从心理按摩到实操上手的OpenClaw全指南

。

点击蓝字，关注我们

1. 反问自己，让自己不焦虑

• 本着不焦虑，不急躁的主旨，个人觉得可以先想清楚自己用它干嘛，再去追逐热点部署龙虾。盲目的追逐不仅浪费时间，精力，还会带来无形压力（部署路途艰难，部署完不知做什么）

• 如果你去搜索openclaw，主要内容可能是云厂商提供的一键部署广告，或是部署教程，很少有工程实践或者高价值收益案例。

• 如果你搜索关键词 openclaw 应用案例，可以看看截图，也可以看 十一章 案例地址

扪心自问，下面案例中 个人很需要助理吗？项目管理没有好用工具么？AI自媒体创作投稿平台给你推流么？这些案例中，有人给算过投入和产出成本么？

2. 什么时候使用合适？

公司内有现成的

• 公司内有条件，有免费的一键化的部署，可以让你快速体验。搭配公司业务一切水到渠成。几乎没有时间和费用成本

个人满足下面这些理由

• 必须接受一定的成本投入：20刀/每月的订阅，持续性任务token消耗。有些模型不能使用订阅，必须使用token模式（这个花费更是海量，好用不便宜，便宜不好用）

• 必须花得起时间：目前整个openclaw还是偏向技术化的，缺少稳定性的GUI，深度应用需要技术底蕴加持。

• 可能十分感兴趣或者需要openclaw的热度流量：有足够的兴趣爱好或者追逐AI趋势保持AI技术内容创作。

• 可能非常需要工程化和自动化能力：你需要多Agent协作，复杂的自动化能力，确实可以考虑。如果你只是为了获取个资讯，做个定时任务，AI聊聊天，做个文档分析，各类工具太多了还都免费（如果你不知道到，可以问问AI，工具能力 + 开源或github 做为提问关键词）。

OpenClaw 是一个能干活的AI Agent平台。不是聊天机器人，它能操作你的电脑、访问网页、处理文件、发消息、跑定时任务。

项目多次改名，容易搞混：

• 最初叫Clawdbot

• Anthropic发律师函后，改名Moltbot（脱皮龙虾的意思）

• 最终定名OpenClaw

三个名字指的是同一个东西，功能完全一致。

最后一行很重要：OpenClaw 本身不包含 AI 模型，它是一个调度平台。你需要给它配一个"大脑"，它才能干活。

Gateway（网关） 系统中枢，所有消息都经过它。默认监听18789端口。

Channel（渠道） 是消息的入口和出口。飞书的消息，通过Channel进入Gateway；Gateway回复再通过这个Channel发回给你。

Agent（代理） 干活的角色，可以一个Agent，也可以多个各司其职。每个Agent都有：

• 身份（SOUL.md）

• 行为规范（AGENTS.md）

• 记忆（MEMORY.md）

• 工作目录

Tool（工具） Agent工具箱。包括文件读写、命令执行、浏览器控制、定时任务等。

Skill（技能） 可安装的能力扩展包。比如prompt-guard（防注入+省token）等。

数据流向：用户消息 -> Channel -> Gateway -> Agent（调用AI模型+使用Tool）-> Gateway -> Channel -> 用户收到回复。

~/.openclaw/  openclaw.json      # 主配置文件（模型、网关、工具、技能等全在这里）  skills/            # 全局技能目录  agents/            # Agent 会话和状态数据  secrets/           # 密钥存储  workspace/           # Agent工作区

每个 Agent 的工作目录（workspace）结构，多Agent也就是多员工模式在后面介绍：

详细参考

https://docs.openclaw.ai/zh-CN/reference/AGENTS.default

workspace/  SOUL.md            # 这个 Agent 是谁  AGENTS.md          # 这个 Agent 怎么做事  MEMORY.md          # 长期记忆  IDENTITY.md        # 个性标识，感觉和SOUL有点类似  USER.md            # 用户信息  skills/            # 这个 Agent 专属的技能

