OpenClaw 快速入门：从零搭建你的 AI Agent

OpenClaw 快速入门：从零搭建你的 AI Agent

最近 OpenClaw 在开发者圈子里挺火，这是一个开源的 AI Agent 框架，用起来比想象中简单。今天分享下入门经验。

OpenClaw 是什么

简单说，OpenClaw 是一个帮你快速搭建 AI Agent 的框架。它解决了几个痛点：

• 工具调用：让 AI 能调用外部工具（查天气、搜网页、操作文件）
• 记忆管理：AI 能记住对话历史，不会每次重置
• 多轮对话：支持复杂的交互流程
• 扩展性强：可以自定义工具、接入不同的模型

安装部署

环境要求：

• Node.js 18+
• 支持 macOS、Linux、Windows

安装：

npm install -g openclaw

验证安装：

openclaw --version

启动 Gateway：

openclaw gateway start

看到 "Gateway started on port 18789" 就说明启动成功了。

第一个 Agent

创建一个简单的 Agent，让 AI 帮你查天气。

1. 初始化项目

mkdir my-agent && cd my-agent
openclaw init

2. 配置工具

编辑 openclaw.json：

{
  "agent": {
    "name": "weather-assistant",
    "model": "openai/gpt-4",
    "tools": ["weather"]
  },
  "tools": {
    "weather": {
      "provider": "openweathermap",
      "apiKey": "your-api-key"
    }
  }
}

3. 运行 Agent

openclaw agent --message "北京今天天气怎么样？"

看到输出就说明跑通了。

核心概念

Agent（智能体） Agent 是 OpenClaw 的核心，它封装了模型、工具、记忆等能力。你可以把它理解为一个"能思考、能行动、有记忆"的 AI。

Tool（工具） 工具让 AI 能跟外部世界交互。OpenClaw 内置了常见工具：

• weather：查天气
• web_search：网页搜索
• file_system：文件操作
• shell：执行命令

也可以自定义工具，后面会讲。

Memory（记忆） OpenClaw 自动管理对话历史，支持：

• 短期记忆（当前对话）
• 长期记忆（跨会话）
• 向量记忆（语义检索）

Skill（技能） Skill 是可复用的 Agent 能力包。比如你可以封装一个"写代码"的 Skill，包含代码生成、语法检查、测试等工具。

自定义工具

如果内置工具不够用，可以自己写。

示例：查询股票价格的工具

创建 tools/stock.js：

module.exports = {
  name: 'stock',
  description: '查询股票价格',
  parameters: {
    symbol: {
      type: 'string',
      description: '股票代码，如 AAPL'
    }
  },
  async execute({ symbol }) {
    const response = await fetch(`https://api.example.com/stock/${symbol}`);
    const data = await response.json();
    return {
      price: data.price,
      change: data.change
    };
  }
};

在配置中启用：

{
  "tools": {
    "stock": {
      "path": "./tools/stock.js"
    }
  }
}

接入不同模型

OpenClaw 支持多种模型：

OpenAI：

{
  "agent": {
    "model": "openai/gpt-4"
  }
}

Anthropic：

{
  "agent": {
    "model": "anthropic/claude-3-opus"
  }
}

本地模型（Ollama）：

{
  "agent": {
    "model": "ollama/llama2"
  }
}

实际应用场景

1. 智能客服

• 接入企业知识库
• 自动回答常见问题
• 复杂问题转人工

2. 数据分析助手

• 读取 Excel/CSV
• 自动生成图表
• 输出分析报告

3. 代码助手

• 生成代码
• 代码审查
• 自动测试

4. 个人助理

• 管理日程
• 查天气、新闻
• 发送邮件

踩坑记录

坑1：工具调用超时 默认工具调用超时 30 秒，如果工具执行时间长，需要调整：

{
  "agent": {
    "toolTimeout": 60000
  }
}

坑2：内存占用高 长期运行的 Agent 会积累大量对话历史，需要定期清理或限制记忆长度。

坑3：模型费用失控 如果 Agent 频繁调用模型，费用会很高。建议：

• 使用缓存
• 限制对话轮数
• 选择合适的模型（不是越贵越好）

学习资源

• 官方文档：https://docs.openclaw.ai
• GitHub：https://github.com/openclaw/openclaw
• 社区论坛：https://community.openclaw.ai

总结

OpenClaw 降低了 AI Agent 的开发门槛，但要做好生产环境的 Agent，还需要考虑：

• 稳定性（错误处理、重试机制）
• 安全性（权限控制、输入校验）
• 成本控制（模型选择、缓存策略）

有兴趣的可以试试，有问题评论区交流。

文 / 一个正在折腾 OpenClaw 的开发者