01. OpenClaw 项目介绍

课程信息

作者：老金

GitHub：https://github.com/KimYx0207

公众号：老金带你玩AI

X（Twitter）：老金带你玩AI

个人博客：https://aiking.dev

难度等级：🟢 入门

阅读时间：15 分钟

前置知识：无

本篇你将了解： OpenClaw 是什么、能做什么、跟其他框架有什么区别、核心架构长什么样

小白速通： 只看前 3 节（"一句话说清楚"、"发展历史"、"与其他 AI 助手框架的对比"），其余章节可以等需要时再回来看

教程版本基线

稳定版参考 v2026.3.28；Releases 上另有预发布线（如 v2026.4.1-beta.1）。全文约定见 00-阅读指南 · 2026-04 版本基线。

一句话说清楚

OpenClaw 是一个开源的 AI 私人助手框架，跑在你自己的电脑或服务器上，能连接 WhatsApp、Telegram、Discord 等消息平台，让 AI 帮你处理消息、执行任务、管理日程。

你可以把它理解为：一个 7x24 小时在线的 AI 员工，通过你常用的聊天软件跟你沟通。

跟那些云端 AI 助手不同，OpenClaw 的所有数据都在你自己的设备上。你的聊天记录、偏好设置、工作文件，全部本地存储。没有第三方服务器偷看你的数据，没有月费订阅锁定你的工作流。

2026-04 差量更新

这篇文章里的“增长速度”和 Stars 数字很容易过时，当前版本改为以产品定位、架构和安装主路径为主

官方当前更推荐 macOS / Linux / WSL2 下使用 install.sh + openclaw onboard

Node.js 基线统一为 24.x 推荐，22.14+ 兼容

Windows 原生仍支持，但 WSL2 更稳定 仍是官方建议

发展历史

OpenClaw 的故事可以简单理解成：一个从个人实验起步、很快获得开发者社区关注、经历过名称演化，最终稳定为 OpenClaw 的开源 AI 助手项目。

2025年11月    Peter Steinberger 从个人实验出发，把 AI 模型接入消息应用
                      ↓
2025年11月    项目以早期名称开源发布，快速获得社区关注
                      ↓
2026年1月     因名称与 Claude 过近，项目进入更名过程
                      ↓
2026年1月末   社区投票后，最终定名为 OpenClaw
                      ↓
2026年        持续快速迭代，围绕 Gateway、Channels、Skills、Plugins 等能力扩展

为什么增长这么快？因为它解决了一个真实痛点：每个人都想要一个私人 AI 助手，但没人想把所有数据交给云端。 OpenClaw 让你在自己的设备上跑 AI，通过你已经在用的聊天软件交互，零学习成本。

关键里程碑

时间	事件	意义
2025.11	项目创建	从个人 AI 实验起步
2025.11	开源发布	快速进入开发者社区视野
2026.01	完成更名	统一到 OpenClaw 品牌
2026 年后	持续高频迭代	版本号采用 `YYYY.M.D` 风格

与其他 AI 助手框架的对比

市面上做 AI 助手/聊天机器人的框架不少，OpenClaw 的定位跟它们有本质区别。

OpenClaw vs Botpress

维度	OpenClaw	Botpress
定位	个人 AI 助手	企业级聊天机器人平台
部署	本地优先，跑在你自己设备上	云端 SaaS 为主
数据	全部本地存储	存在 Botpress 云端
AI 模型	支持 29+ 提供商，自由切换	主要绑定自家模型
目标用户	开发者、技术爱好者	企业客服团队
对话设计	自然语言驱动，无需流程图	可视化流程编辑器
价格	完全免费开源（MIT）	免费层有限，企业版收费

Botpress 适合做客服机器人，有可视化的对话流程编辑器，适合非技术人员。OpenClaw 不做客服，它是你的私人助手 -- 帮你管邮件、写代码、控制智能家居。

OpenClaw vs Rasa

维度	OpenClaw	Rasa
架构	Gateway（核心服务进程，负责接收和分发消息） + Agent（独立的 AI 助手实例）循环	NLU + 对话管理 + 动作服务器
学习曲线	`npm install -g openclaw` 就能跑	需要理解 NLU 管道、训练数据格式
AI 能力	直接调用大语言模型	传统 NLU + 可选 LLM
消息平台	内置 15+ 平台支持	需要自己写 Connector
工具调用	内置浏览器控制、文件操作等	需要自己实现 Action Server
适用场景	个人助手、开发者工具	企业级对话系统

