Posts
OpenClaw折腾笔记一 -- Jarvis初探

OpenClaw折腾笔记一 -- Jarvis初探

February 2, 2026

很久没有用“折腾”来形容做一件事了，上次还是2017年折腾NAS和路由器。折腾代表着小众、高门槛，但也代表着有意思、有探索的余地。

OpenClaw最近大火，但网上的教程、Youtube的视频、公众号的文章标题起得天花乱坠，大多却浅尝辄止：只讲到安装以及与钉钉、飞书等IM工具的集成，然后在IM中发几个“你好”就结束了，根本没有展示出OpenClaw作为Agent的真实使用场景。照着操作一遍，最后往往只能感叹一句：“就这”？

此外，OpenClaw近期也在高速迭代与“更名风波”中。因为前身Clawd与Anthropic的Claude模型发音相近，作者Peter Steinberger受到了来自Anthropic的压力，短短几天，名字就换了3次：从Clawdbot到Moltbot，再到现在的OpenClaw。可以看出Peter从一开始的妥协，到最后的叛逆——直接把Clawd给Open了，还摘掉了“d”字，摆明了是说Anthropic“缺德”。

也是因为改名的原因，OpenClaw近期的安装部署极其混乱。很多云厂商虽然内置了OpenClaw的一键安装应用模板，但版本滞后，且安装后的指令与官网文档不匹配，如下图。比如安装脚本使用moltbot，但实际命令却是clawdbot，但官方文档已经是openclaw了。为了避免后续安装出现路径错乱或兼容性问题，本着“技术洁癖”，我决定放弃一键模板，使用官方方式重新部署。

20260201

基于这些问题，我也开启了这个折腾系列。本文先记录从0到1的部署安装、IM对接，以及常用Skills的配置，看看OpenClaw可能的使用场景到底在哪里。

1. 部署安装

这部分内容与OpenClaw各类教程、文章雷同，已经安装完成可以跳过。

1.1. 服务器

不要被网上的软文洗脑，玩OpenClaw不需要昂贵的MacMini。最快、最经济的体验方式是用云服务器。

我使用的是腾讯云的轻量应用服务器（Lighthouse），镜像选择 OpenCloudOS 9 或 Ubuntu。区域可选择新加坡或国内任何一个数据中心。

国外的实例价格比国内便宜，也能更顺畅的连接海外服务（如Google、Telegram）或调用模型API（OpenAI, Claude等），避免网络问题成为折腾路上的最大绊脚石。

但相反，如果选择国外数据中心，那么访问新浪财经AKShare等国内API又会受到限制。所以你需要先做权衡，或者可以通过Proxy来解决这些网络问题，本文不再展开。

image-20260202100126441

记得在防火墙页面放行 18789 端口，这是OpenClaw的Gateway服务端口。

image-20260202101221765

1.2. 安装

参考OpenClaw官方文档 ，目前的安装已经非常简化。

先安装NodeJS依赖：

# 下载并安装 nvm：
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash

# 代替重启 shell
\. "$HOME/.nvm/nvm.sh"

# 下载并安装 Node.js：
nvm install 24

# 验证 Node.js 版本：
node -v # Should print "v24.13.0".

# 验证 npm 版本：
npm -v # Should print "11.6.2".

再安装OpenClaw（本文撰写时版本为 2026.1.30）：

curl -fsSL https://openclaw.ai/install.sh | bash

image-20260202100547396

1.3. 配置

安装完成后，直接运行以下命令进入配置引导。

openclaw onboard --install-daemon

下方截取了关键的交互步骤供参考：

  • I understand this is powerful and inherently risky. Continue?

