前言

2026 年，一只名叫 OpenClaw 的"龙虾"横空出世，三个月内登顶 GitHub 历史增速榜第一，超越了存在 40 年的 Linux。它不是更聪明的聊天机器人，而是一个全新物种：AI Agent – 一个能 7x24 小时在你的机器上运行、自主决策、持续执行的 AI 员工。

普通人以前只能隔着浏览器窗口跟 AI 说话，关掉窗口就什么都没了。OpenClaw 做的事，是给 AI 大脑装上身体 – 让它能看文件、跑命令、收消息、主动汇报，而且数据完全在你自己的机器上。

维度	传统 ChatGPT / Claude	OpenClaw
交互方式	浏览器 / App	飞书、企微、QQ、钉钉等 20+ 平台
在线时间	关窗口就没了	7x24 不关机
执行能力	对话框说话	跑命令 + 发邮件 + 操作文件
记忆	对话结束即忘	文件持久保存（MEMORY.md）
主动性	你问它才答	定时检查，主动汇报
数据归属	在服务商服务器	在你自己机器上

一句话理解：大模型是大脑，OpenClaw 是身体。 没有身体，大脑就被困在浏览器窗口里，什么也干不了。

理解了这个定位，你才能明白为什么我们不只是在"部署一个聊天机器人"，而是在给自己配一个 7x24 在线的 AI 员工。本篇文章会带你从零开始：购买服务器 --> 配置模型和通道 --> 自定义 Skill 和人设，最终在飞书里跑起你的第一个 AI 助手。

---

一、购买轻量应用服务器

1.1 为什么选择腾讯云 Lighthouse

腾讯轻量云 Lighthouse 产品为用户提供了可视化面板，开箱即用的 OpenClaw 应用模版让我们省去了繁琐的环境搭建和手动部署，真正实现一键安装。对于想快速体验 OpenClaw 的用户来说，这是目前最省事的方案。

1.2 购买流程

访问链接 购买 OpenClaw (龙虾) 购买一台轻量应用服务器，基本配置即可，如下图所示：

点击下单即可，在下单过程中我发现我竟然有个优惠券，意外之喜赶紧又加购两个月。

购买完成之后等待小龙虾创建成功：

1.3 进入实例管理

基于 OpenClaw 应用模版完成服务器创建后，OpenClaw 也已经同步在服务器中完成安装部署。在轻量云控制台界面中，点击服务器实例卡片中的"…"按钮，选择管理实例，即可进入实例管理页面，进行后续的模型配置和通道配置操作。

---

二、配置模型和通道

OpenClaw 安装部署成功后，还需要为它配置两个核心组件：

• 模型（Models）：可以理解为 OpenClaw 的"大脑"，需要单独购买模型服务并接入。OpenClaw 里面跑的就是这些大模型（Claude / GPT / DeepSeek / 豆包等），它用它们来思考，自己提供执行的"身体"。
• 通道（Channels）：与 OpenClaw 进行交互的聊天应用，如 QQ、企业微信、飞书、钉钉等。OpenClaw 目前支持 20+ 平台的消息通道接入，国内推荐飞书。

2.1 进入 OpenClaw 配置面板

进入 OpenClaw 服务器选择应用管理，如下图所示：

接下来即可在控制台界面上进行模型（Models）配置和通道（Channels）配置。

2.2 配置模型（Models）

目前 OpenClaw 配置面板支持腾讯混元、腾讯云 DeepSeek、DeepSeek（深度求索）、月之暗面 Kimi、智谱 GLM、MiniMax、豆包、通义千问、文心一言等常用国内大模型 API Key 一键配置，也支持配置其他自定义模型（如 OpenAI GPT、Gemini、Claude 等）。可以根据自己的需求进行配置：

注意：本篇文章使用的是 火山 Doubao Seed2.0 Pro 模型，因为 腾讯云模型 Coding Plan 套餐 太难抢了。

温馨提示：Coding Plan 套餐包每天早上 10:00 有限量秒杀，手速快的可以去抢。

补充：关于 Coding Plan 的选择建议

如果你不想用火山的模型，这里给一个 Coding Plan 的横向对比，供参考选择：

平台	最低价格	亮点	适合人群
阿里云百炼	40 元/月（首月 7.9）	8 款模型，文档最完善	新手首选
火山引擎方舟	40 元/月（首月 8.9）	Auto 模式自动调度	想省心的用户
腾讯云	40 元/月（首月 7.9）	阶梯定价，先体验再决定	轻度尝鲜
MiniMax	29 元/月	价格最低，每 5 小时刷额度	预算有限
联通云	免费	限时免费 12,000 名额	先免费体验