Rasa 是传统 NLU 路线的代表，需要标注训练数据、定义意图和实体。OpenClaw 直接站在大语言模型的肩膀上，不需要训练数据，开箱即用。

OpenClaw vs 自建方案

很多开发者会想：我直接调 OpenAI API + 写个 Telegram Bot 不就行了？

当然可以，但你很快会遇到这些问题：

自建方案需要解决的问题：
├── 消息平台适配（每个平台 API 都不一样）
├── 会话管理（多轮对话、上下文窗口）
├── 流式输出（实时显示 AI 回复）
├── 工具调用（让 AI 执行实际操作）
├── 记忆系统（AI 记住你的偏好）
├── 安全控制（防止未授权访问）
├── 多模型切换（不同任务用不同模型）
├── 模型故障转移（主模型挂了自动切备用）
├── 媒体处理（图片、音频、视频）
├── 守护进程管理（7x24 小时运行）
└── 更新维护（持续跟进 API 变更）

OpenClaw 把这些基础设施大部分都预先做好了。现在官方更推荐的上手方式是运行安装脚本，再进入 openclaw onboard 完成初始化；如果你更习惯 Node 生态，也仍然可以用 npm / pnpm / bun 安装 CLI。

选择建议

你的需求	推荐方案
个人 AI 助手，隐私优先	OpenClaw
企业客服机器人，需要可视化	Botpress
企业级对话系统，需要精确控制	Rasa
简单的单平台 Bot	自建方案
多平台 + 多模型 + 工具调用	OpenClaw

核心架构

OpenClaw 的架构设计非常优雅。官方的自我定义是：Multi-channel AI gateway with extensible messaging integrations（多通道 AI 网关，带可扩展的消息集成）。

核心就三层：

┌─────────────────────────────────────────────────────────────────┐
│                        消息平台层 (Channels)                      │
│                                                                   │
│  WhatsApp │ Telegram │ Discord │ Slack │ Signal │ iMessage       │
│  BlueBubbles │ Google Chat │ Teams │ LINE │ Zalo │ WebChat │ ... │
└──────────────────────────────┬────────────────────────────────────┘
                               │
┌──────────────────────────────▼────────────────────────────────────┐
│                    Gateway（网关控制平面）                          │
│                    ws://127.0.0.1:18789                           │
│                                                                   │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌────────────────┐  │
│  │ 路由引擎  │  │ 会话管理  │  │ 安全控制  │  │ WebSocket API  │  │
│  └──────────┘  └──────────┘  └──────────┘  └────────────────┘  │
│                                                                   │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌────────────────┐  │
│  │ 技能系统  │  │ 记忆系统  │  │ 工具系统  │  │ 插件系统       │  │
│  └──────────┘  └──────────┘  └──────────┘  └────────────────┘  │
│                                                                   │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌────────────────┐  │
│  │ Cron 调度 │  │ Webhook  │  │ 媒体管道  │  │ Control UI     │  │
│  └──────────┘  └──────────┘  └──────────┘  └────────────────┘  │
└──────────────────────────────┬────────────────────────────────────┘
                               │
                    ┌──────────▼──────────┐
                    │  Pi Agent Runtime   │
                    │  (RPC 模式)          │
                    └──────────┬──────────┘
                               │
┌──────────────────────────────▼────────────────────────────────────┐
│                     AI 模型提供商层 (Models)                       │
│                                                                   │
│  OpenAI │ Anthropic │ Google │ Ollama │ Mistral │ xAI            │
│  AWS Bedrock │ 通义千问 │ 智谱 │ DeepSeek │ OpenRouter │ ...    │
└───────────────────────────────────────────────────────────────────┘

