代要来***
AnySearch Agent使用的搜索技能（点击进入主站）
Q:你是应用OpenClaw专家，熟悉OpenCla各种使用，现在面对一个AI小白，给他详细介绍下OpenClaw
A:..
Q:他需要你做哪些基本配置比如要接入微信之类的
A:..
Q:如何接入钉钉飞书
A:..
A:...
Q:他是如何知道调用哪些功能，如何调用这些功能
A:..
OpenClaw 怎么「听懂你指令」+「自动选对应功能」+「自动调用」全过程
先给一句终极总结
你发的人话 → 大模型 AI 来理解
AI 自己判断：该用哪个功能、该执行什么动作
AI 写出标准指令 / 参数 → 发给 OpenClaw
OpenClaw 收到指令，对应启动对应的本地工具 / 代码去干活
一、核心：谁来决定调用什么功能？
不是 OpenClaw 自己聪明
👉 是大模型（豆包 / DeepSeek/AI）来做决策
OpenClaw 只是：
1 收纳好一堆现成工具功能
2 把所有工具清单告诉 AI
3 AI 说 “用几号工具、带什么参数”
4 OpenClaw 照着执行就行
举个例子
你钉钉发一句：
帮我截图当前屏幕
1. OpenClaw 先告诉 AI：我有这些工具
plaintext
我具备能力：
1. 屏幕截图
2. 读取桌面文件
3. 模拟鼠标键盘
4. 打开软件
5. 搜索网络...
2. AI 理解你的话
识别意图：用户要截图
3. AI 自动下发调用指令
xml
<调用工具>
工具：屏幕截图
参数：全屏
</调用工具>
4. OpenClaw 读取指令
哦，要调用「截图功能」，直接运行本地截图代码 → 截完图 → 发回钉钉
二、拆开讲：三大关键机制（最核心原理）
1. 工具注册（提前备好所有技能）
OpenClaw 内部提前写死、封装好了一堆功能模块：
文件操作（新建 / 移动 / 删除）
键鼠控制
截屏
运行 CMD / 命令行
打开浏览器、软件
联网搜索
读取本地文档
每一个功能，都有：
功能名字
功能介绍
需要哪些参数
触发代码
👉 相当于提前装好一堆「按钮」，等着被调用
2. 工具描述下发（告诉 AI 我会啥）
每次你发消息，OpenClaw 会自动附带工具列表发给大模型：
我能截图、能整理文件、能打开浏览器……
遇到对应需求，请你主动选择调用工具
这就叫：AI 函数调用 / 工具调用（Function Call）
3. AI 自主判断 + 自主选工具
大模型天生具备：
语义理解
意图识别
匹配工具
生成执行参数
比如你说：
把桌面的图片全部移到图片文件夹
AI 自动拆解：
需要工具：文件管理
动作：遍历目录、筛选图片、移动文件
填写路径参数
打包成标准格式发给 OpenClaw
三、OpenClaw 如何执行调用？
流程极简
收到 AI 返回的「工具调用指令」
解析指令：要哪个功能、参数是什么
匹配内部对应的代码 / 模块
本地运行代码，完成操作
把执行结果返回给 AI
AI 整理成人话，发回钉钉 / 飞书
四、通俗比喻，一秒懂
OpenClaw = 带一堆工具的工人（有扳手、钳子、剪刀、相机）
大模型 AI = 总指挥，脑子聪明
你 = 老板，发口头命令
流程：
老板随口说：给我拍张照片
总指挥（AI）听懂：需要用「相机」
指挥工人（OpenClaw）：拿起相机、拍照
工人执行动作
拍完交给总指挥，整理好给老板
👉 动手的是 OpenClaw，动脑、选工具的是 AI
五、补充：如果不调用工具会怎样？
你只问问题、聊天、写文案
AI 判断：不需要操作电脑
就直接文字回答，不触发任何本地功能
只有 AI 识别到：
需要操作电脑、联网、读取文件、执行任务
才会主动触发工具调用。
六、超浓缩一句话完整版
OpenClaw 本地内置所有电脑操作功能，并把功能清单发给 AI。
你发自然语言消息，AI 分析你的意图。
AI 自动选择合适功能、填写参数，下发调用命令。
OpenClaw 解析命令，运行对应本地代码完成电脑操作。
结果原路返回钉钉 / 飞书给你看。
OpenClaw部署教程：打造你的24小时专属AI助手
无影云电脑官网：https://wuying.aliyun.com/
不用MacMini，用飞牛NAS部署Cladbot（Openclaw）小龙虾全能AI助手+飞书
「资料内部的群组」夸克网盘群 https://pan.quark.cn/g/1290067d03
夸克链接：https://pan.quark.cn/s/4b4fb89c696d?pwd=dFqU
迅雷网盘：链接：https://pan.xunlei.com/s/VOkIjpB7oRpQIaVtRZ-0BrdVA1?pwd=unc9#
OpenClaw的Go版本picoclaw
PicoClaw: 基于Go语言的超高效 AI 助手
10$硬件 · 10MB内存 · 1秒启动
PicoClaw 是一个受 nanobot 启发的超轻量级个人 AI 助手。它采用 Go 语言 从零重构，经历了一个“自举”过程——即由 AI Agent 自身驱动了整个架构迁移和代码优化。
🪶 超轻量级: 核心功能内存占用 <10MB — 比 Clawdbot 小 99%。
