Posts

在当今技术浪潮中，AI编程已从前沿概念转变为改变开发者工作方式的强大工具。作为一名在互联网行业摸爬滚打十余年的资深开发者，我亲身体验了从手写代码到AI辅助编程的转变，其效率提升令人印象深刻。AI不仅能显著缩短工作所需时间，也为探索创新项目提供了更多空间。 今天，我将向大家推荐一个近期在GitHub Trending上持续霸榜、星标增速迅猛的Agent Skill——Superpowers。它并非一个独立的AI编程工具，而是一套专为增强现有AI编程Agent（如Claude、Codex、Cursor等）软件工程能力的“加强包”。 Superpowers概览：一套严谨的AI工程流程 Superpowers并非单一技能，而是一个由14个独立技能组成的集合。它将传统软件开发的完整生命周期——从需求调研、设计方案、代码编写、调试、测试、代码评审到生产部署——提炼成一系列可供AI使用的技能。其核心价值在于，它不仅仅关注“如何写代码”，更反复强调在软件开发的每一个阶段都必须遵循工程化的原则。 我们常常发现，AI编程助手容易出现以下问题： 为了追求速度而跳过关键步骤：例如，不写测试就直接修改大量代码，然后声称“搞定”。 为了自圆其说而编造结果：命令可能未运行，日志可能未查看，就武断地宣称任务完成。 Superpowers的精髓在于，它通过一套“流程护栏”机制，强制AI堵住这些“偷懒”的路径，引导它回归到人类成熟团队中可靠的交付方式。它将不稳定的“聪明”转化为可复用的“流程”，为AI加上了一套“交付纪律”。 Superpowers核心技能一览 为了更直观地理解Superpowers如何运作，我将这14个技能的触发时机、核心功能和关键原则进行了梳理，并以表格形式呈现： 技能名称 触发时机 核心功能 关键原则 using-superpowers 任何对话开始时 技能系统入门，指导AI在行动前检查适用技能。 用户指令 > 技能 > 默认系统提示 brainstorming 任何创造性工作之前 通过苏格拉底式对话将想法转化为设计和规格。 先设计再编码；展示设计并获批准后才能实现。 using-git-worktrees 开始功能开发或执行计划前 创建隔离的Git工作树，设置依赖，验证测试基线。 系统化目录选择 + 安全验证 = 可靠隔离。 writing-plans 有多步骤任务规格时，接触代码前 编写详细实现计划，包含精确文件路径、代码、验证步骤。 每个任务2-5分钟；DRY、YAGNI、TDD、频繁提交。 subagent-driven-development 在当前会话执行实现计划时 为每个任务派遣新子代理，进行两阶段评审（先规格后质量）。 新子代理/任务 + 两阶段评审 = 高质量、快速迭代。 executing-plans 有书面计划需在单独会话执行时 加载计划、批判性评审、执行所有任务、完成时报告。 严格按计划步骤执行，验证前不跳过。 dispatching-parallel-agents 面对2个及以上独立任务时 为每个独立问题域派遣一个代理，并发工作。 一个代理/独立问题域，让它们并发工作。 test-driven-development (TDD) 实现任何功能或Bug修复时 红-绿-重构循环：先写失败测试，看着失败，写最小代码通过。 没有先失败的测试就没有生产代码。 systematic-debugging 遇到任何Bug、测试失败或意外行为时 四阶段调试：根因调查 → 模式分析 → 假设测试 → 实现。 没有先根因调查就没有修复。 verification-before-completion 声称工作完成、修复或通过时 运行验证命令，阅读输出，然后才能声称完成。 证据在前，声称在后，始终验证。 requesting-code-review 完成任务、实现主要功能或合并前 派遣代码评审子代理在问题级联前捕获问题。 早评审，常评审。 receiving-code-review 接收代码评审反馈时 技术评估而非情感表现，验证前不实现。 实现前验证，假设前询问，技术正确性高于社交舒适。 finishing-a-development-branch 实现完成、所有测试通过时 验证测试，展示4个选项，执行选择，清理工作树。 验证测试 → 展示选项 → 执行选择 → 清理。 writing-skills 创建新技能、编辑现有技能或部署前验证时 将TDD应用于流程文档，先基线测试再写技能。 没有先失败测试就没有技能。 在Superpowers的加持下，整个代码开发过程更像是由一个专业、资深的团队在推进，而非AI凭借自身理解就“开干”。这种转变显著降低了两类成本： ...