数据流：一条消息的旅程

当你在 WhatsApp 上给 OpenClaw 发一条消息，背后发生了什么？

1. WhatsApp 消息到达
   │
2. Baileys 库接收消息，转换为统一格式
   │
3. Gateway 路由引擎判断：
   ├── 这条消息属于哪个 Agent？
   ├── 发送者是否已授权？（DM 配对检查）
   └── 是否在群聊中被 @提及？
   │
4. 会话管理器加载/创建会话：
   ├── 加载历史上下文
   ├── 加载记忆文件（MEMORY.md + 今日日志）
   └── 加载技能指令
   │
5. Pi Agent 执行推理循环：
   ├── 组装完整 Prompt（系统指令 + 记忆 + 历史 + 用户消息）
   ├── 调用 AI 模型（如 Claude Opus 4.6）
   ├── 模型返回文本或工具调用请求
   ├── 如果是工具调用 → 执行工具 → 把结果喂回模型
   └── 循环直到模型给出最终回复
   │
6. 流式输出：
   ├── AI 的回复实时推送到 WhatsApp
   ├── 同时推送到 WebChat UI（如果打开了的话）
   └── 打字指示器让对方知道 AI 在"思考"
   │
7. 状态持久化：
   ├── 会话历史写入磁盘
   ├── 如果 AI 决定记住什么 → 写入记忆文件
   └── 使用统计更新

这个流程的关键设计决策：

每个会话串行执行 — 同一个会话里的消息排队处理，防止竞态条件
流式输出 — 不用等 AI 想完再发，实时看到回复
工具调用循环 — AI 可以连续调用多个工具，直到任务完成

⏭️ 小白可跳过 — 这部分是技术深入分析，新手可以先跳过

核心概念详解

Gateway（网关）

Gateway 是 OpenClaw 的心脏，一个长期运行的守护进程（daemon）。它不是一个简单的 HTTP 服务器，而是一个完整的控制平面（control plane）。

Gateway 的职责：

Gateway 核心职责：
├── 连接管理
│   ├── 管理所有消息平台的长连接
│   ├── WhatsApp 用 Baileys，Telegram 用 grammY，Discord 用 @buape/carbon
│   ├── 自动重连、心跳保活
│   └── 统一消息格式转换
│
├── 会话管理
│   ├── main 会话（直接聊天）
│   ├── 群聊隔离（每个群独立会话）
│   ├── 激活模式（@提及、关键词触发等）
│   └── 队列模式（消息排队处理）
│
├── Agent 调度
│   ├── 多 Agent 路由（不同平台/联系人 → 不同 Agent）
│   ├── 每个 Agent 独立工作空间
│   └── 独立的认证和配置
│
├── 安全控制
│   ├── DM 配对机制（未知发送者需要验证码）
│   ├── 允许列表（allowFrom）
│   └── 权限隔离
│
├── API 暴露
│   ├── WebSocket API（默认 127.0.0.1:18789）
│   ├── Control UI（Web 控制面板）
│   └── WebChat（浏览器聊天界面）
│
└── 自动化
    ├── Cron 定时任务
    ├── Webhook 接收
    └── Gmail Pub/Sub 推送

Gateway 的安装方式是注册为系统服务：macOS 用 launchd，Linux 用 systemd。这样它会开机自启，7x24 小时运行。

# 安装 Gateway 守护进程
openclaw onboard --install-daemon

# 手动启动（调试用）
openclaw gateway --port 18789 --verbose

# 检查 Gateway 健康状态
openclaw doctor

Channel（消息平台抽象层）

Channel 是 OpenClaw 对消息平台的统一抽象。不管你用的是 WhatsApp 还是 Telegram，对 Gateway 来说都是一个 Channel。

每个 Channel 需要处理的事情：

能力	说明
消息收发	文本、图片、音频、视频、文件
群聊支持	@提及检测、回复引用、群成员信息
打字指示器	让对方看到"正在输入..."
消息分块	长消息自动拆分（不同平台限制不同）
媒体处理	图片压缩、音频转码、视频帧提取
认证管理	每个平台的认证方式不同

目前支持的 Channel 分为两类：

核心 Channel（src/ 目录下有独立实现）：

平台	集成库	认证方式
WhatsApp	Baileys (Web 协议)	扫码配对
Telegram	grammY	Bot Token
Discord	@buape/carbon	Bot Token
Slack	Bolt	OAuth App
Signal	signal-cli	手机号注册
BlueBubbles	BlueBubbles API	iMessage（推荐）
iMessage	imsg CLI	macOS 原生（旧版）
WebChat	内置	无需认证