💰 极低成本: 高效到足以在 10 美元的硬件上运行 — 比 Mac mini 便宜 98%。
⚡️ 闪电启动: 启动速度快 400 倍，即使在 0.6GHz 单核处理器上也能在 1 秒内启动。
🌍 真正可移植: 跨 RISC-V、ARM 和 x86 架构的单二进制文件，一键运行！
从源码安装（获取最新特性，开发推荐）
git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
make deps
# 构建（无需安装）
make build
# 为多平台构建
make build-all
# 构建并安装
make install
Docker Compose
您也可以使用 Docker Compose 运行 PicoClaw，无需在本地安装任何环境。
# 1. 克隆仓库
git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
# 2. 设置 API Key
cp config/config.example.json config/config.json
vim config/config.json # 设置 DISCORD_BOT_TOKEN, API keys 等
# 3. 构建并启动
docker compose --profile gateway up -d
# 4. 查看日志
docker compose logs -f picoclaw-gateway
# 5. 停止
docker compose --profile gateway down
Agent 模式 (一次性运行)
# 提问
docker compose run --rm picoclaw-agent -m "2+2 等于几？"
# 交互模式
docker compose run --rm picoclaw-agent
重新构建
docker compose --profile gateway build --no-cache
docker compose --profile gateway up -d
OpenClaw + Ollama 本地部署！无需 API，断网可用，多模型自由切换
Ollama + OpenClaw 本地部署命令：https://www.freedidi.com/22787.html
1、安装Git ，以管理员身份打开Powershell，执行下方的安装命令，或者你可以直接去官网下载安装包
winget install git.git
如果你执行命令后出现任何错误，可以通过下方的命令进行解决
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
2、安装最新版 Ollama 客户端
【点击下载】：https://ollama.com/
最新版 Ollama 已经完全适配运行OpenClaw
OpenClaw 需要更大的上下文长度才能完成任务。建议使用至少 64k 个 token 的上下文长度。
以下是一些与 OpenClaw 兼容性良好的模型：
qwen3-coder 针对编码任务进行了优化
glm-4.7 强大的通用模型
glm-4.7-flash 性能与速度兼顾
gpt-oss:20b 性能与速度兼顾
gpt-oss:120b 能力提升
模型下载命令：
llama run gpt-oss:20b
安装最新版 OpenClaw
通用安装命令：
curl -fsSL https://openclaw.ai/install.sh | bash
Windows 版安装命令：
iwr -useb https://openclaw.ai/install.ps1 | iex
用 ** 国内镜像站（open‑claw.org.cn / openclaw.cn）** 脚本，已做国内加速：
powershell
# 国内官方镜像一键安装（推荐）
iwr -useb https://open-claw.org.cn/install-cn.ps1 | iex
等价中文站：
powershell
iwr -useb https://openclaw.cn/scripts/install.ps1 | iex
为什么原版命令在国内不行（逐条说）
你的命令：
powershell
iwr -useb https://openclaw.ai/install.ps1 | iex
1.openclaw.ai 国内访问不稳：
海外服务器，国内部分地区DNS 污染、TCP 超时
2.脚本自动装 Node.js 22+：
去 nodejs.org 下载，国内速度慢、常中断
3.npm 依赖从官方源拉：
国内几十 KB/s、极易卡死
4.技能市场（ClawHub）海外源：
国内基本打不开、安装技能超时
国内安装必做 3 件事（避坑）
1.必须管理员身份 PowerShell
普通用户会权限不足、写入失败
2.路径绝对不能有中文 / 空格
如 D:\AI工具\OpenClaw ❌
必须 D:\OpenClaw ✅
