手把手教你用 OpenClaw 搭建私有化 AI 助手：从源码编译到跨平台自动化

这篇文章解决什么问题？

你有没有想过，如果能有一个 AI 助手，同时帮你处理 WhatsApp 的客户消息、Telegram 的群组通知、Discord 的社区管理，甚至自动回复邮件——而且所有数据都跑在你自己的机器上，不经过任何第三方服务器？

OpenClaw 就是干这个的。这个 GitHub 上拿了 150K+ 星标的开源项目，本质上是一个可自托管的 AI 网关：它把 Claude、GPT、本地模型（比如 Ollama 跑的 Llama）统一接入，然后通过各种平台的 API 把 AI 能力分发出去。你可以把它理解成一个"AI 总机"，所有平台的消息进来，经过你选的模型处理，再把回复送回去。

为什么不用现成的 SaaS 服务？三个原因：数据隐私（客户聊天记录不外泄）、成本控制（本地模型零 API 费用）、灵活定制（想接什么平台接什么平台）。

环境准备

开始之前，确认你的机器满足这些条件：

先检查 Node.js 版本：

node --version
# 需要 v18.0.0 或更高

如果没装或者版本太低，用 nvm 装一个：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 20
nvm use 20

为什么要用 nvm 而不是 apt 装 Node？ 因为系统包管理器里的 Node 版本通常很旧，而且 nvm 可以让你在同一台机器上切换多个 Node 版本，后续维护方便很多。

再装 pnpm（OpenClaw 用它管理依赖）：

npm install -g pnpm

从源码编译部署

第一步：克隆仓库

git clone https://github.com/openclaw/openclaw.git
cd openclaw

第二步：安装依赖并构建

pnpm install
pnpm build

pnpm install 会读取 package.json，把所有依赖下载到本地。pnpm build 则是把 TypeScript 源码编译成 JavaScript，输出到 dist/ 目录。

为什么要从源码编译而不是直接用 Docker？ 两个好处：一是你可以修改源码定制功能（比如加个自定义平台），二是调试时可以直接看源码定位问题。当然，如果你只是想快速跑起来，项目也提供了 Docker 方式：

docker compose up -d

第三步：初始化配置

cp .env.example .env

打开 .env 文件，核心配置项长这样：

# AI 模型配置（至少配一个）
OPENAI_API_KEY=sk-xxx          # OpenAI / GPT
ANTHROPIC_API_KEY=sk-ant-xxx   # Claude
OLLAMA_BASE_URL=http://localhost:11434  # 本地模型

# 平台配置（按需开启）
WHATSAPP_ENABLED=true
TELEGRAM_BOT_TOKEN=your-telegram-token
DISCORD_BOT_TOKEN=your-discord-token

# 服务端口
PORT=3000

为什么要在 .env 里配而不是直接改代码？ 因为 .env 文件会被 .gitignore 忽略，不会意外提交到仓库泄露你的 API Key。这是行业标准做法。

第四步：启动服务

pnpm start

看到这行输出说明启动成功：

🦞 OpenClaw is running on http://localhost:3000
✅ Connected platforms: WhatsApp, Telegram
✅ Active model: Claude 3.5 Sonnet

连接第一个平台：以 Telegram 为例

Telegram 是最容易上手的平台，5 分钟就能跑通。

1. 创建 Telegram Bot

打开 Telegram，搜索 @BotFather，发送：

/newbot

按提示输入名字和用户名，BotFather 会给你一个 Token，类似：

7123456789:AAHxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

2. 把 Token 写入配置

TELEGRAM_BOT_TOKEN=7123456789:AAHxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
TELEGRAM_ENABLED=true

3. 重启服务

pnpm start

4. 验证

在 Telegram 里找到你的 Bot，发一条消息："你好，介绍一下你自己"。几秒后你应该收到 AI 回复。

为什么选 Telegram 做第一个？ 因为 Telegram Bot API 是所有主流平台里最开放、限制最少的。不像 WhatsApp 需要企业认证，也不像微信有严格的反自动化机制。先在这里跑通，再接其他平台就有信心了。

接入更多平台

OpenClaw 支持 30+ 平台，配置方式大同小异。几个常用的：

以 Discord 为例，核心步骤：

DISCORD_BOT_TOKEN=your-token-here
DISCORD_ENABLED=true

然后去 Discord Developer Portal 创建应用，开启 Message Content Intent，邀请 Bot 进服务器。重启 OpenClaw 就搞定了。

切换 AI 模型

OpenClaw 的架构允许你灵活切换模型，甚至针对不同平台用不同模型：

# 全局默认模型
DEFAULT_MODEL=claude-3.5-sonnet

# Telegram 用便宜的 GPT-4o-mini
TELEGRAM_MODEL=gpt-4o-mini

# WhatsApp 用本地模型省钱
WHATSAPP_MODEL=ollama/llama3.1

为什么要分平台配模型？ 因为不同场景对质量的要求不一样。客服消息需要准确，用 Claude；群聊闲聊用便宜的 GPT-4o-mini 就够了；内部测试跑本地模型零成本。

如果要用本地模型，先用 Ollama 拉一个：

ollama pull llama3.1
ollama serve

确保 Ollama 在 http://localhost:11434 跑着，OpenClaw 就能自动调用。

实际使用场景

场景一：跨境电商客服自动化

把 OpenClaw 接上 WhatsApp Business API，设置系统提示词：

你是一个专业的电子产品客服，回复要简洁友好。
如果客户问价格，回复最新的价格表。
如果客户要退货，引导他们填写退货表单。

效果：客户发消息问"这个耳机多少钱？"，AI 自动回复价格和购买链接，24 小时不间断。

场景二：社群运营助手

接上 Discord + Telegram，让 AI 自动回答新人常见问题，过滤垃圾消息，每天发一条社区日报。

场景三：个人效率工具

接上邮件，让 AI 自动分类收件箱，把重要邮件摘要发到你的 Telegram。

常见问题

Q: 启动报错 EADDRINUSE 怎么办？

端口被占了，换个端口：

PORT=3001

或者杀掉占用进程：

lsof -i :3000
kill -9 <PID>

Q: WhatsApp 连不上？

WhatsApp Business API 需要 Meta 审核，个人号直接用会被封。建议先用 Telegram 测试，确认流程跑通再搞 WhatsApp。

Q: 本地模型回复很慢？

检查 GPU 是否被识别：

nvidia-smi

如果没 GPU，CPU 跑 7B 模型大概 5-10 秒一条回复，属于正常现象。可以换更小的模型（如 llama3.1:8b → phi3:mini）。

Q: 多个平台消息会串吗？

不会。OpenClaw 用 conversation_id 隔离每个会话，平台之间互不干扰。

下一步学什么？

1. 自定义 Prompt 模板：在 prompts/ 目录下创建不同场景的提示词文件
2. 接入更多模型：试试 DeepSeek、Qwen 等国产模型，性价比很高
3. 搭建工作流：结合 Dify 或 Coze，让 AI 不只是聊天，还能调用 API、查数据库
4. 加入社区：OpenClaw 的 GitHub Discussions 里有很多实战案例

相关教程推荐：

• Dify 工作流搭建入门
• Ollama 本地模型部署指南
• MCP 协议配置详解

有问题欢迎在评论区留言，或者加入龙虾社区交流群一起讨论。