扩展 Channel（通过 extensions 加载）：

平台	说明
Google Chat	Google Workspace 集成
Microsoft Teams	企业通信平台
Matrix	去中心化通信协议
Zalo	越南主流通信应用
Zalo Personal	Zalo 个人账号
LINE	日本/东南亚主流
飞书 (Feishu)	字节跳动企业通信平台

Channel 的安全默认值很重要。OpenClaw 连接的是真实的消息平台，所以对陌生人的 DM 默认采用配对模式（pairing）：

陌生人发消息 → OpenClaw 返回一个配对码 → 你在终端确认
                                          ↓
                              openclaw pairing approve telegram ABC123
                                          ↓
                              该用户被加入允许列表，后续消息正常处理

Skills（技能系统）

如果说工具（Tools）是 AI 的双手，那技能（Skills）就是教 AI 如何组合使用这些工具的教科书。

技能的本质是一组系统指令 + 工具定义，告诉 AI 在特定场景下应该怎么做。

工具 (Tools) = 单个原子操作
    例：读文件、发 HTTP 请求、执行 Shell 命令

技能 (Skills) = 组合工具完成复杂任务的知识
    例：管理 GitHub Issue = 搜索 Issue + 读取详情 + 添加评论 + 修改标签

技能分三个层级：

层级	说明	来源
Bundled Skills	内置技能，随 OpenClaw 一起安装	核心仓库
Managed Skills	通过 ClawHub 安装的社区技能	clawhub.com
Workspace Skills	你自己写的本地技能	工作空间目录

内置技能一览（示意）：

类别	技能	功能
办公效率	`gog`	Google Workspace（邮件、日历、文档）
	`notion`	Notion 页面和数据库管理
	`trello`	Trello 看板和任务管理
	`slack`	Slack 工作区消息管理
	`1password`	1Password 密码查询（只读）
笔记管理	`obsidian`	Obsidian 笔记搜索和管理
	`apple-notes`	Apple 备忘录
	`bear-notes`	Bear 笔记
开发工具	`coding-agent`	编程助手（写代码、调试、重构）
	`github`	GitHub 仓库管理、PR、Issue
	`gh-issues`	GitHub Issues 专项管理
	`tmux`	终端会话管理
任务管理	`apple-reminders`	Apple 提醒事项
	`things-mac`	Things 任务管理
多媒体	`spotify-player`	Spotify 音乐控制
	`voice-call`	语音通话（ElevenLabs）
	`peekaboo`	屏幕截图
	`camsnap`	摄像头拍照
	`video-frames`	视频帧提取
实用工具	`weather`	天气查询
	`summarize`	内容摘要
	`nano-pdf`	PDF 处理
	`skill-creator`	创建自定义技能
系统管理	`healthcheck`	系统健康检查
	`session-logs`	会话日志查看
	`model-usage`	模型使用统计

Memory（记忆系统）

OpenClaw 的记忆系统设计哲学是：简单到极致。

没有向量数据库，没有 RAG 管道，没有 Embedding 索引。AI 的记忆就是写在磁盘上的 Markdown 文件。

~/.openclaw/workspace/
├── MEMORY.md              # 长期记忆（精选的重要信息）
└── memory/
    ├── 2026-02-25.md      # 今天的日志
    ├── 2026-02-24.md      # 昨天的日志
    └── ...                # 更早的日志

两层记忆架构：

层级	文件	内容	加载时机
长期记忆	`MEMORY.md`	你的偏好、重要决策、关键事实	每次会话启动
每日日志	`memory/YYYY-MM-DD.md`	当天的笔记和上下文	加载今天 + 昨天

AI 有两个记忆工具：

memory_search — 语义搜索所有记忆文件
memory_get — 精确读取特定记忆内容

这个设计的好处：

可读 — 你随时可以打开 Markdown 文件看 AI 记住了什么
可编辑 — 你可以直接修改记忆文件，删掉不想让 AI 记住的东西
可版本控制 — 放进 Git 就能追踪记忆变化
零依赖 — 不需要额外的数据库服务

