鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

全网最简单的 OpenClaw 部署教程,5 分钟拥有你的 AI 员工

编程导航
编程导航
2026-04-03 14:22
阅读 4940
编程导航
2026-04-03 14:22
阅读 4940

大家好,我是程序员鱼皮。

最近 OpenClaw(由 ClawdBot 改名)是真的火,它是一个能操作电脑干活的 AI 数字员工。能帮你读写文件、编写程序、执行任务,7×24 小时不休息。而且你随时随地掏出手机就能操控它,让它帮你干活。

网友也是把 OpenClaw 玩出花来了:

  • 有人让它自动清理上万封邮件,收件箱直接干掉 45%,省下几十个小时的整理时间
  • 有人用它抢演唱会门票和机票,设好条件让它每隔几秒刷一次,刷到就自动下单
  • 有人躺在床上,通过手机遥控它把整个网站重写了一遍
  • 还有人让它同时跑多条自动化任务:一边盯盘、一边写日报、一边自动回群消息

更离谱的是,苹果的 Mac Mini(就是那个巴掌大的小主机)竟然因为 OpenClaw 直接卖断货了!因为很多人想买一台 24 小时不关机的小电脑跑 OpenClaw,让它当自己的 AI 打工人。

这玩意刚出的时候,女朋友就问我:看起来好厉害啊,你能帮我也整一个吗?

我撇撇嘴:不整。

她给了我一巴掌:整不整?

我一脸委屈:别整别整,再等等,一定会有更简单的安装方法出来的。

果然,没让我等太久,最快的、傻瓜式安装 OpenClaw 的方法来了!

怎么安装 OpenClaw

很多人以为想玩 OpenClaw 就得买一台实体电脑 24 小时开着。但其实完全没必要,一台云服务器就能搞定,而且更稳定、不怕断电断网、随时随地用手机就能指挥它干活。

就在 2 月 8 日,百度智能云推出了 OpenClaw 极速简易部署方案。哪怕你完全没有编程基础,只需要点几下鼠标,几分钟内就能拥有自己的 AI 数字员工。还支持各种主流 AI 大模型一键切换,甚至能直接把 OpenClaw 接入 QQ、飞书、钉钉、企业微信,在手机上发条消息就能指挥 AI 干活。

接下来我带大家实操一下,建议收藏备用 ⭐️。

手把手部署 OpenClaw

1)搞一台云服务器

你可以把云服务器理解成 一台放在机房里的电脑,24 小时不关机、不断网,你随时随地都能远程连上去用它。

先分享一种最简单获取服务器的方法,打开百度智能云为 OpenClaw 特制的「极简部署页面」,只需 0.01 元,就能抢购到一台 2核4G4M 的轻量应用服务器,免费体验 1 个月。

指路:https://cloud.baidu.com/product/BCC/moltbot.html

这个活动是每天限量的,新老用户都能参与,没想到我运气不错,羊毛被我薅到了哈哈:

稍等片刻,服务器就初始化完成了。

点击「一键部署OpenClaw」按钮,就能跳转到服务器管理页面。

如果你没有成功参与活动,也不要灰心,可以进入轻量应用服务器控制台,手动创建一台服务器。

指路:https://console.bce.baidu.com/ls/#/ls/instance/create

注意,镜像一定要选择 OpenClaw 应用镜像,套餐选择 2 核 4GB 就妥妥够用了。

结算之后会自动创建服务器,然后跟前面一样,能够进入到服务器管理页面。

做到这一步,相当于你已经获得了一位 “即将入职” 的 AI 员工。

2)一键开通相关服务

在服务器管理页面中,点击 应用管理 Tab。

页面会提示你需要开通千帆大模型、云助手等几个服务。不用一个个去找,直接点 一键开通,同意协议就搞定了。

3)放通防火墙端口

如果你想要访问已经部署的 OpenClaw 网页控制台,需要放通服务器防火墙的 18789 端口。

点击 一键放行 按钮就好:

4)选择 AI 模型

接下来,为你的 AI 员工提供一个聪明的大脑吧~

可以直接在页面下拉选择你想要的模型,国产的主流大模型基本都支持(比如 DeepSeek),选完点击 应用 就行。

系统会自动帮你创建调用大模型的 API 密钥,并且把配置全部搞定。

等执行成功,你的 OpenClaw 就可以正常使用了。

做到这里,恭喜,你的 AI 数字员工已经正式入职!