Goodnotes 作为一款备受赞誉的高效笔记应用，长期以来以其出色的手写、白板、标注和思维导图功能赢得了用户青睐。如今，Goodnotes 进一步融合了强大的人工智能技术，旨在帮助用户更深入地连接信息、激发洞察，并将想法转化为实际行动。 全新AI赋能，智能体验升级 Goodnotes 的核心亮点在于其深度整合的AI功能，这些功能将传统笔记体验提升到一个新的高度。 1. AI白板与思维激发 Goodnotes AI 的白板功能是其最受欢迎的特性之一。它支持用户自由地进行头脑风暴、绘制思维导图和图表，让想法得以自然成长。借助强化的图表工具和即时协作能力，团队可以轻松汇聚智慧、发展创意并解决问题。Goodnotes AI 能实时捕捉和整理关键要点，极大提升了团队协作的效率和质量。 2. AI音频与会议纪要 告别繁琐的会议记录！Goodnotes 借助 AI 驱动的转录和实时摘要功能，可以自动捕捉讨论内容，并将其结构化为清晰的会议纪要。会议结束后，用户可以将文本记录与手写笔记合并，在几秒钟内生成可分享的精美文档。这意味着您可以全身心投入到对话中，而无需担心遗漏任何重要信息。 3. AI文档与智能创作 Goodnotes AI 支持创建与用户“共同思考”的文档。通过丰富的嵌入式区块，用户可以享受卓越的输入体验，利用外部深度分析构建构想，并与团队无缝协作。AI 驱动的摘要、自动笔记生成和速记功能，能以前所未有的速度将草稿和会议内容转化为完整的文稿。 场景化功能亮点 Goodnotes 针对不同用户群体，提供了定制化的功能体验： 1. 专业人士的高效工具 对于职场专业人士而言，Goodnotes 不仅仅是一个笔记工具，更是提升工作效率的强大助手： 多屏展示与演示：通过 AirPlay 或 HDMI 连接外部显示器，可直接从 Goodnotes 展示笔记、幻灯片和内容。 激光笔功能：在演示过程中，使用激光笔引导观众的注意力，使讲解更具条理。 灵活的笔记分享：笔记可导出至电子邮件、打印，或以 PDF 格式在任何地方分享。 协作链接：将笔记链接发送给同事，直接处理同一份笔记，非常适合异步协作或头脑风暴。 自定义文件导入：通过自定义的 Goodnotes 电子邮件地址，轻松导入文件。 2. 学生党的学习利器 Goodnotes 致力于帮助学生轻松取得优异成绩： 音频与笔记同步：在记录笔记的同时录制音频，非常适合讲座或报告，实现“听写同步”。 即时搜索：快速搜索并找到任何课程的任何笔记，节省查找时间。 抽认卡学习：利用学习卡组功能，通过主动回忆和间隔重复概念来创建抽认卡，直接从笔记中学习和练习。 AI辅助文本优化：利用 AI 摘要、精简、调整文风等功能，完善输入文本，提升作业质量。 3. 创意书写的无限可能 对于热爱手写和创意表达的用户，Goodnotes 提供了无与伦比的自由度： 自定义纸张模板：自由定制纸张模板的尺寸和颜色，随心所欲地创建专属模板。 丰富的创作元素：新增、创建或导入贴纸、剪贴画、胶带和图像等元素，让笔记内容更生动。 无限数字笔记本：以一本实体笔记本的价格，享受无限量的数字笔记本体验。 多媒体融合：将手写和输入文本与图像、贴纸、图表和高亮内容完美结合。 电子笔记本定制：采用自定义纸张模板，包括空白、格线、康奈尔笔记纸、核对清单和计划表等，创建个性化的电子笔记本。 轻松浏览长文档：自动导入 PDF 目录，或自行创建自定义大纲，轻松浏览冗长文件。 手写内容编辑：自由调整手写内容的尺寸、更改颜色或将其移动到页面上的其他位置。 Goodnotes 核心功能一览 为了更清晰地展示 Goodnotes 的多样功能，我们将其主要特点总结如下： ...

