第一部分-领养 Claw（使用篇）
文档摘要
prev: false next: text: '第1章 AutoClaw 一键安装' link: '/cn/adopt/chapter1' OpenClaw：从对话到执行的 AI 革命 ChatGPT 给你建议。OpenClaw 帮你做完。 2026 年初，OpenClaw 两个月斩获 247,000 GitHub 星标，超越 Linux 成为史上增长最快的开源项目。13 家国内大厂跟进，掀起"百虾大战"。 它不是又一个聊天机器人。它是一个住在你电脑里、真正能干活的 AI 员工——而这背后，是 AI 交互范式的一次根本跃迁。
prev: false next: text: '第1章 AutoClaw 一键安装' link: '/cn/adopt/chapter1'
OpenClaw：从对话到执行的 AI 革命
ChatGPT 给你建议。OpenClaw 帮你做完。
2026 年初，OpenClaw 两个月斩获 247,000 GitHub 星标，超越 Linux 成为史上增长最快的开源项目。13 家国内大厂跟进，掀起"百虾大战"。
它不是又一个聊天机器人。它是一个住在你电脑里、真正能干活的 AI 员工——而这背后，是 AI 交互范式的一次根本跃迁。
从教 AI "怎么问"的提示词工程（Prompt Engineering），到教 AI "喂什么"的上下文工程（Context Engineering），再到今天的驾驭工程（Harness Engineering）——把 AI 真正套上缰绳，让它持续、自主地替你干活。OpenClaw 就是这根缰绳。
不是聊天，是干活
你可能习惯了这样的 AI：
你：帮我整理一下收件箱里的邮件 ChatGPT：我可以给你一些整理邮件的建议...
OpenClaw 不一样：
你：帮我整理一下收件箱里的邮件 OpenClaw：[正在连接 Gmail API...] [已读取 127 封未读邮件...] [按主题分类完成，生成摘要...] 完成！已将邮件分为 5 类，重要邮件 3 封已标记。
一个给建议，一个做事情。 这就是本质区别。
OpenClaw（龙虾）能读写文件、执行命令、控制浏览器、收发消息、定时巡检——所有数据都在你自己的设备上。你可以让它每天早上推送新闻简报，自动回复邮件，甚至写代码、提 PR、跑测试。
OpenClaw 的本质：自主式 AI Agent
OpenClaw 是一个开源的自主式 AI Agent 执行引擎，由开发者 Peter Steinberger 创建。根据 Wikipedia 的介绍，它是一个免费开源的自主人工智能代理项目，以消息平台（WhatsApp、Telegram、Discord、Slack 等）作为主要用户界面。
核心特征：
- 本地运行：数据完全由你掌控，不送到别人的服务器
- 真正执行：不只生成代码，而是直接运行、验证、修复
- 自主决策：能分解任务、选择工具、自我检查、迭代优化
- 多平台集成：通过 Telegram、Discord、Slack、飞书等随时随地控制
发展历程：从 Clawdbot 到 OpenClaw
- 2025.11：以 Clawdbot 名称首次发布
- 短暂更名：因 Anthropic 商标问题改为 Moltbot
- 2026.01：正式定名 OpenClaw
- 2026.02：病毒式传播，成为 GitHub 历史上增长最快的项目
- 2026.02.14：开发者宣布加入 OpenAI，项目转移到开源基金会
龙虾为什么这么火？
和去年 DeepSeek 的爆火一样——把一小撮人已经在享受的能力，第一次推到了更广泛的人群面前。
| 设计决策 | 为什么有效 | trade-off |
|---|---|---|
| 聊天界面作为入口 | 复用微信/飞书/WhatsApp 等现有习惯，学习成本几乎为零 | 线性对话，过程不可观测 |
| 统一上下文 + 持久化记忆 | 跨平台、跨会话记住你的一切，"它真的懂我" | 记忆是黑盒，跨项目易污染 |
| 丰富的 Skills 生态 | 16,000+ 技能可组合，AI 还能自己写新技能 | 12% 第三方技能含恶意代码 |
三者形成飞轮效应：记忆带来数据复利，技能带来自我进化，易用性带来使用频率——越转越快，越用越强。
更完整的分析见附录 B：社区之声与生态展望。
百虾大战
13 家国内大厂跟进 OpenClaw 全景图：
图片来源：TheBlockBeats
深入了解：核心架构
OpenClaw 的架构分为四层：
