OpenClaw•WSL•AI Agent•LLM•Telegram•自托管•教程•开源生态

OpenClaw 完全指南：在 Windows WSL 上打造你的 24/7 AI 私人助理

Rainy

雨落无声，代码成诗 —— 致力于技术与艺术的极致平衡

March 4, 2026

28 MIN READ•... VIEWS

2026 年初，一个名为 OpenClaw 的开源项目在 GitHub 火速登顶，短短数周内收获超过 30k+ Stars。它不是又一个聊天机器人套壳——而是一个运行在你自己设备上的自主 AI 代理（Autonomous Agent），能够读写文件、执行脚本、控制浏览器、收发消息……如同一个真正的 AI 贾维斯，7x24 小时守候在你的终端里。

本文将以 Windows + WSL 为主线，从零开始带你走完 OpenClaw 的完整安装、配置与深度调优之旅。

1. OpenClaw 是什么？

OpenClaw 是一个开源、自托管的 AI 个人助手运行时（Agent Runtime）。它的核心定位不是"对话窗口"，而是一个消息路由 + 工具执行引擎：

1.1 核心特性速览

特性	说明
自主执行	不止对话——能自动读写文件、运行脚本、操控浏览器
多通道路由	同时接入 Telegram、WhatsApp、Discord、iMessage、Slack 等
模型无关	支持 Claude、GPT、Gemini、DeepSeek、MiniMax，也支持本地 Ollama
长期记忆	跨对话记忆上下文，越用越聪明
Skills 生态	社区驱动的能力扩展市场（ClawHub）
隐私优先	所有数据留在本地，你完全掌控
Companion Apps	提供 macOS / iOS / Android 伴侣应用

2. 前置准备：WSL2 环境搭建

Windows 用户推荐通过 WSL2 + Ubuntu 来运行 OpenClaw，这能提供最一致且稳定的 Linux 运行环境。

2.1 安装 WSL2

以管理员身份打开 PowerShell，执行：

# 一键安装 WSL2（默认安装 Ubuntu）
wsl --install

如果已安装过旧版 WSL，可以升级到 WSL2：

# 查看当前状态
wsl --status

# 设置默认版本为 WSL2
wsl --set-default-version 2

# 升级指定发行版
wsl --set-version Ubuntu 2

安装完成后重启电脑。重启后 Ubuntu 会自动启动，要求你设置 Linux 用户名和密码。

2.2 启用 systemd

OpenClaw 的 Gateway 作为守护进程（Daemon）运行，依赖 systemd。WSL2 默认不启用 systemd，需要手动开启：

# 在 WSL Ubuntu 终端中执行
sudo tee /etc/wsl.conf >/dev/null <<'EOF'
[boot]
systemd=true
EOF

然后在 PowerShell（非 WSL） 中重启 WSL：

wsl --shutdown

重新打开 Ubuntu 终端，验证 systemd 是否正常运行：

systemctl --user status
# 如果输出状态信息而非报错，说明 systemd 已成功启用

2.3 安装 Node.js（v22+）

OpenClaw 要求 Node.js 22 或更高版本。推荐使用 nvm 管理 Node 版本：

# 安装 nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash

# 重新加载 shell 配置
source ~/.bashrc

# 安装 Node.js 22 LTS
nvm install 22
nvm use 22
nvm alias default 22

# 验证
node -v   # 应输出 v22.x.x
npm -v    # 应输出 10.x.x

3. 安装 OpenClaw

Node.js 环境就绪后，安装 OpenClaw 核心：

一键脚本安装（推荐）
npm / pnpm 手动安装

curl -fsSL https://openclaw.ai/install.sh | bash

该脚本会自动检测环境、安装依赖并全局安装 OpenClaw。

# npm
npm install -g openclaw@latest

# 或 pnpm
pnpm add -g openclaw@latest

安装完成后验证：

openclaw --version
# openclaw/x.x.x linux-x64 node-v22.x.x

4. 初始化配置：Onboarding 向导

OpenClaw 提供了一个交互式的 Onboarding 向导，引导你完成所有核心配置：

openclaw onboard --install-daemon

--install-daemon 参数会同时将 OpenClaw Gateway 注册为 systemd 服务，实现后台常驻。

向导会依次引导你完成以下步骤：

┌────────────────────────────────────────────────────────┐
│                  OpenClaw Onboarding                   │
├────────────────────────────────────────────────────────┤
│  ① 接受安全提示（Security Acknowledgment）             │
│  ② 选择 AI 模型提供商 & 配置 API Key                   │
│  ③ 配置消息通道（Telegram / WhatsApp / Discord...）     │
│  ④ 安装 Gateway 守护进程                               │
│  ⑤ 配置工作区（Workspace）                             │
└────────────────────────────────────────────────────────┘