这个文件是 JSON 格式，控制OpenClaw的所有行为。后面会频繁修改它，先了解结构：

{  "gateway": {    "port": 18789,    "bind": "loopback"  },  "agents": {    "defaults": {      "model": {        "primary": "anthropic/claude-sonnet-4-5"      },      "workspace": "~/openclaw-workspace"    }  },  "tools": {    "allow": [],    "deny": []  },  "skills": {    "entries": {}  }}

mac 推荐电脑安装brew软件管理工具，可以让你应对后面很多的环境建设，包安装等内容

国内脚本，你在mac上安装brew，提供了各种选择源

/bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/Homebrew.sh)"

硬性要求：Node.js 22 或更新版本。

检查是否已安装：

node -v

如果没有安装或版本低于 22：

# macOS（用 Homebrew）brew install node# window 可以去官方下载，Mac也可以https://nodejs.org/

看不懂node下载没关系，版本选择最新（LTS代表稳定版本），系统自己选择Mac或者window。后面CPU指令集多数window电脑都是x64，少数(Surface Pro)arm64，Mac的inter芯片是x64，自己的M系列是arm64，不懂就都下载试试，很快的。

适合日常个人使用，机器在身边，随时能看到。安装方式不必管它有多少种，会一种即可，不要过于纠结，最终没什么区别

3.2.1 第一步：安装 OpenClaw

Mac：

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

window：

iwr -useb https://openclaw.ai/install.ps1 | iex

装完之后终端里就有 openclaw 命令了。

另一种方案Mac或Window均可，因为你已经有Nodejs 22版本

npm install -g openclaw@latest

3.2.2 第二步：安装向导，双端基本一致

openclaw onboard --install-daemon

键盘的左右控制yes/no，选择QuickStart

大模型接入选择，我用的token模式（智普AI），可以关注我截图中的选择项
如果用订阅模式，有些订阅模式不是官方的（gemini），注意安全

智普API，点击右上角添加新的API Key。（新用户会赠送很多token，针对不同版本模型都有）

注意openclaw在设置模型时应该与你后台有token模型匹配（比如glm-4.5）

聊天渠道，方便通过飞书，控制电脑（我使用了飞书）

接入飞书渠道，需要APP Secret 和 App ID （获取飞书密钥信息内容，参考3.3的飞书接入文档链接处）

Group chat policy 聊天安全策略（这里选择open是为了快速完成验证，降低接入成本提升部署信心，安全角度不要用open）

配置skills，默认可以先不用配置，如果你要配置，这里的操作应该是按空格进行选择，按回车确认进入下一步。

跳过hook设置，按空格选择（选择后左侧方框变成实心），回车确认

使用TUI（终端UI），也可以用别的（浏览器UI）。当初始化完成，可以直接通过终端对话或使用下面图片，绿色带有token的内容打开本地聊天对话。

浏览器打开的样子如下

当然你也可以在终端对话

3.2.3 第三步：验证安装

# 检查网关状态openclaw gateway status# 打开控制面板（浏览器会自动弹出）openclaw dashboard

如果控制面板能正常打开，看到聊天界面，说明安装成功。你已经可以在浏览器里和 Agent 对话了。

3.2.4 第四步：常见问题解决

问题1：中间出错先问大模型，如果没有经验，就一键清空重来，万能重启大法。openclaw的所有配置都在.openclaw目录下

rm -rf ~/.openclaw

问题2：如果在初始化阶段，某个配置选择错误，推荐直接按esc退出重来。如果懂配置，你可以选择先继续，最后在统一去 ~/openclaw/openclaw.json 里修改，或者丢给大模型让他给你配置。

通过接入channel，可以通过远程控制openclaw支持开发。这边直接推荐阿里云官方文档，包含飞书，企业微信，QQ等方案。

官方飞书接入（最近更新了）

https://docs.openclaw.ai/zh-CN/channels/feishu#2-%E5%88%9B%E5%BB%BA%E5%BA%94%E7%94%A8

