OpenClaw 入门：5分钟跑通你的第一个模块化AI工作流

你写过用 ChatGPT 调天气 API 的脚本，也写过用 Claude 总结会议纪要的脚本——但它们彼此独立，逻辑重复，换模型就得改三处代码。想复用 Prompt、工具、状态？想让不同任务自动选最合适的模型（比如简单问答用 Qwen3，复杂推理切 Claude-3.5）？传统脚本做不到。

OpenClaw 就是为这事造的：它不帮你写 AI，而是帮你“组装 AI”。像搭乐高一样，把 LLM、工具、状态、路由规则拼成可复用的模块。核心就两点：

• 消息路由：一条请求进来，自动决定“该谁处理”（比如带 @weather 标签走天气插件，含 summarize 关键词走摘要流）
• 插件化扩展：换模型？只改 1 行配置；加新工具？写个 Python 函数注册进去；存用户对话历史？用内置状态管理器，不用自己搞 Redis

下面带你本地跑通一个真实 Demo：HTTP 请求触发 → 自动路由 → 用 Ollama 本地模型生成文案 + 调用自定义时间工具 → 返回结构化结果。

步骤 1：一键启动 OpenClaw（Docker）

# 拉取官方镜像（已预装 Ollama 和基础插件）
docker run -d \
  --name openclaw \
  -p 8000:8000 \
  -v $(pwd)/config:/app/config \
  -v $(pwd)/plugins:/app/plugins \
  --gpus all \
  ghcr.io/openclaw/openclaw:latest

✅ 这步关键在哪？
OpenClaw 官方镜像已集成 Ollama（不用单独装）、内置 HTTP 服务、热重载机制。-v 挂载目录是为了后续放你自己的插件和配置——不是必须，但留着方便下一步扩展。

步骤 2：写一个超简插件（获取当前时间）

在 plugins/time_tool.py 中创建：

from openclaw import Tool

class TimeTool(Tool):
    name = "get_current_time"
    description = "Returns current time in ISO format"

    def execute(self, **kwargs):
        from datetime import datetime
        return {"time": datetime.now().isoformat()}

✅ 为什么叫“插件”？
它被 OpenClaw 自动发现（只要放在 plugins/ 目录下），无需修改框架源码。execute() 返回字典，会被自动注入到 LLM 上下文里——你后面写 Prompt 时直接写 {time} 就能用。

步骤 3：配置路由规则（让不同请求走不同流程）

新建 config/routing.yaml：

routes:
  - pattern: ".*time.*"  # 匹配含"time"的请求
    workflow: "time_flow"
  - pattern: ".*write.*" # 匹配含"write"的请求
    workflow: "llm_flow"
workflows:
  time_flow:
    steps:
      - tool: get_current_time
  llm_flow:
    steps:
      - llm: ollama/qwen3:latest  # 自动调用本地 Ollama 的 Qwen3
        prompt: "用中文写一句关于{{input}}的广告语，不超过10个字"

✅ 路由比 if-else 强在哪？
规则存在 YAML 里，运维改需求不用动 Python 代码；支持正则匹配、权重分流、fallback 备用流——比如 ollama/qwen3 加载失败时，自动切到 ollama/phi4。

步骤 4：发请求验证

# 触发时间插件
curl -X POST http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"input": "现在几点？"}'

# 触发文案生成（自动调用 Qwen3）
curl -X POST http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"input": "写一个咖啡广告语"}'

✅ 返回效果示例：

{"output": "现在是2024-06-12T14:23:05.123456", "workflow": "time_flow"}
{"output": "香醇唤醒每一天", "workflow": "llm_flow"}

👉 Binance · OKX · Gate.io · HTX · Bitget

常见问题

Q：Ollama 没装，能跑吗？
A：能！镜像自带 Ollama，但需确保你的机器有 GPU（或删掉 --gpus all 启动 CPU 版）。首次运行会自动拉取 qwen3:latest。

Q：怎么换 Claude 或 GPT？
A：只需改 routing.yaml 里的 llm: 行：

llm: anthropic/claude-3-5-sonnet-20240620  # 需提前配置 ANTHROPIC_API_KEY 环境变量

Q：状态怎么保存？比如记住用户上次问了什么？
A：在 llm_flow 步骤里加一行：

steps:
  - state: memory  # 自动存最近3轮对话
  - llm: ollama/qwen3:latest
    prompt: "基于历史对话{{state.memory}}，回答{{input}}"

下一步建议

• ✅ 立刻动手：把上面 Demo 的 time_tool.py 改成调用你自己的 API（比如豆瓣电影搜索），替换 routing.yaml 里的 pattern，30 分钟就能做出专属工作流。
• 📚 深入学习：
  OpenClaw 插件开发指南：从天气工具到数据库查询
  实战：用 OpenClaw + Dify 构建客服自动应答系统
  零代码配置：用 Web UI 可视化编排多模型路由

OpenClaw 不是另一个大模型，它是你手里的“AI流水线控制器”。写一次插件，所有工作流都能复用；配一套路由，上百个业务场景自动分流。现在就去 plugins/ 目录下，新建你的第一个 .py 文件吧。