5. 模型配置详解

OpenClaw 是**模型无关（Model-Agnostic）**的，支持几乎所有主流 LLM 提供商。

5.1 在 Onboarding 中选择模型

向导会列出支持的模型提供商供你选择：

提供商	推荐模型	特点
Anthropic	Claude 3.5 Sonnet / Claude 4	工具调用能力最强，推理精准
OpenAI	GPT-4o / GPT-4.5	生态成熟，多模态能力强
Google	Gemini 2.0 Flash / Pro	超大上下文窗口（2M tokens）
DeepSeek	DeepSeek-V3 / R1	性价比高，中文能力优秀
MiniMax	MiniMax-01	国产大模型，免费额度充足
Mistral	Mistral Large	欧洲开源大模型

选择后，向导会要求你输入对应的 API Key——你需要提前在各提供商官网注册并创建。

5.2 配置文件详解

所有配置存储在 ~/.openclaw/openclaw.json 中。模型相关的核心配置结构如下：

~/.openclaw/openclaw.json（模型部分）
{
  "env": {
    "ANTHROPIC_API_KEY": "sk-ant-api03-xxxxx",
    "OPENAI_API_KEY": "sk-xxxxx",
    "GOOGLE_GENERATIVE_AI_API_KEY": "AIzaSy-xxxxx",
    "DEEPSEEK_API_KEY": "sk-xxxxx"
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "anthropic:claude-sonnet-4-20250514",
        "fallbacks": ["openai:gpt-4o", "google:gemini-2.0-flash"]
      }
    }
  }
}

5.3 模型优先级与 Fallback 机制

OpenClaw 的模型调度策略非常智能：

请求进入
  ↓
尝试 Primary 模型（如 Claude Sonnet 4）
  ↓ 如果失败（限流 / API 错误 / 超时）
尝试 Fallback[0]（如 GPT-4o）
  ↓ 如果失败
尝试 Fallback[1]（如 Gemini Flash）
  ↓ 全部失败
返回错误信息

最佳实践：将最强的模型设为 primary，将速度快 / 成本低的模型放在 fallbacks 中。日常简单任务会因模型不堪重任而自动降级到更经济的选择。

5.4 通过 CLI 修改模型

你也可以随时通过命令行修改模型配置，无需手动编辑 JSON：

# 设置主模型
openclaw config set agents.defaults.model.primary "anthropic:claude-sonnet-4-20250514"

# 查看当前模型配置
openclaw config get agents.defaults.model

6. Telegram 通道配置

Telegram 是 OpenClaw 最常用的消息通道——配置完成后，你可以随时随地通过 Telegram 跟你的 AI 助手对话。

6.1 创建 Telegram Bot

Step 1：找到 BotFather

在 Telegram 中搜索 @BotFather 并打开对话。

Step 2：创建新 Bot

你发送:  /newbot
BotFather: Alright, a new bot. How are we going to call it?
你发送:  My OpenClaw Assistant
BotFather: Good. Now let's choose a username for your bot.
你发送:  my_openclaw_bot
BotFather: Done! Congratulations on your new bot.
         Use this token to access the HTTP API:
         7123456789:AAF-xxxxxxxxxxxxxxxxxxxxxxxxxxxx

⚠️ Bot 的 username 必须以 bot 结尾。请妥善保存返回的 API Token。

Step 3：获取你的 Telegram User ID

在 Telegram 中搜索 @userinfobot，发送 /start，它会返回你的数字 User ID（如 123456789）。

6.2 在 Onboarding 中配置

在 openclaw onboard 向导执行到通道配置环节时：

选择 Telegram 作为消息通道
输入刚才从 BotFather 获取的Bot Token
向导会提示你打开 Telegram，给你的新 Bot 发送 /start

6.3 配对与审批（Pairing & Approve）

OpenClaw 采用配对审批机制保障安全——只有经过你授权的用户才能与你的 AI 通信。

当你给 Bot 发送 /start 后，Bot 会回复一个 8 位配对码（如 ABCD1234），有效期 1 小时。

回到 WSL 终端，执行审批命令：

# 审批 Telegram 配对
openclaw pairing approve telegram ABCD1234

成功后你会看到：

✅ Pairing approved.
   Telegram user 123456789 added to allowlist.
   You can now chat with your agent via Telegram.

