用简单的话给新手进行OpenClaw教学和指南。

包含AI指南和内容的频道，以及可以用它们实现的功能：https://t.me/claudedevolper

我给自己安装了OpenClaw——这项技术彻底震撼了俄语和全球互联网。短短几周内，来自AI专家、博主和开发人员的大量视频涌现出来，详细展示了如何基于OpenClaw配置个人AI助手。我自己已经积极使用它两周了，决定诚实地分享真实经验。我录制了详细的视频分析，并整理了这篇文章，讲述了使用OpenClaw最重要的实际方面。我想立即说明：这里不会有什么"这改变了一切"、"我解雇了整个团队"或"现在代理替代我工作"这样的夸夸其谈。只有干货事实、真实案例和具体好处——没有炒作和营销噪音。枯燥，但实用。

OpenClaw的技术特点：代理实际上是如何工作的

如果您还不熟悉OpenClaw，我下面会给出简短的历史背景并解释这个AI代理的技术本质。我已经在另一篇文章和视频中详细讲述了现代AI代理如何构建——那里讲得非常详细。这里只是最重要的精华，让您了解工作原理。一切的基础是LLM（大语言模型）。本质上这是一个简单的机制"文本→文本"。输入是文本，输出也是文本。整个魔法在于模型"理解"请求并给出有意义的回答。接下来出现了重要的突破——tools（工具）机制。现在，随着文本请求，模型接收到一个可用命令（函数）的列表，它可以调用这些命令。例如：我们告诉LLM它有一个工具"在日历中设置提醒"。它的工作需要两个参数——事件名称和日期+时间。当用户写"明天上午10点设置关于与客户会面的提醒"时，模型分析请求，理解这正是工具的任务，并形成特殊的JSON命令。系统接收这个命令，在现实世界中执行它（在日历中放置事件），将结果返回给LLM。之后，模型用普通文本回答用户："提醒已成功设置在明天上午10:00"。

OpenClaw如何打破传统的代理创建方案

长期以来，AI代理按同一方案构建：我们提前准备工具(tools)列表，将其传递给模型，它选择调用其中哪一个。为了使这样的代理稳定工作，需要编写、连接、测试和调试所有工具。这传统上是由开发人员完成的。即使有Cursor或Claude Code这样的现代助手，这个过程仍然需要时间和工程技能。OpenClaw完全改变了这种范式。

系统内部出现了一个元工具，可以称之为"为自己添加新工具"。以前人类所做的一切——编写代码、连接功能、修改配置并重启服务——现在代理本身就可以执行。

场景如下：

用户提出新功能的请求。
代理打开其文档。
分析需要进行哪些更改。
生成新的Python或TypeScript工具。
自行将其写入配置文件。
重新编译并重启自己。

以前这需要几个步骤，需要开发人员参与。现在大部分工作是自动进行的。现代模型已经足够聪明：在大多数情况下，它们第一次就创建了可以立即使用的工作工具。

如果出现问题，代理有内置的回滚机制。它可以返回到代码或配置的先前版本并重试。当然，这不是具有分支和pull request的完整Git，但在故障后OpenClaw能够自行恢复并继续工作。

最后，用户只需说："让你能够执行这个"。之后代理自己：

  • 研究文档，
  • 补充所需的功能，
  • 以更新的形式重新启动。

如果新工具需要额外的数据——API密钥、访问令牌或其他参数——OpenClaw会自己向用户请求它们。之后所有秘密都保存在单独受保护的环境变量和配置中。它们永远不会进入常规日志，也不会显示在对话中。系统从一开始就以最大的谨慎处理敏感数据。OpenClaw周围的炒作OpenClaw迅速吸引了知名开发人员和博主的关注。开始了连锁效应：GitHub上的星数飙升，视频和评论接踵而至。

为什么OpenClaw周围的炒作让我持怀疑态度

接下来就是这一类的经典套路：在线课程、响亮的标题"世界永远不会再相同"和"我们重新制定规则"。有一段时间，我在所有社交媒体的feed中看到了大量视频，又一个博主或AI专家讲述他如何解雇了整个部门，用单个代理替代了他们，现在过着"被动收入和自由"的生活。

未来已经来临，绝对是这样！(剧透：没有。)

我看到人们像魔兽争霸风格那样组建整个"代理办公室"——视觉上看起来非常有效，但在实际工作中并不总是带来显著的好处。我内心的IT怀疑论者立即想起了元宇宙的故事：同样的大肆炒作、漂亮的演示……一年后正是同样的失望。

