开源了自己优化升级的openclaw：38 个技能 + 五级容灾 + 飞书深度集成 | xyvaClaw

前言

做了一个月的 AI 助手项目，从一开始给自己用的脚本，到现在 38 个技能、112 个飞书 API 文件、五级模型容灾的完整平台，终于开源了。

这篇文章会讲清楚：

1. xyvaClaw 是什么、解决什么问题
2. 技术架构和核心设计思路
3. 怎么一条命令部署
4. 几个有意思的技术细节

---

一、项目概述

xyvaClaw 是基于 OpenClaw运行的增强型 AI 助手平台。

你可以理解为：OpenClaw + 预调好的模型 + 38 个实战技能 + 自我进化引擎 + 企业级飞书集成 = xyvaClaw。

核心特性

特性	说明
一键部署	bash xyvaclaw-setup.sh --auto 全自动安装，支持无人值守
38+ 技能	浏览器自动化、文档处理、视频制作、量化选股、小红书发布等
五级模型容灾	DeepSeek V3.2 → Qwen3.5+ → Kimi K2.5 → DeepSeek Reasoner → Qwen3 Max
无损上下文	Lossless-Claw 引擎，长对话不丢信息
四层记忆	会话 → 日记忆 → 长期记忆 → 知识图谱
自我进化	错误学习 + 效果追踪 + 主动反思 + 主动行动
飞书集成	112 个 TypeScript 文件，覆盖消息/文档/表格/审批/日历/云盘
本地部署	数据完全私有，不依赖任何 SaaS 平台

---

二、技术架构

目录结构

~/.xyvaclaw/
├── openclaw.json          # 主配置（模型、容灾、并发等）
├── workspace/
│   ├── SOUL.md            # AI 人格定义
│   ├── AGENTS.md          # 操作协议
│   ├── TOOLS.md           # 工具知识速查
│   ├── skills/            # 38 个技能模块
│   │   ├── browser-pilot/
│   │   ├── auto-video-creator/
│   │   ├── quant-strategy-engine/
│   │   └── ...
│   └── memory/            # 持久化记忆
│       ├── 2026-03-15.md  # 日记忆
│       └── working-buffer.md
├── extensions/
│   ├── feishu/            # 飞书集成（112 TS 文件）
│   └── lossless-claw/     # 无损上下文引擎
├── agents/                # 多 Agent 配置
├── config/                # 别名、运行时参数
└── logs/                  # 运行日志

模型容灾设计

这是我觉得最实用的设计之一。单一模型不可靠------DeepSeek 偶尔 503、百炼偶尔限流。五级容灾的配置方式：

{
  "models": {
    "chat": {
      "provider": "deepseek",
      "model": "deepseek-chat",
      "fallbacks": [
        { "provider": "bailian", "model": "qwen-plus" },
        { "provider": "bailian", "model": "kimi-k2" },
        { "provider": "deepseek", "model": "deepseek-reasoner" },
        { "provider": "bailian", "model": "qwen-max" }
      ]
    }
  }
}

模型挂了自动切，对用户完全透明。

自我进化系统

四个组件协同工作：

1. Error Guard ：捕获所有错误，写入 .learnings/ERRORS.md，下次遇到同类问题直接规避
2. Effect Tracker：记录每个决策的结果------成功率、用户反馈、耗时，形成正反馈循环
3. Proactive Agent ：心跳机制驱动，每次心跳扫描 docs/todo.md、日志、异常，主动发现并处理任务
4. Self-Reflection：周期性分析行为模式，识别可改进的地方

核心思路：AI 不应该是静态的工具，它应该像一个新入职的员工------每天都比昨天更懂你的业务。

无损上下文引擎

OpenClaw 原生的上下文压缩是有损的------长对话会丢信息。Lossless-Claw 扩展解决这个问题：

• 对话超过阈值时，不是简单截断，而是提取关键信息写入 working-buffer.md
• 被压缩的内容仍然可以按需召回
• 实测 10 万 token 对话无信息丢失

---

三、安装部署

一行命令（无人值守）

# macOS
DEEPSEEK_API_KEY=sk-你的密钥 \
  bash -c 'git clone https://github.com/xyva-yuangui/XyvaClaw.git && cd XyvaClaw && bash xyvaclaw-setup.sh --auto'

# Linux
DEEPSEEK_API_KEY=sk-你的密钥 \
  bash -c 'git clone https://github.com/xyva-yuangui/XyvaClaw.git && cd XyvaClaw && bash xyvaclaw-setup-linux.sh --auto'

--auto 做了什么：

• 检测并自动安装缺失依赖（Node.js 22+、Python 3、ffmpeg）
• 安装 OpenClaw 运行时
• 从环境变量注入 API Key
• 部署 38 个技能 + 飞书/无损引擎扩展
• 生成身份文件（SOUL.md / AGENTS.md / MEMORY.md）
• 注册系统服务（macOS LaunchAgent / Linux systemd）
• 后台启动 Gateway

也支持环境变量传入飞书配置：

DEEPSEEK_API_KEY=sk-xxx \
FEISHU_APP_ID=cli_xxx \
FEISHU_APP_SECRET=xxx \
bash xyvaclaw-setup.sh --auto

交互式安装（Web 向导）

去掉 --auto 会启动 Web 配置向导，浏览器中可视化填写 API Key。

---

四、几个有意思的技术细节

1. 安装脚本的 auto_confirm 模式

为了实现真正的无人值守安装，我封装了 auto_confirm() 函数替代所有 read -p：

auto_confirm() {
    local prompt="$1" default="${2:-y}"
    if [ "$AUTO_MODE" = true ]; then
        REPLY="$default"
        echo -e "$prompt $default (auto)"
        return 0
    fi
    read -p "$prompt" -n 1 -r
    echo ""
}

每个交互点都有合理的默认值，--auto 时自动应答，交互式时正常提示。

2. Wizard 前端构建的双场景处理

安装脚本需要处理两种场景：

• Git clone ：setup-wizard/dist/ 不存在（gitignored），需要 npm install + vite build
• 分发包 ：dist/ 已打包进去，只需 npm install --production

NEED_BUILD=false
if [ ! -f "$WIZARD_DIR/dist/index.html" ]; then
    NEED_BUILD=true
fi

if [ "$NEED_BUILD" = true ]; then
    (cd "$WIZARD_DIR" && npm install && npx vite build)
else
    (cd "$WIZARD_DIR" && npm install --production)
fi

3. macOS sed -i 的坑

macOS 的 sed -i 和 Linux 不一样------macOS 要求 sed -i ''，或者用 sed -i.bak 再删除备份。安装脚本里用了后者：

sed -i.bak "s/^DEEPSEEK_API_KEY=.*/DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY}/" "$ENV_FILE"
rm -f "${ENV_FILE}.bak"

---

五、后续计划

• Windows WSL 支持
• Docker 一键部署
• Web UI 管理面板
• 更多 AI 模型适配（Claude、Gemini）
• 插件市场

---

开源信息

• GitHub ：github.com/xyva-yuangu...
• 协议：MIT
• 作者：圆规（Xyva-yuangui）

欢迎 Star ⭐、Fork、提 Issue。这是一个人的项目，但希望它能帮到更多人。