从此刻起，你可以在 Telegram 中跟你的 AI 助手自由对话了！🎉

6.4 群组使用（可选）

如果你想在 Telegram 群组中使用 Bot，需要额外设置隐私：

在 BotFather 中发送 /setprivacy
选择你的 Bot
选择 Disable（允许 Bot 读取群组所有消息）

然后将 Bot 添加到群组中，群组内的用户同样需要经过配对审批流程。

7. VPN 与代理配置

在中国大陆使用 OpenClaw 需要特别注意网络配置，因为 OpenClaw 需要访问海外的 LLM API 端点。

7.1 代理配置方案

方案一：WSL 宿主机代理（推荐）
方案二：使用 proxychains
方案三：WSL 内置 VPN 客户端

如果你的 Windows 宿主机已经运行了 Clash for Windows / v2rayN 等代理工具，WSL 可以直接复用：

Step 1：在代理工具中启用局域网访问

Clash for Windows：开启 Allow LAN，记下端口（默认 7890）
v2rayN：开启 允许来自局域网的连接

Step 2：获取 Windows 宿主机 IP

在 WSL 中执行：

# 获取宿主机 IP（通常为 172.x.x.1）
HOST_IP=$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}')
echo $HOST_IP

Step 3：设置代理环境变量

# 临时设置（当前终端会话有效）
export HTTP_PROXY="http://${HOST_IP}:7890"
export HTTPS_PROXY="http://${HOST_IP}:7890"
export ALL_PROXY="socks5://${HOST_IP}:7890"
export NO_PROXY="localhost,127.0.0.1,::1"

Step 4：持久化代理配置

将代理配置写入 ~/.bashrc，使其每次启动 WSL 自动生效：

cat >> ~/.bashrc << 'PROXY_EOF'

# ===== WSL Proxy Configuration =====
proxy_on() {
    local HOST_IP=$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}')
    export HTTP_PROXY="http://${HOST_IP}:7890"
    export HTTPS_PROXY="http://${HOST_IP}:7890"
    export ALL_PROXY="socks5://${HOST_IP}:7890"
    export NO_PROXY="localhost,127.0.0.1,::1"
    echo "🌐 Proxy ON → ${HOST_IP}:7890"
}

proxy_off() {
    unset HTTP_PROXY HTTPS_PROXY ALL_PROXY NO_PROXY
    echo "🔒 Proxy OFF"
}

# 默认启动代理
proxy_on
PROXY_EOF

source ~/.bashrc

现在你可以随时通过 proxy_on 和 proxy_off 命令切换代理。

如果部分应用不遵循环境变量，可以使用 proxychains：

# 安装 proxychains
sudo apt install proxychains4 -y

# 编辑配置
sudo nano /etc/proxychains4.conf

在配置文件末尾修改：

[ProxyList]
socks5  172.x.x.1  7890

然后通过 proxychains 启动 OpenClaw：

proxychains4 openclaw start

对于需要全局 VPN 的场景，可以在 WSL 内安装 VPN 客户端：

# 以 WireGuard 为例
sudo apt install wireguard -y

# 导入配置
sudo cp /mnt/c/Users/YourName/wg0.conf /etc/wireguard/

# 启动 VPN
sudo wg-quick up wg0

# 验证
curl -s ipinfo.io | grep country

7.2 验证网络连通性

配置好代理后，测试是否能正常访问 LLM API：

# 测试 OpenAI API 连通性
curl -s https://api.openai.com/v1/models -H "Authorization: Bearer $OPENAI_API_KEY" | head -c 200

# 测试 Anthropic API 连通性
curl -s https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{"model":"claude-sonnet-4-20250514","max_tokens":10,"messages":[{"role":"user","content":"hi"}]}'

8. 开机自启与服务管理

一个真正的 AI 助手应该始终在线。以下是让 OpenClaw 在重启后自动恢复运行的完整配置。

8.1 OpenClaw systemd 服务

如果你在 Onboarding 时使用了 --install-daemon，OpenClaw 已经自动注册了 systemd 服务。可以通过以下命令管理：

# 查看服务状态
systemctl --user status openclaw-gateway

# 手动启动 / 停止 / 重启
systemctl --user start openclaw-gateway
systemctl --user stop openclaw-gateway
systemctl --user restart openclaw-gateway

# 设置开机自启
systemctl --user enable openclaw-gateway

# 持久化用户级 systemd（关键！使服务在用户未登录时也能运行）
loginctl enable-linger $USER

8.2 手动创建 systemd 服务

如果你没有使用 --install-daemon，可以手动创建：

mkdir -p ~/.config/systemd/user

cat > ~/.config/systemd/user/openclaw-gateway.service << 'SERVICE_EOF'
[Unit]
Description=OpenClaw AI Gateway
After=network-online.target
Wants=network-online.target

[Service]
Type=simple
ExecStart=%h/.nvm/versions/node/v22.13.1/bin/node %h/.nvm/versions/node/v22.13.1/bin/openclaw start --daemon
Restart=always
RestartSec=10
Environment=PATH=%h/.nvm/versions/node/v22.13.1/bin:/usr/local/bin:/usr/bin:/bin
Environment=HOME=%h
WorkingDirectory=%h

[Install]
WantedBy=default.target
SERVICE_EOF

# 重载并启动
systemctl --user daemon-reload
systemctl --user enable --now openclaw-gateway
loginctl enable-linger $USER

⚠️ 注意：ExecStart 中的 Node.js 路径需要根据你的实际安装路径调整。可以通过 which node 和 which openclaw 查看。

8.3 WSL 自动启动配置

默认情况下 WSL 在 Windows 重启后不会自动运行。需要手动配置：

方法一：Windows 任务计划程序
方法二：启动文件夹快捷方式
方法三：wsl.conf boot command

打开 taskschd.msc（任务计划程序）
创建基本任务：
- 触发器：用户登录时
- 操作：启动程序
- 程序：wsl.exe
- 参数：-d Ubuntu -u your_username -- bash -c "systemctl --user start openclaw-gateway"