3.提前换 npm 镜像（安装前执行）
powershell
npm config set registry https://registry.npmmirror.com/
安装后使用（国内网络）
✅ 本地服务正常：http://localhost:18789 秒开
✅ 国内大模型可用：DeepSeek、通义千问、智谱 AI 等，填 API Key 即可
✅ 技能市场国内镜像：配置里把 ClawHub 改成 mirror-cn.clawhub.com
❌ OpenAI/Claude 等海外模型：国内直连不了，需代理或用国内替代
安装完成后，您可以使用 Ollama 直接启动 OpenClaw 来连接本地模型：
ollama launch openclaw
如果您想配置 OpenClaw 而不立即启动服务：
ollama launch openclaw --config
如果网关已经在运行，它将自动重新加载
彻底卸载并删除OpenClaw
openclaw gateway stop
openclaw uninstall
npm uninstall -g openclaw
安卓手机部署OpenClaw最新版
最新版 OpenClaw 安裝 | Ollama+微信對接
腾讯Qclaw真实体验，对接微信，无限token？openclaw最佳替代品
2026 年，想要无限tokens跑 🦞 OpenClaw，用本地部署的 Qwen3.5:9B
原因可以一句话概括：
能力上，它是 9B 体量，却有接近 30B～100B 级别模型的“智力上限”；
资源上，它能在 12–16GB 显存的消费级机器上长期稳定工作；
生态上，它被官方和社区广泛适配，从 HuggingFace、vLLM 到 Ollama、llama.cpp 都能跑；
更重要的是，它在搭配 OpenClaw 这类重度多渠道 Agent 框架时，综合体验明显优于 4B 小模型和 27B 巨兽。
先把几个关键参数放在一起，方便你建立直觉：
参数规模：约 90 亿参数（9B）
开源协议：Apache 2.0，可商用
上下文长度：原生支持 262k tokens，在部分推理后端配合插值 / 长上下文技巧时，可以实验性扩展到接近 100 万 tokens（视具体实现而定）
多模态能力：原生支持文本 + 图像 + 视频
语言覆盖：官方标称支持 200+ 语言，其中中英文表现尤为突出
部署生态：Transformers / vLLM / llama.cpp（GGUF）/ Ollama 全线支持
部署路径：Ollama vs llama.cpp / GGUF
常见有两条路线，各有适用人群：
Ollama 路线：图省心、快起步
适合：希望尽快看到效果、少折腾命令行的读者；
实际操作基本就是：
安装 Ollama；
拉取 qwen3.5:9b 对应模型（官方或社区优化版本）；
在 OpenClaw 的 provider 里指向这个本地模型；
优点：
社区生态成熟、教程多；
对 Mac / Windows / Linux 都比较友好。
llama.cpp / GGUF 路线：更可控、更细粒度
适合：对推理参数、量化格式有强控制欲的技术向用户；
一般流程：
从 HuggingFace / ModelScope / Unsloth 下载合适的 GGUF 量化权重；
用 llama.cpp 或兼容后端拉起本地推理服务；
在 OpenClaw 里配置一个自定义 provider，指向这台本地推理服务；
优点：
对量化策略、显存分配、采样参数有很高自由度；
社区有大量针对 Qwen3.5 系列的性能优化经验可以直接套用。
你完全可以：
前期用 Ollama 快速起步，验证“这台机器能不能跑、体验咋样”；
后期再根据体验，迁移到更细粒度可控的 llama.cpp / vLLM 方案上。
手机OpenClaw应用App：红手指Operator
注册登录，你就在云端领到了一台虚拟手机
这台手机和你的物理机完全隔离，AI在里面随便折腾，也碰不到你的微信聊天、相册、银行卡密码这些。
你的物理手机可以锁屏、可以切出去刷剧，AI自己在那儿吭哧吭哧干活。遇到支付、实名认证这种敏感操作，它会自动暂停，等你亲自确认后才继续——安全感拉满。
最骚的操作是：这台云手机里还预装了一个“纯血版”的OpenClaw。
什么意思？就是你不用自己买服务器、不用配环境、不用折腾API Key，打开就能直接用原生的OpenClaw。
想在网页上跑自动化脚本？装Skills？复杂的工作流编排？统统可以。它和你电脑上装的OpenClaw一模一样，功能一个没少，只是现在它住进了云端手机里。
这就等于买一送一：
送一个能操作手机App的AI助理（红手指Operator）
再内置一个原生OpenClaw环境（云端手机里自带）
而且这两个是打通的——Operator负责帮你点App，OpenClaw负责跑网页自动化，协同干活。你想让它干啥，直接动动嘴，它俩自己商量着就把活儿干了。
命令行爬虫万物 CLI命令 的时代要来
npm xx -g @jackwener/opencli
通过你登录过的浏览器抓取数据