提示：Coding Plan 是国内厂商的 AI 模型月度订阅，兼容 OpenAI API 格式，解决了国内用户使用海外模型需要 VPN、延迟高、价格贵的痛点。最低 29 元/月起，性价比很高。

2.3 获取火山模型 API Key

访问 火山引擎官网，顶部导航栏选择 大模型 --> 豆包大模型 2.0

选择开通管理，点击模型中的立即参与，获取 50 万 tokens 额度，如下图所示：

开通完成后，选择侧边栏中的 API Key 管理 创建自己的 API Key，将创建好的 API Key 复制到腾讯云的模型配置中即可，然后点击添加为默认模型：

2.4 配置通道（Channels）

模型配置完成之后就可以配置通道了，目前支持企业微信、QQ、钉钉、飞书等 20+ 平台：

本次实践我们选择飞书，如下图所示，直接选择 快捷配置 --> 授权接入，然后扫码授权即可。

注意：此处的授权建议先将飞书企业后台管理这一流程配置完成之后，用企业账号扫码授权，否则会出现错误。

2.5 飞书企业后台管理

访问 飞书企业后台管理 配置自己的企业账号。

如果你的飞书企业账号没有配置审核规则，则会在通道授权完成之后自动配置你的龙虾账号。如果设置了审核规则，则需要在 工作台 --> 应用审核 中进行审核。

审核完成之后登录该飞书账号，就可以看到你的小龙虾了：

---

三、自定义 Skill – 把小龙虾"养"成澳洲龙虾

通过前面的步骤，我们已经拥有了自己的小龙虾。但目前它只有基础的对话功能，和普通的 ChatGPT 体验差别不大。真正让 OpenClaw 区别于聊天机器人的，是它的 Skills（技能）系统。

Skill 本质上是一个纯文本指令包 – 一个文件夹里放一个 SKILL.md 文件，告诉 Agent"遇到什么场景、该怎么做"。如果把 MCP 工具比作锤子，那 Skill 就是使用说明书 – 锤子只知道敲，说明书告诉你敲哪里、用多大力、什么顺序敲。

ClawHub（OpenClaw 的官方技能市场）上已经有 13,700+ 技能可以直接安装使用，当然你也可以自己写。下面我们就来实战：配置一个摸鱼人日历的 Skill。

3.1 SSH 连接服务器

这一步骤是个人习惯，如果你习惯其他方式可以按自己的喜好来。如下图所示配置本地 SSH：

配置成功之后登录服务器，输入 ll 来查看目录：

此时本地登录的是 ubuntu 用户，还无法执行 OpenClaw 的终端交互命令，如下图所示：

因此我们先在 SSH 里切到临时 root，在终端输入：

sudo -i

然后输入以下命令来验证 OpenClaw 是否正常运行：

openclaw tui

当你的终端能出现如下界面，表示当前环境中已经拥有小龙虾助手了，输入 control + c 退出：

3.2 了解 Skill 目录结构

在开始写 Skill 之前，先了解一下小龙虾的 Skills 存放位置。OpenClaw 的 Skills 采用三级加载机制：

级别	路径	优先级	适合场景
工作区 Skills	.openclaw/skills/	最高	项目专属
用户 Skills	~/.openclaw/skills/	中等	个人通用
内置 Skills	OpenClaw 自带	最低	开箱即用

我们的 Skills 存放在以下目录：

/root/.openclaw/workspace/skills/

知道了 Skill 的路径，接下来我们就可以配置自己的 Skill 了。

3.3 编写 Python 脚本

在服务器任意地址创建一个 moyu.py 存放如下代码

import requests
import os

# ===================== 配置 =====================
MOYU_API    = "https://{api接口地址}"
MOYU_KEY    = "你自己的key"
# 图片保存路径（OpenClaw 能自动识别）
IMAGE_PATH  = os.path.expanduser("~/moyu_today.png")
# =================================================

def get_moyu_image():
    try:
        # 下载摸鱼图片
        resp = requests.get(
            MOYU_API,
            params={"key": MOYU_KEY},
            timeout=15
        )
        if resp.status_code != 200:
            return None, "接口请求失败"