尽管炒作如此，我为什么还是决定尝试OpenClaw

通常我试图避开高调的技术炒作。但同时我总是密切关注新工具——有时候在噪音中确实隐藏着有用的东西。OpenClaw就是这样的：我在实际工作中启动了它，意识到在某些任务中它确实带来了实际的好处。

安装OpenClaw：两条路径——危险和安全

OpenClaw可以通过两种根本不同的方式安装。

1. 危险的方式 — 一条命令本地安装文档建议运行一个现成的脚本，它直接将 OpenClaw「刷入」您的主系统。该脚本完全自动化执行所有操作：

  • 下载并将 Node.js 更新到所需版本，
  • 安装 OpenClaw 本身，
  • 将其配置为系统服务，
  • 拉取所有依赖和环境。

最后，该代理立即在您的工作计算机上在后台开始工作。

这种方法的优点是显而易见的。
OpenClaw 获得了对文件系统的完全访问权限。您可以分配任务，如：「找到客户最近的合同，更新详细信息并保存新版本」。代理会自己找到文件，打开它，进行编辑并返回结果。此外，它能够直接与浏览器一起工作：打开网站、填充表单、收集数据。我看过一个演示，其中代理自己登录到售票网站，选择路线，检查时间表并提供现成的选项。

实际上，这几乎就是「Jarvis」——一个真正与您的工作环境互动的助手。

但也存在严重的风险。
首先，可能会发生数据泄漏。

为了做出决策，代理定期向 LLM 发送大量上下文：文件内容、打开的选项卡、系统状态。这些信息的一部分可能会泄露到模型的服务器。

其次，危险的动作。模型可能出错、「幻觉」或误解任务。如果代理有完全的系统访问权限，它可能会意外更改重要文件或设置。我看到过真实的情况，其中模型只是破坏了自己的配置：需要修复 JSON ——它忘记了逗号，文件无法被读取，整个系统崩溃了。对于开发人员来说，这只是五分钟的修复。对于普通用户来说，这是完全停止和完全不知道该怎么办。最后，出现了不工作的 OpenClaw 的「墓地」，只有具有 IT 背景的人才能处理。

2. 安全的方式 — 隔离环境我选择了这个选项，并最大限度地将代理与主工作机器隔离开来。现在我有一个单独的虚拟机（VPS）在公司数据中心。上面安装了干净的 Ubuntu、OpenClaw 和几乎没有其他东西。如果代理破坏了什么，只有这个虚拟机会受到影响。它无法访问主要服务器的 SSH。

将来，我计划为其分配一台单独的笔记本电脑：自己的用户、自己的浏览器、自己的账户，以及仅对我特别授予权限的服务的访问权限。本质上——代理的完整「工作场所」。这种方法立即解决了主要问题：

  • 安全性。主计算机存储客户数据、对生产服务器的访问权限和其他敏感信息。我不准备将其交给通过外部 API 做出决策的模型进行管理。
  • 控制。如果代理需要查看网站，我可以简单地连接到它的机器并手动打开页面——有时更快更可靠。
  • 最小的故障后果。在最坏的情况下，我只需删除虚拟机并在几分钟内启动一个新的。

OpenClaw 的实际成本

现在是最重要的部分，几乎所有博主都保持沉默。

OpenClaw 通过 LLM 推理工作，这相当昂贵。关于「解雇整个部门并用一个代理替换」的所有故事都巧妙地回避了令牌成本的问题。这就像在 20 世纪初说「我不再走路了，而是开汽车」，却对汽油和维护成本只字不提。

我查看了我的真实请求日志，并收集了几个说明性的示例：

示例 输入 输出 缓存 价格

重置会话 10 668 37 1 408 ~1.5 ₽

提醒 45 300 522 16 100 5–7 ₽

编码任务 263 000 6 000 168 704 50–60 ₽

为什么 OpenClaw 在实际工作中这么昂贵

当您在普通聊天中写「你好，你好吗」时，这只是几十个令牌。在代理中情况完全不同。每个请求都随同巨大的系统上下文一起发送：关于代理行为的详细说明、带有参数描述的完整工具列表、当前内存、对话历史记录和服务规则。总计，每个请求就已经有数万个令牌。因此，即使是最简单的命令「设置提醒」也会变成完整的内部对话。工作方案如下：

  • 代理向模型发送一个请求：「接下来我应该做什么?」
  • 模型分析任务并返回带有工具的 JSON 命令。
  • 系统执行该操作并再次调用模型：「我做了这个。现在应该给用户什么答复?」

