腳本之家服務器常用軟件

快捷導航

OpenClaw：安裝與使用上的一些注意事項分享

發(fā)布時間：2026-03-03 01:49:04 作者：佚名

我要評論

在Mac mini上安裝配置OpenClaw AI助手的詳細過程，包括通過Homebrew安裝、配置模型（如MiniMax、GLM）、連接聊天渠道（WhatsApp、Telegram、Discord），后續(xù)可以參考一下

安裝

下面以這臺 Mac mini 為例說明安裝過程。

# 下載并安裝
curl -fsSL https://openclaw.ai/install.sh | bash

在我寫這篇文章的這個版本里，由于是全新機器，系統(tǒng)里還沒有安裝 Homebrew，安裝腳本會先報錯提示，并且提醒需要 sudo 權限來運行腳本。

我的做法是：先單獨安裝好 Homebrew，然后再執(zhí)行上面的安裝命令，而不是直接用 sudo 去跑 curl ... | bash。

配置

openclaw onboard --install-daemon

這條命令會啟動配置向導，在命令行界面一步步提問。你可以通過鍵盤上下方向鍵選擇，按回車確認，大部分場景跟著提示走就能完成初始配置。

如果第一次配置沒選好，也不用緊張，后面可以隨時重新配置，執(zhí)行：

openclaw configure

如果這兩種方式都改不了你想要的細節(jié)，那還有一招：手動修改配置文件：

~/.openclaw/openclaw.json

這種方式改完之后，需要重啟 OpenClaw 的守護進程，配置才會真正生效。

接下來我挑選幾個個人覺得比較關鍵的配置項展開說一下。

Models（模型）

這里我一開始選擇的是 minimax-cn/MiniMax-M2.1：先在 MiniMax CN 官網訂閱對應套餐，創(chuàng)建并復制一個 token，然后在配置向導里的輸入框里粘貼即可完成綁定。

后續(xù)我準備切到 GLM 的方案，連續(xù)包年 216 / 年，整體性價比非常不錯，尤其是中文場景下體驗更好。

可能的問題

以 MiniMax 舉例，如果我們在配置 Model 時選擇了帶 “-cn” 的型號，由于國內外模型的 API 地址并不一樣，默認配置有時還是會調用到國外的 endpoint。

這種情況下，就需要手動改一下配置文件中對應模型的配置，把 baseUrl 從 https://api.minimax.io/anthropic 修改為 https://api.minimaxi.com/anthropic。

Channels（聊天渠道）

執(zhí)行如下命令，然后依次選擇 Channel -> 你想要的聊天工具：

openclaw configure

這里我目前依次配置了三種渠道：

1. WhatsApp

這是目前最簡單也最 “接地氣” 的方式：用手機掃碼登錄，然后在終端里輸入一個配對碼確認，基本就能用了。

2. Telegram

需要先創(chuàng)建一個 bot，拿到 bot 的 token，然后再綁定上你自己的 user id（可以通過常見的輔助機器人獲?。?，之后就可以和自己的機器人單聊來驅動 OpenClaw。

3. Discord

這一種相對最復雜一些：先在 Discord 個人設置里打開「開發(fā)者模式」，然后到 discord.com/developers/application... 創(chuàng)建應用，再創(chuàng)建 Bot、配置 OAuth2 并把 Bot 加到指定服務器 / 頻道中。

官方文檔寫得比較詳細，推薦直接參考：docs.openclaw.ai/zh-CN/channels/di...

三種方式的比較

Discord 頻道天然支持會話隔離，對不同項目來說非常友好。我打算在項目開發(fā)場景下按項目創(chuàng)建不同頻道，一個頻道對應一個項目。
另外，我設置的是不 @bot 時它不會自動介入聊天，這樣平時一些項目備忘、討論記錄可以直接貼在頻道里，需要 AI 參與時再 @ 一下就好。