        # 保存图片
        with open(IMAGE_PATH, "wb") as f:
            f.write(resp.content)

        return IMAGE_PATH, "success"

    except Exception as e:
        return None, f"错误：{str(e)}"

def main():
    img_path, msg = get_moyu_image()

    if not img_path:
        return msg

    # 关键：
    # OpenClaw 收到本地图片路径，会自动在飞书里发成图片消息
    return f"""今日摸鱼日历
打工人，摸鱼才是第一生产力~
今日宜摸鱼 | 忌内卷 | 忌加班

{img_path}
"""

if __name__ == "__main__":
    print(main())

当前代码我将其存放到了如下位置：

.openclaw/workspace/scripts/moyu.py

操作步骤如下：

# 1. 进入小龙虾的工作空间
cd .openclaw/workspace/

# 2. 创建 scripts 文件夹用于存放脚本
mkdir scripts

# 3. 编写脚本，将上面的 Python 代码粘贴进去，输入 :wq! 保存
vim scripts/moyu.py

# 4. 给脚本执行权限
chmod +x /root/.openclaw/workspace/scripts/moyu.py

# 5. 测试运行
python3 /root/.openclaw/workspace/scripts/moyu.py

3.4 将脚本接入 OpenClaw 技能

我们在小龙虾的 skills 文件夹中创建一个技能文件夹，命令如下：

cd /root/.openclaw/workspace/skills
mkdir -p slackoff
cd slackoff
vim SKILL.md

SKILL.md 内容如下：

---
name: 摸鱼日历
description: 每日摸鱼人日历，自动获取图片并发送到飞书
author: openclaw
version: 1.0.0
type: script
command: python3 /root/.openclaw/workspace/scripts/moyu.py
trigger:
  keywords:
    - 摸鱼
    - 摸鱼日历
    - 今天摸鱼
    - 打工人日历
    - 摸鱼人日历
---

# 摸鱼日历技能
当用户发送包含「摸鱼」「摸鱼日历」等关键词时，自动调用摸鱼接口，获取图片并在飞书中返回文字 + 图片。

补充说明：每个 Skill 由两部分组成 – Frontmatter（YAML 头部） 定义元数据（名称、描述、版本、触发条件），Markdown Body（正文） 是注入给 Agent 的提示词。其中 description 是最关键的字段，Agent 会根据它来决定是否触发该 Skill，宁可写宽泛一些，也不要写得太窄导致永远不被调用。

---

四、自定义人设 – 让小龙虾有"灵魂"

4.1 理解 SOUL.md 的作用

在 .openclaw/workspace 路径下有一个 SOUL.md 文件，这是 OpenClaw 的灵魂文档 – 它定义了 AI 是谁、怎么说话、底线在哪。

在 OpenClaw 的 Workspace（工作区）体系中，有四个核心文件被社区称为**“灵魂四件套”**：

文件	作用	权限	修改者
AGENTS.md	操作规则（铁律）	最高	只有你能改
SOUL.md	AI 性格	中等（可成长）	AI 可自改
USER.md	用户画像	中等	你 + AI
MEMORY.md	永久记忆	完全开放	主要 AI 写

核心差异：AGENTS.md 是制度（不可改），SOUL.md 是性格（可成长）。制度管行为边界，性格管沟通风格。

4.2 修改 SOUL.md

我们来看一下当前小龙虾的默认"性格"：

看起来还行，但比较刻板，不是我的风格，因此来改一下。以下是我自定义的人设：

# 角色定位
你是一个专业的**摸鱼搭子**，性格轻松、幽默、懂打工人心态，说话贱萌有趣，不严肃、不啰嗦、不内卷。

# 核心职责
- 每天为用户提供**摸鱼人日历**
- 回答与上班、摸鱼、下班、划水相关的话题
- 当用户触发"摸鱼"相关关键词时，自动调用摸鱼日历脚本
- 在飞书中回复时，保持轻松搞笑风格，并发送图片+文案

# 回复风格
- 轻松、调侃、简短、有梗
- 不教育、不说教、不打鸡血
- 只站在打工人这边

# 行为规则
- 只执行摸鱼相关任务，不处理无关内容
- 调用脚本后，直接将结果发送到飞书
- 发送内容包含：文字 + 摸鱼日历图片
- 不主动提问，不追问多余信息

SOUL.md 写法要点：6 行起步（身份 + 沟通风格 + 底线），否定指令更有效（写"不要用以下词汇"比"请简洁"好），长度控制在 400-500 tokens（约 300 汉字），太长会被跳过。

