开源 AI Agent 私人助理全面指南:部署、Skill 生态、MCP 集成,以及 AI 开发必备的 CLI 命令行工具箱
OpenClaw 是一个开源、自托管的 AI Agent 私人助理框架,让每个人都能拥有一个可以自动执行任务、管理日程、操作浏览器的 AI 助手。因其 Logo 是一只龙虾,社区亲切地称它为"龙虾 AI"。
2026 年 GitHub 上最火的开源 AI 项目之一,社区活跃度极高,Issues 与 PR 响应迅速。
完全自由使用、修改和分发。无论是个人学习还是企业级部署,都没有许可限制。
由知名开源开发者 Peter Steinberger 发起并维护,背后有活跃的全球贡献者社区。
核心定位:OpenClaw 不只是一个聊天机器人——它是一个能真正执行操作的 AI Agent。它可以读写文件、操作浏览器、调用 API、管理你的日常任务,像一个真正的数字员工一样工作。
自动处理邮箱(筛选、回复、归档)、管理日历事件、执行脚本和命令行操作、批量文件管理与重命名。所有日常重复性任务都可以交给 OpenClaw。
内置浏览器自动化能力,可以自动填表、抓取网页数据、浏览网页收集信息、截图保存。类似于 Selenium/Playwright,但由 AI 自然语言驱动,无需编写脚本。
代码重构与优化、自动生成测试用例、安全审计与漏洞扫描、Kubernetes 部署配置生成、CI/CD 流水线搭建。支持多种编程语言。
原生支持 微信 Telegram Discord Slack 飞书 等 30+ 消息平台,让你在任何平台上与 AI 助手交互。
OpenClaw 会记住你的习惯和偏好——你喜欢的代码风格、常用的工具链、工作作息时间等。越用越懂你,提供越来越精准的服务。
开放的技能商店 + 自定义开发能力。像手机 App 一样安装和扩展 AI 的能力,社区已有数百个现成 Skill 可用。
数据完全本地存储,不经过第三方服务器。支持完全离线模式(配合 Ollama 本地模型),真正实现数据不出域。
环境要求:Node.js 22+、至少 4GB 内存、macOS / Linux / Windows 均支持。
# 一键安装脚本
curl -sSL https://openclaw.ai/install.sh | bash
# 验证安装
openclaw --versionBash
# PowerShell 一键安装
irm https://openclaw.ai/install.ps1 | iex
# 验证安装
openclaw --versionPowerShell
# 使用 npm
npm install -g @openclaw/cli
# 或使用 pnpm(推荐)
pnpm add -g @openclaw/cliBash
# 启动交互式引导
openclaw onboard --install-daemon
# 引导过程会帮你配置:
# 1. 选择 AI 模型提供商
# 2. 输入 API Key
# 3. 安装后台守护进程
# 4. 配置消息平台集成(可选)Bash
| 模型提供商 | 配置命令 | 说明 |
|---|---|---|
| Claude (Anthropic) | openclaw config set provider anthropic |
推荐 Claude 3.5 Sonnet,综合能力强 |
| GPT (OpenAI) | openclaw config set provider openai |
GPT-4o / GPT-4 Turbo |
| Qwen (通义千问) | openclaw config set provider qwen |
国内模型,中文能力强 |
| Ollama (本地) | openclaw config set provider ollama |
完全离线,数据不出域 |
Skill 是什么?Skill = Tools(工具) + 领域知识 + 工作流的组合。它是 OpenClaw 扩展能力的核心机制,类似于智能手机上的 App。
# 搜索可用 Skill
openclaw skill search email
# 安装邮箱管理 Skill
openclaw skill install email-manager
# 查看已安装 Skill
openclaw skill list
# 从 Skill 商店浏览
openclaw skill browseBash
# 创建 Skill 项目
openclaw skill create my-custom-skill
# 项目结构
my-custom-skill/
├── SKILL.md # Skill 元数据与描述
├── tools/ # 工具脚本
│ └── analyze.py
├── references/ # 领域知识文档
│ └── domain-guide.md
└── scripts/ # 工作流脚本
└── pipeline.shBash
OpenClaw 原生支持 MCP(Model Context Protocol),任何 MCP 服务器都可以作为 Skill 的数据源或工具提供方。这意味着你已经搭建的 MCP 服务可以直接接入 OpenClaw 生态,无需重复开发。
配置方式:openclaw mcp add my-server --url http://localhost:3000
安装 email-manager Skill 后,告诉 OpenClaw:"帮我清理过去 30 天的营销邮件,保留所有包含 'invoice' 的邮件"。Agent 会自动筛选、分类、归档,省去手动操作数小时。
openclaw run "清理过去30天的营销邮件,保留含invoice的"
openclaw skill install email-managerBash
结合 Git 提交记录、日历事件、Slack 消息,OpenClaw 自动汇总一天的工作内容,生成结构化日报发送到指定群组。
openclaw run "根据今天的git提交和会议记录生成日报"Bash
对 PR 自动进行代码审查:检查代码风格、发现潜在 Bug、评估安全风险、生成 Review 评论。大幅提升团队 CR 效率。
openclaw run "审查 PR #123 的代码变更,关注安全性和性能"Bash
某科技公司在 OpenClaw 上部署了 130 个专用 AI Agent——从客服、HR 助理到代码审查、数据分析,覆盖了公司几乎所有部门的日常流程。每个 Agent 配备专属 Skill 组合,月均节省超过 2000 小时人力成本。