阿里云接入文档

https://help.aliyun.com/zh/simple-application-server/use-cases/openclaw-integrated-fly-book?spm=a2c4g.11186623.help-menu-58607.d_3_0_0_2.499e36bct9cEj6&scm=20140722.H_3019601._.OR_help-T_cn~zh-V_1

如果只是简单玩玩，用token没问题，如果想深度用，不用想，直接订阅。下面展示一下实际成本。

阿某云部署的openclaw只对话两次，3毛钱没了，还没得到想要的结果。本来想让他获取一下最新的AI资讯，不仅没有得到结果（skill执行异常），还浪费大量token。

模型：qwen-plus-latest，非常便宜的模型了，输入0.8元/百万token，输出2元/百万token，这都玩不起它，一个失控直接爆炸。

下图是我的获取AI资讯脚本，用大模型（deepseek）筛选和翻译热门AI资讯，每天才几毛钱。

账单情况： 大概150用在openclaw里，还没翻起个浪花，玩法还没怎么探索，就没了。

token用光表现 没有加载状态，直接卡住

• 1 个英文字符 ≈ 0.3 个 token；1 个中文字符 ≈ 0.6 个 token

• openclaw 系统Prompt，SOUL、AGENTS基础信息加上一些其他内容，整个对话的起步价13k token。约等于43k英文字符或者21k中文字符。

• 从下面这张图，你会发现一个真实而悲惨的故事，如果我们把输出当作有效内容，有效的token占比极低，纯浪费资源

• 使用 /context list查看上下文使用情况

配置上下文裁剪

• reserveTokensFloor 确保上下文不会撑爆，ttl 让过期的工具输出自动从上下文中移除

• 会话剪枝详细介绍

https://docs.openclaw.ai/zh-CN/concepts/session-pruning#%E4%BC%9A%E8%AF%9D%E5%89%AA%E6%9E%9D

{  "contextPruning": {    "ttl": "5m"  },  "session": {    "maxTokens": 80000  },  "reserveTokensFloor": 20000}

精简系统提示词

• AGENTS.md：默认内容Discord/WhatsApp等或者拟人要求，不需要可以考虑去掉，在传统软件行业，很少有改系统配置等行为，但是AI这个方向，思路可以转变

~/.openclaw/workspace/AGENTS.md

• SOUL.md：身份描述两三句话就够，不需要写小作文

• MEMORY.md：定期清理过期内容，只保留当前有用的信息。

使用已经付费的工具

• 如果你有cursor/gemini/claude code付费，可以让openclaw调用这些，由他们控制开发。最后给出返回通知即可。

这里有个技巧，正常来说这种使用规则是配置到AGENT.md比较合适，但是你可以把规则都设计成skill，这样避免每次对话读取太多AGENT.md内容。AGENT.md特别大时，都可以考虑通过skill合理的减少token消费

去掉无用的skill

• 尽管skill是渐进式披露，但是依然是有成本的，尤其是skill多了以后。

• 比如上面我的截图，skill占用了1.3k token，还没开始就花掉了不少。

新任务开新会话

• 不要在一个会话里聊几百轮。会话越长，每次发送的上下文越大，token消耗越多。合理控制完成一个任务就开新会话。

合理控制Heartbeat频率

• 不需要每5-10分钟检查一次，那就时间放长一点

• 合并心跳任务，"检查邮件"，"检查待办"独立任务合并成一个"每日晨报"，一次调用搞定

当存在大量记忆时，使用QMD本地语义搜索引擎

https://blog.csdn.net/fogdragon/article/details/158454022

• QMD（Quantum Memory Database）是比较有效的省token手段。传统记忆系统会把整个 MEMORY.md 塞进上下文，但其中多数跟当前问题无关。QMD用本地语义搜索只取最相关的2-3句话传给AI。