https://github.com/jackwener/opencli
OpenCLI 核心功能：
账号安全复用：直接用浏览器里的 Cookie 和登录态，无需 API Token 或手动抓包
AI 代理就绪：explore 自动探索页面能力、synthesize 生成 YAML 适配器、generate 一键创建新命令、cascade 处理 API 流水线
双引擎架构：YAML 声明式 + TypeScript 注入，支持动态加载 clis/ 目录下的适配器
下载与导出神器：支持图片、视频、文章批量下载（集成 yt-dlp）
Electron 全兼容：最新支持 Cursor、Notion、Discord、飞书等桌面应用控制
内置命令覆盖 Bilibili、Zhihu、Xiaohongshu、Twitter/X、Reddit、YouTube 等 80+ 站点
最简安装部署（你的环境）
shell
# 1.安装
npm i -g @jackwener/opencli
# 2.初始化配置（自动生成Chrome插件+Token）
opencli setup
opencli daemon start
# 3.检测环境
opencli doctor
# 4.启动MCP给Cherry/OpenClaw接入
npm install -g @thehappyboy/opencli-mcp-http
方案 1：STDIO 直连 Cherry（推荐，MCP 标准 stdio）
Cherry→MCP 服务器→新增，JSON 配置直接复制：
json
{
"mcpServers": {
"opencli-browser": {
"command": "npx",
"args": ["-y","@thehappyboy/opencli-mcp-http","stdio"]
}
}
}
保存开启开关即可，不再填 opencli 命令。
方案 2：HTTP 长驻服务（31337 端口，适合多客户端共用）
cmd
# 后台常驻启动MCP服务
npx -y @thehappyboy/opencli-mcp-http
# 健康检测
curl http://127.0.0.1:31337/health
Cherry MCP 配置选 HTTP，地址：http://127.0.0.1:31337/mcp
Opencli doctor报错[MISSING] Extension: not connected
[FAIL] Connectivity: failed (Browser Bridge extension not connected)
步骤 1：终止旧守护进程（必做）
bash
运行
# 关闭旧后台服务
opencli daemon stop
# 清空缓存配置
rmdir /s %USERPROFILE%\.opencli # Windows
# mac/linux: rm -rf ~/.opencli
步骤 2：手动安装 Browser Bridge 扩展（核心修复）
打开 Chrome，地址栏输入：chrome://extensions/
右上角打开【开发者模式】开关
两种安装任选其一：
方案 A（商店安装最简）
Chrome 网上应用店搜索：OpenCLI Browser Bridge 直接添加安装（优先）
方案 B（离线手动安装，商店打不开用）
去 opencli github Releases 下载：opencli-extension.zip
全解压到英文无空格文件夹
扩展页点【加载已解压的扩展程序】→选中解压文件夹，安装完成
✅装好后扩展列表出现OpenCLI Browser Bridge，开关必须打开（蓝色启用）
步骤 3：重启服务 + 校验
bash
运行
# 初始化重配
opencli setup
# 自动启动daemon(19825端口)
opencli daemon start
# 检测
opencli doctor
正常成功输出：
plaintext
[OK] Daemon: running on port 19825
[OK] Extension: connected
[OK] Connectivity: connected
Everything looks good!
步骤 4：仍报错继续排查 4 个关键点
Chrome 必须保持打开状态，不能全关浏览器（扩展离线 = 断开）
临时禁用所有其他 Chrome 插件（广告拦截、密码管理器如 1Password 会抢占通信，导致 bridge 连不上）
确认 Node 版本≥20：node -v，低于 20 升级 Node，低版本守护进程异常连不上插件
多 Chrome 用户配置：opencli profile list，切换正在装插件的浏览器配置文件
步骤 5：Cherry Studio 重新生效配置
Cherry→设置→MCP 服务器，关闭再打开 OpenCLI 服务开关
聊天框开启 MCP，测试指令：
plaintext
打开掘金首页，抓取首页标题列表
上一篇：大模型本地化部署相关技术收集
下一篇：AI协助编程工具使用详解