GitHub星标榜榜首最近换人了——不是Linux，而是一个叫OpenClaw的开源项目。发布四个多月，星标数冲到31.9万，超过Linux登顶第一。大家都在问：这玩意儿到底厉害在哪？
简单说，OpenClaw是一个能真正动手干活的AI助手。它不像ChatGPT那样只跟你聊天，而是能直接操作你的电脑、浏览器、文件系统，把自然语言指令变成实际动作。你可以把它理解成一个住在你本地的数字员工，数据不出门，隐私自己控，还能7×24小时待命。
一、OpenClaw是谁？不是聊天机器人
官方定义有点拗口：开源、自托管的AI智能体执行网关。咱们拆开看：
- 开源免费：代码全公开，MIT协议，随便改、随便用，没有收费套路。
- 本地优先：所有数据（对话记录、任务日志）都存在你自己电脑或服务器上，不传云端。
- 执行网关：核心是“执行”两个字。它把大语言模型（比如GPT、Claude、Gemini）的“思考能力”和本地系统的“操作能力”连起来，让AI不仅能说，还能做。
和传统对话AI比，OpenClaw多了双手。你让ChatGPT整理桌面文件，它只能告诉你怎么做；你让OpenClaw整理，它真就去把图片、文档、视频分门别类放好。
二、这双手能干什么？实际场景举例
1. 系统级操作（直接操控电脑）
- 文件管理：整理文件夹、批量重命名、查找大文件、压缩图片。
- 终端执行：运行Shell脚本、管理进程、检查系统状态。
- 代码开发：生成代码片段、调试、写测试用例、管理依赖。
2. 浏览器自动化（代替你点鼠标）
- 自动登录网站、填写表单、爬取数据。
- 监控商品价格、预约挂号、处理报销。
- 配置API令牌、OAuth授权。
3. 办公自动化（解放重复劳动）
- 邮件处理：自动清理收件箱、发送定期报告。
- 日程管理：安排会议、生成周报、提醒deadline。
- 文档处理：合同信息提取、格式转换、多语言翻译。
4. 多渠道交互（哪儿都能用）
不用装专用App，通过Telegram、Discord、飞书、钉钉这些聊天软件就能给它下指令。手机发条消息，家里电脑就开始干活。
5. 多模型支持（不绑死一家）
默认支持OpenAI、Anthropic、Google的云模型，也能通过Ollama接本地模型。没钱买API？本地跑个Llama 3.2照样用。
三、四种部署方式，怎么选？
OpenClaw支持多种部署姿势，不同人群对号入座：
部署方式 |
技术门槛 |
耗时 |
适合谁 |
优点 |
缺点 |
一键脚本 |
极低 |
10分钟 |
小白、本地试用 |
全自动，引导配置，开机自启 |
自定义程度低 |
npm手动安装 |
中等 |
5-10分钟 |
开发者、服务器部署 |
版本可控，灵活定制 |
需手动配后台运行 |
源码编译 |
高 |
30分钟+ |
二次开发、定制需求 |
完全可控，可改核心逻辑 |
易出构建问题 |
云平台镜像 |
极低 |
15分钟 |
企业、需要公网访问 |
无需配环境，自动备份，高可用 |
产生云服务器费用 |
直接抄作业：
- 本地玩玩 → 一键脚本
- 开发者/服务器 → npm手动安装
- 改源码加功能 → 源码编译
- 企业生产 → 云平台镜像（腾讯云/阿里云有专属镜像）
四、手把手安装：两种最常用方法
方法一：一键脚本（小白专属）
打开终端（Windows用PowerShell管理员，macOS/Linux用普通终端），一条命令搞定：
# macOS / Linux curl -fsSL https://openclaw.ai/install.sh | bash -s -- --install-method git # Windows（PowerShell管理员） curl -fsSL https://openclaw.ai/install.cmd -o install.cmd && install.cmd --tag beta && del install.cmd
脚本自动检测环境，装Node.js、依赖、核心程序，最后启动引导配置。跟着提示走：
- 选AI供应商（OpenAI、Claude、Gemini或Ollama本地模型）
- 填API Key（用本地模型可跳过）
- 连通讯渠道（如Telegram，按提示绑Bot Token）
- 测试：发条消息看它回不回
方法二：npm手动安装（开发者推荐）
前提：Node.js ≥ 22.x LTS。
# 用npm npm install -g openclaw@latest # 或用pnpm（更快） pnpm add -g openclaw@latest
装完后验证：
openclaw --version openclaw doctor
初始化配置：
openclaw onboard --install-daemon
参数--install-daemon会装后台守护进程，保证关机重启后服务自动恢复。
生产环境记得加进程保活，用PM2：
