🚀 OpenClaw 基座进化手册

🚀 OpenClaw 基座进化手册

从”安装好能用”到”深度定制为我所用”，OpenClaw 的成长是一段从工具到平台的跃迁。本手册梳理从零开始的进化路径，帮助你理解每个阶段的核心能力与关键决策点。

---

阶段一：安装与基础配置

关键词: 一行命令、上下文调优、模型接入

安装 OpenClaw 本质上是把一个本地 AI Gateway 跑起来。官方推荐通过 npm 全局安装：

npm install -g openclaw
openclaw gateway start

安装完成后，Gateway 默认监听本地端口，配置文件在 ~/.openclaw/config.json（或 ~/clawd/config.json）。初期的核心调优点有两个：上下文窗口大小和模型接入。

上下文窗口决定了你和 Agent 的”记忆容量”。OpenClaw 支持配置 contextTokens（默认 180K tokens），配合 compaction 模式（建议设为 safeguard，在 80% 阈值时自动压缩）。这一层调优直接影响长会话的稳定性——如果经常遇到 “context overflow” 或 400 错误，首先要检查这两个参数。

模型方面，OpenClaw 支持多模型动态切换。初期建议配置主模型（如 zai/glm-4.7 速度快、成本低）配合备选（如 aixn/claude-opus-4-6 推理能力强），并设置 fallbacks 列表实现故障自动切换。记住这个原则：快任务用轻模型，推理任务用大模型，不要让一个模型扛所有场景。

---

阶段二：消息渠道接入

关键词: Telegram/Discord 接入、Channel 配置、消息路由

安装跑通后，下一步是把 OpenClaw 接入真实的通信渠道。目前支持 Telegram、Discord、Slack、WebChat 等主流平台，配置方式统一通过 channels 配置块。

以 Telegram 为例，需要在 BotFather 获取 Token，然后在配置中启用：

{
  channels: {
    telegram: {
      enabled: true,
      botToken: "your-bot-token",
      sessionKey: "agent:main:telegram:user:{userId}"
    }
  }
}

渠道接入的价值不只是”能收到消息”——它是让 Agent 从”本地工具”变成”随时在线助手”的关键节点。渠道配置还涉及消息路由规则，决定哪些消息进入哪个 session、哪些触发什么行为。建议从单渠道起步，逐步熟悉消息路由语法后再扩展多渠道接入。

---

阶段三：记忆系统与工具生态

关键词: memory_search、Skills、工具链

当 Agent 能接收消息后，下一步是让它有记忆、有工具。

记忆系统是 OpenClaw 的长期记忆层。通过 memory_search 语义搜索 MEMORY.md 和每日笔记文件，Agent 可以跨 session 保持上下文连贯。记忆系统需要定期维护——建议每隔几天做一次”记忆蒸馏”，把每日笔记中的重要内容提炼到 MEMORY.md 中，避免长期文件膨胀。

Tools 是 Agent 的执行手臂。OpenClaw 默认内置了 exec（命令执行）、browser（浏览器控制）、message（消息发送）等核心工具。你还可以通过安装 Skills 扩展能力边界——Skills 本质上是预配置的 Prompt + 工具链封装，例如 github、notion、weather、summarize 等都是开箱即用的 Skill。

记忆 + 工具 = Agent 的双手和大脑。这两层的丰富程度直接决定 Agent 能帮你做多少事。

---

阶段四：自定义 Agent 与子 Agent 协作

关键词: sessions_spawn、多 Agent 架构、并发任务

基础 Agent 只能串行处理任务。随着需求复杂化，你需要掌握子 Agent 模式：sessions_spawn 允许你在当前 session 中启动独立的子 Agent 并行处理任务，子 Agent 可以使用不同模型、拥有独立上下文。

sessions_spawn(
    task="分析竞品数据并生成报告",
    label="competitor-analysis",
    model="opus46",
    timeoutSeconds=1200
)

子 Agent 的典型场景：长任务（>30 分钟的执行）、需要隔离环境的操作（测试、爬虫、危险命令）、并发多任务处理。当前 OpenClaw 支持最多 16 个并发子 Agent。

更进阶的用法是通过 ACP（Agent Coding Protocol）接入外部编码 Agent（Codex、Claude Code、Gemini CLI），在对话中直接调用专业代码助手处理复杂编码任务，实现多模型协作分工。

---

阶段五：事件驱动与自动化（Hooks + Webhook）

关键词: 事件钩子、Webhook、外部系统联动

进化到这个阶段，你已经不满足于”手动触发”了。OpenClaw 的 Hook 系统提供了事件驱动自动化的能力——在任何 Gateway 事件（消息收发、session 压缩、Agent 启动等）前后插入自定义逻辑。

典型 Hook 用法：在 session:compact:before 时自动备份记忆文件；在 message:received 时自动分类和路由消息；在 gateway:startup 时执行初始化检查。Hook 脚本是普通 Shell/Python 脚本，放置于 ~/.openclaw/hooks/ 即可被自动加载。

Webhook 则让 OpenClaw 的任务结果主动推送出去，支持与 n8n、飞书、Notion、Slack 等外部系统联动。反过来，外部系统也可以通过 Webhook URL 触发 OpenClaw 执行特定任务，实现双向集成。

Hooks + Webhook = 让 OpenClaw 成为自动化中枢，而非只是被动的对话工具。

---

阶段六：发布自己的 Skill

关键词: SKILL.md、技能封装、可复用

当你在某个领域积累了成熟的工具链和 Prompt 模式，下一步是把它们封装成可复用的 Skill。

Skill 的核心是一个 SKILL.md 文件，包含：Skill 名称、触发词、描述、详细指令、使用示例。Skill 本质上是一套”让 AI 正确使用工具的说明书”——它不仅描述工具有什么，更告诉 AI 在什么场景下用什么、怎么用。

例如，当你发现”竞品分析”这个工作流被反复调用，可以创建一个 competitor-analysis Skill，把竞品分析方法论、工具调用顺序、输出格式都固化下来，供团队复用。

OpenClaw 的 Skills 存放在 ~/.openclaw/skills/ 或 ~/clawd/skills/，支持任意目录结构。好的 Skill 设计遵循”单一职责、清晰触发、完整上下文”原则。

---

进化路径总结

阶段	核心能力	标志性成果
安装配置	Gateway 跑起来、模型接入	本地 AI 对话可用
渠道接入	Telegram/Discord 接入	随时在线的助手
记忆 + 工具	memory_search、Skills 安装	有记忆、会执行的 Agent
子 Agent	sessions_spawn、ACP	并行处理复杂任务
自动化	Hooks、Webhook	事件驱动的自动化中枢
发布 Skill	SKILL.md 封装	从使用者到建设者

每个阶段都不是”完成就结束”的——你在后续阶段积累的经验会反过来优化前面的配置。例如，在掌握 Hooks 后，你可能会回到阶段三，优化记忆备份的方式。进化是螺旋上升的，不是一张线性清单。

---

手册版本：OpenClaw 2026.4.x | 更新：2026-04