AI 编码助手无疑是强大的生产力工具，但在深度使用后，我们常常会发现它们的一些“坏习惯”：不写测试就直接实现功能、不调查根本原因就试图打补丁。这些 AI 代理虽然性能卓越，却有抄近路、省略关键流程的倾向。 obra/superpowers 是一个旨在解决此问题的开源框架，它在 GitHub 上已获得超过 92k 星标。它并非要增强 AI 的能力，而是通过一套“敏捷技能框架”为其注入纪律，引导 AI 遵循规范的开发流程。本文将详细介绍 superpowers 的核心理念、架构、安装方法及实际应用场景。 什么是 obra/superpowers？ obra/superpowers 是一个面向 AI 编码代理的敏捷技能框架。它的核心思想是，AI 代理遵循系统性流程比采用临时方法能产出更好的结果。 该框架通过让 AI 代理加载一系列被称为“技能（Skills）”的 Markdown 指示文件，来强制执行规范的软件开发实践，例如测试驱动开发（TDD）、系统性调试和代码审查等。 诞生的背景 开发者 Jesse Vincent 在与 AI 代理协作时，发现它们总是倾向于走捷径，例如： 先实现功能，后补测试。 不探究根本原因，直接尝试修复。 未经验证就声称任务已完成。 superpowers 的诞生就是为了对抗这些反模式。它将正确的流程文档化为“技能”，让 AI 代理能够自我识别并拒绝这些“捷径”行为。 核心概念：技能与架构 superpowers 框架的核心是其包含的 14 种技能，这些技能被自动应用于不同的开发场景中，以确保流程的规范性。 技能清单 这 14 种技能分为四大类，覆盖了从开发、测试到协作的完整流程。 类别 技能名称 核心目标 测试与质量 test-driven-development 强制执行“红-绿-重构”的 TDD 循环。 systematic-debugging 强制执行四阶段根本原因分析，杜绝盲目修复。 verification-before-completion 禁止在没有提供证据的情况下声明任务完成。 规划与执行 brainstorming 在编码前进行设计对话和需求评审。 writing-plans 将任务拆解为 2-5 分钟的微型实施计划。 executing-plans 按照既定计划顺序执行任务。 subagent-driven-development 通过子代理和两阶段审查实现高质量开发。 dispatching-parallel-agents 将独立的任务分配给并行的子代理处理。 Git 与协作 using-git-worktrees 使用独立的 Git worktree 安全地进行并行开发。 finishing-a-development-branch 规范化开发分支的流程：测试、合并、PR 或废弃。 requesting-code-review 在合适的时机发起结构化的代码审查请求。 receiving-code-review 基于技术依据评估并处理审查反馈。 元技能 using-superpowers 用于发现和调用其他技能的元协议。 writing-skills 使用 TDD 的方式创建新的 superpowers 技能。 架构与触发机制 superpowers 的技能并非通过特殊语法手动调用，而是在项目上下文中自动触发。其架构设计使得 AI 编码平台能够无缝集成技能层，根据当前任务自动匹配并激活最合适的技能。 ...