按 Win + R，输入 shell:startup 打开启动文件夹
创建快捷方式，目标设置为：

wsl.exe -d Ubuntu -- bash -lc "sleep 5 && systemctl --user start openclaw-gateway"

sleep 5 给 systemd 足够的初始化时间。

在 WSL 的 /etc/wsl.conf 中添加：

[boot]
systemd=true
command="su - your_username -c 'XDG_RUNTIME_DIR=/run/user/$(id -u your_username) systemctl --user start openclaw-gateway'"

8.4 健康检查

确认服务正常运行的快捷检查：

# 查看 Gateway 运行状态
openclaw status

# 查看日志
journalctl --user -u openclaw-gateway -f --no-pager -n 50

# 验证 Telegram Bot 是否在线
# 在 Telegram 中给你的 Bot 发一条消息，看是否有回应

9. 自定义 API 与模型接入

OpenClaw 最强大的特性之一是支持任何 OpenAI-Compatible 的 API 端点，这意味着你可以接入任何第三方 API 代理、企业内部模型服务，甚至本地运行的开源模型。

9.1 接入 OpenAI-Compatible API

许多第三方 API 代理服务（如 OpenRouter、Together AI、硅基流动 SiliconFlow 等）都兼容 OpenAI 的 API 格式。所有自定义模型和提供商的配置都在 ~/.openclaw/openclaw.json 中完成，修改后重启 Gateway 即可生效。

直接编辑 ~/.openclaw/openclaw.json，在 models.providers 中添加自定义提供商：

~/.openclaw/openclaw.json（自定义模型部分）
{
  "models": {
    "mode": "merge",
    "providers": {
      "my-silicon-flow": {
        "baseUrl": "https://api.siliconflow.cn/v1",
        "apiKey": "sk-xxxxxx",
        "api": "openai-completions",
        "models": [
          {
            "id": "deepseek-ai/DeepSeek-V3",
            "name": "DeepSeek-V3 (SiliconFlow)",
            "reasoning": true,
            "input": ["text"],
            "cost": {
              "input": 2.0,
              "output": 8.0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 64000,
            "maxTokens": 8192
          },
          {
            "id": "Qwen/Qwen2.5-72B-Instruct",
            "name": "Qwen2.5-72B (SiliconFlow)",
            "reasoning": false,
            "input": ["text"],
            "cost": {
              "input": 4.13,
              "output": 4.13,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 131072,
            "maxTokens": 4096
          }
        ]
      }
    }
  }
}

💡 关键字段说明：

mode: "merge" — 表示与内置模型列表合并，保留原有模型

api: "openai-completions" — 指定 API 兼容格式

models — 使用数组格式，每个模型包含 id、name、reasoning、cost 等字段

Provider ID（如 my-silicon-flow）将作为引用前缀

然后在同一配置文件中，将自定义模型设为主模型，引用格式为 <provider-id>/<model-id>：

~/.openclaw/openclaw.json（设置主模型）
{
  "agents": {
    "defaults": {
      "model": {
        "primary": "my-silicon-flow/deepseek-ai/DeepSeek-V3"
      },
      "models": {
        "my-silicon-flow/deepseek-ai/DeepSeek-V3": {
          "alias": "sf-deepseek"
        }
      }
    }
  }
}

配置完成后，重启 Gateway 使其生效：

openclaw gateway restart

9.2 接入本地 Ollama 模型

对于追求完全离线隐私的用户，可以使用 Ollama 在本地运行开源大模型：

Step 1：安装 Ollama

# 在 WSL 中安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 拉取模型（推荐 64k+ 上下文的模型）
ollama pull llama3.1:70b
ollama pull qwen2.5:32b
ollama pull deepseek-r1:32b

Step 2：配置 OpenClaw 连接 Ollama

# 设置 Ollama API Key（本地使用任意值即可）
openclaw config set models.providers.ollama.apiKey "ollama-local"

⚠️ 关键提醒：OpenClaw 连接 Ollama 时，Base URL 应该使用 http://localhost:11434（不加 /v1 后缀）。使用 /v1 端点会导致工具调用（Tool Calling）功能失效。

Step 3：设置 Ollama 为主模型

openclaw config set agents.defaults.model.primary "ollama:llama3.1:70b"

Step 4：确保 Ollama 服务运行

# 启动 Ollama 服务（如果未自动启动）
ollama serve &

# 验证服务状态
curl http://localhost:11434/api/tags

9.3 混合模型策略

在实际使用中，推荐采用云端 + 本地混合的模型策略：

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "anthropic:claude-sonnet-4-20250514",
        "fallbacks": [
          "my-silicon-flow:deepseek-ai/DeepSeek-V3",
          "ollama:qwen2.5:32b"
        ]
      }
    }
  }
}

