OpenClaw 101 新手入门完全指南

原文来源：RoboRhythms 翻译整理：OpenClaw

目录

1. OpenClaw 是什么？为什么一开始会困惑？

2. 安装前的规划

3. 安全安装 OpenClaw

4. 选择合适的模型而不烧钱

5. 正确入门：从零到可用助手

6. 内存管理：停止遗忘或假装

7. 定时任务和子代理：让自动化真正运行

8. 安全基础：避免设置成为负担

9. 可直接复制的实际工作流

10. 从新手到高级而不搞砸一切

1. OpenClaw 是什么？为什么一开始会困惑？

OpenClaw 不是聊天机器人。把它当作聊天机器人是最快的沮丧方式。

普通的聊天机器人（如 ChatGPT）只存在于当下。你发送一条消息，它回复，大部分过程是不可见的。

OpenClaw 更像一个长期运行的系统，恰好能与你对话。它保存文件、运行后台任务、调度任务、调用外部服务，并决定何时遗忘某些事情——除非你另有指示。

把 OpenClaw 想象成一个协调者。它本身不做思考，而是根据你的问题将思考路由到不同的模型、工具和技能。

当路由模糊或配置错误时，它看起来像是在撒谎、懒惰或坏掉了。实际上，它通常是按照被告知的去做了，只是那不是你的本意。

三个核心规则

在开始安装之前，记住这三条规则：

1. OpenClaw 协调工作；它不会神奇地执行工作

2. 模型必须根据任务类型刻意选择

3. 内存不会自动管理，除非你设计它

2. 安装前的规划

大多数安装问题不是操作系统问题，而是规划问题，后来才以 bug 的形式显现。

2.1 决定 OpenClaw 的运行环境

OpenClaw 最好一直在线。笔记本电脑随机睡眠或关机不太理想。小型常开机器是理想选择。

适合新手的选项：

• 16GB RAM 的迷你电脑

• VPS（如果你想在学习时使用可丢弃的环境）

• 一直开机的台式机

Windows、Linux 和 macOS 都可以工作。选择你最熟悉的环境。

2.2 决定如何与 Clawdbot 对话

消息不只是便利层，它成为你的控制层。

在安装前，选择一个主要渠道并坚持使用：

• Web 界面

• 消息应用集成（如 WhatsApp、Telegram、Slack、Discord）

• 仅终端

过早使用多个渠道会造成上下文分裂和重复指令。

2.3 接受云模型是起点

运行本地模型看起来很吸引人（尤其是出于隐私或成本考虑）。但对于新手来说，它增加了摩擦而没有教核心概念。

云模型可以消除几个变量：

• 上下文限制更大

• 工具调用更可靠

• 错误更容易诊断

本地模型可以以后再学，等你理解了内存、路由和技能之后。

2.4 在配置之前分离"大脑"和"肌肉"

• 大脑模型：处理推理、规划和人格

• 肌肉模型：处理特定任务如编码、搜索或转录

用一个昂贵的模型做所有事情会浪费金钱并造成脆弱行为。

2.5 写下你希望 OpenClaw 为你做什么

用直白的语言，不是技术术语。

例子：

• "查看我的邮件并起草回复"

• "每天早上准备一份简报"

• "跨项目跟踪任务并标记障碍"