GitHub Copilot 的智能体技能（Agent Skills）是指令、脚本和资源的集合，Copilot 可以根据任务相关性加载这些技能，以执行特定专业任务。Agent Skills 是一项开放标准，可跨多个 AI 智能体工作，包括 VS Code 中的 GitHub Copilot、GitHub Copilot CLI 以及 GitHub Copilot 编程智能体。 与主要定义编码规范的自定义指令（Custom Instructions）不同，技能能够实现专业化的能力和工作流，其中可以包含脚本、示例和其他资源。您创建的技能具有可移植性，可在任何兼容技能的智能体中使用。 智能体技能的关键优势 智能体技能为 Copilot 带来了以下核心优势： 专业化 Copilot：无需重复上下文，即可为领域特定任务定制 Copilot 的能力。 减少重复：一次创建，可在所有对话中自动使用。 组合能力：将多个技能组合起来，构建复杂的工作流。 高效加载：仅在需要时将相关内容加载到上下文中，优化资源利用。 提示：您可以通过“聊天自定义编辑器”（预览版）统一管理和创建所有聊天自定义项。在命令面板中运行“Chat: Open Chat Customizations”即可打开。 智能体技能与自定义指令的对比 虽然智能体技能和自定义指令都能帮助定制 Copilot 的行为，但它们服务于不同的目的。下表清晰地展示了两者的区别： 特性 智能体技能 (Agent Skills) 自定义指令 (Custom Instructions) 目的 教授专业能力和工作流 定义编码标准和规范 可移植性 跨 VS Code、Copilot CLI 和 Copilot 编程智能体工作 仅限 VS Code 和 GitHub.com 内容 指令、脚本、示例和资源 仅指令 范围 任务特定，按需加载 始终应用（或通过 glob 模式应用） 标准 开放标准 (agentskills.io) VS Code 特定 何时使用智能体技能 当您需要以下功能时，应考虑使用智能体技能： ...

在人工智能（AI）浪潮席卷全球的今天，编程的门槛正在被重新定义。GitHub上的开源项目 Easy-Vibe 正是这一趋势的杰出代表，它致力于提供一套系统化的教程，帮助初学者将创意迅速转化为原型、最小可行产品（MVP），乃至可发布的产品。其核心理念是：“会说话，就会做应用”——只要你能清晰地描述需求，就能在AI的辅助下构建出实际的应用。 Easy-Vibe 的核心价值与亮点 Easy-Vibe 不仅仅是一个教程，更是一个旨在彻底改变开发者工作流的实践平台。它通过一系列创新特性，让学习和开发过程变得前所未有的直观和高效： 新手友好的学习路线图：从零开始提供清晰指导，告别“学了就忘”的困境。 循序渐进的视觉化教程：详细的步骤分解，犹如私人导师般手把手教学。 沉浸式模拟编程环境：通过虚拟鼠标引导，快速掌握核心集成开发环境（IDE）的工作流程。 可视化AI原理：动画解释，直观展现AI如何生成图像等内容。 游戏化学习RAG：交互式组件让你亲手点击，理解检索增强生成（RAG）的完整数据流。 终端概念可视化：将命令行行为背后的逻辑可视化，让复杂概念变得直观易懂。 为何选择 Easy-Vibe？ 在AI时代，编程的起点已从编写代码转变为描述需求。无论是想要一个费用跟踪器、一个带微信登录的预订系统，还是一个带评论功能的博客，你只需“说出来”。Easy-Vibe 正是教你如何将这些口头描述转化为真实可用的产品。 谁将从中受益？ Easy-Vibe 专为不同背景的学习者和开发者设计： 编程新手：先构建你的第一个项目，再深入理解其工作原理。 产品经理/创始人：快速验证想法，以低成本构建最小可行产品（MVP）。 学生：掌握AI时代所需的实用技能。 初级开发者：学习从想法到产品发布的完整路径。 中高级开发者：升级你的AI协作工作流，应对复杂项目。 学习路径概览 Easy-Vibe 提供了多条精心设计的学习路径，以满足不同用户的需求和目标。