记忆系统是一个插件槽位（plugin slot），同一时间只能有一个记忆插件激活。官方计划未来收敛到一个推荐的默认方案。

Tools（工具系统）

工具是 AI 执行实际操作的能力。OpenClaw 内置了一套强大的工具集：

工具类别	能力	说明
浏览器控制	打开网页、截图、点击、填表	基于 Playwright，有专用的 Chrome 实例
Canvas	可视化工作区	Agent 驱动的 UI，支持 A2UI 推送
节点操作	摄像头、屏幕录制、位置获取	通过 macOS/iOS/Android 节点
文件操作	读写文件、目录管理	在工作空间内操作
Shell 执行	运行命令行命令	安全沙箱内执行
消息发送	通过任意 Channel 发消息	跨平台消息推送
定时任务	Cron 表达式调度	定时提醒、自动化任务
Webhook	接收外部事件	与第三方服务集成

工具调用的安全模型：AI 请求调用工具 → Gateway 检查权限 → 执行工具 → 返回结果给 AI。

Plugin（插件系统）

OpenClaw 的核心保持精简，可选功能通过插件扩展。

插件的分发方式：

npm 包 — 通过 npm 安装，标准的 Node.js 包管理
本地扩展 — 开发时直接加载本地目录
社区插件 — 通过 ClawHub（clawhub.com）发现和安装

插件 API 提供了 SDK：

// 插件 SDK 导入
import { ... } from 'openclaw/plugin-sdk'

官方对插件的态度是：核心仓库的门槛很高。大部分新功能应该作为独立插件发布到 ClawHub，而不是合并到核心代码。

MCP 支持

OpenClaw 通过 mcporter 桥接支持 MCP（Model Context Protocol）：

OpenClaw Gateway ←→ mcporter ←→ MCP Servers

这种桥接模式的好处：

添加或更换 MCP 服务器不需要重启 Gateway
核心工具/上下文保持精简
MCP 生态的变动不影响核心稳定性

⏭️ 小白可跳过 — 这部分是技术深入分析，新手可以先跳过

技术栈详解

为什么选 TypeScript？

官方的回答很直接：OpenClaw 本质上是一个编排系统（orchestration system）—— 处理 Prompt、工具、协议和集成。TypeScript 被选中是因为：

广泛使用 — 大多数开发者都能读懂和修改
迭代快 — 动态类型 + 类型检查的平衡
生态丰富 — npm 上有几乎所有消息平台的 SDK
易于扩展 — 插件开发门槛低

核心依赖

从 package.json 可以看到 OpenClaw 的技术选型：

类别	库	用途
运行时	Node.js 24.x 推荐，22.14+ 兼容	服务端 JavaScript 运行时
语言	TypeScript 5.9+	类型安全
构建	tsdown	TypeScript 打包工具
测试	Vitest 4.x	单元测试 + E2E 测试
代码质量	oxlint + oxfmt	Lint + 格式化（Rust 写的，极快）
Web 框架	Express 5.x	HTTP/WebSocket 服务
WebSocket	ws	WebSocket 通信
Schema	Zod 4.x + TypeBox	运行时类型验证
数据库	sqlite-vec	向量搜索（记忆系统）
图像处理	Sharp	图片压缩和转换
浏览器	Playwright	浏览器自动化控制
PDF	pdfjs-dist	PDF 解析
配置	JSON5（一种支持注释的配置文件格式） + dotenv	主配置文件为 JSON5 格式（~/.openclaw/openclaw.json）

消息平台 SDK：

平台	库
WhatsApp	@whiskeysockets/baileys
Telegram	grammy
Discord	@buape/carbon
Slack	@slack/bolt + @slack/web-api
飞书	@larksuiteoapi/node-sdk
LINE	@line/bot-sdk
AWS Bedrock	@aws-sdk/client-bedrock

AI Agent 核心：

库	用途
@mariozechner/pi-agent-core	Agent 运行时核心
@mariozechner/pi-ai	AI 模型抽象层
@mariozechner/pi-coding-agent	编程 Agent
@mariozechner/pi-tui	终端 UI

