OpenClaw 是一款开源的、本地优先（local-first）的 AI Agent 框架，由 Peter Steinberger 发起，用 TypeScript 写成，MIT 协议开源，可部署在你自己的电脑、NAS 或云服务器上，通过 WhatsApp、Telegram、微信、QQ 等聊天入口操控它干活。它要解决的核心问题是：把 AI 助手从”只会聊天的云端应用”变成”接入你全部工具、数据不出本机的数字员工”。核心能力归纳为六块：多通道接入、技能（Skills）扩展、分层记忆、模型无关推理、自动化调度、沙箱安全执行。
一、OpenClaw 到底是个什么东西
OpenClaw 不是又一个聊天机器人。它运行在你自己的硬件上，由一个常驻的 Gateway 进程统一管理消息、会话与工具调用，Agent 在独立的工作区里执行任务。装好后你用熟悉的 IM 给它发消息，它自己决定调用哪些工具、按什么顺序执行，完成任务后把结果发回给你。
快速上手只要三条命令：
# 全局安装
npm i -g openclaw
# 初始化网关、工作区与渠道配置
openclaw onboard
# 常用运维命令
openclaw status # 查看网关与 Agent 状态
openclaw skills list # 列出已安装技能它依赖 Node.js 22+，macOS、Linux、Windows 都支持；模型层完全开放，本地可用 Ollama 跑开源模型，追求效果时也能切 OpenAI、Anthropic、Gemini 的云端 API。
二、它要解决什么问题
主流的云端助手把用户数据收进厂商服务器，能力边界也由厂商划定——你很难让 ChatGPT 直接读写你服务器上的文件，更别提让它在 Telegram 里替你发消息。OpenClaw 从根上换了一种做法：助手住在你的设备上，数据默认不出本机，能力用技能随意插拔。
| 对比项 | 云端助手（ChatGPT/Claude） | OpenClaw |
|---|---|---|
| 运行位置 | 厂商云端 | 自托管（本机 / NAS / VPS） |
| 数据归属 | 默认进入厂商服务 | 默认留在本地磁盘 |
| 渠道接入 | 官方 App / 网页 | 26+ 聊天平台，自带 WebChat |
| 能力扩展 | 受厂商功能清单限制 | Skills 插件，社区 5000+ 现成技能 |
| 模型选择 | 厂商固定模型 | Ollama 本地模型或多家云端 API |
| 自动化 | 受限 | Cron 定时 + Heartbeat 自主轮询 |
| 商业协议 | 订阅制 | 开源免费，自付推理成本 |
它瞄准的是三类人：在意数据主权的个人用户、想让 Agent 直接操作自己开发环境与服务器的开发者、希望自动化但不把业务数据送进第三方云的团队。
三、核心能力有哪些
3.1 多通道接入：在哪个聊天软件里用都行
官方打包了 20 多种渠道适配器，覆盖 WhatsApp、Telegram、Discord、Signal、Slack、iMessage、微信、QQ、飞书、LINE、Microsoft Teams、Matrix、IRC 等，另有 WebChat 网页聊天与命令行入口。渠道差异被收敛在适配层，新增一个渠道不碰 Agent 逻辑。
3.2 技能系统：能力即插即用
每个技能是一个带 SKILL.md 的模块，描述用途、触发条件与依赖，放在工作区的 skills 目录里，运行时按需加载。社区技能库 ClawHub 收录 5000+ 个技能，从浏览器控制、邮件处理到智能家居、链上交易都有现成的。
3.3 分层记忆：跨会话不丢上下文
记忆分三层：核心人格与长期事实存在 MEMORY.md，每日增量写进 memory/YYYY-MM-DD.md，按需用混合检索（向量 + FTS5 全文搜索）召回。会话接近上下文上限时先触发一次”记忆冲刷”，让模型把可持久信息写盘，再压缩窗口，防止遗忘。
3.4 模型无关与自动降级
配置一行就能换模型提供商。同一套系统里可以给不同任务分配不同模型：复杂推理用强模型，Heartbeat 巡检用便宜小模型。推理遇到配额超限（402）、限流（429）时自动冷却切换备用凭证，上下文溢出自动压缩后重试。
3.5 自动化与主动行为
Cron 定时任务负责”固定时间干固定事”；Heartbeat 心跳让 Agent 按自己的周期巡检，能主动发起动作。两者配合可以跑出”每天早上 7 点总结未读邮件和当日日程，推到 Telegram”这类长驻自动化。
3.6 沙箱安全执行
工具执行支持沙箱隔离，默认用 Docker 后端，也可切 SSH 或 OpenShell。外部输入会包上 EXTERNAL_UNTRUSTED_CONTENT 边界标记，命令执行前可走审批确认流程，降低恶意指令风险。
3.7 从零到能用：部署四步
装一个能用的个人 Agent，按四步走：
- 安装运行时与框架：
npm i -g openclaw，机器上需有 Node.js 22+； - 执行
openclaw onboard，完成网关初始化、工作区创建与至少一个渠道的登录； - 按需安装技能：
openclaw skills install <name>，从 ClawHub 检索可用清单； - 在 openclaw.json 里配好模型提供商与沙箱模式，用 WebChat 发第一条消息验证往返。
四、开箱即用的边界在哪
OpenClaw 提供的是可编程的底座，不是保姆级产品：要它稳定长期运行，网络代理、模型密钥、渠道登录态都得自己维护；技能质量参差，需要筛选与调试；数据本地化换来的是安全责任也在自己肩上。对愿意折腾的个人开发者，这个框架已经把”自建个人 AI 员工”的门槛压到了几小时之内。
常见问题（FAQ）
Q1：OpenClaw 和 LangChain、AutoGen 有什么区别？
前者是装完即用的产品，后者是开发者搭建 Agent 的框架库，OpenClaw 面向使用而非编码。
Q2：不会写代码能用 OpenClaw 吗？
基本流程可以，安装用一行命令，但调错、装技能仍需看文档与日志。
Q3：数据真的不出本机吗？
本地推理时不出；接云端大模型时提示词会发往对应 API，需自行取舍。