4.3 让配置生效

在控制面板点击重启来加载我们的配置即可：

4.4 查看结果

在飞书输入 摸鱼日历：

成了。当然你想要什么样的助手，就按照同样的流程安排就行。

---

五、更多玩法：从"能用"到"好用"

走完上面的流程，你已经拥有了一只基础版的小龙虾。但 OpenClaw 真正强大的地方远不止于此。这里列几个进阶方向，供你后续探索：

1. 配置 Heartbeat（心跳），让 AI 主动干活

Heartbeat 机制可以让你的小龙虾定时醒来，主动执行任务。比如每天早 7 点自动搜集新闻发到飞书、每天下班前自动生成工作总结。从"你问它才答"变成"它主动替你干活"，这才是 Agent 和聊天机器人的根本区别。

2. 安装 ClawHub 上的现成 Skill

除了自己写，ClawHub 上有 13,700+ 现成技能可以一键安装：

# 搜索技能
clawhub search "weather"

# 安装技能
clawhub install username/skill-name

# 安装后重启生效
openclaw gateway restart

安全提醒：ClawHavoc 事件中曾有 1,184 个恶意 Skill 混入官方商店。Skill 是可执行代码，请只安装信任来源的技能，安装前用 clawhub inspect 查看详情。

3. 配置多平台故障转移

如果你担心单一模型 Token 用完导致服务中断，可以配置 fallbacks 备用模型：

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "doubao-seed-2.0-pro",
        "fallbacks": ["deepseek-v3.2", "glm-4.7"]
      }
    }
  }
}

4. 完善灵魂四件套

除了 SOUL.md，建议你把 USER.md（你的画像）和 AGENTS.md（行为铁律）也配置上。四个文件 30 分钟写完，效果立竿见影：

• SOUL.md 定义它是谁
• USER.md 让它认识你
• MEMORY.md 让它不失忆
• AGENTS.md 划定行为边界

---

六、总结

说一下若城的真实感受，三点：

1. Token 消耗确实不低。从文章中的截图可以看到，小龙虾在执行任务时会消耗不少 Token。建议大家根据自己的使用频率选择合适的 Coding Plan，预算有限可以从 MiniMax（29 元/月）起步，或者蹲一下联通云的免费名额。

2. 确实可以成为私人助理。从某种意义上来说，小龙虾已经不只是一个聊天机器人了 – 它能定时执行、主动汇报、持久记忆，更像是一个真正的 AI 员工。

3. 落地方案还有很大想象空间。其实我想了好几天有没有更好的落地方案，但苦于 Token 额度有限确实没法实现。如果你有充足的 Token 预算，完全可以把它打造成团队站会助手、自媒体排版助手、邮件处理助手等更复杂的角色。

一句话送给大家：OpenClaw 的价值不在于它有多聪明，而在于它真正能帮你干活 – 7x24 在线、自主决策、持久执行，这才是 AI Agent 的本质。

---

QA 环节

Q1：在调用过程中出现 API rate limit reached. Please try again later.，并且不是短时间内多次并发 API 导致的，怎么办？

A1： 检查你的 Token 用量和余额。我查看了我的 Token 用量以及余额发现是 Token 余额不足导致的，如下图所示，很明显 Token 已经用完了。

补充排查思路：除了 Token 用完之外，还可以检查以下几点：

• 确认 Base URL 是否使用了 Coding Plan 专用地址（大多含 /coding/ 路径），用错地址可能不走套餐额度
• 末尾不要加 /，如 https://xxx.com/coding/v3 而非 https://xxx.com/coding/v3/
• 确认 API Key 前缀是否正确（不同平台前缀不同，不可混用）
• 可以用以下命令测试连通性：

curl -H "Authorization: Bearer yourKey" yourBaseURL/models

Q2：Skill 安装了但没有触发怎么办？

A2： 最常见的原因是 SKILL.md 中的 description 写得太保守。Agent 根据 description 来决定是否触发 Skill，宁可多触发、在正文里细化，也不要写得太窄导致永远不被调用。排查步骤：

# 确认 Skill 是否通过了门控加载
openclaw skills list --eligible

# 详细检查每个 Skill 的门控状态
openclaw skills check --verbose

Q3：配置完之后如何验证 OpenClaw 状态是否正常？

A3： 在 SSH 切到 root 之后，直接运行 openclaw tui 进入终端交互界面即可验证。如果能正常进入交互界面，说明 OpenClaw 运行正常。