    Yes

  • Onboarding mode

    QuickStart

  • Model/auth provider

    选择模型服务供应商

    此处我选择的是 OpenRouter，并输入OpenRouter 的 API Key

  • Default model

    选择模型服务

    此处我选择的是 openrouter/minimax/minimax-m2.1，这也是 OpenClaw 作者推荐的模型

  • Select channel (QuickStart)

    对接IM工具

    如果对接钉钉、飞书、QQ等国内工具，此处选Skip for now，后续参考1.5章节配置

    此处我选择的是 Telegram

  • Configure skills now? (recommended)

    Yes

  • Show Homebrew install command?

    Yes

  • Preferred node manager for skill installs

    npm

  • Install missing skill dependencies

    Skip for now

  • 后面一系列GOOGLE、NOTION、OPENAI的配置都默认No

  • Enable hooks?

    Skip for now

  • Gateway service already installed

    Restart

  • How do you want to hatch your bot?

    TUI

  • 在TUI对话框中输入内容，若能正确返回，说明已配置成功：

    image-20260202101643371

  • 可以通过以下命令检查系统服务状态来确认运行情况，看到 Service: systemd (enabled) 即代表守护进程配置成功：

    openclaw gateway status

1.4. Dashboard

OpenClaw Gateway 默认出于安全考虑，绑定在 localhost。也就是说，哪怕你放行了安全组，直接访问 http://公网IP:18789 也是不通的。

官方推荐使用 SSH 隧道（Tunnel）将服务器端口映射到本地。在你的 本地电脑（Mac/Windows）终端中执行：

sh -f -N -L 18789:127.0.0.1:18789 用户名@服务器IP
# 回车后输入服务器密码

连接建立后，在服务器端获取访问Token：

clawdbot dashboard

image-20260202110136719

复制输出的 URL（例如 http://127.0.0.1:18789/?token=xxxxxxx）在本地浏览器打开即可。Dashboard主要用于管理配置、查看已安装的Skills、管理Cron Jobs以及查看详细的Debug日志。

image-20260202102934772

1.5. 对接IM

如果是对接OpenClaw内置支持较好的IM工具，如WhatsApp、Telegram，在 onboard 过程中填入 Bot Token 即可直接使用，体验非常丝滑。

对于国内用户，可以选择钉钉、飞书、企微、QQ等IM，其中企微和QQ使用腾讯云自带的OpenClaw一键安装脚本更方便：

  • 钉钉：https://github.com/soimy/openclaw-channel-dingtalk
  • 飞书：https://github.com/m1heng/clawdbot-feishu

如果要选择国内的IM，个人推荐使用 飞书。我在折腾钉钉时发现，它的交互设计依然停留在上一代：内容大量通过 Card（卡片）展示，导致在手机端无法选择、复制卡片里的文字，甚至无法直接把 PDF 文件转发给 OpenClaw 进行分析，仿佛不是这个时代的产物。

2. Skills

OpenClaw 的核心灵魂在于 Skills。如果没有 Skills，它只是一个套了壳的 LLM 对话框；有了 Skills，它才是一个能干活的 Agent。

2.1. ClawHub

ClawHub 类似于 Docker Hub 或 NPM，是 OpenClaw 的官方技能市场。在这里你可以找到各种社区贡献的Skills，从软件开发、内容搜索、图文视频到文件处理应有尽有。

也可以参考 awesome-openclaw-skills 这个项目，他是OpenClaw官方Skills的副本，但做了分类，便于查找。

OpenClaw 最大的贡献其实就是创建了这个市场，把原本孤立的脚本（Script）标准化为可复用的技能（Skill），让 Agent 的扩展变得像安装手机 App 一样简单。

2.2. 常用Skills

在 ClawHub 网页浏览时，建议按 Downloads 倒序排序看看大家都在用什么。目前的网页端存在一个小 Bug，需要上下滚动一下才能加载完全。

image-20260202093330039

选择 Skill 时，务必点进去查看 Versions，确认其近期有更新（例如 2026/2/2 发布的 v1.1.0），避免安装年久失修的版本。

image-20260202093511685

2.3. 安装Skills

安装过程非常 Agent 化。你不需要在终端敲类似 npm install 的安装命令，而是直接把 ClawHub 上的 URL 发给 OpenClaw 的聊天窗口（IM 或 Terminal 均可）。

可以使用提示词:

安装以下Skills，安装相关依赖，并引导我完成配置：
Skills URL
Skills URL
Skills URL
...