避免模糊的目标如"做我的助手"。当职责明确时，OpenClaw 表现最好。

3. 安全安装 OpenClaw

本节故意保守。目标不是聪明的设置，而是可靠的工作设置。

3.1 安装前提条件

确保以下已安装并正常工作：

• Python（已在系统路径中）

• Git（可从终端使用）

• 足够的磁盘空间用于日志、markdown 文件和内存

3.2 安装一次且仅一次

按照操作系统的官方步骤安装。让安装完全完成。不要自定义任何东西。没有模型交换。没有内存调整。没有添加技能。

安装后做一个简单测试：

• 发送一条普通消息

• 收到一条普通回复

如果可行，停止。一个响应机器人意味着核心系统是活的。

许多新手因为机器人还不能构建文件而反复重装。在这个阶段，这是预期的。你还没有给它工具、权限或路由。

3.3 选择一个界面并忽略其余

选择一个主要的界面：

• Web 控制台

• 消息应用集成

• 终端交互

只使用那一个。早期的界面混合会造成冲突指令和重复入门。

3.4 暂时不要开始入门

直觉是立即描述你的个性、偏好和工作流程。这稍后再做。系统仍然缺少适当的大脑模型和路由逻辑。

用错误的模型入门会导致平淡的行为，很难撤销。

此时你唯一的目标是稳定性。一旦你能可靠地发送消息并收到回复，安装就完成了。

4. 选择合适的模型而不烧钱

本节决定 OpenClaw 感觉是敏锐的还是令人失望的。

4.1 理解大脑和肌肉的分离

OpenClaw 不思考，模型思考。

• 大脑模型：推理、计划和保持人格

• 肌肉模型：执行狭窄的任务

试图用一个模型做所有事情会导致糟糕的结果和更高的成本。

4.2 使用强大的大脑模型进行设置和入门

对于初始设置，没有什么比 Claude Opus 更好的了。

是的，它更贵。但成本是暂时的，而且是值得的。

使用 Opus 进行：

• 初始入门

• 个性定义

• 内存结构设计

• 工作流程规划

在这阶段预期一次性花费。这笔投资为后续定下基调。

4.3 日常使用切换到更便宜的头脑

一旦入门完成，将主要大脑切换到 Kimi 2.5。

Kimi 在一般推理方面表现良好，成本只是高级模型的一小部分。

4.4 为特定任务分配肌肉模型

现在添加 specialists（专家）：

• DeepSeek Coder：用于脚本和文件生成

• OpenAI Whisper：用于语音转录

这些模型不应该处理规划或对话。它们的存在是在被调用时做好一件事。

4.5 目前避免本地模型

本地模型引入几个隐藏问题：

• 更小的上下文窗口

• 响应速度更慢

• 工具调用失败

• 输出结构化命令而不是自然语言

这些问题让新手看起来像逻辑 bug。其实不是。它们是限制。

5. 正确入门：从零到可用助手

入门是 OpenClaw 中最重要的步骤。做得不好会创造以后看起来像 bug 的问题。

5.1 切换回你最强大脑模型

在开始入门之前，确认你的大脑模型设置为 Claude Opus。

用较弱的模型入门会锁定关于你的浅层假设。这些假设会持续存在于内存中并影响以后的每个回复。

5.2 将入门视为结构化数据收集

不要写一段关于你自己的长段落并希望它有效。

相反，指示你的 Clawdbot 采访你。

让它运行一个深入的、多阶段的问答，涵盖：

• 工作习惯和日程

• 你已经使用的工具

• 个人兴趣和界限

• 沟通风格偏好

• 什么想要自动化，什么必须保持手动

诚实地详细回答。这不是闲聊。这是记忆的基础层。

5.3 用直白语言定义职责

问答完成后，明确告诉机器人它的职责。

清晰的职责声明示例：

• "监控邮件，只总结重要的"

• "起草回复，但未经批准绝不发送"

• "在固定时间准备每日简报"