每一步——对 LLM 的单独请求。最后，即使是小操作也很容易消耗数万个令牌。根据我的真实日志：

  • 简单的会话「reset」——仅输入上下文就约 10,000 个令牌。
  • 常见任务「在一小时后设置提醒」——40–50,000 个令牌，因为代理多次查阅文档并形成答复。

如果任务更复杂（编写代码、编辑项目、创建新页面），一个操作的成本很容易达到数十万个令牌。在积极使用的情况下，一小时很容易花费2-3千卢布。一天——数万卢布。初期设置和实验成本特别高。还有一个隐藏的成本——cron/heartbeat。代理可以按计划启动，执行后台任务并消耗令牌，即使您没有给它发送任何信息。Reddit上的人们讲述了他们如何让OpenClaw在一天内自动运行——结果账单是5-7千卢布一天。

炒作的代价vs真实的经济学

这时，"我解雇了整个部门，现在一个代理替我工作"这些美妙故事的数学在冷酷现实面前崩溃了。如果代理不间断工作至少一小时，这已经轻松达到10-20千卢布。一个月这笔费用可能接近一百万。所有关于完全替换员工的说法都在经济学的审视下破灭了。代理确实可以处理特定的功能或常规任务，但要完全替换一个人——只有在整个工作从一开始就效率低下的情况下。

订阅提供商：更便宜且可预测

按"按需付费"模式为令牌付费——总是有突然获得大账单的风险。当代理积极工作时，计数器转得很快：一个操作数万个令牌，然后是下一步，然后是下一步。在某个时刻，您会发现自己在几个小时的实验中花费了数千卢布。从这个意义上讲，订阅就像保险。您有明确的限制，您大致知道一天或几小时内可以使用多少系统，不用担心因一个失败的代理实验而获得巨大的意外账单。

在OpenClaw工作中Claude Pro和Anthropic订阅的真实限制

通过观察社区讨论，我形成了明确的观点：便宜的订阅非常快就用完了。以最受欢迎的选项为例——基础Claude Pro订阅。它通常足以进行大约一小时的与代理的积极对话。之后，您会遇到限制，并被迫等待重置——有时需要几个小时。这就是为什么对于严肃的OpenClaw工作，大多数用户转向更昂贵的套餐。Anthropic有计划真正允许不受持续限制地工作——这些套餐约为每月$200。它们提供足以充分利用代理的工作令牌量。但价格相当高。与此同时，Anthropic有相当严格的政策：公司不太喜欢他们的订阅通过第三方代理框架和系统（如OpenClaw）而非官方界面被使用。在这种情况下，账户有时会被无预警地禁用。

Reddit上的帖子关于Claude Code账户禁用

为什么我们需要OpenClaw？

在视频和评论中，OpenClaw通常被展示为"魔杖"：放置代理——它现在可以自己编写代码、回应客户、管理任务并完全替换真实员工。看起来您获得了一个完整的数字同事24/7。我的看法更加脚踏实地。我将OpenClaw视为一个延伸手臂的工具，而不是人类的替代品——一个加速我已经能够做的事情的工具。这是同一AI的演进，只是现在可以快速再训练和定制。它不做魔术，不替代我的大脑。只是消除日常琐事。本质上，这是在良好终端、IDE或bash自动补全之后的下一个级别。曾经，bash自动补全和WebStorm对我来说是这样的加速器——它们在小事上节省了大量时间。以前，要修改项目，我需要打开存储库、找到文件、修改代码并创建合并请求。现在代理可以承担这个链条的一部分。但我保留最终决定、结果检查和责任。这就是为什么我实现OpenClaw不是作为"自主工作者"，而是作为特定任务的智能助手——在那些它真正节省时间但不会创建破坏风险的地方。下面我将讲述它已经证明有用的真实例子。

通过Telegram语音消息的编码器代理

我为自己设置的最实用的案例之一是通过Telegram进行语音消息的编码器代理。如今编码器代理不会让任何人惊讶（我之前甚至讲过我们如何在公司中使用它们）。但我想每天都有一个"救生圈"：能够快速修改项目的可能性，即使我不在电脑前——在车里、散步或出差时。

OpenClaw编码器代理在Telegram中的工作方式

我专门为Telegram配置了一个独立的专业代理。您可以通过文本或语音消息与其进行通信。它可以做什么：

  • 接收语音消息，
  • 将它们转录为文本（或直接处理文本请求），
  • 理解任务，
  • 对项目代码进行修改，
  • 创建Merge Request，
  • 向我发送MR的直接链接。

