Openclaw小龙虾调研报告与实战

OpenClaw 是一个开源、自托管的 AI Agent 框架，旨在将用户的计算设备转化为能够自主执行任务的智能代理。与传统聊天机器人不同，OpenClaw 不仅能够响应用户查询，还能主动执行 shell 命令、编辑文件、浏览网页、管理日历、发送消息等操作，实现真正意义上的“代理式 AI”（Agentic AI）。

OpenClaw 的设计哲学基于以下核心理念：

• 本地优先（Local-first）：所有核心运算在本地设备完成，数据不经过第三方服务器

• 多通道集成：原生支持 WhatsApp、Telegram、Discord、Slack、iMessage 等 15+ 通讯平台

• 可扩展 Skill 系统：通过模块化 Skill 扩展能力，社区已贡献 5,700+ Skills

• 心跳监控：支持周期性自主检查，实现 proactive（主动式）自动化

OpenClaw 与当前主流 AI IDE 插件和 Agent 框架存在显著差异：

表1：OpenClaw 与主流工具对比

OpenClaw 由 Peter Steinberger（PSPDFKit 创始人）创建，项目经历了多次更名演进：Clawdbot → Moltbot → OpenClaw（2026年1月30日正式命名）。截至 2026年3月，OpenClaw 在 GitHub 上已获得超过 250,000 Stars，成为历史上增长最快的开源项目之一，仅用 18 个月便超越了 React 历时 8 年才达到的 Star 数量。

2026年2月15日，创始人 Peter Steinberger 加入 OpenAI，项目已过渡至独立开源基金会管理，确保长期社区驱动发展。

OpenClaw 采用 Gateway-Centric 分布式微服务架构，核心组件包括：

• Gateway（网关）：中央控制平面，管理所有通道连接、Agent 生命周期和消息路由

• Agent Session：基于 Pi Agent 框架的执行引擎，处理 LLM 调用与工具执行

• Skill Registry：ClawHub 技能市场，支持动态加载与版本管理

• MCP Host：Model Context Protocol 主机，连接外部工具与数据源

2.2.1 Gateway（网关）

Gateway 是 OpenClaw 的核心控制平面，采用单例模式设计，确保对 IM 协议并发会话的独占管理。默认绑定本地回环地址（127.0.0.1:18789），不暴露公网端口，所有外部访问需通过 SSH 隧道或 Tailscale 等安全通道。

2.2.2 Skill 系统

Skill 是 OpenClaw 的能力扩展单元，以 SKILL.md 文件形式定义，包含触发条件、执行指令和工具权限。Skill 与 Function Calling 的区别在于：Skill 通过自然语言指令定义行为，而非严格的 JSON Schema，这使得非开发者也能创建简单的自动化工作流。

2.2.3 MCP 集成

OpenClaw 原生支持 Model Context Protocol（MCP），由 Anthropic 创建并于 2025年12月捐赠给 Linux 基金会。MCP 作为“AI 的 USB-C”，提供统一接口连接外部工具和数据源。截至 2026年初，MCP 生态已包含 10,000+ 社区服务器。

OpenClaw Gateway 暴露类型化的 WebSocket API，支持 Req/Resp 和 Server Push 事件。核心事件类型包括：

• agent：Agent 状态变更

• chat：消息收发

• heartbeat：周期性心跳

• cron：定时任务

鉴权机制支持 Token-based 认证，可通过环境变量或配置文件设置 API Key。

2.4.1 本地单机部署

适用于 B200 GPU 服务器环境，最小配置要求：

• CPU：8 核以上

• 内存：16GB+（基础），64GB+（多 Agent）

• GPU：支持 CUDA 的显卡（可选，用于本地 LLM）

• 存储：20GB 可用空间

2.4.2 容器化部署

Docker 部署命令示例：

Skill 是 OpenClaw 的能力扩展单元，采用 Markdown 格式定义（SKILL.md），包含三个核心部分：

• 触发条件（Triggers）：定义 Skill 何时被激活

• 执行指令（Instructions）：自然语言描述的操作步骤

• 工具权限（Tools）：允许调用的工具列表

与 Function Calling 的对比：

表2：Skill vs Function Calling

ClawHub 技能市场按类别组织，主要分类包括：

表3：ClawHub Skill 分类统计

以下是 GitHub Stars 较高的第三方 Skills：

• github-pr-reviewer：自动审查 GitHub Pull Request，支持代码风格检查和 CI 状态监控

• database-query：支持 PostgreSQL/MySQL 的自然语言查询，自动生成 SQL 并执行

• web-scraper：基于 Playwright 的网页抓取 Skill，支持动态渲染页面

• calendar-manager：Google Calendar/Outlook 集成，支持会议安排和冲突检测

针对 CFD 仿真、CAD 建模辅助、风阻数据分析场景，以下现有 Skill 可作为迁移基础：

• code-generation：可扩展为 OpenFOAM/ANSYS 脚本生成

• file-parser：支持 CSV/JSON 解析，可适配仿真结果数据格式

• chart-visualizer：基于 matplotlib 的图表生成，可用于风阻系数可视化

4.1.1 与 vLLM 本地模型对接

OpenClaw 通过 OpenAI-compatible API 与 vLLM 无缝对接。针对赛力斯内部环境（Qwen3.5-27B FP8 via vLLM），配置方式如下：

llm:

name: local-vllm

type: openai-compatible

base_url: http://10.80.81.198:8455/v1

model: Qwen3.5-27B-FP8

timeout_ms: 60000

max_tokens: 8192

4.1.2 与 Agent Lightning 关系

Agent Lightning 是微软研究院推出的 RL 优化框架，与 OpenClaw 定位不同：

• OpenClaw：完整的 Agent 运行框架，侧重执行与编排

• Agent Lightning：Agent 性能优化层，通过强化学习改进 Agent 决策质量

两者可协同工作：OpenClaw 作为执行引擎，Agent Lightning 作为优化层提升长期任务成功率。

基于社区 Issue 总结的常见坑点：

• 网络超时：Gateway 与 Skill 注册中心通信超时，建议配置代理或离线镜像

• Token 鉴权：多用户场景下 Token 管理复杂，建议使用集中式密钥管理服务

• 内存泄漏：长期运行的 Agent 可能出现内存增长，需配置定期重启策略

• Skill 安全：ClawHub 曾发现 341 个恶意 Skill，生产环境需启用 Vett 验证或私有 Registry

OpenClaw 支持完全离线模式运行，关键配置如下：

• 私有 Registry：通过 CLAWHUB_REGISTRY 环境变量指向内网镜像

• Skill 缓存：使用 clawhub cache –offline-mode 预下载所需 Skill

• 本地 LLM：通过 vLLM/Ollama 实现完全离线推理

飞书开发者后台：https://open.feishu.cn/app

https://blog.csdn.net/sanheai/article/details/

接入飞书教程：https://cloud.tencent.com/developer/article/

飞书配置管理员权限教程：https://service.oray.com/question/22171.html

网址一: https://openclawai.cc/skills

网址二:安装clawhub插件：https://clawhub.ai/

self-improving插件部署过程