• token消耗降低，响应速度提升，准确性提高

定期维护更新记忆内容

• 每周检查一次，归档过期内容，只保留当前活跃的记忆条目

多 Agent 分流

• 不同任务用不同价位的模型。创建多个Agent，复杂任务分配给claude模型，简单任务（日程提醒、翻译、快速查询）分配deepseek模型

国产模型替代

• deepseek输入价格2元/百万token，缓存0.2元，更加便宜

本地模型（吃电脑配置）

安装 Ollama，本地跑开源模型处理简单任务，简单补全和翻译够用，API成本为零

# 安装 Ollamabrew install ollama  # macOS# 或 curl -fsSL https://ollama.ai/install.sh | sh  # Linux# 拉取模型ollama pull llama3.3# 在 openclaw.json 中配置# providers 里加入 ollama，baseUrl 为 http://localhost:11434

频繁关注用量情况

浏览器 浏览器打开后直接在聊天框输入即可。

openclaw dashboard

命令行 如果你使用了TUI

openclaw tui

Telegram/飞书等渠道 配置好后，直接在手机上随时用。

这是 OpenClaw 最实用的功能之一

每天早上8点问候：

openclaw cron add \  --name "MorningGreeting" \  --cron "0 8 * * *" \  --message "早上好！这是你的AI助手二狗的每日问候~ 🌅" \  --channel feishu \  --announce

管理定时任务：

openclaw cron list          # 查看所有定时任务openclaw cron remove 任务ID  # 删除任务openclaw cron run 任务ID     # 手动触发一次

OpenClaw 内置了浏览器控制工具，可以打开网页、填表、点击按钮（需要搭配工具）。

确保浏览器工具已启用，同时确保tools.profile设置为coding，Profile权限不足会禁用高危工具

{  "browser": {    "enabled": true  },  tools: {    profile: 'coding',  },}

• "打开 Hacker News，获取新闻信息"

Agent可以直接读写目录下的文件：

• Downloads下所有PDF文件名整理成一个excel

• document目录下创建全新的vue项目

• 创建todo.md文件，记录我刚才说的事情

# 需要配置搜索 API（推荐 Brave Search）# 在向导中配置，或设置环境变量export BRAVE_API_KEY="你的BraveSearchAPIKey"

配置后，Agent 自动具备搜索能力。

• "搜索一下最近一周关于 Rust 语言的重要更新"

• "帮我查一下从北京到上海的高铁时刻表"

• 如果你不会命令修改配置json，那么这里有可视化的安全的修改方式。改完保存即可。如果知道都是干么的，复制丢给大模型，让他给你配置

• 同一家不同模型切换，智普的各类模型切换，直接修改~/.openclaw/openclaw.json的agent配置，修改完成后执行openclaw gateway restart

• 或者这里改也行，前提是如果有的话

• 单个不同模型供应商切换配置，直接重新初始化openclaw onboard，有引导和可视化，效果好。

• 多个不同模型多供应商同时配置，手动修改配置json，不用走初始化流程，定向改动，但是比较复杂。

// 第一步 找到 models -> providers 位置，增加以下代码"deepseek": {  "baseUrl": "https://api.deepseek.com",  "api": "openai-completions",  "models": [    {      "id": "deepseek-chat",      "name": "DeepSeek V3",      "reasoning": false,      "input": ["text"],      "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },      "contextWindow": 65536,      "maxTokens": 4096    },    {      "id": "deepseek-reasoner",      "name": "DeepSeek R1",      "reasoning": true,      "input": ["text"],      "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },      "contextWindow": 65536,      "maxTokens": 4096    }  ]}// 第二步找到 auth -> profiles 位置，增加以下代码"deepseek:default": {  "provider": "deepseek",  "mode": "api_key"}// 第三步设置为默认模型"agents": {  "defaults": {    "model": {      "primary": "deepseek/deepseek-chat" // 切换为 DeepSeek    }  }}