同时，代理有严格的限制：它没有生产访问权限，不能进行自动部署。最后的行动总是由我进行。该过程在实践中如何：

  1. 我发送语音或文本消息，要求进行修改。
  2. 代理找到所需的存储库，分析代码并进行更改。
  3. 创建Merge Request并将其分配给我。
  4. 发送MR的链接。
  5. 我打开MR，查看更改，留下评论——就像使用普通开发人员一样。
  6. 如果需要——告诉代理修复评论。
  7. 它进行修改并更新MR。
  8. 当一切都好了——我自己合并更改。

本质上，代理的工作就像一个初级开发者：完成所有粗糙的工作，但最终控制、检查和责任完全由我承担。这个工具已经多次真正帮助过我。真实的例子
有一次网站上的价格"跑掉了"：不是显示60卢布，而是开始显示60,000。我不在电脑前，尝试从电话上修复所有问题。最终我不小心破坏了服务——在我做回滚之前，它一直处于宕机状态。从电脑上我可以在两分钟内修复它。但是从电话上没有IDE和正常的项目访问权限，这变成了真正的折磨。在这样的时刻，OpenClaw语音编码代理正好救了我：我录了条语音消息——它做出了修改，创建了MR，我从电话上平静地检查了更改并合并了。没有恐慌，也没有长时间的停机。

我如何配置编码代理OpenClaw

下面我简短地讲一下我是怎么做的。有趣的是：工具的设置过程在很大程度上是通过与同一个代理的交流进行的——我字面上在对话中添加了新的机制。步骤1。为开发创建单独的聊天

首先，我要求代理创建一个单独的聊天，它将专门用于开发。这个想法很简单：为了防止与代理的常规对话与代码任务混淆。

我大致告诉他：我想要一个单独的聊天，我们将在那里作为开发者和客户一起工作。他告诉我需要创建一个聊天，把它添加到那里，然后给他写一条测试消息。

起初，我开始在主通道general中写消息，惊讶地发现机器人没有响应。后来才发现，在OpenClaw的群聊中，机器人默认只在被通过@mention提及时才会响应。之后一切正常工作了。

问题是，机器人自信地说出了原因，但我已经在开发Telegram机器人方面有大量经验，我明白这显然不是因为我写错地方或写错方式。他没有说出真正的原因——机器人最初的配置就是通过"标记"机器人用户名来工作。

步骤2。配置系统提示词

接下来，我将单独的系统提示词绑定到这个聊天。在其中，我描述了代理的角色：

  • 他担当开发者的角色；
  • 只与特定项目合作；
  • 通过合并请求进行更改；
  • 无法访问生产环境。

这很重要——因为没有这样的限制，代理可能会开始做我没有预期的事情。

系统提示词的配置在文件openclaw.json中进行。这是我在路径channels.telegram.accounts.amorevbot.groups下的块：

"groups": {  "*": { "requireMention": true },  "-123123123123 (ид чата)": {    "requireMention": false,    "groupPolicy": "allowlist",    "enabled": true,    "topics": {      "23": {        "requireMention": false,        "enabled": true,        "systemPrompt": "Ты отдельный агент для проекта ai-provider. Всегда работай в репозитории /home/ubuntu/.openclaw/workspace-amorevbot/ai-rpovider. Все указания по работе с проектом читай тут /home/ubuntu/.openclaw/workspace-amorevbot/projects/markus-coding/ai-provider/AI_RULES.md и всегда следуй этим правилам!"      }    }  }}

步骤3。提供对存储库的访问权限

下一步是对Git的访问。

我为代理专门在GitLab中创建了一个单独的用户。这也是一个安全问题：如果出现问题，可以简单地禁用该账户。

接下来我：

  • 创建了SSH密钥；
  • 将其添加到GitLab；
  • 向代理颁发了访问令牌。

之后，代理已经可以克隆存储库、创建分支和推送更改。

步骤4。第一个测试请求

配置后，我给了他第一个简单的任务。

代理：

  1. 下载了存储库；
  2. 分析了项目结构；
  3. 添加了所需的文件；
  4. 提交了commit；
  5. 创建了合并请求。

几分钟后，我已经获得了MR的链接。

步骤5。通过常规代码审查工作

接下来，这个过程就像与普通开发者一样。我打开MR，查看更改并写评论：

  • 这里改一下；
  • 这里不是那个文件；
  • 这里最好用另一种方式做。

代理阅读评论，进行更改并更新MR。这里没有什么新的。

OpenClaw助手用于在Telegram频道中写帖子

另一个对我来说出人意料地奏效的案例是一个为我的Telegram频道准备帖子的助手。我有一个频道，我定期在其中写关于自动化、开发和人工智能实验的文章。主要问题是——持续稳定地写帖子相当困难。我有想法和创意，但经常没有时间坐下来好好组织文本。因此，我决定使用OpenClaw作为编辑和内容创建助手。首先，我导出了我的频道的整个历史记录，并将其传递给模型，以便它完全理解我的写作风格。本质上，我要求它分析：