这样做的好处是：

日常使用：优先使用最强的云端模型（如 Claude Sonnet 4）
云端限流时：自动降级到第三方 API 代理（如 SiliconFlow 的 DeepSeek-V3）
网络断开时：兜底使用本地 Ollama 模型，确保服务不中断

9.4 搜索引擎配置

OpenClaw 支持为 AI 配置网络搜索能力，让你的助手能够实时检索最新信息。目前主要有两种方式：

方式一：Brave Search（内置）
方式二：Tavily Search（ClawHub Skill）

Brave Search 是 OpenClaw 官方内置的搜索引擎，通过 web_search 工具直接调用，无需安装额外 Skill。

Step 1：获取 API Key

前往 Brave Search API 注册账号
在控制台中选择 Data for Search 计划，生成 API Key

⚠️ 注意：Data for AI 计划与 web_search 工具不兼容，请选择 Data for Search。

Step 2：在 `openclaw.json` 中配置

~/.openclaw/openclaw.json（搜索配置部分）
{
  "tools": {
    "web": {
      "search": {
        "provider": "brave",
        "apiKey": "BSAxxxxxxxxxxxxxxxx",
        "maxResults": 5,
        "timeoutSeconds": 30
      }
    }
  }
}

Step 3：重启 Gateway 生效

openclaw gateway restart

配置完成后，AI 助手会在需要时自动调用 web_search 工具，支持按语言、国家、时间范围精确搜索：

// 按国家和语言搜索
web_search({ query: "可再生能源", country: "CN", language: "zh" });

// 搜索最近一周的结果
web_search({ query: "AI 最新进展", freshness: "week" });

// 按日期范围搜索
web_search({
  query: "AI developments",
  date_after: "2026-01-01",
  date_before: "2026-03-01",
});

💡 搜索结果默认缓存 15 分钟（可通过 cacheTtlMinutes 配置调整）。

Tavily 是专为 AI Agent 优化的搜索引擎，返回的结果更简洁、与 LLM 兼容性更好。通过 ClawHub Skill 安装。

Step 1：获取 Tavily API Key

前往 tavily.com 注册并获取 API Key。

Step 2：安装 Skill

npx clawhub@latest install arun-8687/tavily-search

Step 3：设置环境变量

在 ~/.openclaw/openclaw.json 的 env 部分添加：

~/.openclaw/openclaw.json
{
  "env": {
    "TAVILY_API_KEY": "tvly-xxxxxxxxxxxxxxxx"
  }
}

Step 4：重启 Gateway

openclaw gateway restart

安装后，AI 助手即可使用 Tavily 搜索能力：

普通搜索：返回简洁、AI 友好的搜索结果
深度搜索（--deep）：触发更全面的研究级搜索，适合复杂问题
新闻搜索（--topic news）：专注新闻资讯，支持按天数过滤
URL 内容提取：直接提取指定网页的文本内容

💡 如何选择？ Brave Search 是内置方案，配置简单、开箱即用；Tavily 的搜索结果针对 AI Agent 做了优化，回答质量通常更好。推荐先试用 Brave（免费额度充足），有更高质量需求再切换到 Tavily。

10. 进阶配置与技巧

10.1 多 Agent 配置

OpenClaw 支持配置多个不同角色的 Agent，针对不同场景使用不同的系统提示词和模型：

openclaw.json — agents 配置
{
  "agents": {
    "default": {
      "name": "Jarvis",
      "persona": "你是一个高效的 AI 助手，擅长编程、文件管理和信息检索。",
      "model": {
        "primary": "anthropic:claude-sonnet-4-20250514"
      }
    },
    "coder": {
      "name": "CodeBot",
      "persona": "你是一个专注于编程的 AI 助手，精通多种编程语言。",
      "model": {
        "primary": "anthropic:claude-sonnet-4-20250514"
      }
    },
    "writer": {
      "name": "Writer",
      "persona": "你是一个创意写作助手，擅长中英文写作和翻译。",
      "model": {
        "primary": "openai:gpt-4o"
      }
    }
  }
}

10.2 Skills 安装与管理

Skills 是 OpenClaw 的扩展能力包。截至 2026 年 2 月，ClawHub 官方注册表已托管超过 13,700+ 个社区贡献 Skill（awesome-openclaw-skills 精选了其中 5,494 个）。安装方式非常灵活：

ClawHub CLI（推荐）
手动安装
聊天安装

# 搜索可用 Skills
npx clawhub@latest search gmail

# 安装 Skill（自动部署到 ~/.openclaw/skills/）
npx clawhub@latest install agent-browser
npx clawhub@latest install better-notion
npx clawhub@latest install n8n