- 消息渠道（Channels）：Telegram、Discord、Slack、飞书、CLI 等多种接入方式
- 智能决策核心（Brain）：LLM 推理、任务分解与规划、工具选择与调用
- 技能插件系统（Skills）：文件操作、Shell 命令、浏览器控制、API 集成等
- 记忆与身份系统（Memory & Identity）：一组 Markdown 文件——IDENTITY.md（身份）、SOUL.md（性格）、USER.md（你的信息）、MEMORY.md（长期记忆）等
这种分层设计让 OpenClaw 既灵活又可控。详细介绍见第六章 智能体管理。
深入了解：价值与代价
优势：
- 并行探索：多个 Sub-agent 同时搜索、分析、汇总，比串行快得多
- 上下文隔离：子任务在干净的上下文中执行，避免"上下文退化"
- 推理算力扩展：突破单个 Agent 的上下文窗口限制
代价：
- Token 成本从 1x 跃升到 15x
- Agent 间传递会丢失上下文细节（"电话游戏"效应）
- 多 Agent 并行时可能产生隐式决策冲突
Anthropic 的经验："有些团队投入数月构建复杂的多智能体架构，结果发现改进单智能体的提示词就能达到同等效果。"
判断标准：低耦合任务（搜索、信息收集）适合拆分；高耦合任务（架构设计、核心编码）保持单一。
深入了解：应用场景
个人效率：每天早上自动推送天气 + 日历 + 邮件简报；自动分类邮件并标记优先级。
开发者工作流：PR 提交后自动代码审查；函数签名变更时自动更新 API 文档。
企业级应用：多渠道客户支持自动化；每周自动生成数据分析报告。
开始你的旅程
四种使用方式
| 方式 | 适合谁 | 一句话说明 | 详见 |
|---|---|---|---|
| AutoClaw 一键安装 | 零基础用户 | 下载 → 双击 → 注册即用，内置模型和免费额度 | 第一章 |
| 手动安装 | 想完全掌控的用户 | 终端几行命令，自由选择模型和配置 | 第二章 |
| 安全优先 / 多智能体 | 隐私敏感 / 团队协作 | IronClaw（WASM 沙盒）/ HiClaw（多龙虾协作） | 第一章备选方案 |
| 云端托管 / Docker | 服务器部署 | 各大云厂商托管方案 | 附录 C |
领养四步法：像雇员工一样养龙虾
领养一只龙虾，本质上和雇一个员工一样——准备四样东西就行：
| 步骤 | 类比 | 你要做的 | 对应章节 |
|---|---|---|---|
| 租房子 | 给员工一个工位 | 安装 OpenClaw（本地电脑或云服务器） | 第 1 章 / 第 2 章 |
| 买粮食 | 给员工发工资 | 配置模型 API Key（Token 就是龙虾的"口粮"） | 第 2 章 / 第 5 章 |
| 给联系方式 | 让客户能找到员工 | 接入聊天平台（QQ / 飞书 / Telegram） | 第 4 章 |
| 培训上岗 | 教员工怎么干活 | 配置智能体、工具、定时任务 | 第 6 章 / 第 7 章 |
前两步（租房子 + 买粮食）是最低要求——装好 OpenClaw、配好一个模型 API Key，龙虾就能在终端里跟你对话了。后两步让它从"能说话"变成"能干活"。
学习路径
第一部分：领养 Claw——使用篇，11 章 + 7 附录：
- ** 安装**（第 1～3 章）——AutoClaw 一键体验 → 手动安装 → 配置向导
- ** 核心配置**（第 4～6 章）——聊天平台接入 → 模型管理 → 智能体管理
- ** 扩展运维**（第 7～9 章）——工具与定时任务 → 网关运维 → 远程访问
- ** 安全与客户端**（第 10～11 章）——安全防护 → Web 界面与客户端
第二部分：构建 Claw——开发篇，15 章，从"驾驶员"进阶为"工程师"。
注意事项
安全：首次使用建议在测试环境。谨慎授予文件系统权限，定期审查操作日志，敏感操作设置人工确认。
成本：设置 API 调用上限，优先使用缓存和本地模型，监控 Token 消耗。
节奏：从简单任务开始（天气查询、文件整理），逐步增加复杂度（邮件管理、代码审查）。
未来展望
- 更强的模型：Claude 4.6、GPT-5 等新模型持续提升推理能力，1M+ token 上下文窗口
- Agent 团队协作：多个专业化 Agent 各司其职，分布式任务执行
- 更低的门槛：图形化配置、自然语言定义技能、一键部署
- 成熟的生态：技能市场、企业级认证、Agent 调试工具
让我们开始吧。