OpenClaw 会识别意图，自动拉取代码、安装依赖，并引导你完成配置（如输入 API Key）：

image-20260202093759329

image-20260202093828394

查询并获取Twitter中的内容常用到Bird这个工具和Skills，以下是我安装的全过程，全部 Agent 化：

image-20260202093959184

image-20260202094021234

image-20260202094104563

image-20260202094124446

2.4. 管理Skills

管理Skills也很简单，在聊天窗口发送 /skills 或者自然语言 我安装了哪些skills ，OpenClaw 会列出当前已安装的技能列表及其状态。

image-20260202094236568

当想要删除某个Skill时，直接告诉它 卸载这个 skill：skill名称 ，它会执行删除操作并清理目录

image-20260202094141578

2.5. 一些插曲

在折腾过程中，我经历了两次让我印象深刻的 Debug 过程，分别代表了两种不同的 AI 辅助模式。

2.5.1. Warp自动修复错误

在安装 caldav-calendar Skill 时，按照指引需要安装 vdirsyncer。我使用 Warp 终端连接服务器执行同步命令 vdirsyncer sync 时，程序直接报错抛出了 NotFoundError。

此时，Warp 的 AI 功能介入，它分析了错误日志，指出是 dav.py 第 551 行的异常处理有问题。令人惊讶的是，Warp 直接给出了 sed 命令来 Patch 源代码，把 raise error 改为了 logger.warning。我照做后，同步成功完成。这是 工具侧 的智能：

image-20260202094431227

image-20260202094709216

image-20260202094720610

2.5.2. OpenClaw自我排错

另一次，我发现 OpenClaw 响应极慢，甚至简单的 ls 命令都超时。我质问 OpenClaw：“为什么你响应这么慢？”

它没有回复套话，而是开始自我诊断：检查系统 I/O、检查 CPU 负载（发现很低）、检查进程状态。最后它定位到是底层的 exec 工具在容器化环境中出现了死锁或超时。 它给出了具体的修复方案：杀掉残留的 openclaw 进程并重启 Gateway。这是 Agent侧 的智能——它不仅能执行命令，还能感知自身的运行状态：

image-20260202095059477

image-20260202095120069

image-20260202095135397

虽然历经重装、重启也没法解决（应该是系统性的问题），但这个过程是令人兴奋的。

image-20260202095455485

3. 使用场景

安装好环境后，我尝试了几个基础场景，试图验证它是玩具还是工具。

3.1. 日程助手

  • Skills： https://www.clawhub.ai/Asleep123/caldav-calendar

  • 功能： 同步 CalDAV 协议的日历（如 Google Calendar, 钉钉日历等）。

  • 场景1： 我让它“查询我本周的日程安排”，它通过 khal 命令行工具读取了本地同步好的数据，并格式化输出给我。

    image-20260202130245142

  • 场景2： 更进一步，我配置了定时任务：“每天早上 8:30 提醒我当天的行程”。 OpenClaw 自动创建了一个 Cron Job，并且生成了一个 shell 脚本 daily-schedule-reminder.sh，每天定时触发并推送到 Telegram。

    image-20260202130650293

    image-20260202130659683

3.2. 邮件助手

  • Skills： https://www.clawhub.ai/0xterrybit/email

  • 功能： IMAP/SMTP 邮件管理。

  • 场景1： 设定规则：“每天8:30、13:30 查询我未读的邮件，发送通知给我”。 配置完成后，它不仅能提示我有几封未读，还能摘要邮件内容。

    image-20260202131602328

  • 场景2： 查询未读邮件后，可以联动：“将这封邮件转成今天下午的日程进行跟进”，OpenClaw 会自动检查下午的空闲时间并创建日程，实现了从信息流到工作流的闭环。