关键配置:多租户隔离 + 统一 API 网关 + Skill 权限控制 + 审计日志。
| 使用强度 | 月度费用 | 日均交互 | 推荐配置 |
|---|---|---|---|
| 🟢 轻度使用 | $10 – 30 / 月 | ~50 次 | Claude Haiku / GPT-4o-mini |
| 🟡 日常使用 | $30 – 70 / 月 | ~200 次 | Claude 3.5 Sonnet / GPT-4o |
| 🔴 重度 / 团队 | $70 – 200+ / 月 | ~500+ 次 | GPT-4 + 多 Agent 部署 |
| 💎 Ollama 本地 | $0(仅电费) | 无限 | Llama 3 / Qwen 本地推理 |
省钱技巧:将简单任务路由到廉价模型(Haiku / mini),复杂任务才调用旗舰模型。OpenClaw 支持智能模型路由,自动选择最合适的模型处理每个请求。
Agent 的核心能力就是执行命令。一个 AI Agent 要能真正"做事"——安装软件、运行脚本、部署服务——都必须通过命令行完成。CLI 是 AI Agent 的"手和脚"。
掌握 CLI 工具不仅是构建强大 Agent 的基础,也是每个 AI 开发者的必备技能。下面的工具构成了 AI 开发者的"瑞士军刀"。
是什么:让你在本地运行 LLaMA、Mistral、Qwen 等大语言模型的工具,无需 GPU 编程知识,一行命令即可启动模型推理服务。
# 安装 Ollama(macOS)
brew install ollama
# 启动并运行模型
ollama run llama3
# 后台启动模型服务(供 API 调用)
ollama serve
# 拉取指定模型
ollama pull qwen2.5:7b
# 查看已安装模型
ollama listBash
实际案例:开发者 A 在本地运行 Ollama + Qwen2.5-7B,配合 OpenClaw 实现了完全离线的代码审查助手,代码不出公司网络。
是什么:OpenClaw 的命令行入口,管理 Agent 的安装、配置、Skill 安装、任务执行等全生命周期操作。
# 核心命令
openclaw onboard # 初始化配置
openclaw run "任务描述" # 执行任务
openclaw skill install <name> # 安装技能
openclaw config set <key> <val> # 修改配置
openclaw log # 查看运行日志Bash
是什么:uv 是新一代极速 Python 包管理器(Rust 编写,比 pip 快 10-100 倍),pip 是经典工具。
# 安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh
# 创建虚拟环境并安装依赖
uv venv && source .venv/bin/activate
uv pip install langchain openai chromadb
# 传统 pip 方式
pip install -r requirements.txtBash
是什么:JavaScript / TypeScript 生态的包管理工具。pnpm 是更快、更节省磁盘空间的替代方案。
# 使用 pnpm(推荐)
npm install -g pnpm
pnpm create vite my-app # 创建项目
pnpm add openai # 安装依赖
pnpm dev # 启动开发服务器Bash
是什么:分布式版本控制系统,AI 开发中用于管理代码、协作、CI/CD 集成。AI Agent 常通过 Git 操作代码仓库。
# AI 开发常用操作
git clone https://github.com/user/ai-project.git
git checkout -b feature/rag-pipeline
git add . && git commit -m "feat: add RAG pipeline"
git push origin feature/rag-pipeline
# AI 常用的查看操作
git log --oneline -20 # 查看最近提交
git diff main # 对比变更Bash
是什么:将应用及其依赖打包成容器,确保在任何环境都能一致运行。AI 项目的标准化部署工具。
# 运行 Ollama 容器
docker run -d -v ollama:/root/.ollama -p 11434:11434 ollama/ollama
# 运行向量数据库 Chroma
docker run -d -p 8000:8000 chromadb/chroma
# Docker Compose 一键启动 AI 栈
docker compose up -dBash
是什么:直接在终端与 AI 模型对话的 CLI 工具。claude 是 Anthropic 官方工具,aichat 支持多模型切换。
# Claude CLI
claude "解释 Transformer 的自注意力机制"
# aichat(多模型支持)
aichat --model gpt-4o "写一个快速排序"
aichat --model claude-3.5-sonnet "review这段代码"Bash
是什么:命令行 HTTP 客户端,用于测试和调试 AI API 接口。httpie 提供更友好的语法高亮。
# curl 调用 OpenAI API
curl https://api.openai.com/v1/chat/completions \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-4o","messages":[{"role":"user","content":"Hello"}]}'
# httpie(更友好)
http POST https://api.openai.com/v1/chat/completions \
Authorization:"Bearer $OPENAI_API_KEY" \
model=gpt-4o messages:='[{"role":"user","content":"Hello"}]'Bash
是什么:命令行 JSON 处理器,AI 开发中极其常用——解析 API 响应、提取数据、格式化输出。
# 美化 JSON
echo '{"name":"OpenClaw","stars":310000}' | jq .
