AI

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： ...

很多人第一次听到“多 agent 协作”，脑子里会自动出现一种很玄乎的画面：几个 AI 在后台自己讨论、自己分工、自己交付，好像一个数字公司一样。 OpenClaw 这套东西，确实支持往这个方向走，但我想先泼一盆冷水：多 agent 不是越多越高级，也不是一上来就该开。 单 agent 足够的时候，别为了炫技硬拆。因为一旦进入多 agent，意味着更多会话、更多上下文、更多 token 开销，还有更多排错成本。 但反过来说，如果你的任务本来就天然适合分工，比如： 一个负责搜资料 一个负责写初稿 一个负责校对 那 OpenClaw 的多 agent 机制就非常有价值。 官方文档里，至少已经明确了几层能力：Sub-agents、按 agent 划分的工作区、以及更进一步的 agent-to-agent / 多 agent 协作路线**。这不是概念 PPT，而是实打实能用来拆任务的。** 一、先搞懂最核心的结构 你可以先把 OpenClaw 的多 agent 理解成三层： 1）主 agent 主 agent 就是对外接消息的那个“总控”。 它负责： 接收用户请求 判断这个任务要不要拆 决定交给谁做 最后汇总结果返回给你 2）子 agent（Sub-agent） 子 agent 是主 agent 临时拉起来的后台执行者。官方文档明确说，它们会在独立 session 里运行，任务结束后再把结果 announce 回来。 这点非常关键：独立 session = 相对独立的上下文。这样做的好处是，一个子任务不会把主会话弄得越来越臃肿。 3）更深一层的嵌套 OpenClaw 默认子 agent 不能再继续无限生孩子，默认 maxSpawnDepth: 1。如果你主动把配置调到 2，就能支持“主 agent → 协调型子 agent → 工作者子 agent”这种模式。 ...

如果说 OpenClaw 部署完成只是“把大脑装好了”，那接入 Telegram，才算真正把这个大脑装进你每天都会用的入口里。 我现在越来越喜欢这种用法：白天在电脑上开 Dashboard 调试，出门之后直接在 Telegram 里给 AI 发消息。查天气、记提醒、整理任务、问点资料，全部都能在手机上完成。对个人用户来说，这种体验比单纯守着网页聊天实用太多了。 而且 Telegram 这条线，也是 OpenClaw 官方文档里明确标注为生产可用的 Bot API 通道，DM 和群组都支持，默认用长轮询，配置门槛不高。 这篇就讲怎么把它接起来。 一、为什么先接 Telegram 我建议新手第一条外部通道就选 Telegram，原因很简单： 不需要复杂审核 只要一个 Bot Token 就能开始 手机上随时能发消息给你的助手 官方文档完整，排错路径也清楚 OpenClaw 官方 Getting Started 里也提到，想从手机上最快速聊天，Telegram 是最容易上手的一条线路。 二、先去 Telegram 里创建机器人 打开 Telegram，搜索 @BotFather。注意一定要确认账号就是官方那个 @BotFather，别加错。 然后按顺序操作： 发送 /newbot 给机器人起一个展示名 给机器人起一个唯一用户名，通常以 bot 结尾 保存它返回给你的 Bot Token 这个 Token 很重要，相当于机器人密码。别随手贴到公开群里，也别直接发给别人。 截图建议 这里最适合放两张图： BotFather 创建完成后返回 Token 的页面 你搜索到自己 bot 账号的页面 很多读者看到这两张图，理解速度会快很多。 三、在 OpenClaw 里配置 Telegram 根据官方 Telegram 文档，Telegram 不走那种 channels login 的交互式登录，而是直接在配置里放 botToken，然后启动 Gateway。 ...