# 列出已安装的 Skills
openclaw skills list

# 移除 Skill
openclaw skills remove agent-browser

# 将 Skill 文件夹复制到以下路径之一：
# 全局级
~/.openclaw/skills/
# 项目级（优先级最高）
<project>/skills/

# 优先级顺序：Workspace > Local > Bundled

各类别热门 Skills 推荐（均来自 ClawHub 官方注册表）：

类别	Skill	功能
🔧 浏览器 & 自动化	`agent-browser`	Rust 实现的无头浏览器自动化 CLI
🔧 浏览器 & 自动化	`2captcha`	通过 2Captcha 服务自动解决验证码
📝 笔记 & PKM	`better-notion`	Notion 页面和数据库完整 CRUD 操作
📝 笔记 & PKM	`apple-notes`	通过 memo CLI 管理 macOS Apple Notes
📝 笔记 & PKM	`bear-notes`	创建、搜索和管理 Bear 笔记
🔍 搜索 & 研究	`academic-deep-research`	透明、严谨的学术深度研究
🔍 搜索 & 研究	`arxiv-search-collector`	模型驱动的 arXiv 论文检索工作流
📊 效率 & 任务	`asana`	通过 REST API 集成 Asana 项目管理
📊 效率 & 任务	`n8n`	通过 API 管理 n8n 工作流自动化
💬 通信	`agentmail-integration`	为 Agent 分配专属邮箱
💬 通信	`beeper`	搜索和浏览本地 Beeper 聊天记录
☁️ DevOps	`agentic-devops`	Docker、进程管理、日志分析和健康监控
🔐 安全	`heimdall`	安装前扫描 Skill 中的恶意模式
🤖 Agent 协议	`claw-to-claw`	Agent 间协调通信协议

⚠️ 安全提醒：ClawHub 提供 VirusTotal 合作扫描，但 Skills 本质上是社区开源代码。安装前务必检查源码，推荐使用 Snyk Skill Security Scanner 或 Agent Trust Hub 进行安全审计。

10.3 安全加固

OpenClaw 拥有强大的系统级权限，安全配置至关重要：

# 设置消息通道的 DM 策略为"配对审批"（默认）
openclaw config set channels.telegram.dmPolicy "pairing"

# 查看已授权的用户列表
openclaw pairing list

# 撤销某个用户的授权
openclaw pairing revoke telegram <user_id>

安全建议：

第三方 Skills 视为不可信代码，安装前务必审查

定期检查 openclaw pairing list 中的授权用户

如果不需要远程访问，不要暴露 Gateway 端口到公网

10.4 日志与调试

# 实时查看 Gateway 日志
journalctl --user -u openclaw-gateway -f

# 查看最近的错误日志
journalctl --user -u openclaw-gateway --since "1 hour ago" -p err

# OpenClaw 内置日志
openclaw logs --tail 100

# 开启 Debug 模式（排错用）
openclaw config set log.level "debug"
openclaw restart

10.5 杀手级 Skills 与扩展生态推荐

要想把 OpenClaw 的潜力发挥到极致（真正的 "Auto-Agent"），你需要了解它繁荣的扩展生态。以下推荐的 Skills 均可在 awesome-openclaw-skills 中找到：

1. 核心商城与生态中枢

ClawHub (clawhub.ai)：官方维护的插件注册表，截至 2026 年 2 月已托管 13,729 个社区 Skill，通过 npx clawhub@latest search <关键词> 探索。
MCP 集成：OpenClaw 原生支持 MCP (Model Context Protocol) 协议（详见下一节），配置后可直接调用数百个 MCP 服务端工具。
ClawForge：可视化的 Node-based 工作流引擎。不想在终端手写 JSON？你可以类似 Coze 的工作流节点连线，把各个 Skills 串联成极为复杂的自动化流水线。

2. 强烈推荐的「神级」赋能 Skills

将普通的聊天机器人变成真正的 Auto-Agent，核心就在这些扩展：

🧠 agent-memory-ultimate (长记忆化)：生产级记忆系统——每日日志、睡眠巩固、SQLite + FTS5 全文搜索，支持 WhatsApp / ChatGPT / VCF 导入。你半年前随口提过的饮品偏好，它点外卖时始终能倒背如流。
🐳 agentic-devops (DevOps 工具箱)：产品级 Agent DevOps 套件——Docker 容器管理、进程管控、日志分析、健康监控一站式搞定。
🐙 auto-pr-merger (开发自动化)：自动化 GitHub PR 检出、检查、合并工作流。结合 azure-devops 还能管理 Azure DevOps 项目和 PR。
� better-notion (知识大脑)：Notion 页面、数据库完整 CRUD。授权后，AI 相当于读懂了你的整个工作日常，在 Telegram 直接问："上周开会讨论的排期是多少？"
🕷️ agent-browser (无头浏览器)：Rust 实现的高性能无头浏览器自动化 CLI，搭配 2captcha 验证码破解 Skill 可实现完整的自动化爬虫流程。
📰 biz-reporter (商业智能)：自动从 Google Analytics GA4、Google Search Console、Stripe 拉取数据并生成商业分析报告。
🔐 heimdall (安全审计)：在安装新 Skill 之前，自动扫描和识别恶意模式，守护你的 Agent 安全。