避免模糊的指令。没有结构，OpenClaw 不会很好地推断意图。

5.4 将入门内容锁定到内存

入门完成后，指示机器人：

• 总结它学到的

• 重复给你听

• 请求纠正

• 将最终版本提交到内存

这一步尽早发现误解。如果摘要听起来不对，立即修复。以后的内存纠正更难。

5.5 入门完成后停止

许多人永远继续入门。

重复的个性编辑、新的偏好和每天改变语气会造成漂移。一旦基础感觉正确，停止。

6. 内存管理：停止遗忘或假装

内存问题是 OpenClaw 最被误解的部分。

中途遗忘不是随机的。它遵循规则。

6.1 理解为什么遗忘发生

OpenClaw 自动压缩内存。当上下文变得太大，它会压缩旧信息以腾出空间。

与警告你丢失上下文的聊天机器人不同，OpenClaw 静默地做。那种沉默感觉像机器人在忽视你或谎报完成的工作。

它两者都不是。它只是丢失了上下文。

6.2 启用更安全的内存行为

在创建工作流程或代理之前，配置内存在压缩前刷新，并搜索内存和会话上下文。

这减少了长时间设置对话中的意外丢失。

启用后，重新启动会话以使更改生效。

6.3 有意使用压缩

压缩不是错误。在解释任何长或复杂的任务之前：

• 运行压缩命令

• 确认机器人承认干净的上下文

• 然后开始指令

这确保任务设置从全注意力开始。

6.4 每设置后故意提交内存

定义工作流程后，不要假设它被记住了。

明确指示机器人：

• 将工作流程提交到内存

• 重复保存的版本

• 确认准确

这一步防止指令的静默损坏。

6.5 分离工作内存和长期内存

使用 markdown 文件进行快速参考和结构。 使用长期内存存储决策、工作流程和偏好。

像对待文档一样对待内存。如果你不信任未文档化的东西，不要信任未存储的。

6.6 添加定期内存审计

设置一个重复任务：

• 审查保存的内存

• 总结活动工作流程

• 标记矛盾或过时的指令

这防止随时间的缓慢衰减。

7. 定时任务和子代理：让自动化真正运行

自动化是 OpenClaw 闪耀或 quietly失望的地方。大多数失败不会抛出错误。它们只是什么都不做。

7.1 理解为什么定时任务静默失败

OpenClaw 中的定时任务不聪明。它们按计划运行并执行给它们的任何上下文。

长推理链、API 调用或多步工作流程通常超出时间限制或上下文限制。当发生这种情况时，任务退出而没有明确的消息。

这就是为什么新手报告定时任务手动触发时工作正常，但按计时器失败。

7.2 停止将逻辑直接放入心跳任务

心跳不是繁重工作的地方。

使用它只触发动作，而不是执行它们。

心跳任务应该做一件事：

• 生成一个任务

• 调用一个子代理

• 干净地退出

任何更多都会招致超时。

7.3 为每个重复任务创建子代理

子代理是一个专注于单一责任的工人。

例子：

• 邮件扫描代理

• 每日简报代理

• 备份验证代理

每个子代理应该：

• 有狭窄的目标

• 只使用它需要的模型

• 独立于你的主要聊天运行

这隔离了失败。如果一个代理崩溃，其余的继续工作。

7.4 结构化定时任务以生成子代理

你的 cron 逻辑应该像这样：

• 心跳触发

• 子代理开始

• 子代理完成工作

• 结果存储或报告

这种模式避免超时并保持日志可读。

7.5 手动测试每个定时任务

永远不要信任一个没有手动运行过的定时任务。

在调度之前：

• 手动触发子代理

• 确认输出存在

• 确认内存更新正确

然后才添加调度。

7.6 记录你期望依赖的一切

如果一个任务重要，它应该留下证据。

例子：

• Markdown 摘要

• 状态日志

• 内存确认

如果没有产生任何有形的东西，即使机器人声称成功，也假定任务失败了。

8. 安全基础：避免设置成为负担

一旦 OpenClaw 可以代表你行事，安全就不是可选的。

8.1 将 API 密钥移出配置文件

永远不要将 API 密钥直接存储在主配置文件中。

使用环境变量或专用密钥文件。如果文件被复制、记录或备份，这限制损害。

8.2 定期轮换密钥

密钥泄露很安静。

按固定周期轮换重要密钥，例如每 30 天。将其纳入你的routine。不要等到出问题。

8.3 默认限制机器人的能力

狭窄地给予权限。

例子：

• 起草邮件但不发送

• 读取文件但需要批准才能修改

• 建议操作但需要确认

信任是通过行为赢得的，不是通过配置。

8.4 验证任何外部输入

任何离开你的系统的东西都应该被检查。

这包括：

• 邮件

• API 调用

• 文件上传

为不可逆的操作添加确认步骤。

8.5 加密内存和备份

内存文件按设计包含敏感信息。

使用原生操作系统加密或文件系统加密，这样如果被复制，原始文件不可读。

8.6 只使用安全的远程访问

避免不必要地暴露端口。

私有网络工具比开放的远程桌面端口更安全。这在不牺牲便利性的情况下减少攻击面。

8.7 定期审计

每周一次，审查：

• 活动的 API 密钥

• 调度的任务

• 内存内容

如果有什么看起来不认识，立即调查。

9. 可直接复制的实际工作流

工作流 1：邮件扫描和回复起草

这是最安全的起点，因为错误是可见的和可逆的。

目标 查看多个收件箱，浮现重要的，起草回复，永不自动发送。

如何结构化

1. 创建专用邮件子代理

2. 只授予读取权限

3. 定义什么算重要

4. 先总结，后起草

5. 发送前需要批准

工作流 2：真正有用的每日简报

大多数每日简报失败是因为做得太多。

目标 交付一个简短、可预测的当天快照。

如何结构化

1. 创建简报子代理

2. 固定运行时间

3. 从任务、日历和优先级中拉取

4. 保持输出长度有上限

5. 存储完成状态

工作流 3：任务监控而不微观管理

OpenClaw 作为观察者最好，而不是管理者。

目标 发现延迟和障碍而不不断催促你。

如何结构化

1. 通过一个来源连接任务数据

2. 标记受阻或等待的任务

3. 忽略等待外部输入的任务

4. 只报告变化

工作流 4：轻量级研究和摘要

通过自动化的网页浏览很脆弱。基于搜索的检索不是。

目标 拉取信息并清晰地总结。

如何结构化

1. 使用搜索 API 而不是浏览器自动化

2. 要求带来源的摘要

3. 只存储最终要点

工作流 5：基本脚本和文件生成

这在适当范围内工作时很好。

目标 生成你可以检查的小脚本或文件。

如何结构化

1. 使用编码专用模型

2. 输出要求文件路径

3. 创建后验证文件存在

4. 存储成功的模式

10. 从新手到高级而不搞砸一切

最常见的高级错误是太快添加复杂性。

10.1 一次只改变一个变量

新模型、新工作流程或新内存规则。从不三个一起。

这使失败可诊断而不是神秘。

10.2 将 markdown 文件视为真相来源

如果指令只存在于聊天中，它们会漂移。

文档：

• 代理职责

• 内存规则

• Cron 行为

如果东西坏了，文件使回滚成为可能。

10.3 将清理计划为真正的工作

高级设置因疏漏而不是雄心失败。

定期清理应包括：

• 移除未使用的代理

• 合并重复指令

• 归档死工作流程

这保持行为在数月内稳定。

10.4 只在必要时重新入门

重新入门是昂贵的。

只有当：

• 你的角色改变

• 你的工作流程实质性改变

• 机器人的假设明显错误

小的偏好变化不应触发重置。

10.5 最后添加本地模型

本地模型在以下情况下才有意义：

• 理解上下文限制

• 理解工具调用行为

• 理解内存压缩

为特定任务添加它们，而不是作为一切的替代。

10.6 追求无聊的可靠性

好的 OpenClaw 设置不令人兴奋。它：

• 做它说的

• 留下证据

• 明显失败

• 缓慢改进

这种可靠性是以后高级自动化的原因。

本文档由 OpenClaw 自动翻译整理