  • 我如何表述想法；
  • 我使用哪些措辞；
  • 我通常如何构建帖子的结构；
  • 我在哪里添加笑话或讽刺。

之后，我制定了一个系统提示词，描述我的写作风格。现在代理大致理解了"我通常怎么写"。

接下来这个过程看起来非常简单。我可以录制一条语音消息或写几个要点，比如：

  • "讲述新工具"；
  • "解释为什么它很有趣"；
  • "添加几个实际的结论"。

代理获取这些要点，将其展开为完整的文本，并制作帖子的草稿。而且他试图用我通常在频道中写东西的同样风格来写。之后，我只需打开文本，稍微编辑一下，删除不必要的部分，在某些地方添加详细信息——帖子就完成了。

也就是说，代理不是替代作者，而是大大加快了这个过程：与其从头开始写文本，我已经开始有一份现成的草稿。从3月4日开始，我的所有帖子都是在它的帮助下写的。我必须说，这大大简化了我的生活，也简化了从我脑子里提取想法的过程。

对于一个小频道来说，这意外地非常有用。帖子准备得更快，"坐下来开始写"的障碍几乎消失了。

我如何连接语音消息识别

为了让代码代理和帖子助手能够正常处理语音，我需要解决另一个问题——语音消息识别。

OpenClaw 开箱即用地支持通过 Whisper 这样的模型进行语音识别。它会自己在本地安装 Whisper，配置它，并在服务器的资源上进行识别，或通过云端进行（为此需要传递 OpenAI 的 api token）。

我们公司已经有了自己的音频处理服务。所以我决定不重新发明轮子，而是连接到我们的修修补补的自定义提供商。

架构大概是这样的：

  1. Telegram‑机器人接收语音消息。
  2. 文件被发送到转录服务。
  3. 服务将音频转换为文本。
  4. 文本被传回代理。
  5. 代理像处理普通文本请求一样处理它。

我们的服务有多个处理层级。首先使用主要的识别模型。如果它不能处理或出现问题——有备选方案可以回退到其他模型。最终，系统能够相当可靠地将语音转换为文本。

最"神奇"的部分是我如何将"爪子"连接到转录服务的。我让另一个代理查看如何在另一个真实项目中实现与我们提供商的集成，并以一个 MD 文件的形式向我描述所有细节（如何向队列发送请求、轮询结果、在哪里发送令牌）。

代理自己配置了所有内容，向我询问了访问令牌，将其放在正确的位置，为处理语音消息添加了 hook，一切都神奇地工作起来了！

实际上，这将 Telegram‑聊天转变成了开发和自动化的语音界面，这远比不断输入长消息要方便得多。

中间总结

1. 这肯定不是"神奇的 AI‑员工"。

互联网上关于代理完全替代人类的所有故事都被大大夸大了。经济学和可靠性目前还根本不允许这样工作。代理可以做具体的任务，但让它完全不受控制地工作是相当冒险的。

2. 这是一个非常好的生产力倍增器。

在那些过去需要花费 10-15 分钟进行例行工作的地方——打开项目、找到文件、进行小修改、创建 MR——现在可以简单地把这个过程的一部分委派给代理。

3. 最重要的是——正确地限制代理。

所有真正对我有效的案例都是按照一个原则构建的：代理只能访问它能够安全工作的系统。

  • 代码代理无法访问生产环境；
  • 代理在单独的虚拟机中工作；
  • 所有更改都通过 MR 和手动审核。

也就是说，代理做初稿工作，最终决定权留给人类。

4. 具体的任务效果最好。

当代理被给予清晰和有限的任务时——例如"对项目进行修改"、"收集帖子草稿"、"分析文本"——它处理得很好。当任务变得太泛泛或模糊时，效率会急剧下降。当然，可以用更贵的模型并花更多钱，但这显然不是我的方式。

发布 Claude Code 的指南和内容、新闻（当配额被砍 10 倍时）以及我们通过 Claude 为项目实现的工具的频道：https://t.me/claudedevolper