⏭️ 小白可跳过 — 这部分是技术深入分析，新手可以先跳过

项目结构

openclaw/
├── src/                    # 核心实现（TypeScript 等）
├── extensions/             # 扩展 Channel 和插件
├── skills/                 # 内置技能定义
├── apps/
│   ├── macos/             # macOS 菜单栏应用（Swift）
│   ├── ios/               # iOS 应用（Swift）
│   └── android/           # Android 应用（Kotlin）
├── ui/                     # Control UI（Web 前端）
├── docs/                   # 官方文档（Mintlify）
├── scripts/                # 构建和工具脚本
├── test/                   # 测试文件
├── dist/                   # 构建产物
├── openclaw.mjs            # CLI 入口
├── package.json            # 依赖和脚本
├── tsconfig.json           # TypeScript 配置
├── vitest.unit.config.ts   # 单元测试配置
├── vitest.e2e.config.ts    # E2E 测试配置
└── vitest.live.config.ts   # 实时测试配置

⏭️ 小白可跳过 — 这部分是技术深入分析，新手可以先跳过

开发工具链

# 从 Git 仓库本地构建
git clone https://github.com/openclaw/openclaw.git
cd openclaw
pnpm install
pnpm ui:build
pnpm build

# 开发模式（文件变更自动重载）
pnpm gateway:watch

# 运行测试
pnpm test              # 并行单元测试
pnpm test:e2e          # E2E 测试
pnpm test:live         # 实时模型测试

# 代码质量
pnpm check             # 格式 + 类型 + Lint
pnpm lint:fix          # 自动修复

版本策略

OpenClaw 采用日期版本号：vYYYY.M.D，例如 v2026.2.24。

三个发布通道：

通道	npm 标签	说明
stable	`latest`	正式发布，推荐使用
beta	`beta`	预发布版本，可能缺少 macOS 应用
dev	`dev`	main 分支最新代码

# 切换通道
openclaw update --channel stable
openclaw update --channel beta
openclaw update --channel dev

支持的 AI 模型提供商

OpenClaw 支持 29+ AI 模型提供商，这是它的核心竞争力之一。你不被锁定在任何一个模型上。

完整提供商列表

国际主流：

提供商	代表模型	特点
OpenAI	GPT-5.4	最强通用能力，OpenClaw 赞助商
Anthropic	Claude Opus 4.6, Sonnet 4.6	官方推荐，编程和安全最强
Google	Gemini 3.1	多模态能力强
Mistral	Mistral Large	欧洲开源模型
xAI	Grok	实时信息能力

本地/自托管：

提供商	代表模型	特点
Ollama	Llama, Qwen, Mistral	本地运行，隐私优先
vLLM	各种开源模型	高性能本地推理
node-llama-cpp	GGUF 模型	直接在 Node.js 中运行

中国大陆：

提供商	代表模型	特点
通义千问 (Qwen)	Qwen-Max	阿里巴巴，中文能力强
百度千帆 (Qianfan)	ERNIE	百度，中文优化
智谱 (GLM)	GLM-4	清华系，学术能力强
Moonshot/Kimi	Moonshot 视觉	中文优化，视觉能力
小米 (Xiaomi)	MiLM	小米 AI
MiniMax	abab6	多模态
DeepSeek	DeepSeek	编程能力强

代理/路由服务：

提供商	特点
OpenRouter	一个 API Key 用所有模型
LiteLLM	统一接口代理层
AWS Bedrock	企业级，支持 Claude 和 Titan
Vercel AI Gateway	Vercel 生态集成
Cloudflare AI Gateway	CDN 加速
Together AI	开源模型托管，性价比高
NVIDIA NIM	GPU 加速推理
Venice AI	隐私优先，不记录数据
HuggingFace	社区开源模型

模型故障转移

OpenClaw 支持配置多个模型的优先级和故障转移策略。主模型不可用时自动切换到备用模型，保证助手始终在线。

详见 04. 模型配置指南。

客户端生态

连接 Gateway 的方式有很多，覆盖了主流平台：

原生应用

平台	类型	技术栈	功能
macOS	菜单栏应用	Swift	控制面板、Voice Wake、Talk Mode、Canvas
iOS	移动应用	Swift	Canvas、Voice Wake、Talk Mode、摄像头
Android	移动应用	Kotlin	Canvas、Talk Mode、摄像头、屏幕录制