很多人第一次接触 OpenClaw，会先被“AI agent”“Gateway”“多通道”这些词吓到。其实真上手之后你会发现，它并不是那种必须先读三天文档、再折腾半天 Docker 才能跑起来的项目。按照官方现在的安装路线，普通用户在一台干净的 Linux 服务器上，确实可以很快把它跑起来。 这篇文章我就按纯小白视角来写：从买服务器开始，到 OpenClaw 成功启动、打开控制面板、发出第一条消息为止。你不需要预先懂多 agent，也不需要先配置一堆花里胡哨的插件。先跑起来，才是第一步。 一、先准备什么 最基本只要三样： 一台 Linux 服务器 一个模型 API Key 一台你能打开浏览器的电脑 根据 OpenClaw 官方 Getting Started 文档，目前推荐环境是 Node 24，Node 22.14+ 也可以。官方安装脚本会尽量帮你处理依赖，这对新手很友好。 服务器方面，我建议直接买最普通的 Ubuntu 24.04 机器就行。别一上来追求高配置。OpenClaw 自己并不吃显卡，它更像一个“AI 助手调度器”，真正烧钱的是你后面接的模型。 如果你只是自己用，2 核 4G、带公网 IP 的小机器就够起步了。 二、买完服务器后先做这几步 登录服务器后，先更新系统： sudo apt update && sudo apt upgrade -y 然后确认系统没问题： uname -a lsb_release -a 如果你是刚买的云服务器，建议顺手做两件事： 设置一个普通用户，别长期用 root 在控制台安全组里先只放行 SSH 和你后面要访问的端口 不过如果你只是想先体验，直接用 root 也不是不行，先把流程走通再说。 三、安装 OpenClaw 官方目前最省事的安装方式，是直接用安装脚本： curl -fsSL https://openclaw.ai/install.sh | bash 这一条命令的好处是简单。对新手来说，不需要你自己先研究 npm、全局路径、服务管理这些细节。 ...

国内可用的Claude Code镜像 完整使用指南 产品概述 Claude Code是由Anthropic开发的下一代AI编程助手，基于Claude 4系列模型构建。这款工具专为编程而生，支持本地运行，能够理解代码库、执行命令、管理Git仓库，并支持Model Context Protocol (MCP)。用户可以通过自然语言与其交互，无需学习复杂的语法。 核心优势 先进的AI能力 基于Claude 4系列模型，提供业界领先的编程能力 支持Claude 4 Opus和Claude 4 Sonnet灵活切换，Sonnet成本仅为Opus的1/5 能够理解代码库结构，自动生成文档，智能编辑代码 本地集成能力 完全集成于命令行环境，无需额外学习成本 支持所有命令行工具，兼容CI/CD流水线和GitHub Actions 可直接操作本地工具，部署环境，设计工程架构 智能交互模式 提供交互模式和单次模式两种使用方式 支持自然语言描述需求，自动转换为具体代码实现 具备深入思考能力，适合处理复杂编程问题 官方地址与访问 国内唯一正版地址: https://gaccode.com GAC承担订阅用户的全部维护与售后服务 支持邀请功能，新用户注册可获得积分奖励 每天可重置一次积分，提供更多任务补给 安装与部署 Windows安装 详细安装方法可参考：Windows claude code 安装方法 Mac/Linux安装 详细安装方法可参考：Mac/Linux Claude Code 安装方法 API密钥配置 在GAC网站的API密钥选项卡中生成专属密钥 支持CI/CD流水线、GitHub Actions和本地开发 兼容官方@anthropic-ai/claude-code包 使用标准环境变量格式 计费模式 积分制度 采用订阅积分制，不限制使用设备数量 单次扣费根据请求字节数量计算，最高25积分 每天可重置一次积分，适应复杂任务需求 可访问配额与使用情况查看详细信息 成本优化 建议使用/compact命令压缩上下文以节省积分 推荐优先使用Claude 4 Sonnet模型，性价比更高 合理使用深入思考功能，避免不必要的积分消耗 更多计费信息请参考：Claude Code：计费与订阅 主要功能 IDE集成 支持VSCode和JetBrains IDE Linux/MacOS系统可自动安装插件 VSCode用户在内置终端唤起Claude Code即可自动配置 JetBrains用户需手动下载插件：Claude Code [Beta] - IntelliJ IDEs Plugin | Marketplace 更多IDE集成信息请参考：IDE integrations - Anthropic Git集成 支持自然语言操作Git仓库 提供工作树功能，创建隔离的编码环境 支持并行开发，不同工作树间完全独立 自动管理Git历史和远程连接 Git工作树详细说明可参考：git-worktree 图像处理 支持多种图像输入方式： ...