OpenClaw零基礎入門實操手冊：手把手教你養AI龍蝦

劉源傑，北京大學碩士，計算語言所大模型方向研究背景，作者先後在騰訊、百度大模型核心業務部門擔任大模型研究和產品落地相關職務，親歷了國內頭部科技公司AI產品從0到1的構建過程，積累了大量真實可復用的產品方法論與落地經驗。在公眾號、知識星球等平臺積累了大量忠實讀者。後期轉型為獨立AI顧問，先後為多家國有企業提供AI戰略咨詢與業務落地服務，主導設計並交付了覆蓋多個行業的AI工作流SOP體系，積累了豐富的企業級AI落地一線視角。

第 1 章 認識這只“龍蝦”

1.1 會說不會做的AI時代

1.1.1 AI 從“回答”到“執行”的跨越

1.1.2 核心問題

1.2 給AI裝一部手機

1.2.1 “手機”是什麼意思

1.2.2 30萬顆星意味著什麼

1.2.3 “龍蝦”從哪裏來

1.3 30 萬顆星背後的人

1.3.1 13 年、一次出走，然後重新開始

1.3.2 他自己怎麼說

1.3.3 從項目到基金會

1.4 五個真實場景速覽

1.4.1 AJ Stuyvenberg 買車

1.4.2 晨間新聞聚合

1.4.3 跨工具日程管理

1.4.4 安裝前的環境驗證

1.4.5 開發團隊的 DevOps 通知

1.5 一張圖看懂 OpenClaw

1.5.1 四個角色，一條鏈路

1.5.2 AI Agent 賽道：為什麼是現在

1.6 重新理解這個時代：AI 的歷史節點

1.6.1 AI 已至：三個被低估的信號

1.6.2 三次範式轉移的共同規律

1.6.3 現在是普通人入場的最佳時機

1.7 從工具到代理：Agent 時代的新邏輯

1.7.1 Copilot 模式與 Agent 模式的本質差異

1.7.2 Agent 的運作邏輯

1.7.3 工具思維與協作思維

1.8 本章小結

第 2 章 讓龍蝦跑起來

2.1 需要準備什麼

2.1.1 三個操作系統的優先級

2.1.2 Node.js不能低於22.12.0

2.1.3 其他軟件依賴

2.1.4 網絡：兩類連通性要求

2.1.5 API Key：在哪裏申請

2.2 五個必須知道的概念

2.2.1 終端 = 給計算機發微信

2.2.2 Node.js = 翻譯官

2.2.3 npm/pnpm = Node.js 自帶的應用商店

2.2.4 API Key = 健身房會員卡

2.2.5 Gateway = 門衛 + 調度中心

2.3 Mac 用戶：跟我做

2.3.1 第一步：安裝 Homebrew（如果還沒有）

2.3.2 第二步：安裝 Node.js

2.3.3 第三步：檢查當前版本（如果已有 Node.js）

2.3.4 第四步：安裝 OpenClaw

2.3.5 第五步：運行初始化向導

2.3.6 第六步：啟動 Gateway

2.3.7 Mac 中的常見報錯與解決方案

2.4 Windows 用戶：跟我做

2.4.1 第一步：安裝 WSL2

2.4.2 第二步：在 WSL2 中安裝 Node.js

2.4.3 第三步：安裝 OpenClaw

2.4.4 Linux 特有：瀏覽器工具的依賴問題

2.4.5 Windows 中的額外配置

2.4.6 Windows 中的常見問題與解決方案

2.5 第一次對話：讓它幫你整理桌面

2.5.1 驗證安裝成功：診斷命令 “全家桶”

2.5.2 第一個任務：通過終端直接對話

2.5.3 一些實用的入門任務

2.5.4 五個核心概念的等式總結

2.6 本章小結

第 3 章 讓龍蝦走出魚缸

3.1 為什麼要接入聊天平臺

3.2 飛書接入：國內用戶的首選

3.2.1 你需要準備什麼

3.2.2 第一步：進入飛書開放平臺

3.2.3 第二步：添加必需權限

3.2.4 第三步：添加機器人能力

3.2.5 第四步：添加 Channel

3.2.6 第五步：配置事件訂閱

3.2.7 第六步：發布應用

3.2.8 第七步：驗證

3.3 Telegram、Discord、WhatsApp

3.3.1 第一步：創建機器人，獲取 Token

3.3.2 第二步：配置 OpenClaw

3.3.3 第三步：驗證

3.3.4 Discord 接入概覽

3.3.5 WhatsApp 接入概覽

3.4 微信、釘釘：“曲線救國” 方案

3.4.1 原生支持的限制

3.4.2 替代接入方案

3.5 Docker 部署與遠程訪問

3.5.1 為什麼用 Docker

3.5.2 安裝 Docker

3.5.3 一行命令啟動 OpenClaw

3.5.4 推薦使用 docker-compose

3.6 本章小結

第 4 章 讓龍蝦幫你幹活

4.1 場景一：晨間信息聚合

4.1.1 怎麼和它對話：三種指令寫法

4.1.2 安裝和配置技能

4.1.3 常見問題解答

4.2 場景二：企業內部 FAQ 機器人

4.2.1 準備知識庫：最重要的一步

4.2.2 三步配置：從創建到上線

4.2.3 真實對話示例

4.2.4 常見問題解答

4.3 場景三：會議紀要自動化

4.3.1 配置自動化流程

4.3.2 對話觸發：臨時會議怎麼處理

4.3.3 常見問題解答

4.4 場景四：內容裂變

4.4.1 對話示例：一鍵生成四個版本

4.4.2 安裝內容裂變技能並學習用戶風格

4.5 場景五：開發團隊的 DevOps 助手

4.5.1 配置 GitHub + 飛書告警流

4.5.2 用自然語言查詢和操作

4.5.3 常見問題解答

4.6 場景六：周報自動生成

4.6.1 完整對話流程

4.6.2 配置周報技能

4.6.3 常見問題解答

4.7 本章小結

第 5 章 給龍蝦套上安全韁繩

5.1 為什麼工信部要專門發文

5.1.1 傳統軟件和 AI Agent 的安全本質差異

5.1.2 “雙刃劍” 的另一面

5.2 兩個真實的攻擊故事

5.2.1 故事一：12% 的技能市場被汙染

5.2.2 故事二：一封 GitHub Issue 裏的定時炸彈

5.2.3 四個場景，四種損失

5.2.4 OWASP 說了什麼

5.3 六要六不要：普通人的安全速查卡

5.3.1 六要

5.3.2 六不要

5.3.3 一張自檢表

5.4 安全基線配置：技術人員實操指南

5.4.1 創建專有用戶，切斷管理員權限

5.4.2 關閉公網端口，控制訪問來源

5.4.3 Docker 安全配置：文件系統隔離

5.4.4 開啟詳細日誌審計

5.4.5 安裝技能前的審查步驟

5.5 安全自檢與持續維護

5.5.1 每月一次安全審計

5.5.2 版本更新策略

5.5.3 關註安全公告的兩個渠道

5.5.4 每月安全自檢清單

5.6 本章小結

附錄 速查表與資源索引

附錄 A 命令速查表

A.1 常用命令一覽

A.2 常見報錯速查

附錄 B 配置文件模板

B.1 基礎配置（單用戶，Claude 模型）

B.2 飛書渠道配置

B.3 雙模型配置（Claude 主力 + OpenAI 備用）

B.4 環境變量速查

附錄 C 術語表

類比速查卡

附錄 D 資源鏈接索引

D.1 官方資源

D.2 進階與案例

D.3 安全參考