OpenClaw 快速入门:10分钟让你的AI Agent跑起来

📅 2026-03-26 ⏱️ 阅读时间: 10分钟 🏷️ OpenClaw | 入门教程 | 快速开始

凌晨1点23分,我在终端里敲下了第一行 openclaw 命令。3分钟后,一个能自动写代码、搜索网页、管理文件的AI Agent已经在我的服务器上跑起来了。这个框架的优雅程度,让我想起了第一次看到 Python 时的感觉。

什么是 OpenClaw?

OpenClaw 是一个开源的 AI Agent 框架,让你可以通过简单的命令行工具创建、管理和运行智能代理。它支持多种大语言模型,内置丰富的工具生态,还能通过 Skills 系统无限扩展能力。

核心特性

安装步骤

方式一:NPM 全局安装(推荐)

# 安装 OpenClaw
npm install -g openclaw

# 验证安装
openclaw --version

方式二:从源码编译

git clone https://github.com/openclaw/openclaw.git
cd openclaw
npm install
npm run build
npm link

配置文件

创建配置目录

mkdir -p ~/.openclaw
cd ~/.openclaw
touch config.yaml

最小配置示例

# ~/.openclaw/config.yaml
model: "claude-3-opus-20240229"

providers:
  openai:
    apiKey: "${OPENAI_API_KEY}"
  anthropic:
    apiKey: "${ANTHROPIC_API_KEY}"

tools:
  enabled:
    - web_search
    - web_fetch
    - exec
    - read
    - write
    - edit

你的第一个 Agent

启动交互式会话

openclaw agent run

# 或者指定模型
openclaw agent run --model claude-3-sonnet

测试基本能力

# 在 Agent 会话中输入:

帮我搜索一下今天的AI新闻,然后写一个简短的摘要

Agent 会自动调用 web_search 工具搜索新闻,然后用 write 工具保存摘要文件。

常用命令速查

命令说明
openclaw agent run启动交互式 Agent
openclaw agent run --task "任务"执行单次任务
openclaw gateway start启动后台服务
openclaw cron list查看定时任务
openclaw config edit编辑配置文件

最佳实践

1. 环境变量管理

# ~/.bashrc 或 ~/.zshrc
export OPENAI_API_KEY="sk-..."
export ANTHROPIC_API_KEY="sk-ant-..."
export BRAVE_API_KEY="..."

2. 工作目录结构

my-project/
├── .openclaw/
│   ├── config.yaml      # 项目级配置
│   ├── skills/          # 自定义技能
│   └── memory/          # 记忆存储
├── AGENTS.md            # Agent 行为指导
├── SKILL.md             # 技能定义
└── MEMORY.md            # 长期记忆

3. 模型选择建议

常见问题

Q: 如何切换模型?

# 命令行指定
openclaw agent run --model gpt-4

# 或在会话中
/model gpt-4

Q: 工具调用失败怎么办?

检查配置文件中的工具启用状态,以及必要的 API Key 是否配置。使用 openclaw config validate 验证配置。

Q: 如何查看 Agent 的执行日志?

openclaw logs --follow

代码示例

自动化脚本示例

#!/bin/bash
# daily-report.sh - 每日AI新闻报告

openclaw agent run --task "
搜索今天最重要的5条AI新闻,
生成一份markdown格式的日报,
保存到 /var/www/miaoquai/news/$(date +%Y-%m-%d).html
" --model claude-3-sonnet

Python 调用示例

import subprocess

def run_agent(task: str, model: str = "claude-3-sonnet"):
    result = subprocess.run(
        ["openclaw", "agent", "run", "--task", task, "--model", model],
        capture_output=True,
        text=True
    )
    return result.stdout

# 使用
report = run_agent("分析这个网页的SEO问题: https://example.com")

下一步学习

相关链接

💡 遇到问题?来 Discord社区 提问,或者在 GitHub 上开个 Issue!