OpenClaw 新手指南：AI 自动化从入门到精通

一、问题：想用 AI 实现多平台自动化，但不知从何入手？

你试过用 AI 接入 WhatsApp、Telegram 或 Discord，却卡在环境配置、API 密钥申请、模型对接这些环节？不是代码写不出来，而是光搞清“谁调谁”“在哪填什么”就花掉半天。

• 痛点 1：工具繁多，无从下手
  LangChain、LlamaIndex、AutoGen……每个框架文档都像教科书，但没人告诉你：哪个能直接连上 Telegram 而不改三遍配置？
• 痛点 2：部署复杂，门槛高
  本地跑大模型要 CUDA 版本对齐，调用云端 API 要处理 rate limit 和 token 过期，一个 pip install 后的报错信息比任务逻辑还长。
• 痛点 3：平台整合困难
  WhatsApp 需要 Business API 审核，Telegram 用 Bot Token，Discord 要 OAuth2 和 Gateway WebSocket——同一套意图，在三个平台得写三套胶水代码。

二、方案：OpenClaw —— 本地化、多平台、AI 驱动的自动化框架

OpenClaw 是一个开箱即用的 CLI 工具，目标很直接：让你在 10 分钟内让 AI 在 Telegram 上自动回复，在 20 分钟内把 WhatsApp 消息转成 Slack 通知，全程不碰 Docker、不配反向代理、不申请任何第三方密钥（除非你主动选）。

• 本地化部署：所有数据留在你机器上。没有账号、不传日志、不连厂商服务器。
• 跨平台支持：已内置 WhatsApp（通过 WebKit 协议）、Telegram（Bot API）、Discord（Gateway）、Slack（Events API）、LINE、飞书等 30+ 平台。新增平台只需写一个 50 行以内的适配器。
• AI 灵活调度：默认走本地 Ollama（llama3:8b），也支持 OpenAI、Anthropic、Groq、DeepSeek 的 API；本地模型路径可直接填绝对路径或 HuggingFace repo id。
• 可定制性强：YAML 定义任务流，Python 写自定义 action，插件目录放 .py 文件就能加载。
• 免 API 密钥起步：Telegram 和 Discord 可零配置启动（只读模式），WhatsApp 用官方网页版扫码登录，不依赖商业网关。

三、步骤：OpenClaw 安装、配置与使用指南

1. 环境准备

确认系统满足：

• 操作系统：Windows 10+、macOS 10.14+、Linux（Ubuntu 18.04+ / Debian 11+ / CentOS 8+）
• Python：3.7+
• 基础工具：Git、pip（Python 自带）

# 验证 Git 和 Python
git --version
python --version

不需要手动装 Git 或 Python：Windows 用户直接下 Git for Windows，macOS 用户 brew install git python，Linux 用户 apt install git python3-pip（Ubuntu/Debian）或 dnf install git python3-pip（Fedora/RHEL）。

2. 安装 OpenClaw

# 克隆仓库
git clone https://github.com/your-repo/OpenClaw.git
cd OpenClaw

# 创建并激活虚拟环境（强烈建议）
python -m venv venv
# Windows：
venv\Scripts\activate
# macOS/Linux：
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

虚拟环境不是仪式感——OpenClaw 依赖 playwright 和 ollama，和系统全局 Python 冲突概率极高。跳过这步，大概率卡在 chromium download failed。

3. 配置平台（以 Telegram 为例）

1. 打开 @BotFather，发 /newbot，按提示取名，拿到 token（形如 1234567890:ABCdefGhIJKlmNoPQRstUvwXYZ123456789）
2. 编辑 config.yaml，填入：

telegram:
  token: "1234567890:ABCdefGhIJKlmNoPQRstUvwXYZ123456789"

不用改端口、不用开 webhook、不用配域名。OpenClaw 默认轮询 Bot API，适合开发调试。生产环境再切 long polling 或 webhook。

4. 集成 AI 模型（以本地 Ollama 为例）

先确保 Ollama 已安装并运行（官网下载），然后拉取模型：

ollama pull llama3:8b

再在 config.yaml 中指定：

llm:
  provider: "ollama"
  model: "llama3:8b"
  base_url: "http://localhost:11434"  # 默认地址，不用改

如果要用 OpenAI：把 provider 改成 openai，加 api_key 和 model 字段即可。OpenClaw 不校验密钥格式，输错只会报 401，日志里一眼可见。

5. 编写自动化脚本

新建 tasks/greet.yaml：

tasks:
  - name: "Greet User"
    platform: "telegram"
    trigger:
      type: "message"
      pattern: "^hello$|^hi$"
    action:
      type: "reply"
      message: "Hello! How can I assist you today?"

pattern 支持正则，^hello$ 表示精确匹配 hello，不是包含 hello。想响应 “hey there hello world”，改成 hello（去掉 ^$）就行。

四、验证：测试你的自动化任务

# 启动 OpenClaw（会自动加载 config.yaml 和 tasks/ 下所有 YAML）
python main.py

然后：

• 打开 Telegram，找到你的 Bot
• 发送 hello
• 看它是否秒回

如果没反应：

• 检查终端有没有 Connected to Telegram Bot 日志
• 查看 logs/openclaw.log，常见错误是 token 复制漏了末尾字符，或网络被公司防火墙拦截（换手机热点试试）

五、常见问题

• Telegram 连不上

  • 复制 token 时多了一个空格（前后 trim 一下）
  • 终端报 401 Unauthorized → token 错；报 Connection refused → 本地网络问题；报 429 Too Many Requests → 别狂刷，等 1 分钟

• AI 没输出，卡在 loading

  • Ollama 没运行？执行 ollama list 看模型是否存在
  • 用 OpenAI 时 api_key 写在了 gpt: 下层？正确位置是 llm: 下的 api_key
  • 模型太大，内存爆了？换 phi3:3.8b 或 tinyllama 试试

• 任务不触发

  • platform 名字拼错了（比如写成 telgram）
  • trigger.pattern 正则语法不对（用 regex101.com 实时验证）
  • tasks/ 目录没放在项目根目录，或文件后缀不是 .yaml

六、下一步学习建议

• 改一个现有 task：把 message trigger 换成 command，试试 /status 返回当前时间
• 加一个本地 action：在 plugins/ 下写 time_reply.py，def run(context): return f"Server time: {datetime.now()}"，然后在 YAML 里 action.type: "time_reply"
• 串两个平台：写一个 task，当 Telegram 收到 @ 开头的消息，自动转发到 Discord 指定频道（需先配好 Discord 配置）
• 看源码：core/platforms/telegram.py 只有 120 行，core/llm/ollama.py 60 行——适配新平台真没那么玄乎

GitHub 仓库里有完整示例：examples/ 目录下全是可直接跑的 YAML，包括天气查询、RSS 推送、PDF 总结。遇到问题，先搜 issue，90% 的坑前人踩过。