以下表格对比了这些路径： 学习路径 最佳受众 学习内容 学习成果 推荐起点 5分钟体验 所有人 首次AI编程体验（贪吃蛇小游戏） 5分钟内获得首个AI构建的应用 立即体验 构建我的想法 新手/产品经理/创始人 AI IDE工具、需求拆解、页面设计、功能规划、提示词工程、原型迭代 可演示的产品原型 开始学习 结构化学习 开发者/高级学习者 前端、后端、数据库、AI集成、部署、Claude Code工作流 独立交付全栈AI应用的能力 开始学习 构建AI Agent 对AI Agent感兴趣的开发者 OpenClaw助手工作流、技能系统、自动化 拥有自己的命令行AI助手 学习OpenClaw 查阅参考资料 所有人 计算机基础、AI原理、9大知识领域 80+互动参考主题的知识库 浏览知识库 学习建议 初学者、产品经理、创始人：建议从阶段0/阶段1开始。 已有开发经验者：建议从阶段2开始。 直接挑战复杂项目：可跳至阶段3。 学习AI Agent：直接查阅 Hello Claw 部分。 最新进展 Easy-Vibe 项目持续更新，致力于提供最前沿的技术和最优质的学习体验。以下是近期的一些重要更新： ...

Superpowers 是一套为编程代理（Coding Agents）设计的完整软件开发工作流。它基于一系列可组合的“技能”和初始指令，确保代理能够高效且智能地完成开发任务。Superpowers 的核心在于将复杂的开发流程分解为可管理的步骤，并通过自动化和智能化的方式提升代理的自主工作能力。 Superpowers 的工作机制 Superpowers 的工作流程始于编程代理启动的那一刻。它并非直接着手编写代码，而是遵循一套系统化的步骤，确保开发过程的严谨性与高效性： 需求提炼与规格确认： 代理启动后，首先会主动询问用户真正想要实现的目标，而非直接跳入代码编写。通过对话，它会提炼出清晰的需求规格，并将其分块展示给用户，以便阅读和确认。 制定实现计划： 在用户确认设计方案后，代理会制定一份详尽的实现计划。这份计划旨在让任何具备基本工程知识的开发人员都能理解并遵循，强调真正的红-绿测试驱动开发（TDD）、“你不会用到它”（YAGNI）原则以及“不要重复你自己”（DRY）原则。 子代理驱动开发： 一旦用户发出“开始”指令，Superpowers 便会启动子代理驱动开发流程。每个工程任务都会被分配给一个独立的子代理来完成，并伴随严格的检查和代码审查环节。这种模式下，代理甚至可以自主工作数小时，无需人工干预，始终遵循既定计划。 技能自动触发： Superpowers 的技能是自动触发的。这意味着用户无需执行任何特殊操作，编程代理即可自然而然地运用这些“超能力”来完成任务。 核心开发哲学 Superpowers 秉持以下开发哲学，以确保高质量和可持续的软件开发： 测试驱动开发 (TDD)： 始终先编写测试。这是 Superpowers 工作流的核心，要求在编写任何功能代码之前，先编写出能够验证其正确性的失败测试。 系统化而非随意 (Systematic over ad-hoc)： 强调通过既定流程和方法论来解决问题，而非依赖猜测或临时的解决方案。 降低复杂性 (Complexity Reduction)： 将简化作为首要目标。通过结构化、模块化和清晰的计划，最大限度地减少代码和系统设计的复杂性。 以证据为导向 (Evidence over Claims)： 在宣布成功之前，必须通过测试和验证来证明其有效性。 安装指南 Superpowers 的安装方式因平台而异。对于某些平台，它可以通过内置插件市场安装；对于其他平台，则需要手动设置。 平台 安装方式 备注 Claude Code 官方市场安装： /plugin install superpowers@claude-plugins-official 通过插件市场安装（需先注册）： /plugin marketplace add obra/superpowers-marketplace /plugin install superpowers@superpowers-marketplace 推荐使用官方市场安装。