《龙虾新手指南：OpenClaw入门教程》

一、什么是OpenClaw？

OpenClaw 是一个开源的本地 AI 自动化框架。它不依赖云服务，所有任务都在你自己的设备上运行。支持 WhatsApp、Telegram、Discord、Twitter、Slack、Instagram 等 30+ 平台，能自动完成消息回复、内容发布、数据抓取等操作。

它不是玩具项目。你可以把 OpenClaw 嵌入现有工作流，用它调度 Claude、GPT 系列 API，也能直接接入本地模型（比如 Llama 3、Phi-3、Qwen2），做文本生成、分类、摘要或结构化提取。

二、为什么用 OpenClaw？

本地运行，数据不出设备

• 所有输入、中间状态、输出都保留在本地。聊天记录、截图、文件不会上传。
• 断网时照常工作——适合内网环境、敏感场景或旅行途中。
• 直接调用 GPU/CPU，没有网络延迟和 API 配额限制。大模型推理、OCR、截图识别都能压到本地跑。

跨平台任务统一编排

它把不同平台抽象成一致的操作接口：

• 即时通讯：WhatsApp（通过 Twilio）、Telegram Bot API、Discord Gateway
• 社交平台：Twitter v2 API、Mastodon、Reddit（PRAW）
• 协作工具：Slack Events API、Microsoft Graph（Teams）

典型用法：

• 在 Telegram 收到“订单查询”，自动查数据库并回传结果
• 每小时从 Discord 和 Slack 抓取带 #bug 标签的消息，汇总进 Notion 表格
• 同步发布图文到 Twitter、Mastodon 和 Bluesky（自动适配字数/附件格式）

模型可插拔，按需切换

OpenClaw 不绑定任何模型。你在配置里声明能力需求，框架自动路由：

models:
  default: "llama3-8b-instruct"
  fallback: "gpt-4o-mini"
  models:
    llama3-8b-instruct:
      type: "llm"
      backend: "llama.cpp"
      path: "./models/llama3.Q4_K_M.gguf"
      n_gpu_layers: 40
    gpt-4o-mini:
      type: "api"
      provider: "openai"
      api_key: "${OPENAI_API_KEY}"

实际使用中：

• 用本地 Llama 3 处理日常对话、日志摘要（零成本、低延迟）
• 遇到复杂推理或代码生成失败时，自动降级到 GPT-4o-mini（靠 fallback 规则）
• 用微调过的 Phi-3 做客服工单分类（加载 .gguf 即可，不用改代码）

三、安装与配置

环境要求

• OS：Windows 10+、macOS 12+、主流 Linux 发行版（Ubuntu 22.04、Debian 12）
• Python：3.9–3.12（推荐 3.11）
• Git：用于拉取代码

💡 提示：Windows 用户建议开启 WSL2；macOS M 系列芯片用户优先用 llama.cpp + Metal 后端。

安装步骤

1. 克隆代码库

git clone https://github.com/your-repo/OpenClaw.git
cd OpenClaw

2. 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

3. 安装依赖

pip install --upgrade pip
pip install -r requirements.txt

部分平台需要额外依赖（如 WhatsApp 用 Twilio）：

pip install twilio  # 如果要用 WhatsApp
pip install python-telegram-bot  # Telegram

4. 配置模型

编辑 config.yaml，填入你的模型凭证和路径：

models:
  default: "llama3-8b-instruct"
  models:
    llama3-8b-instruct:
      type: "llm"
      backend: "llama.cpp"
      path: "./models/llama3.Q4_K_M.gguf"
    claude-3-haiku:
      type: "api"
      provider: "anthropic"
      api_key: "sk-ant-api03-..."

✅ 注意：API 密钥不要硬编码。用环境变量更安全：

api_key: "${ANTHROPIC_API_KEY}"

然后启动前执行 export ANTHROPIC_API_KEY=...

5. 配置平台连接

修改 platforms.yaml，只填你实际用的平台：

platforms:
  telegram:
    token: "${TELEGRAM_BOT_TOKEN}"
  discord:
    token: "${DISCORD_BOT_TOKEN}"
    intents: ["message_content", "guild_messages"]

🔑 获取方式：

• Telegram：@BotFather 创建 bot，拿到 token
• Discord：Discord Developer Portal → Application → Bot → Token
• WhatsApp：Twilio 控制台 → Account SID + Auth Token

6. 启动

python main.py

首次运行会自动下载默认模型（可选），之后直接进入监听状态。

四、动手写两个例子

示例 1：Telegram 关键词自动回复

在 skills/telegram_reply.py 中写：

from openclaw import OpenClaw

oc = OpenClaw()

@oc.on_message("telegram")
def handle_hello(message):
    if "hello" in message.text.lower():
        return "Hello! Try `/help` for commands."
    elif message.text.startswith("/help"):
        return (
            "Available commands:\n"
            "/status — show running tasks\n"
            "/ping — test bot responsiveness"
        )

保存后重启 main.py，发 /help 到你的 bot 就能看到响应。

示例 2：定时抓取 Twitter 热门话题

新建 skills/twitter_trends.py：

from openclaw import OpenClaw

oc = OpenClaw()

@oc.on_interval("twitter", interval=300)  # 每 5 分钟执行一次
def fetch_trends():
    trends = oc.get_trends(woeid=1)  # 全球趋势
    top_3 = trends[:3]
    for i, t in enumerate(top_3, 1):
        print(f"{i}. {t.name} ({t.tweet_volume or 'low volume'})")

⚠️ 注意：Twitter v2 API 需要申请 Academic Research 访问权限，并在 config.yaml 中配置 bearer_token。

五、排障清单

六、下一步怎么走？

• 把 skills/ 下的示例改成你的真实需求：比如自动归档邮件附件、同步飞书多维表格到本地 SQLite
• 读 examples/ 目录里的完整工作流（含错误重试、限流、日志埋点）
• 在 GitHub Issues 里搜 good first issue，提 PR 修一个小 bug 或加一个平台适配器

七、资源链接

• OpenClaw GitHub 仓库
• 配置项完整说明（config.yaml）
• 各平台接入指南（含截图和权限开关位置）
• 本地模型量化与部署小抄（.gguf 下载 + llama.cpp 参数）