命令行

# 直接跟 AI 对话
openclaw agent --message "帮我查一下明天的天气"

# 发送消息到指定平台
openclaw message send --to +1234567890 --message "Hello"

# 交互式 TUI
openclaw tui

Web 界面

Control UI — 浏览器控制面板，管理 Gateway 配置
WebChat — 浏览器聊天界面，直接跟 AI 对话
Live Canvas — Agent 驱动的可视化工作区

语音能力

Voice Wake — 语音唤醒，类似 "Hey Siri"（macOS/iOS/Android）
Talk Mode — 实时语音对话，基于 ElevenLabs TTS
PTT（Push to Talk） — 按键说话模式

社区生态

项目数据（截至 2026 年 2 月）

指标	数据
GitHub Stars	227,000+
Forks	43,000+
贡献者	30+（核心仓库，GitHub API 分页限制）
开放 Issues	7,500+
许可证	MIT
发布频率	几乎每天
赞助商	OpenAI, Vercel, Blacksmith, Convex

社区渠道

渠道	链接	用途
Discord	discord.gg/clawd	主要社区，实时讨论
GitHub Discussions	github.com/openclaw/openclaw	功能请求、技术讨论
GitHub Issues	github.com/openclaw/openclaw/issues	Bug 报告
官方文档	docs.openclaw.ai	完整文档
官方网站	openclaw.ai	项目主页
DeepWiki	deepwiki.com/openclaw/openclaw	AI 生成的代码文档

ClawHub（技能市场）

ClawHub（clawhub.com）是 OpenClaw 的技能和插件市场。社区开发者可以发布自己的技能，其他用户可以一键安装。

官方鼓励新技能优先发布到 ClawHub，而不是提交到核心仓库。核心仓库的合并门槛很高。

贡献指南

如果你想给 OpenClaw 贡献代码：

一个 PR = 一个问题 — 不要把多个不相关的修复打包在一起
PR 不超过 5000 行 — 超大 PR 只在特殊情况下审查
不要批量提交小 PR — 每个 PR 都有审查成本
小修复可以合并 — 相关的小修复可以放在一个 PR 里

适用场景和不适用场景

适合用 OpenClaw 的场景

个人效率助手：

通过 WhatsApp/Telegram 管理日程和待办
让 AI 帮你整理邮件、回复消息
语音控制智能家居设备
定时提醒和自动化工作流

开发者工具：

通过聊天软件管理 GitHub Issue 和 PR
AI 编程助手，直接在聊天中写代码
监控服务器状态，异常时自动通知
自动化 DevOps 任务

知识管理：

连接 Obsidian/Notion，AI 帮你整理笔记
自动摘要长文档和网页
跨平台信息聚合

多平台统一入口：

一个 AI 助手，通过所有你常用的聊天软件都能访问
在 WhatsApp 上开始的对话，可以在 Telegram 上继续
统一的记忆系统，AI 在所有平台都"认识"你

不适合用 OpenClaw 的场景

场景	原因	替代方案
企业客服机器人	OpenClaw 是单用户设计	Botpress, Intercom
多用户 SaaS 产品	没有多租户架构	自建方案
不想碰终端的用户	目前安装和配置需要命令行	ChatGPT, Claude.ai
低配设备	需要 Node.js 22+，内存占用不小	轻量级 Bot 框架
需要 100% 可用性	个人设备可能关机/断网	云端 AI 服务

OpenClaw 的设计哲学很明确：它是一个个人助手，不是企业平台。 单用户、本地优先、隐私至上。

版本历史和路线图

当前优先级（来自官方 VISION.md）

最高优先级：

安全和安全默认值
Bug 修复和稳定性
安装可靠性和首次使用体验

下一步优先级：

支持所有主流模型提供商
改进主流消息平台支持（并添加高需求平台）
性能和测试基础设施
更好的 Computer Use 和 Agent 能力
CLI 和 Web 前端的易用性
macOS、iOS、Android、Windows、Linux 伴侣应用