npm install -g pm2 pm2 start "openclaw gateway" --name openclaw-gw pm2 startup pm2 save
五、核心实战：添加第三方API（省下80%成本）
官方API贵，网络还可能不稳。用第三方中转服务，成本直接打骨折。下面以配置Claude和Gemini为例。
1. 找到配置文件
OpenClaw所有配置都在openclaw.json里，路径因系统而异：
- macOS/Linux：
~/.openclaw/openclaw.json - Windows：
C:\Users\<用户名>\.openclaw\openclaw.json
找不到？执行openclaw init生成。
2. 添加自定义Provider（关键步骤）
用文本编辑器打开openclaw.json，找到models.providers节点（没有就新建），注意替换apiKey为你自己的。
两个坑提前避开：
api字段必须保持"anthropic-messages"，这是协议凭证，改了就调不通。contextWindow务必改成200000，默认的4096会导致配置异常。
3. 设置默认模型
在同一文件里找到agents.defaults节点，确保model.primary指向刚加的Provider：
"agents": { "defaults": { "model": { "primary": "custom-ai-nengyongai-cn/claude-4-7-sonnet-latest" } } }
格式是"Provider名称/模型ID"，必须和前面完全一致。
4. 保存并重启网关
改完保存，重启OpenClaw网关让配置生效：
openclaw gateway stop openclaw gateway --port 18789
验证模型挂载状态：
openclaw models status
看到custom-ai-nengyongai-cn/claude-3-7-sonnet-latest且状态为“可用”，就算成了。
5. 配置Gemini等其他模型
如果你想接Gemini，Provider配置稍微不同：
"custom-gemini-provider": { "baseUrl": "https://api.linkapi.org/v1", "apiKey": "你自己的api", "api": "openai-completions", // 注意这里是openai-completions "models": [ { "id": "gemini-3-flash-preview-nothinking", "name": "gemini-3-flash-preview-nothinking", "api": "openai-completions", // 这里也要加 "reasoning": true, "input": ["text", "image"], "contextWindow": 200000, "maxTokens": 8192 } ] }
关键区别：Gemini的api字段要用"openai-completions"，网上很多教程没提这点，不加的话API调不通。
同样，记得在agents.defaults.model.primary里指向"custom-gemini-provider/gemini-3-flash-preview-nothinking"。
六、常见问题排坑
- 启动报错“Node.js版本过低”
- 装Node.js 22.x LTS，用nvm切换版本。
- API Key验证失败
- 检查Key有没有空格、过期；本地模型不用填Key。
- Telegram Bot绑不上
- 重新用@BotFather创建Bot，确认Token没错；检查服务器网络能否连Telegram。
- 配置后模型挂载失败
- 查
contextWindow是不是改成了200000；api字段对不对；Provider名称和model.primary是否一致。
- 网关启动后Web面板打不开
- 看端口是否被占用；检查防火墙是否放行18789端口；云服务器需在安全组里开放端口。
- 小豆包API中转平台
- 注册即用，一键管理200+大模型，一key通用所有模型。
七、最后说两句
OpenClaw火起来不是没道理。它把AI从“嘴炮”变成“实干”，而且开源、本地化，不用担心数据泄露。不管是个人用来解放双手，还是企业搞流程自动化，都是性价比极高的选择。
配置第三方API这块，能省下不少钱。按现在的价格，第三方中转服务调用Claude的成本大约是官方价的1/5，用得多的话一年省出一台新电脑。
教程里的代码和配置都是实测可用的，直接复制粘贴就能跑。遇到问题多看文档，或者去GitHub issues里搜搜，大部分坑都有人踩过了。