若需通过自定义市场安装，请先注册市场。 Cursor 通过 Agent Chat 安装： /add-plugin superpowers 或在插件市场搜索 “superpowers”。 在 Cursor 的 Agent Chat 界面直接输入命令或通过图形界面搜索安装。 Codex 手动安装： 告知 Codex 从指定 URL 获取并遵循指令： `Fetch and follow instructions from Codex 需要通过指令手动获取安装脚本。详细文档位于 docs/README.codex.md。请注意，为符合要求，此处仅保留文字描述，不提供可点击链接。 OpenCode 手动安装： 告知 OpenCode 从指定 URL 获取并遵循指令： `Fetch and follow instructions from OpenCode 与 Codex 类似，也需要通过指令获取安装脚本。详细文档位于 docs/README.opencode.md。请注意，为符合要求，此处仅保留文字描述，不提供可点击链接。 Gemini CLI 安装： gemini extensions install <br/> **更新：** gemini extensions update superpowers` Gemini CLI 提供了命令行工具进行安装和更新。请注意，为符合要求，此处仅保留文字描述，不提供可点击链接。 验证安装 安装完成后，在您选择的平台中启动一个新会话，并提出一个能够触发技能的问题，例如：“帮我规划这个功能”或“我们来调试这个问题”。代理应该会自动调用相关的 Superpowers 技能。 ...

2026 年 3 月，亚马逊宣布收购机器人初创公司 Fauna Robotics。这一举动在业界引起了广泛关注。Fauna Robotics 虽然年轻，但其理念清晰：让机器人在人类日常环境中变得有用、安全且令人愉悦。这一愿景直指当前机器人领域最艰巨的挑战之一——如何让机器在人们生活、学习和工作的空间中稳定运行。 对亚马逊而言，此次收购具有重要的战略意义。该公司在仓储自动化和大规模机器人部署方面已积累了十年以上的深厚经验，其运营网络中部署的机器人数量已超过百万。然而，亚马逊尚未完全攻克的下一个前沿领域，是能无缝融入家庭等人类中心环境的机器人。Fauna Robotics 恰好为亚马逊带来了专注此领域的年轻团队、一个人形机器人平台以及一套围绕快速真实世界部署的开发哲学。 本文将深入探讨 Fauna Robotics 的发展历程、核心产品、技术优势，并分析其技术和人才将如何为亚马逊带来决定性的竞争优势。 Fauna Robotics 简介 Fauna Robotics 是一家新兴的美国机器人公司，由前 Meta 和 Google 的工程师创立。在被亚马逊收购前，这家初创公司仅运营了约两年时间，却已迅速确立了明确的使命和产品战略。 自成立之初，Fauna 就致力于构建一个开发者友好且高度实用的机器人愿景。其目标是创造一个“机器人能像人一样在任何地方运作”的世界。公司专注于开发能够走出实验室，进入家庭、教室和其他普通人类空间的实用系统。 Fauna 强调，未来的机器人应兼具“实用性”（Usefulness）和“愉悦感”（Delightfulness）。这是一个独特而重要的组合： 实用性：指向机器人的可靠性、任务执行能力和可衡量的价值。 愉悦感：指向机器人的社会接受度、交互舒适度以及减少人机摩擦的工业设计。 在消费级和人形机器人领域，这种平衡至关重要。一个机器人即使技术再先进，如果无法让人们乐于接纳，也终将失败。此外，Fauna 强调其产品在美国本土设计和组装，这不仅体现了对产品质量和迭代速度的把控，也意在建立用户对工程质量和安全性的信任。 核心产品：Sprout 开发者平台 Fauna Robotics 认为，当前的机器人开发过程过于困难、碎片化和缓慢。