OpenClaw智能体-龙虾

openClaw(Moltbot/ClawdBot)是一套可自托管的个人智能AI助手系统，可以部署在本地电脑或云服务器上，通过Chat的方式接收指令，帮我们完成信息整理、内容生成、流程自动化等任务。它到底怎么用、能解决什么问题、以及怎么把高频工作沉淀成可复用能力。根据官方文档 (https://docs.openClaw.bot/start/getting-started)，openClaw 的安装门槛已经降到了极低，但仍需要一点技术背景（Node.js 环境）。

第一步：环境准备

你需要一台常驻运行的设备（Mac, Linux 服务器，或 Windows WSL2）。确保安装了 Node.js 20+。

# 安装 openClaw CLI
npm install -g openClaw-cli

第二步：初始化向导

openClaw 提供了一个非常人性化的 onboard 命令，通过交互式问答完成配置。

openClaw onboard

在这个过程中，你需要：

1. 1. 选择 LLM 提供商：输入你的 Anthropic 或 OpenAI API Key。
2. 2. 选择消息平台：比如选择 Telegram，你需要输入 Telegram Bot Token（从 BotFather 获取）。
3. 3. 配置管理员：设置你的用户 ID，确保只有你能命令它。

第三步：启动与配对

openClaw start

启动后，你的 AI 助手就会在 Telegram 上上线。为了安全，第一次对话时通常需要一个“配对”过程，验证你的身份。

第四步：安装技能

在对话框中直接输入：

"安装 Web 搜索技能"
"Install Google Search skill"

openClaw会自动从 ClawdHub 检索、下载并启用该技能无需重启。openClaw分三步通过Skills：
1)通过Skills生成24小时内AI行业要闻速览；
2)通过Skills生成一份结构化的JD(职位说明)体检与优化报告；
3)再进一步演示如何借助Skill-Creator,把“JD(职位说明)优化”沉淀成一个可复用的JD优化器Skill,后续方便一键调用。
在讲解原理之前，我们先带大家看一下最终效果。
1)演示：24小时内AI行业要闻速览
我们在OpenClaw(Moltbot/ClawdBot)的Chat输入框中输入以下指令：
请使用ai-daily-brief,生成24小时内AI行业要闻速览，并用表格输出，字段为：标题|摘要(1-2句)/时间|机构(来源)/链接。
可以看到OpenClaw(Moltbot/ClawdBot)思考一段时间后，筛选出了来自于Anthropic、OpenAI和SpaceX等企业的AI相关资讯：包含资讯标题、摘要、时间、来源机构以及链接。我们可以快速扫一遍近期重点动态；如果对某一条感兴趣，直接点击链接就能打开原文查看详情。
2)演示：生成JD(职位说明)体检与优化报告
接下来我们演示“生成一份结构化的JD(职位说明)体检与优化报告”。这里我先带大家看最终输出效果，后面再演示它是如何通过skill-creator从0生成并沉淀成技能的。

一、OpenClaw为什么会火?
在谈技术之前，先分析一下为什么OpenClaw能火。技术本身其实没什么门槛，它甚至是用Web Code一个周末搭出来的项目，很多人都说它就是个“胶水项目”，就是把各种各样的东西攒在一起。但它就是火了，为什么?更多的还是在产品逻辑上。现在不缺技术，缺的是好的AI产品。
OpenClaw的火爆主要可以分为两个方面:

1.真的能把任务完成:
对比一下现在的千问、豆包等，虽然它们后面的模型也感觉蛮强大的，但事实上它们给ToC端开放的资源非常有限，能接入的工具也非常有限。前段时间大家玩元宝，会发现它好像啥都干不了，没有代码能力，也没有浏览器能力。而OpenClaw利用了Agent Loop这种Reactive的机制，再加上它基本上接入的都是Claude、GPT的高版本才能好用一一它确实非常依赖于现在模型能力的提升。但不管怎样，最终它达到的效果就是案例里展示的:它是真的能把事情完成。
2.把人从电脑前解放出来:
像Claude Code或Cursor 这类助手能力甚至比OpenClaw要强，但为什么没有OpenClaw火爆?主要原因还是它们依赖于你在电脑前面。现在的Agent大部分还没办法完全脱离人，总会有一些Humaninthe Loop之类的东西。而OpenClaw最大的一个点就是它接入了各种IM平台，国外像WhatsApp、纸飞机、Discord，国内现在已经接入了QQ、飞书、钉钉等。接进去之后，这些IM平台能把你的助手变成一个随叫随到的管家。尤其如果你再把它放在自己的工作电脑上，就真的能做到像之前说的:代码写一半放那儿不用管，自己出去玩，然后通过几条命令控制你自己的电脑把剩下的任务完成。这其实是一个非常棒的产品设计。