    image-20260202142700470

3.3. 代码评审

  • Skills：

  • 功能： 获取GitLab、GitHub中的各类信息。

  • 场景： 这是我最期待的场景。安装 GitLab Skill 后，我问它：“GitLab中有哪些待我审查的mr”。 它列出了项目列表，我选择了一个前端项目 codelab-rangwu。OpenClaw 读取了 MR #4 的 Diff，并给出了一份还不错的 Code Review 意见。甚至直接在 GitLab 上提交了 Review Comment。

    当然如何获得更多上下文、如何自定义评审规则，还可以打磨。但基于 OpenClaw 实现对接DevOps平台的Issue管理、流水线管理，再对接一些 AI Coding CLI，连编程也能代劳了，这才是ChatOps的完全体。

    image-20260202141156847

    image-20260202141209637

    image-20260202141340897

    image-20260202141754223

4. 个人思考

初步折腾下来，能够感受到OpenClaw的不成熟。除了各类信息混乱，最困扰我的还是响应慢的问题，在一个长任务开始前，OpenClaw没有任何输出，一度让人怀疑它是不是挂了。再比如我让OpenClaw帮我在GitLab中查询分配给我的Issue，这样一个请求需要2分钟后才有回复，这样的响应速度很难让用户有耐心去等待和使用。

但即便如此，我还是对OpenClaw持乐观态度，依稀能感觉到有点Jarvis的雏形。这与前两年的技术概念有着本质的区别，如果用最简单的抽象来对比：

  • Function Call / Tool Use 是“瞬间的反射”： 它没有记忆，没有上下文。就像你按一下开关，灯亮了。模型伸手按了一个按钮，动作结束，一切归零。
  • MCP (Model Context Protocol) 是“通用的插座”： 它解决的是“连接”的问题。就像 USB-C 接口，让模型能插上 GitHub 的数据线，插上 Google Drive 的硬盘。但插座本身是不干活的，它只是数据的搬运工。
  • OpenClaw + Skills 是“进化的躯体”： OpenClaw 提供了一个生存环境（Runtime/OS），而 Skills 是它学会的技能（程序）。 它不再是那个飘在云端的幽灵，它落地了——它有“手脚”（CLI 工具），有“记忆”（本地文件系统/Logs），甚至有“生物钟”（Cron Job）。它是一个能在你的服务器里的智能体。

虽然文中举例的场景还很简单，也容易被杠：“邮件转日程的功能我在某书、某钉中也能实现啊”，“股票分析与定时通知这都是10多年前的技术了。”但试想把所有的能力都揉进一个属于你自己的平台，打破某书、某钉的限制，你可以完全控制它，那它的能力就能够充分发挥出来。

这也是为何前段时间豆包AI手机 犯了众怒的原因，即便各方都拿“安全合规”说事，但剥开来看，本质是厂商A的数据不想给厂商B，厂商A、B都不想把数据给模型服务商，而这些数据归根结底是用户自己的。

不过即便厂商们一百个不情愿，但在 AI Agent 时代，应用“孤岛”终将被打破。未来的入口不再是超级 App，而是像 OpenClaw 这样能调度所有 App 的 Agent。我们不再需要为了看日历打开日历App，为了看邮件打开邮件App，Agent 会成为唯一的交互界面。

折腾 OpenClaw 的过程痛并快乐着。它让我看到了从“对话机器人”向“自主智能体”进化的可能性。后续，我打算深入研究一下如何编写自定义 Skill，尝试将它接入家里的 HomeAssistant，看看能不能通过对话来管理智能家居。也会尝试探索在一些真实、较复杂的场景下，OpenClaw 的上限究竟在哪里。

最后更新于
嵌入式开发场景Vibe Coding方案探索OpenClaw折腾笔记二 -- 牛刀小试