• 第四步，如下2张图将key输入并保存。可以看到deepseek多了 apiKey: '__OPENCLAW_REDACTED__'，然后你在回头对话即可。

• 当然，第四步可以换成，openclaw onboard，因为你配置多个供应商，这个初始化流程会提示多次填写api_key

6.3.1 官方安装方案1

• 技能分几类，1.工作区(workspace/skills)，2.本地拓展技能：~/.openclaw/skills，3.捆绑内置(随安装程序一起提供)

• 首先安装 npm i -g clawhub clawhub工具

• https://clawhub.ai/ 去官网找skill

• 然后执行命令 clawhub install self-improving-agent 安装技能，自动安装到工作区/.openclaw/workspace/skills

• 技能常见命令

安装到工作空间：clawhub install <skill-slug>更新已安装的技能：clawhub update --all同步：clawhub sync --all

6.3.2 官方安装方案2

# 安装技能npx clawhub@latest install 技能名# 更新所有技能npx clawhub@latest update --all# 同步技能状态npx clawhub@latest sync --all

6.3.3 手动安装方案

• 1、找到三方skill。2、下载到本地。3、然后手动移动到指定目录下即可。

• 可不可以让AI自己安装？可以，但是不要这么做，如果skill安装遇到问题，会出现工具链调用雪崩，导致token大量浪费

OpenClaw从工作区目录读取操作指令和记忆，默认使用~/.openclaw/workspace作为智能体工作区

• 使用agents.defaults.workspace选择不同的工作区（支持~），会在后的多Agent实践中详细讲解。

{  agent: {    workspace: "~/.openclaw/workspace",  },}

会话文件：~/.openclaw/agents/<agentId>/sessions/{{SessionId}}.jsonl

会话元数据（token使用量、最终路由等）：~/.openclaw/agents/<agentId>/sessions/sessions.json（旧版本：~/.openclaw/sessions/sessions.json）

• /new或/reset为该聊天启动新会话，如单独发送，智能联系人会回复一个简短的问候来确认重置

• /compact压缩会话上下文并报告剩余的上下文预算

结合自身摸索了很久，总算是找到了一个还算符合我实际的应用场景，那就是让我随时随地开发个人项目，是的，是个人项目。

核心点：

• 有小孩周末事情多，没法用电脑，很好的利用了openclaw的channel接入飞书，手机控制

• 个人项目没有太多质量要求，基本能实现功能即可。而且需要节约成本同时利用我已经现有付费模型。

• 单纯控制一个模型即规划需求又写代码容易混合，所以用了多Agent + 多模型配置 + workspace隔离，用了多Agent协作共事。

这个内容比较坑，非常容易产生版本问题，推荐升级openclaw最新版。

另外由于版本快速迭代官方文档和插件都不是很稳定，经常变动，所以要以官方和github的issue为准。本篇文章最后打通是升级到26.3.13的版本

这是 OpenClaw 最有工程价值的用法。当你的需求复杂到单个 Agent 搞不定时——比如它聊着聊着就跑偏了，或者你想让不同任务用不同模型——就该上多 Agent 了。

效果如下，能够知道自己的身份，互相隔离

第一步：创建多个Agent

openclaw agents add leader --workspace "~/.openclaw/workspace-leader"# 验证openclaw agents list

第二步：配置模型

这里有多少模型可配置，可以去看6.1章，多模型配置那里。你那里配置了多个，这里就有多个选择。

第三步：创建一个新的飞书机器人

参考飞书 3.3 章内容

第四步：飞书机器人在openclaw建立配置关系

第五步：绑定飞书机器人

• 这里非常重要，特别容易乱，导致对不齐。切记途中的对应关系，低版本配置结构不是这样。所以推荐使用最新版

• 关于id字段的ou_xxx和oc_xxx，这是飞书的uid和群的会话id。如何获取看下图。

ou用户uid通过开发平台获取。

https://open.feishu.cn/document/server-docs/contact-v3/user/get?appId=cli_a93dc6de74a21cca