前后加起来也就几分钟,而且整个过程非常傻瓜式。平台真的是很照顾小白了,生怕多操作一步就把用户劝退掉。

5)跟你的 AI 员工聊聊天

点击页面下方的 获取网站地址:

然后打开链接进入 OpenClaw 网页端:

现在你就可以直接在网页上跟 OpenClaw 对话了,比如先给他取个名字吧,我这里叫他为「鱼皮的天苟」:

可以看到,AI 自动更新了自己的身份,并且会一直保留这段记忆。之后,你可以通过不断地对话来训练 AI,让他成为你最得力的助手。

不过话说回来,总不能每次想找 AI 帮忙都跑去开电脑、打开浏览器访问网页吧?那也太麻烦了。

怎么能随时联系到我的 AI 员工呢?

答案当然是:通过手机给 AI 员工发消息。

几乎所有聊天软件都能接受 OpenClaw 这位 AI 员工,比如 QQ、企业微信、钉钉、飞书等等。下面我就以更适合个人用户的 QQ 为例,给大家演示如何在手机上遥控 AI 干活。

在手机 QQ 上遥控 AI 干活

如果你使用百度智能云安装 OpenClaw,那么接入 QQ 就非常简单了,几步就搞定。

1)创建 QQ 机器人

打开 QQ 开放平台,注册并登录:

指路:https://q.qq.com

登录成功后,点击 “机器人” Tab,创建一个新的机器人:

给你的机器人设置一个爱称和可爱的头像吧,便于之后在 QQ 中找到他:

2)设置机器人

创建完成后,进入机器人的开发管理页面:

找到 AppID 和 AppSecret,复制保存好,等会要用。

还要把你云服务器的 公网 IP 添加到 IP 白名单里,然后保存。

云服务器的公网 IP 在百度智能云的服务器管理页面就能看到,注意不要暴露给别人哦!

3)填写消息平台配置

在百度智能云的服务器管理页面,找到 消息平台配置,下拉选择 QQ,把刚才的 AppID 和 AppSecret 填进去,点 应用,等它执行完就好了。

4)添加访问机器人的权限

回到 QQ 开放平台,在沙箱配置里给你的 QQ 账号(或者 QQ 群)添加访问机器人的权限:

然后用 QQ 扫码添加机器人就行了:

现在,你可以直接在 QQ 上跟你的 AI 数字员工聊天了:

之后,你只需要躺在床上打开 QQ,就能指挥远程服务器上的 AI 干活,巴适得板~

除了 QQ,OpenClaw 还支持接入飞书、钉钉、企业微信,配置方式都差不多,有需要的同学可以看官方教程:

  • OpenClaw 接入钉钉:https://cloud.baidu.com/doc/LS/s/wml9dlyfu
  • OpenClaw 接入飞书:https://cloud.baidu.com/doc/LS/s/2ml9dnf3j
  • OpenClaw 接入企业微信:https://cloud.baidu.com/doc/LS/s/Nml9dk84r

不过别对他有太高的要求,你要是现在就给他复杂的任务,可能它会 “阿巴阿巴”,赛博智障。

比如我问他一个非常简单的问题,他竟然先给我报了个错,然后说自己没有联网搜索功能???

要想让 AI 变得更强,就需要用到 Skills 了。

给你的 AI 员工装技能包

Skills 的全称是 Agent Skills,也在 AI 圈儿火得一塌糊涂。

简单来说,它就是给 AI 装备的技能包,里面有精心设计的提示词、代码脚本、还有各种资源文件,让 AI 能在特定任务上表现得更专业。比如你给 AI 装个 PPT 制作 Skills,他就会做 PPT 了。

你可以通过给 OpenClaw 安装技能包,来增强他的能力。

怎么获取和安装技能呢?