二、OpenClaw安全问题
这是最让人难受的。我至今不敢在自己的电脑上长期跑OpenClaw，因为不管是prompt注入，还是它本身代码的安全漏洞，都非常严重。你可以看到社区里有很多人把银行卡号都告诉它，让它去登录操作，但泄露的案例也非常多。现阶段，这些东西确实只有极客们才能真正驾驭。而且，如果你想让它相对安全一些，配置成本也很高。还有提示词的调教、需要做的隔离等，门槛真的非常高。所以到目前为止，我个人非常不建议大家把OpenClaw放在个人电脑上长期跑。
OpenClaw工程化落地带来了很多真实难题-权限边界与隔离运行、Skills供应链安全、可观测与可追溯、记忆分层与跨场景污染、以及如何把Agent纳入团队研发/运维流程并形成稳定收益。在即将召开的QCon北京站大会现场，我们特别设计了「OpenClaw生态实践」专题，聚焦一线实践与踩坑复盘，分享企业如何构建私有Skils、制定安全护栏、搭建审计与回放机制、建立质量/效率指标体系，最终把自托管Agent从可用的Demo升级为可靠的生产系统。现已对科研从业者、高校讲师和学生开放了免费通道，欢迎扫码入群-根据群公告的说明来进行申请。

三、超高的Token消耗成本
它的主动性、一切能力都依赖于它在后台不停地跑，而且想要完成任务必须用很好的模型。OpenClaw底层基于Palmimo开源框架，这个框架的理念是:好的模型已经把大部分东西都训练进去了，所以提示词上并不需要给太多指导。因此OpenClaw底层的System Prompt构造其实相对简单。但这也导致，如果你用不好的模型-一比如很多人说在本地跑OpenClaw，我觉得纯属浪费时间和钱一一那些小模型连ReAct都干不好，根本不可能完成复杂任务。所以你必须要用好的模型，但现在好模型都超贵，再加上Token消耗。待会讲到SystemPrompt构造时大家就会知道，它基础的System Prompt就需要1.5万左右的 Token。这还只是初始阶段，如果随着使用时间更长、Memory更多、设置的Skill更多，那基础System Prompt基本上就要两三万 Token。可想而知，钱烧得有多快。我自己用的话，还没用特别好的模型，基本上还是用Kimi和之前的千问比较多。之前也尝试过它的极限，用过Claude，但真的是烧钱，几个问题出去，充的500块钱就不剩多少了。所以这个成本不是一般人能承受的。其实它的上下文还有很大的优化空间，这也是我觉得后面会优化的方向，也是OpenClaw目前不太适合大多数C端用户的原因。

用例一:自然语言CRM:通过自然语言指令管理联系人关系，自动记录互动历史、设置提醒，30分钟即可搭建可用系统。
用例二:会议行动项自动追踪:AI自动提取会议中的行动项，分配责任人并跟踪进度，替代传统手动整理。
用例三:个人知识库:仅需丢入链接即可自动抓取、索引和检索内容，无需手动整理标签或文件夹用例四:商业顾问委员会:模拟8个专家角色每晚"开会"，基于用户数据提供战略建议，实现低成本高频率咨询。
用例五:安全委员会:AI每晚自动审查其他AI模块的运行日志，检测异常行为和潜在风险。
用例六:社交媒体追踪:自动监控指定账号和话题，生成每日简报，节省人工浏览时间。
用例七:视频选题流水线:从一句话创意自动扩展为完整策划案，并同步生成Asana任务卡片。
用例八:记忆系统:持续积累用户偏好和上下文，使AI交互随使用次数增加而更加精准个性化。
用例九:食物日记:记录饮食后AI分析关联症状，帮助用户识别潜在过敏源或不适食物。
用例十:自动化运维:设置定时任务执行数据备份、系统更新等操作，实现"睡觉时系统干活"。
核心设计理念:各模块数据互相流动(CRM>顾问委员会、知识库>视频流水线等)，形成自我强化的数据飞轮，单人即可产出小团队效果。
安全实践:包括提示注入防御、权限最小化、输出过滤、人工审批发布、加密备份等，强调"没有完美方案，但不能什么都不做"。