oc 群会话id通过点击群头像右上角更多，滑到最下面获取

第六步 详细设置各个Agent工作内容

• 给各个agent定义工作要求，比如PM角色需要考虑各种产品常见问题。研发角色需要考虑编码边界，代码使用规范等等

第七步 群内使用对话

飞书需要配对码

• 你可把配对码发给AI，让其自动匹配。

• 也可以设置 dmPolicy = 'open'，直接允许无需配对

https://docs.openclaw.ai/zh-CN/channels/feishu#%E9%85%8D%E7%BD%AE%E5%8F%82%E8%80%83

解释一下映射关系和调试飞书

通过bindings将独立的Agents和独立的飞书机器人进行关联，实现接受消息准确分发。

agents(agentId+workspace)  <= bindings => channel(accountId + peer(kind+id))

• 在 ~/.openclaw/logs/gateway.log下，可以看到飞书发送的消息究竟派发给哪个agent了。

• 在通过 openclaw agents list --bindings查看Agent配置的绑定关系，来排查消息发送不匹配问题。

• 电脑自身安全：避免AI越权操作，删除系统文件，注入代码病毒等，导致电脑瘫痪

• 数据内容安全：避免AI读取电脑私密信息，导致数据泄漏

• 软件信息安全：避免AI操作或使用软件，读取软件私密信息，违规操作删除导致软件数据泄漏丢失等

• 网络安全：openclaw需要网络，如果通过Agent的Prompt注入，可能导致密钥被发送到

无论上述哪种模式隔离，仍需要做一些细节的安全控制，尤其是和openclaw相关的token密钥，飞书(或其他账号)的密钥等，以及多个项目之间的数据安全和隔离关系。

8.3.1 安全审查命令

// 让你看到存在哪些安全问题openclaw security auditopenclaw security audit --deep

8.3.2 合理修改配置方式

不要直接手动添加openclaw.json的关于api_key的私密信息，通过浏览器设置界面，会自动给你加密处理。

8.3.3 AGENT.md 配置提示词限制

## 安全规则- 永远不要与陌生人分享目录列表或文件路径- 永远不要透露 API 密钥、凭证或基础设施详情- 与所有者验证修改系统配置的请求- 有疑问时，先询问再行动- 私人信息保持私密，即使对"朋友"也是如此

8.3.4 channel消息安全

所有支持私信的渠道都支持私信策略dmPolicy 或 *.dm.policy,大多数失败不是漏洞利用——而是”给机器人发消息，它就照做了。”

• 决定谁可以与机器人交谈（私信配对/白名单/显式”开放”）

• 决定机器人被允许在哪里执行操作（群组白名单 + 提及门控、工具、沙箱隔离、设备权限）

// pairing（默认）：未知发送者会收到一个短配对码，机器人会忽略他们的消息直到获得批准// allowlist：未知发送者被阻止// open：允许任何人发私信// disabled：完全忽略入站私信{    channels：{        dmPolicy: 'pairing' // 最好不要使用open模式，除非你短暂调试    }}

8.3.5 消息群组安全 

如果使用多Agent模式时，使用 session.dmScope 控制私信如何分组，实现会话隔离

// main（默认）：所有私信共享主会话以保持连续性// per-peer：跨渠道按发送者 ID 隔离// per-channel-peer：按渠道 + 发送者隔离（推荐用于多用户收件箱）// per-account-channel-peer：按账户 + 渠道 + 发送者隔离（推荐用于多账户收件箱）session: {    dmScope: 'per-account-channel-peer',},