开发团队常常需要花费大量时间重复构建基础模块，而无法专注于应用创新。传感器集成、运动控制、安全系统、自主导航、远程操作和软件集成等复杂环节，至今仍是许多开发者的巨大障碍。 针对这一痛点，Fauna 推出了核心产品 Sprout——一个旨在让机器人开发更现代化、更高效的开发者平台。公司将其描述为“我们希望早已存在的平台”，这表明该产品完全是从开发者的实际需求出发构建的。Fauna 的目标不只是制造一个机器人，而是提供一个完整的技术栈，帮助开发者以更低的门槛，将创意从原型快速转化为可部署的产品。 Fauna 的旗舰产品是 Sprout 创作者版 (Sprout Creator Edition)，一个儿童大小的人形机器人及配套开发平台。该机器人重约 27 公斤（59 磅），采用双足行走设计。它的尺寸既保证了技术上的挑战性，又适合在受控环境中进行测试、实验和交互。 Sprout 不仅仅是一个硬件躯体，而是一个完整的全栈系统，其关键特性包括： 开箱即用的自主能力：内置基础的移动、控制和社交行为模块。 面向开发者的软件栈：提供模块化软件、板载计算单元和核心 API。 以人为本的安全设计：采用轻质材料、柔软外壳、优化的防夹点设计，并集成了安全传感器和柔性电机控制。 柔性运动控制：运动系统设计旨在更安全、更灵活地应对真实世界的物理交互。 全身遥操作 (Whole-body teleoperation)：支持远程控制，便于进行机器人训练、测试、监督和混合自主操作。 这些特性表明，Fauna 的重点并非打造一个外形酷炫的未来派机器人，而是切实解决从机器人演示到实际部署过程中的核心瓶颈。安全性、模块化、板载计算、API 和遥操作，都是实现真实世界机器人的关键要素。 Fauna Robotics 的核心优势 Fauna Robotics 的成功并非偶然，其在多个方面展现出强大的竞争力，这也是吸引亚马逊的关键所在。 ...

OpenClaw 真正折腾人的阶段，往往不是安装，而是"明明已经跑起来了，但就是不正常"。比如 Gateway 服务在、消息不回;Telegram 连上了、群里却装死;Skills 明放进去了,就是不加载;Token 一晚上烧得飞快;升级之后又突然冒出 pairing required。 这篇专门写给已经在用 OpenClaw 的人。内容基于官方排障文档、官方 FAQ、GitHub Issues 和社区讨论里反复出现的真实故障场景整理,尽量给你一套能直接照着走的排查顺序。 先记住一个总排查顺序 别一出问题就重装。官方文档给的排查梯子其实很实用,优先跑这几步: openclaw status openclaw gateway status openclaw logs --follow openclaw doctor openclaw channels status --probe 很多问题走到第 3 步就已经能定位了。 1. Gateway 起不来,先看什么? 先看 openclaw gateway status。 如果不是 Runtime: running,重点看三类问题: 配置不对 端口冲突 服务和 CLI 用的不是同一份配置 官方文档明确提到,常见报错包括: Gateway start blocked: set gateway.mode=local refusing to bind gateway ... without auth another gateway instance is already listening EADDRINUSE 结论很简单:别一上来删目录,先确认模式、绑定、认证和端口。 2. EADDRINUSE 是什么情况? 就是端口被占了。 这类问题在 GitHub Issues 里很常见,既可能是旧 Gateway 没退干净,也可能是浏览器 relay、插件子进程、Windows 重启残留进程把端口占住了。社区里甚至有人是旧的 clawdbot-gateway.service 还在跑,和新服务抢同一个端口。 排法: ...