不会合并的功能（目前）

官方明确列出了暂时不会接受的 PR 类型：

可以放在 ClawHub 上的新核心技能
全套文档翻译（计划用 AI 自动翻译）
不明确属于模型提供商类别的商业服务集成
已有 Channel 的包装器（除非有明确的能力或安全差距）
核心中的一等 MCP 运行时（mcporter 已经提供了集成路径）
Agent 层级框架（管理者的管理者/嵌套规划树）
重复现有 Agent 和工具基础设施的重型编排层

官方说这是路线图护栏，不是铁律。强烈的用户需求和技术理由可以改变它。

学习路径建议

新手路线（1-2 小时）

第 1 步：安装 OpenClaw
         → 阅读 02-安装部署指南.md
         → 运行 openclaw onboard

第 2 步：连接第一个消息平台
         → 阅读 05-消息平台接入指南.md
         → 推荐从 Telegram 开始（最简单）

第 3 步：配置 AI 模型
         → 阅读 04-模型配置指南.md
         → 推荐从 OpenAI 或 Anthropic 开始

第 4 步：试用内置技能
         → 阅读 06-技能系统指南.md
         → 试试 weather、summarize 等简单技能

进阶路线（1 周）

第 5 步：理解记忆系统
         → 阅读 07-记忆系统指南.md
         → 教 AI 记住你的偏好

第 6 步：多 Agent 配置
         → 阅读 08-多Agent协作指南.md
         → 为不同场景创建专用 Agent

第 7 步：Docker 部署
         → 阅读 09-Docker部署指南.md
         → 在服务器上 7x24 运行

第 8 步：安全加固
         → 阅读 10-安全配置指南.md
         → 配置 DM 策略和权限

高级路线（持续学习）

第 9 步：开发自定义技能
         → 学习 Workspace Skills 开发
         → 发布到 ClawHub

第 10 步：插件开发
          → 学习 Plugin SDK
          → 开发自定义 Channel 或工具

第 11 步：向上游贡献
          → Fork 仓库，从仓库本地构建
          → 修复 Bug 或添加功能
          → 提交 PR

资源	链接	说明
官方文档	docs.openclaw.ai	最权威的参考
Install	docs.openclaw.ai/install/index	官方安装指南
CLI Reference	docs.openclaw.ai/cli	官方 CLI 参考
Discord 社区	discord.gg/clawd	实时问答
DeepWiki	deepwiki.com/openclaw/openclaw	AI 生成的代码文档
本系列教程	你正在读的这个	中文完整指南

快速体验

如果你等不及了，这是最快的上手方式：

# 1. 安装（官方推荐，适用于 macOS / Linux / WSL2）
curl -fsSL https://openclaw.ai/install.sh | bash

# 2. 运行安装向导（会引导你配置模型和平台）
openclaw onboard --install-daemon

# 3. 启动 Gateway（调试模式）
openclaw gateway --port 18789 --verbose

# 4. 跑一次诊断，确认 Gateway 和配置已就绪
openclaw doctor

5 分钟后，你就有了一个跑在自己电脑上的 AI 私人助手。

FilesExpand file tree

01-OpenClaw项目介绍.md

Latest commit

History

01-OpenClaw项目介绍.md

File metadata and controls

01. OpenClaw 项目介绍

一句话说清楚

发展历史

关键里程碑

与其他 AI 助手框架的对比

OpenClaw vs Botpress

OpenClaw vs Rasa

OpenClaw vs 自建方案

选择建议

核心架构

数据流：一条消息的旅程

核心概念详解

Gateway（网关）

Channel（消息平台抽象层）

Skills（技能系统）

Memory（记忆系统）

Tools（工具系统）

Plugin（插件系统）

MCP 支持

技术栈详解

为什么选 TypeScript？

核心依赖

项目结构

开发工具链

版本策略

支持的 AI 模型提供商

推荐配置

完整提供商列表

模型故障转移

客户端生态

原生应用

命令行

Web 界面

语音能力

社区生态

项目数据（截至 2026 年 2 月）

社区渠道

ClawHub（技能市场）

贡献指南

适用场景和不适用场景

适合用 OpenClaw 的场景

不适合用 OpenClaw 的场景

版本历史和路线图

当前优先级（来自官方 VISION.md）

不会合并的功能（目前）

学习路径建议

新手路线（1-2 小时）

进阶路线（1 周）

高级路线（持续学习）

推荐学习资源

快速体验

下一步