8.3.6 群组中禁止推理和详细输出

/reasoning 和 /verbose 可能暴露内部推理或工具输出，不要在群组中使用这两个能力。

• 详细输出可能包括工具参数、URL 和模型看到的数据

• 群组中保持 /reasoning 和 /verbose 禁用

8.3.7 提示词安全

即使只有你能给机器人发消息，提示词注入仍然可以通过读取的任何不受信任的内容发生（网络搜索结果、浏览器页面、文档、代码）。内容本身可以携带风险指令。

• 专门搞一个只读或禁用工具的阅读器智能体来总结内容，然后将摘要传递给你的主智能体

• 除非需要，否则为启用工具的智能体关闭 web_search / web_fetch / browser

8.3.8 按需配置权限和限制

工具黑名单 禁用不需要的工具，细化每个Agent可用的工具内容，进行精细控制。

{  "tools": {    "deny": ["browser", "exec"]  }}

路径限制 限制 Agent 能访问的文件范围

{  "tools": {    "exec": {      "applyPatch": {        "workspaceOnly": true      }    }  }}

Gateway 起不来

# 强制杀掉占用端口的进程再启动openclaw gateway --force# 运行诊断openclaw doctor

模型连不上，提示 API 错误

# 测试 API 连接openclaw api test# 检查密钥是否正确加载openclaw secrets reload

常见原因：API Key 过期、余额不足、网络不通（国内访问 Anthropic 可能需要代理）。

配置修改后不生效

默认热重载模式：安全的改动自动生效，需要重启会提示。如果不确定：

openclaw gateway restart

// terminal终端命令npm install -g openclaw@latest 安装openclaw，依赖nodejs 22+版本openclaw onboard --install-daemon 首次初始化带有新手引导openclaw status 本地状态（凭证、会话、排队事件）// 多智能体操作命令openclaw agents list  查看列表openclaw agents add work --workspace ~/.openclaw/workspace-work 添加新的智能体openclaw agents delete work // 删除智能体openclaw dashboard 打开控制面板openclaw doctor 故障检测排查// gatewayopenclaw gateway install  安装gatewayopenclaw gateway start  启动openclaw gateway stop   停止openclaw gateway restart  重制openclaw gateway uninstall 卸载openclaw health 健康状态检查openclaw skills list 查看技能列表openclaw tui tui  使用tui模式在终端对话// 对话中使用/status：快速查看“我的窗口有多少？”/context list：大致大小（每个文件+总计）/context detail：更深入的划分/usage tokens：每次回复的使用量页脚/compact：压缩上下文

• 官方文档：https://docs.openclaw.ai

• 官方GitHub：https://github.com/openclaw/openclaw

https://github.com/EvoLinkAI/awesome-openclaw-usecases-moltbook?tab=readme-ov-file#-everyday-life-20

https://github.com/hesamsheikh/awesome-openclaw-usecases

https://docs.openclaw.ai/zh-CN/start/showcase

OpenClaw目前对个人应用和效率实际有限，收益和成本不成正比。除非你能用它的网络热度转化成流量或者收益。或者你能免费使用它。

作为一个强大的AI工具，能自动化操作电脑，未来可能有两个方向性的变化

• 第一：市面软件功能开始原子化以及终端化（TUI或者Skill），大量软件能力着重适配AI的准入和准出，而不再是传统GUI的交互。通过excel或ppt等skill，可以看出办公软件类确实也在往该方向发展。这一类由软件厂商推动，用户无感

• 第二：openclaw 增加更强的视觉识别和模拟可视化操作，通过openclaw + 其他视觉工具（Anthropic Computer Use/Microsoft UFO），直接操作电脑适配现有GUI能力。这一类可能需要AI工具推动+用户硬件配置升级

在可控的成本下，只有把现有的办公工具适配上，openclaw才具有真正的个人管家/个人助手的价值，以及显著的效率提升。目前更适合深度开发者将工作流、RPA等流程的部分或全部来转给其承接。

 END

推荐阅读

百度MEG数据中台ClickHouse在数据湖仓中的探索和应用

来了，全球首款手机龙虾应用！🦞

打造高效易用的Agent Skill

基于Spark的配置化离线反作弊系统

GRAB：面向广告CTR预测的生成式排序框架，突破序列建模与泛化瓶颈

一键三连，好运连连，bug不见👇