很多人是看了演示视频，觉得 OpenClaw 很强，就直接上 VPS、接 Telegram、装技能、开多 Agent。结果第一天就踩坑：端口占用、模型没配好、远程控制台连不上、Token 花得比想象快，最后怀疑是不是自己姿势不对。 这篇就是给“还没装”的人看的。问题都不是我凭空编的，而是结合 OpenClaw 官方 FAQ、官方排障文档、GitHub Issues 和社区讨论里反复出现的真实疑问整理出来的。你先把这 20 个问题看完，再决定怎么装，能少走很多弯路。 1. OpenClaw 到底适合谁？ 适合愿意自己配环境、自己管服务的人。不适合想“点一下就永远不用管”的纯托管型用户。 OpenClaw 的强项是：可自托管、能接多渠道、支持工具、技能、记忆、多 Agent 和节点扩展。但代价也很明显：你得理解 Gateway、模型配置、渠道权限、配对和基本排障逻辑。 2. 我需要什么机器配置？ 起步要求并不高。官方 FAQ 明确提到，个人使用场景下，Gateway 轻量，512MB 到 1GB 内存、1 核、约 500MB 磁盘就能跑，树莓派 4 也可以。 但实际建议是：至少 1C2G。原因很简单，除了 OpenClaw，本机通常还会跑日志、反向代理、监控、浏览器或别的工具。2GB 内存更稳，不容易一更新就卡死。 3. 一定要买 VPS 吗？ 不一定。 你有三种常见路线： 本地电脑长期开机 树莓派/迷你主机常驻 云服务器/VPS 如果你主要是自己私用、偶尔调试，本地或树莓派就够了。要稳定在线、想随时远程访问，VPS 更省心。很多人踩坑，不是 OpenClaw 本身难，而是先上了太便宜太弱的机器，后面渠道、代理、浏览器都堆上去后开始不稳。 4. Node 版本有要求吗？ 有，而且别忽略。 官方 FAQ 写得很清楚：Node >= 22。pnpm 推荐，Bun 不推荐拿来跑 Gateway。社区里“装完起不来”“命令能跑服务不稳”这类问题，最常见前置原因之一就是运行时版本不对。 5. 推荐怎么安装？ 对大多数新手，官方推荐路线很明确： ...

很多人刚把 OpenClaw 跑起来的时候，关注点都在“能不能用”。等真正开始高频使用，第二个问题马上就会冒出来： 怎么省 token，怎么省钱。 这不是抠门，而是现实。尤其你一旦开始接 Telegram、开多 agent、装 skills、做网页搜索，模型调用频率会明显上升。OpenClaw 本身很强，但强也意味着你更需要会做分层配置。 我自己的核心思路就一句话： 别让最贵的模型去干最便宜的活。 OpenClaw 在这方面其实挺有优势，因为它不是只绑定一个模型。它本来就是一个面向多 provider、多 agent、多工具协作的框架。只要你思路理顺，完全可以把“不同任务交给不同模型”这件事做得很自然。 一、先接受一个现实：不是所有问题都需要最强模型 有些任务，真的不值得上旗舰模型。 比如： 把一句话润色一下 提取一个列表 总结 200 字短文本 改一个标题 判断这是不是待办事项 这些任务对推理深度要求不高，用便宜模型通常就够。 真正该上强模型的，通常是： 多步骤复杂推理 长上下文整合 需要谨慎判断的写作或方案设计 多 agent 最终汇总 高风险内容审核 这一点，和 OpenClaw 的官方 sub-agents 文档思路也是一致的：重任务和重复任务，子 agent 可以用更便宜的模型，主 agent 保持更高质量的模型。 二、OpenClaw 为什么天然适合做模型分层 1）它有多 provider 思路 OpenClaw 的插件体系里，官方列出的模型 provider 很多，包括 OpenAI、Anthropic、Google、OpenRouter、Mistral 等等。也就是说，从架构上它就不是单模型思维。 2）它有多 agent 思路 你完全可以让： 主 agent：用强模型 子 agent：用便宜模型 某些特殊任务：临时覆盖模型 这种分层在 OpenClaw 里很顺，不是硬拗出来的。 3）skills 和工具也会影响 token 官方 skills 文档专门提到 skills 列表本身就会有 token 影响。换句话说，省 token 不只是“换便宜模型”，还包括： ...