💡 发现更多 Skills：浏览 awesome-openclaw-skills 仓库，按 30+ 分类（Git & GitHub、Browser & Automation、DevOps & Cloud、Search & Research、Notes & PKM 等）精选发现。

11. MCP (Model Context Protocol) 集成

MCP（Model Context Protocol） 是由 Anthropic 主导的开放协议标准，旨在为 AI 模型与外部工具/数据源提供统一的通信接口。OpenClaw 原生支持 MCP 协议，这意味着你可以直接接入整个 MCP 生态中数百个现成的工具服务器，无需单独安装 Skill。

11.1 MCP 架构简介

核心概念：

概念	说明
MCP Host	OpenClaw Gateway 作为 MCP 客户端（Host），负责发起工具调用请求
MCP Server	独立运行的工具服务端，暴露 `tools`（可调用操作）和 `resources`（可读取数据）
传输协议	支持 `stdio`（本地管道）和 `SSE`（HTTP 远程）两种传输方式
Tool Calling	LLM 根据上下文自动决定调用哪个 MCP Server 的哪个 Tool

11.2 配置 MCP 服务器

在 OpenClaw 的配置目录中创建 mcp.json：

~/.openclaw/mcp.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/home/user/documents"
      ],
      "env": {}
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    },
    "sqlite": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-sqlite",
        "/home/user/data/mydb.sqlite"
      ]
    },
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "BSA-xxxxxxxxxxxx"
      }
    }
  }
}

配置完成后重启 Gateway：

systemctl --user restart openclaw-gateway

OpenClaw 会自动启动所有配置的 MCP Server 子进程，并将其暴露的 Tools 注入到 LLM 的可用工具列表中。

11.3 常用 MCP Server 推荐

MCP Server	包名	功能
Filesystem	`@modelcontextprotocol/server-filesystem`	文件读写、搜索、目录管理
GitHub	`@modelcontextprotocol/server-github`	仓库管理、Issue/PR 操作、代码搜索
SQLite	`@modelcontextprotocol/server-sqlite`	数据库查询、表管理、数据分析
Brave Search	`@modelcontextprotocol/server-brave-search`	实时网络搜索
Puppeteer	`@modelcontextprotocol/server-puppeteer`	浏览器自动化、截图、PDF 生成
Memory	`@modelcontextprotocol/server-memory`	基于 Knowledge Graph 的持久化记忆
PostgreSQL	`@modelcontextprotocol/server-postgres`	PostgreSQL 数据库只读查询
Google Maps	`@modelcontextprotocol/server-google-maps`	地理编码、路径规划、地点搜索

完整 MCP Server 列表参见 Anthropic MCP Servers 官方仓库。

11.4 MCP vs Skills：如何选择？

维度	MCP Server	OpenClaw Skills
定位	通用工具协议层	OpenClaw 专属能力扩展
安装方式	配置 `mcp.json` + npx 自动拉取	`npx clawhub@latest install` 或手动复制
生态规模	~100+ 个官方/社区 Server	13,700+ 个 ClawHub Skill
优势	协议标准化、跨平台兼容	深度定制、OpenClaw 原生特性
适用场景	通用工具（文件、数据库、搜索、API）	Agent 专属工作流、复杂自动化

推荐策略：优先使用 MCP Server 满足通用工具调用需求（文件操作、数据库查询、网络搜索），然后用 Skills 补充 OpenClaw 特有的自动化工作流（Agent 记忆、安全审计、Agent 间通信等）。

11.5 编写自定义 MCP Server

如果你有特殊需求，编写一个自定义 MCP Server 非常简单。以 Node.js 为例：

# 安装 MCP SDK
npm install @modelcontextprotocol/sdk

my-mcp-server.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "my-custom-server",
  version: "1.0.0",
});

// 注册一个 Tool
server.tool(
  "get-weather",
  "获取指定城市的天气信息",
  { city: z.string().describe("城市名称") },
  async ({ city }) => {
    // 在这里调用你的天气 API
    const weather = await fetchWeather(city);
    return {
      content: [{ type: "text", text: JSON.stringify(weather) }],
    };
  },
);

// 启动服务
const transport = new StdioServerTransport();
await server.connect(transport);

然后在 mcp.json 中添加配置即可：

{
  "mcpServers": {
    "my-weather": {
      "command": "npx",
      "args": ["tsx", "/path/to/my-mcp-server.ts"]
    }
  }
}