# 提取字段
curl -s api.example.com/data | jq '.results[0].text'
# 过滤和转换
cat models.json | jq '[.[] | select(.size > 7)] | length'Bash
是什么:Hugging Face 官方 CLI,用于搜索、下载、上传和管理 AI 模型与数据集。
# 安装
pip install huggingface-hub
# 下载模型到本地
huggingface-cli download meta-llama/Llama-3.1-8B
# 搜索模型
huggingface-cli search models --filter "text-generation"
# 登录(上传需要)
huggingface-cli loginBash
下面是一个完整的命令行流程,从零搭建本地 AI 开发环境:
# ═══ Step 1: 安装 Ollama ═══
brew install ollama # macOS
# 或: curl -fsSL https://ollama.com/install.sh | sh # Linux
# 启动 Ollama 服务
ollama serve &
# ═══ Step 2: 下载模型 ═══
ollama pull qwen2.5:7b # 约 4.7GB,首次下载需几分钟
# ═══ Step 3: 测试推理 ═══
ollama run qwen2.5:7b "你好,请介绍一下你自己"
# ✅ 如果看到模型回复,说明安装成功!
# ═══ Step 4: 安装 Python 依赖 ═══
curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv ai-env
source ai-env/bin/activate
uv pip install openai langchain chromadb
# ═══ Step 5: 安装并启动 OpenClaw ═══
curl -sSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon
openclaw config set provider ollama
openclaw run "你好龙虾,帮我查看今天的日程"Bash — 完整本地 AI 环境
🎉 恭喜!至此你已经拥有了一个完全本地化、零费用的 AI 开发环境。所有数据都在你的电脑上,没有任何信息泄露风险。
本教程使用 OpenClaw + Ollama 的完全本地方案,确保你无需付费 API 也能体验 AI Agent 的完整能力。
前置条件:已完成上一节的本地环境搭建(Ollama + Qwen2.5 已安装)。
# 一键安装
curl -sSL https://openclaw.ai/install.sh | bash
# 验证安装
openclaw --version
# 输出示例: openclaw v2.8.0Bash
# 初始化 OpenClaw
openclaw onboard --install-daemon
# 在引导中选择 Ollama 作为模型提供商
openclaw config set provider ollama
openclaw config set model qwen2.5:7b
# 测试连通性
openclaw run "你好,请用一句话介绍你自己"
# ✅ 应该能看到模型的回复Bash
提示:首次运行时 Ollama 会加载模型到内存,可能需要 10-30 秒。后续请求会快得多(通常 1-3 秒响应)。
# 搜索文件管理相关 Skill
openclaw skill search file-manager
# 安装文件管理 Skill
openclaw skill install file-manager
# 查看已安装的 Skill
openclaw skill list
# 输出:
# ✓ file-manager v1.2.0 - 文件管理、搜索、批量操作Bash
# 任务1:整理桌面文件
openclaw run "帮我把桌面上所有的截图文件移动到 ~/Pictures/Screenshots/ 文件夹"
# 任务2:代码分析
openclaw run "分析当前目录下的 Python 代码,找出所有未使用的 import"
# 任务3:信息检索
openclaw run "搜索我的笔记文件夹,找出所有提到 'RAG' 的文件"Bash
🎉 太棒了!你已经成功让 AI Agent 帮你执行了真实任务。接下来可以尝试更复杂的任务组合。
假设你想创建一个 "日报生成器" Skill:
# 创建 Skill 项目
openclaw skill create daily-reporterBash
项目创建后,编辑核心文件:
# SKILL.md - Skill 元数据
---
name: daily-reporter
version: 1.0.0
description: 根据Git提交记录自动生成工作日报
tools:
- git-log
- file-write
---
# 日报生成 Skill
# 功能:分析当天 Git 提交,生成结构化日报
## 工作流程
1. 运行 git log --since="midnight" --author=CURRENT_USER
2. 按项目/模块分类提交内容
3. 总结已完成任务和进行中任务
4. 生成 Markdown 格式日报
5. 保存到指定路径SKILL.md
# references/workflow.md - 详细工作流文档
# 日报生成工作流
## 步骤 1: 收集数据
执行 git log --since="00:00:00" --pretty=format:"%h %s" --author=$USER
## 步骤 2: 分类整理
- 🔨 新功能(feat/feature)
- 🐛 Bug 修复(fix/bug)
- 📝 文档更新(docs)
- ♻️ 重构(refactor)
- ✅ 测试(test)
## 步骤 3: 生成日报模板
```markdown
# 工作日报 - {date}
## 今日完成
- [任务1]
- [任务2]
## 进行中
- [任务3]
## 明日计划
- [待补充]
```references/workflow.md
# 安装自定义 Skill
openclaw skill install ./daily-reporter
# 使用!
openclaw run "生成今天的工作日报,保存到 ~/reports/daily-{date}.md"Bash
Skill 开发提示:你可以将这个 Skill 发布到社区 Skill 商店,让其他人也能使用。openclaw skill publish ./daily-reporter