2026 年伊始，一个退休码农的「副业项目」，在整个 AI 圈红遍半边天。它让所有人第一次拥有了真正的“贾维斯”，实现 7x24h 在个人手机、PC端无休止打工。该项目在 GitHub 上开源不到一个月，便斩获近 15 万 Star，热度甚至超越 Claude Code。有趣的是，它曾在短短一个月内历经三次更名——从 Clawd Bot 到 MoltBot，再到最后的 Openclaw。Openclaw 不仅受到社区的追捧，还获得了 OpenAI 联创 Karpathy 的高度评价，称其为“迄今为止最实用的智能体项目”，其影响力甚至溢出技术圈，一度因众多用户争相部署而带动 Mac Mini 抢购热潮，足以见证它的受欢迎程度。
目前，网络上已涌现大量 OpenClaw 的部署教程，但实事求是地说，windows 下的部署劝退很多人，而且又有不少替代性项目迅速发布、流行，没有适配 Windows、对于普通用户友好而简单的安装/部署方式，这个项目是很难在国内得到认可的。至少作者看来，Openclaw 体积庞大（43 万行代码）、安装复杂，一定会劝退很多人。同时，Openclaw 对国内的社媒工具支持非常有限，尽管官方提供了对飞书的支持，但飞书全家桶本身和接入 Openclaw 的复杂度，多数人不会、少数人会但嫌麻烦，注定了这类应用很难走进普通用户的设备。但这么火的项目，对于国内用户而言尽管一堆毛病，但还是应该体验一下的，在老 E 了看来，至少 Openclaw 是首个进驻桌面端的流行 Agent 应用。因此，作者尽可能简化 Openclaw 的安装过程，避开官方脚本黑盒，通过 npm 全局安装，通过 onboard 到饮式配置和 json 配置文件相结合的方式让大家都能够掌握 Openclaw 的关键配置细节，工具接入则选择注册账号最便捷、接入配置最简单的 whatsapp，从而让所有人都能在此基础上开发出各种 Openclaw 的用途、玩法。详细安装过程和操作步骤参考「本期 Youtube 教程」。
先决条件与概念
有哪些先决条件？
Openclaw 的安装教程一大堆，其实很简单。在正式安装 Openclaw 前在你的 Windows 主机上需要提前下载、安装的工具和必备的环境包括：
- Node.js 和 npm：「官方站点」 | 「直链下载」
- Git：「官方站点」 | 「直链下载」
- Visual C++ Redistributable Runtimes AIO：「第三方站点」 | 「直链下载」
- 网络环境：社交媒体/即时通讯工具的连接和 LLM 调用都需要良好的国际网络环境，推荐本文实操时使用的「红杏云」。
有哪些从入门到精通的概念？
同时，理解几个 Openclaw 中的词汇有助于快速完成从入门到精通的过程：
- Gateway：网关，提供远程服务、供你通过接入的工具遥控 AI 助手的后台
- Onboard：入职，启动、使用智能助手的拟人化称呼，脑补员工入职的仪式感程序
- Channels：渠道，就是接入的即时通信/社媒工具，Telegram、Whatsapp 等等
好了，其他的词汇作者认为都不需要，反正你可以、而我建议必须：通过自然语言来交互、发布任务，以及安装工具、技能，而不是去后台敲代码，那你为什么还要装它？？如果谁把 AI Agent（也可以叫“智能体”）用成了确定性的程序或工作流，还是省省吧。
应该使用哪个“渠道”？
“渠道”就是即时通信工具。很多教程以电报为例，这里反而推荐 Whatsapp。原因很简单：
- Whatsapp 在大中华区和东南亚都很流行，而且之前介绍过，Whatsapp 是完全的端到端加密，安全性胜过电报；
- 最关键的，接入 Whatsapp 只需要扫个码，没有什么指令、token、配对码之类的交互；
- 更关键的是 Whatsapp 国内接码问题早已经不存在了，自从 Whatsapp 官方和国内短信服务机构合作后，Whatsapp 注册又快又好。
至于飞书的接入，就 Openclaw 而言，作者是不推荐的。飞书、企业微信的接入过于复杂，可以单独成文，接入飞书，纯属为了 Openclaw 这碟醋，包了顿饺子。后续我们向大家介绍 Nanobot，再对接国内的 IM。
“手动”安装 Openclaw
官方一键脚本会安装 llama 框架，无论是否精简版 Windows ，实际都不会有对接本地模型的需要，个人能够私有化部署的不过是 10B 左右的模型，对于 openclaw 这样的智能体应用而言，搭配这样的模型思路很清奇。所以，Openclaw 安装 llama 以使用本地模型的选项本身就不应该存在，完全是无效、冗余的设计，因此手动安装前进行跳过设置。
在 Windows 中，以管理员身份打开 Powershell，运行以下指令就开始安装。所谓“手动”安装，并不是从源码编译，只是对于普通用户而言，不要使用多少有点盲盒色彩的官方一键脚本，而是用标准的 npm -g 进行安装，并不会多出一行命令。