12. 常见问题排查（FAQ）

Q1：安装时提示 Node.js 版本不对？

# 确认 Node.js 版本
node -v

# 如果版本低于 22，通过 nvm 切换
nvm install 22 && nvm use 22

Q2：Telegram Bot 发消息无回应？

排查清单：

Gateway 是否在运行：openclaw status 或 systemctl --user status openclaw-gateway
配对是否完成：openclaw pairing list 确认你的 Telegram User ID 在列表中
API Key 是否有效：检查 ~/.openclaw/openclaw.json 中的 API Key
代理是否正常：curl -s https://api.anthropic.com 测试网络连通性

Q3：API 调用报错 `429 Rate Limit`？

说明当前模型的调用频率超限。解决方案：

配置 fallbacks 模型实现自动降级
使用自定义 API 代理分散请求
降低 Agent 的调用频率

Q4：WSL 重启后 OpenClaw 没有自动启动？

按照第 8.3 节配置 Windows 任务计划程序或启动文件夹快捷方式。

Q5：Ollama 本地模型工具调用失效？

确保 OpenClaw 的 Ollama baseUrl 配置为 http://localhost:11434（不含 /v1），并使用支持 Tool Calling 的模型（如 llama3.1、qwen2.5）。

结语

OpenClaw 不是一个玩具——它是一个真正的生产级 AI 代理运行时。通过本文的配置，你已经拥有了：

✅ 在 WSL 上稳定运行的 OpenClaw 环境
✅ 灵活的多模型配置与自动 Fallback
✅ 通过 Telegram 随时随地与 AI 对话
✅ 代理/VPN 保障海外 API 顺畅访问
✅ 开机自启 + 崩溃自恢复的 7x24 常驻服务
✅ 自定义 API、本地模型、混合部署的进阶玩法
✅ MCP 协议集成，一键接入数百个外部工具
✅ 5,400+ 精选 Skills 生态，从学术研究到商业智能全覆盖

从现在开始，你的 AI 助手睡着的时候，它还在工作。

延伸阅读：

OpenClaw 官方文档

OpenClaw GitHub

ClawHub Skills 市场

Awesome OpenClaw Skills — 5,494 精选 Skills 目录

MCP 官方规范

MCP Servers 仓库

Ollama 官方文档

WSL 官方文档

1. OpenClaw 是什么？​

1.1 核心特性速览​

2. 前置准备：WSL2 环境搭建​

2.1 安装 WSL2​

2.2 启用 systemd​

2.3 安装 Node.js（v22+）​

3. 安装 OpenClaw​

4. 初始化配置：Onboarding 向导​

5. 模型配置详解​

5.1 在 Onboarding 中选择模型​

5.2 配置文件详解​

5.3 模型优先级与 Fallback 机制​

5.4 通过 CLI 修改模型​

6. Telegram 通道配置​

6.1 创建 Telegram Bot​

Step 1：找到 BotFather​

Step 2：创建新 Bot​

Step 3：获取你的 Telegram User ID​

6.2 在 Onboarding 中配置​

6.3 配对与审批（Pairing & Approve）​

6.4 群组使用（可选）​

7. VPN 与代理配置​

7.1 代理配置方案​

Step 1：在代理工具中启用局域网访问​

Step 2：获取 Windows 宿主机 IP​

Step 3：设置代理环境变量​

Step 4：持久化代理配置​

7.2 验证网络连通性​

8. 开机自启与服务管理​

8.1 OpenClaw systemd 服务​

8.2 手动创建 systemd 服务​

8.3 WSL 自动启动配置​

8.4 健康检查​

9. 自定义 API 与模型接入​

9.1 接入 OpenAI-Compatible API​

9.2 接入本地 Ollama 模型​

Step 1：安装 Ollama​

Step 2：配置 OpenClaw 连接 Ollama​

Step 3：设置 Ollama 为主模型​

Step 4：确保 Ollama 服务运行​

9.3 混合模型策略​

9.4 搜索引擎配置​

Step 1：获取 API Key​

Step 2：在 openclaw.json 中配置​

Step 3：重启 Gateway 生效​

Step 1：获取 Tavily API Key​

Step 2：安装 Skill​

Step 3：设置环境变量​

Step 4：重启 Gateway​

10. 进阶配置与技巧​

10.1 多 Agent 配置​

10.2 Skills 安装与管理​

10.3 安全加固​

10.4 日志与调试​

10.5 杀手级 Skills 与扩展生态推荐​

1. 核心商城与生态中枢​

2. 强烈推荐的「神级」赋能 Skills​

11. MCP (Model Context Protocol) 集成​

11.1 MCP 架构简介​

11.2 配置 MCP 服务器​

11.3 常用 MCP Server 推荐​

11.4 MCP vs Skills：如何选择？​

11.5 编写自定义 MCP Server​

12. 常见问题排查（FAQ）​

Q1：安装时提示 Node.js 版本不对？​

Q2：Telegram Bot 发消息无回应？​

Q3：API 调用报错 429 Rate Limit？​

Q4：WSL 重启后 OpenClaw 没有自动启动？​

Q5：Ollama 本地模型工具调用失效？​

结语​