瞎玩openclaw

什么是openclaw

OpenClaw是一个赋予大模型"动手能力"的开源自托管框架 ，被狂热支持者称为"长了手的AI"

核心颠覆 ：传统ChatGPT只能"建议"，你必须亲自复制粘贴、点鼠标；OpenClaw让你用一句话指令，AI就能自主操作你的鼠标、键盘、文件系统以及各类App（订机票、回邮件、理财、购物）。
出身：由奥地利开发者彼得·施泰因贝格尔（Peter Steinberger，前PSPDFKit创始人，套现约1.19亿美元后"无聊复出"）开发。
底层引擎 ：依赖另一位奥地利"退休"游戏开发者马里奥·泽赫纳（Mario Zechner）的pi-mono工具包，堪称"引擎与跑车的分工"

OpenClaw 优缺点全景评估

维度	优点（创新的高度）	缺点/风险（现实的深渊）
核心体验	"活的AI"交互：通过消息适配器接入微信/钉钉/QQ/Telegram等50+平台，像指挥真人一样发指令干活，AI会主动协商、动态反馈、遇障换策略，产生强烈的"被AI壁咚"的拟人感	不是大众软件：项目维护者明确警告"不理解命令行则极为危险"，普通用户连安装体验的门槛都跨不过去
能力边界	真·动手干活：不再仅限聊天，可操作本地文件、收发邮件、管理日程、控制IoT设备、写代码跑脚本。能做自己不会的任务，可现学新技能或调用其他智能体协作	Token熔炉：单次注册X账号消耗55美元API费用，20分钟烧掉数百万Token、花费上百美元是常态。成本模型与企业级高频使用完全冲突
安全与隐私	本地优先架构：数据默认存于自有设备（电脑/云服务器），不上传第三方，理论上数据主权自主。云厂商（阿里云等）已提供一键部署+沙箱环境	高危漏洞实锤： • CVE-2026-24763 ：命令注入，CVSS 8.8（高危） • CVE-2026-25475 ：路径遍历，可读取任意文件（/etc/passwd、SSH密钥） • RCE漏洞：恶意网页点击即窃取令牌，完全控制网关（已修复）
生态与扩展	开源且自由定制：GitHub星标18.6万，3.2万Fork，130+贡献者。开发者可改代码、自研Skill、自由切换模型	Skill市场失控：数万个技能包未经严格审核，恶意代码可窃据设备。沙箱隔离则功能阉割，不隔离则裸奔
适用场景	确定性重复劳动的神器：批量处理文件、生成报表、代码重构预审等。人类定边界+AI执行+分步审核，效率提升显著	商业化的死结：高成本+高风险+模型调度不稳（长上下文准确率暴跌）。企业普遍"主动延迟"采用，钉钉、印象笔记等明确建议极客先用，普通人暂勿碰

瞎玩的开始

鉴于openclaw的安全风险极高，个人电脑想要玩最好还是在隔离的环境中，所以准备工作

笔记本一台（windows11）
virtualbox（虚拟机环境）
ollama
openclaw
飞书机器人基本架构思路笔记本宿主机windows，开启ollama程序，为整个环境提供大模型能力 virtualbox虚拟机ubuntu，开启openclaw程序，为整个环境提供操作能力飞书机器人，为整个环境提供可访问入口笔记本宿主机（ollama）<-> virtualbox（openclaw）<-> 飞书（机器人） <-> web/手机

瞎玩的开始-环境准备

ollama

1. 下载

https://ollama.com/单击右上角【Download】下载ollama软件

2. 安装

单击【OllamaSetup】，安装ollama软件

3. 下载模型

https://ollama.com/

在最上侧正中央的【Search models】写入合适的models名称，按【回车】键查找比如：qwen3-vl，查找到qwen3-vl，选择一个合适参数大小的模型，比如qwen3-vl:4b
打开Windows PowerShell，键入【ollama pull qwen3-vl:4b】，下载模型