WhatsApp 給我的感覺人味兒更重，而且私密性更好。后面我會把它更多當成個人助理：比如提醒、通知，甚至一些需要打電話溝通前的準備。

Telegram 我嘗試過把 bot 加到群組里使用，但在我的配置下并沒有正常工作，可能和權限 / 設置有關，目前還是以和 bot 的私聊為主。

目前的使用方式

上面提到，我現在使用的是 MiniMax，后面會逐步切到 GLM。雖然國產模型整體表現已經不錯，但我目前還不打算直接讓它承擔主要的 Coding 工作，而是繼續(xù)用 Claude 來寫代碼。

不過，如果直接在 OpenClaw 里配置在線版 Claude，封號風險會比較大。所以我的做法是先在本地安裝 claude 命令行工具，然后讓 OpenClaw 去調用這個本地的 Claude，相當于通過一層本地代理來使用它。

這里就依靠 Claude 的兩個參數

-p：不進入會話，執(zhí)行完成后輸出結果
--dangerously-skip-permissions：允許所有需要確認的操作

這兩個參數結合起來，就非常適合作為 “被其它程序調用的后端執(zhí)行器” 使用，這點必須給 Claude CLI 點個贊。

有人可能會擔心 --dangerously-skip-permissions 會不會太危險。我的建議是：如果你調用的是自己寫好的、經過驗證的 Skill，絕大部分場景問題不大；但在 Skill 邏輯還不成熟、或者可能涉及刪除 / 覆蓋文件等操作時，還是要格外小心，可以優(yōu)先在測試項目里跑一遍。

在這樣的前提下，我們就可以讓機器人以一種相對安全、自動化的方式去執(zhí)行任務：

1\. 進入到 ~/WebstormProjects/projectA
2\. 執(zhí)行如下shell命令如下：
 claude -p --dangerously-skip-permissions "  使用 skill ... "
3\. 執(zhí)行完成之后總結一下任務情況
4\. 任務情況正常就提交并推送代碼

持續(xù)做的事

完善 Skill

接下來我會把日常開發(fā)中那些「經常重復、但又比較耗腦子」的流程，慢慢沉淀成一個個獨立的 Skill，比如：

新項目初始化、腳手架搭建
常見 Bug 的排查路徑
例行重構 / 代碼清理的步驟

這些東西本質上就是 “基建”：前期花點時間打牢，后面每次調用時，AI 直接沿著這條已經鋪好的路跑，效率和穩(wěn)定性都會高很多。
同時，我也會在實際使用后不斷回寫經驗：每當某個 Skill 出錯或者不夠好用，就在對應的 md 里補充一兩句說明，久而久之它就會變成一套越來越貼合自己工作方式的「AI 工作手冊」。

使用更多 OpenClaw 功能

另一方面，我也會在不打擾現有業(yè)務節(jié)奏的前提下，逐步嘗試更多 OpenClaw 的能力，比如：

在更多項目里接入不同的 Channel，看看哪種溝通方式最自然
嘗試讓它參與到代碼評審、任務拆分、文檔梳理等不同環(huán)節(jié)
把一些和業(yè)務強相關的流程拆分出來，看看能否做成專門的 Skill 組合

目標不是「為了用功能而用功能」，而是結合手頭正在做的項目，一步一步地把這些能力自然地嵌到工作流里。
后續(xù)如果有比較成熟的實踐，我也會再寫幾篇更聚焦的文章，把具體案例、配置細節(jié)和踩坑記錄分享出來。

體會

OpenClaw + Skill 這種組合，我目前有幾點體會：

token 消耗

如果只靠一句話需求，頻繁讓 AI 去讀取整個項目，token 消耗會非常驚人，長期看其實并不太可持續(xù)。
而 Skill 不一樣，它是一條相對固定的 “邏輯鏈”，從輸入、處理到參考結果、模版都可以復用，整體在 token 和時間上的消耗都會更可控。

可迭代性

以前我們可能習慣把 prompt 零散地放在各種筆記軟件里，不好管理版本?，F在可以把每個 Skill 獨立成一個 md 文件，直接放在項目里管理。
每次執(zhí)行出錯時，還可以順手讓 AI 幫忙把這次的經驗補充到對應的 skill.md 中，就像在持續(xù)更新 claude.md 這種知識庫一樣。