# 1. 跳过 llama 的安装 $env:NODE_LLAMA_CPP_SKIP_DOWNLOAD="true" # 2. 强制安装并忽略那些报错的后续脚本 npm install -g openclaw@latest --ignore-scripts
因为设置了 “--ignore-scripts” 参数的缘故，安装过程会出现若干警告，不必担心，耐心等待安装完成。和使用官方脚本不同，安装完成后，窗口中不会显示大大的 Openclaw 文字 logo，可以输入 openclaw help 进行验证。
openclaw help
24小时智能助手"入职"
安装完成后，我们就来到了初始化配置阶段，结合我们学到的词汇，为你的智能助手办理“入职”手续吧。我们可以观察到，官方脚本只是在安装完成后，自动调用 onboard 程序。
openclaw onboard
整个过程这里不做记录，而且在 onboard 界面，我们也无法进行翻译，多以我们可以快速配置（选择“Quick Start”），将重点放在对 json 配置文件的编辑方面。可能有人会有莫名的不爽，向导不用、非用去搞配置文件？原因同样简单，大多数普通用户根本不可能去花钱订阅 Openclaw 官方内置列表里的 LLM 服务的，例如 OpenAI、Claude 等等，还是免费白嫖的先走起，觉得有用、好用再花钱不迟，那就必须手动编辑配置文件。
LLM 配置
无论是不是精简版，Windows 中 Openclaw 的配置文件就在 %USERPROFILE% \.openclaw 文件夹下，你可以点击 %USERPROFILE% \.openclaw\openclaw.json 直接打开它。
这里的 LLM 配置统一使用了 Nvidia NIM 的 stepfun-3.5-flash 和 kimi-2.5，完全免费，并且作为主模型的 stepfun-3.5-flash 当前响应奇快无比，kimi-k2.5 则几乎不可用。配置中的模型 cost 字段主要用于本地的 token 计费，可整体删除。
{
"agents": {
"defaults": {
"model": {
"primary": "nvidia/stepfun-ai/step-3.5-flash",
"fallbacks": [
"nvidia/moonshotai/kimi-k2.5"
]
}
}
},
"gateway": {
"port": 18789,
"bind": "loopback",
"auth": {
"mode": "token",
"token": "b14 ... ... 828"
}
},
"models": {
"mode": "merge",
"providers": {
"nvidia": {
"baseUrl": "https://integrate.api.nvidia.com/v1",
"apiKey": "nvapi-hl ... ... sXa",
"api": "openai-completions",
"models": [
{
"id": "stepfun-ai/step-3.5-flash",
"name": "stepfun-ai/step-3.5-flash",
"reasoning": true,
"input": [
"text"
],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 128000,
"maxTokens": 8192
},
{
"id": "moonshotai/kimi-k2.5",
"name": "moonshotai/kimi-k2.5",
"reasoning": true,
"input": [
"text",
"image"
],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 128000,
"maxTokens": 8192
}
]
}
}
}
}
无论新手、老手，都不建议手搓 json 配置文件，浪费生命，可以直接使用以下「coclaw 站点」的配置文件生成工具。
这里我们的示例 json 文件中指定了 nvidia/stepfun-ai/step-3.5-flash 作为主模型，nvidia/moonshotai/kimi-k2.5 则作为备用模型。kimi-k2.5 原生多模态，理论上两者应该颠倒，但 nvidia 上的 kimi-k2.5 写作本文时几乎不可用。对于其他参数提示如下：
- models：核心的模型列表，每个模型提供商至少应包含一个有效模型
- cpa1：这是提供上的名字，可以是 openai、googleai、openrouter、nvidia、siliconflow 或其他你认为适配的名称，在向导界面，供选择的很少；