4. 环境变量调整

因为后续是使用虚拟机来访问ollama，而ollama默认是使用127.0.0.1，所以需要依靠环境变量调整ollama绑定0.0.0.0

右键【此电脑】，选择【属性】单击
单击【高级系统设置】
选择【环境变量(N)】
选择【系统变量】下的【新建】单击，在弹出的窗口中的【变量名(N)】写入OLLAMA_HOST，【变量值(V)】写入0.0.0.0 变量名：OLLAMA_HOST 变量值：0.0.0.0
单击【确定】
重启ollama服务

5. 防火墙设置

关闭windows的防火墙，防止windows与虚拟机中的ubuntu互访受限

windows安全中心
关闭专用和公用防火墙

虚拟机

教程参考【https://cloud.tencent.com/developer/article/1784010】

1. 下载virtualbox

https://www.oracle.com/cn/virtualization/technologies/vm/downloads/virtualbox-downloads.html?source=:ow:o:p:nav:mmddyyVirtualBoxHero_cn&intcmp=:ow:o:p:nav:mmddyyVirtualBoxHero_cn

下载安装包（Windows Installer）
单击安装包，按默认配置进行安装

2. 下载ubuntu并安装

https://ubuntu.com/download/desktop

选择一个合适的镜像，下载镜像文件，我选择了Ubuntu 24.04.4 LTS
使用virtualbox配置虚拟机，使用ubuntu镜像安装ubuntu系统

openclaw

下载openclaw（openclaw-cn）

https://github.com/openClaw/openClaw https://github.com/jiulingyun/openclaw-cn

依赖安装

node.js（version>=22) curl -fsSL https://deb.nodesource.com/setup_22.x | sudo bash - sudo apt-get install -y nodejs

安装openclaw

因为依赖关系搞得晕头转向，直接采用源码编译的方式 git clone https://github.com/jiulingyun/openclaw-cn.git or git clone https://github.com/openClaw/openClaw.gitcd openclaw-cn or cd openclaw

pnpm install pnpm ui:build pnpm build

pnpm openclaw-cn onboard --install-daemon

设置openclaw

源码编译后，如果想要使用openclaw命令，可以自己编写一个shell脚本

vim /bin/openclaw
按如下内容填写，假设源码下载到了/root/openclaw

#!/bin/bash
cd /root/openclaw
pnmp openclaw "$*"
chmod 755 /bin/openclaw

设置本地大模型（注意防火墙）

openclaw onboard
选择QuickStart设置
调整openclaw.json的配置主要调整的是agents和models配置，agents主要调整model和models两个配置，两个配置要与ollama中的一致，models主要调整providers中的baseUrl配置

{
"agents": {
"defaults": {
"maxConcurrent": 4,
"model": {
"primary": "ollama/qwen3-vl:4b"
},
"models": {
"ollama/qwen3-vl:4b": {}
},
"subagents": {
"maxConcurrent": 8
},
"workspace": "/root/cn/openclaw-cn"
}
},
"models": {
"providers": {
"ollama": {
"api": "openai-completions",
"apiKey": "ollama-local",
"baseUrl": "http://192.168.56.1:11434/v1",
"models": [
{
"contextWindow": 131072,
"cost": {
"cacheRead": 0,
"cacheWrite": 0,
"input": 0,
"output": 0
},
"id": "qwen3-vl:4b",
"input": [
"text"
],
"maxTokens": 16384,
"name": "qwen3-vl:4b",
"reasoning": false
}
]
}
}
},
}

飞书机器人

飞书开发者后台
创建应用
填写应用信息
获取自己的应用凭证
给应用添加机器人
给应用配置权限
创建版本并发布
安装飞书插件
回到飞书后台设置事件回调具体可参考 https://cloud.tencent.com/developer/article/2626160 第五章

瞎玩-效果

整体运行无问题，但是效果不是很好，在飞书机器人问个天气的问题，响应时间至少2分钟，反馈的结果也不好，推测应该是使用了裁剪版本的大模型的原因，后续再换个全量大模型试试。