如果你使用百度智能云安装 OpenClaw,安装技能就非常简单了。

百度千帆最近把自家的 AI 能力打包成了 Skill,并且上架到了 OpenClaw 的技能商店 ClawHub,目前一共有 6 款官方 Skill。包括百度搜索、百度百科、学术检索、AI 绘本生成、智能 PPT 生成、千帆深度研究 Agent。

直接进入到服务器管理页面的 Skills 配置,就能傻瓜式搜索和安装技能了:

比如我安装了百度搜索和百度百科 Skills,这两块都是百度的特长,适合用来搜索国内的信息源。

添加 Skills 完成后,进入到 OpenClaw 管理页面的 Skills 配置中,可以看到技能安装成功:

然后我让「鱼皮的天苟」帮我搜索 “程序员鱼皮”:

这次的结果靠谱多了,在 OpenClaw 网页对话框中,可以看到 AI 调用了百度搜索技能:

除了上述安装技能的方式外,你还可以登录服务器,输入一行命令来手动安装技能:

▼
bash
复制代码
npx clawhub@latest install [skill名称]

不过我估计非程序员朋友们是不知道怎么操作服务器的,完全没关系,毕竟现在已经是 AI 时代了,干嘛还自己动手操作服务器?直接让 AI 自己装不就完了?

我跟 OpenClaw 说了句:

帮我安装编程动画制作技能

它一开始可能会拒绝或者不太理解,没关系,稍微引导一下就行:

我就要你来操作服务器帮我安装

这次,他成功完成了任务。让 AI 自己给自己装技能,才是 AI 时代该有的操作方式。

如果你想探索更多技能,可以去 ClawHub 逛一逛。

指路:https://clawhub.ai

不过鱼皮建议大家谨慎安装 Skills,非必要不安装、非官方不安装,毕竟 Skills 是人为制作的,可能会存在安全隐患。

有了 OpenClaw 能干啥

我估计很多同学搭建完 OpenClaw 可能就扔那儿了,或者不知道 OpenClaw 到底能做些什么。所以我这里分享几个比较实用的玩法,大家可以直接抄作业。

1、AI 帮你追热点

我在 QQ 上跟 OpenClaw 说了一句:帮我获取 AI 相关的资讯热点。

过了一会儿,它回了我一份整整齐齐的热点摘要:

以前我可能要到网上刷刷新闻,现在发条消息就搞定了~

如果需要的话,你还可以让它跑个定时任务,比如设定 “每天早上 8 点帮我搜一下 OpenClaw 社区有没有新的玩法”,它就默默帮你盯着,有消息第一时间推给你。

2、灵感记录器

有时走在路上,我可能会突然有一些好的想法、或者突然想起了某件事情,为了防止忘记,就会打开手机备忘录记下来。

久而久之,记的内容越来越多,导致很多记下来的内容也被忽略了。

现在,我可以直接把 OpenClaw 当做是我的超级备忘录,先给 AI 设定一个角色,比如告诉它 “你是一个灵感记录器”:

之后有任何怕忘记的想法或事情,直接掏出手机在 QQ 上跟 AI 说一句就行了。

OpenClaw 跟普通备忘录不一样,它不只是帮你记,还会帮你修正错别字和分类整理,而且永远不会忘事!

3、随身携带的超级程序员

这应该是最让程序员朋友们兴奋的场景了。

因为 OpenClaw 是跑在服务器上的,它能直接在服务器上写代码、运行程序、部署服务,做完你就能直接用。

比如我在坐地铁的时候,直接掏出手机,在 QQ 上跟 OpenClaw 说一句:

帮我写一个网页小工具,能上传图片后批量压缩,支持调整压缩质量,写完直接部署到服务器上让我能访问。

过了几分钟,AI 回复我:工具写好了,已经部署上线,直接访问 XX 地址就能用。

没错,就发了条消息,一个能用的在线工具就出来了,跟变魔术似的。

注意,如果无法访问,可能是因为没有给服务器的防火墙开放对应端口。

之后你有了任何灵感,甚至都不需要掏出电脑,全程通过手机跟 AI 对话,就能创造出可运行的项目。

这种感觉,怎么说呢,有点钢铁侠内味儿了。

最后

看到这里,相信大家已经能感受到,OpenClaw 的上手门槛已经被砸到地板上了。

只要花几分钟,就能拥有私人的 AI 数字员工,之后你在手机上发条 QQ 消息,就能让 AI 帮你搜信息、管文件、写代码、做调研。

不管你是程序员、学生、还是普通上班族,我都建议你去试试。

最后再贴一下官方的部署教程,点击阅读原文可以直接跳转。

操作指南:https://cloud.baidu.com/doc/LS/s/6ml9f3cvl

也欢迎大家多多分享你的 OpenClaw 玩法,评论区见~

站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题