- api：一般使用 “openai-completions”，对于 Claude 系列模型，建议设为 "anthropic-messages"，也有一些模型或中转需要填写“openai-response”，通过 CLIProxyAPI 反代的反重力保持 “openai-completions”；
- input：支持的模态（输入/上传），包括 text、image，如果 LLM 没有视觉能力但填写了 “image”，会在图片识别等任务时报错，需要清除会话缓存（上下文）重启网关；
在使用新生成的配置文件内容替换 onboard 初始化的配置文件内容之前，务必记住网关（Gateway）部分的验证 token，这是需要保持不变的。你需要了解一点，初始化后 openclaw.json 和 openclaw.json.bak 两个文件内容是一样的。
接下来，我们可以再度使用 openclaw onboard 按照向导配置一遍，这时我们就可以选择采用现有配置。
接入 Whatsapp
前面的步骤掠过，来到最关键的步骤渠道配置步骤。建议选择第二项 Whatsapp，只需要使用手机扫码一次即可，畅快无比。
选择 Whatsapp 后，转到手机上，打开 Whatsapp，扫描屏幕上的二维码、关联设备，渠道添加完毕。
使用
添加渠道后，在手机端 Whatsapp 中“自言自语”就可以了。没错，就是自己和自己说话。在运行 Openclaw 的主机上，网关服务不能关闭，正常前台运行时可以看到 LLM 实时对话消息以及工具、技能的调度、协调。TUI 是可以关闭的，不需要保持运行，TUI 只是一个交互界面。详细配置建议直接在渠道中通过自然语言指示 Agent 完成。
尽管在向导界面中，可以对技能等进行配置，但可能很多时候我们并不清除这些技能的作用，而 Openclaw 在执行指令的同时，会自动安装配置需要好的技能。例如，我们安排一个定时邮件任务，那么就会提供 SMTP/IMAP 信息，Openclaw 会自动安装 1Passwords 技能用于密码等隐私信息的管理。作者系统中所有技能的安装、配置都是通过自然语言，由 Agent 自主完成的。
[openclaw] 已经扫描了当前工作区中的所有技能，确认其 `SKILL.md` 文件的实际位置如下： 1. **1password**: `C:\Users\Admin\.openclaw\workspace\skills\1password\SKILL.md` 2. **blogwatcher**: `C:\Users\Admin\.openclaw\workspace\skills\blogwatcher\SKILL.md` 3. **finance-news**: `C:\Users\Admin\.openclaw\workspace\skills\finance-news\SKILL.md` 4. **himalaya**: `C:\Users\Admin\.openclaw\workspace\skills\himalaya\SKILL.md` 此外，系统默认技能位置： - **healthcheck**: `C:\Users\Admin\AppData\Roaming\npm\node_modules\openclaw\skills\healthcheck\SKILL.md` - **skill-creator**: `C:\Users\Admin\AppData\Roaming\npm\node_modules\openclaw\skills\skill-creator\SKILL.md` 这些位置与系统配置中的 `<available_skills>` 列表一致，状态正常，可以准确调用。
结语
技术工具的价值，不在于它有多复杂，而在于它如何改变我们的工作方式。前文说过，OpenClaw 算是首个进驻桌面的 Agent 应用，而不是远在天边的云服务器上甚至虚无缥缈的无服务器容器中。但是，Openclaw 也是个 token 粉碎机，起因是它的上下文组装（Context Assembly）机制。Openclaw Agent 需要告诉 LLM：“你是谁、你能做什么、你有什么工具，用户说了什么”，Opencal 将下列内容拼接成一个完整的 Prompt，发送给 LLM。
- 系统提示：Agent 的身份、规则、工具列表
- 会话历史：之前的对话记录
- Bootstrap 文件：AGENTS.md、SOUL.md、TOOLS.md 等工作区文件
当然，通过 QMD 本地语义搜索可以大幅降低 token 消耗，但这是外挂、不是内功。同时，在笔者的 Windows 11 X-lite 下，尽管使用流畅（延迟主要来自于 LLM 调用），但首次加载、启动较慢，这方面的体验是不足的。因此，相比而言，可能 NanoBot 更加适合低资源设备，比如老旧笔记本、电视盒子等。下一期，我们就将向大家展示如何在 S905 盒子上安装 NanoBot，尽管 Openclaw 宣称 1G 内存即可，可以在低功耗的嵌入式设备上安装、运行，但体验上想必好不了。
更多精彩，敬请关注「老E的博客」！
文章评论