OpenClaw：用 AI 助理运营公司的实践案例

来源：OpenClaw GitHub · OpenClaw Docs · OpenClaw Website | 整理时间：2026-05-12

这是一个什么案例

OpenClaw（🦞 龙虾 AI）是一个开源的个人 AI 助理运行时，由 Peter Steinberger（@steipete）创建，社区共同维护。

GitHub 星标：34.4 万+（截至 2026-04-01）
技术栈：TypeScript (ESM) + Node.js，WebSocket RPC 协议
官网：openclaw.ai｜文档：docs.openclaw.ai

之所以把它作为案例，是因为它展示了一种真实可行的 Agent 使用方式：Agent 不只是聊天工具，而是运行在你设备上、通过你常用的聊天软件接收指令、真正替你干活的执行层。

用户 @therno 的评价最直接：

"It's running my company."

核心设计理念

OpenClaw 的设计原则只有一句话：AI 助理应该运行在你自己的设备上，数据归你所有。

这带来了几个区别于 ChatGPT / Claude.ai 的关键差异：

维度	OpenClaw	云端 AI（ChatGPT / Claude）
运行位置	你自己的电脑/服务器	云端
数据隐私	完全本地	数据在服务商
操作电脑	✅ 执行 Shell 命令、读写文件	❌
聊天软件集成	✅ WhatsApp、Telegram、微信等 50+ 平台	❌ 仅网页/App
持久记忆	✅ SQLite + 向量检索，跨会话	有限
开销	开源免费（自付模型 API 费用）	订阅制

它能做什么：5 个真实场景

场景 1：随时随地发指令

通过 Telegram 或微信给 OpenClaw 发消息，它在你的电脑上执行——你在外面遛狗，它在家里帮你跑 Claude Code、整理文件、处理邮件。

"从我的手机上，通过 Telegram 聊天，它在我的电脑上控制 Claude Code 创建详细的规格文件，同时我还在遛狗 🤯"
— @conradsagewiz

场景 2：每日信息汇总

每天早上 9 点自动推送摘要：天气 + 日历 + 关注的新闻 + 待办提醒。回复一句"展开第 3 条"就能看详情。

场景 3：文件和系统操作

按类型整理下载文件夹
批量重命名截图
把桌面图片压缩成 zip

操作前会征询确认，不会擅自删文件。

场景 4：公司运营自动化

真实社区案例：

用途	描述
邮件管理	自动处理收件箱、取消订阅、回复邮件
销售助理	管理日程、出行提醒（根据实时交通）
代码助手	手机发指令，电脑自动运行 Claude Code
个人知识库	连接 Obsidian，跨 Agent 共享记忆
自动订票	自动为航班办理值机

场景 5：多 Agent 协作

一个 Gateway 可以运行多个 Agent，分别处理工作和个人频道：

{
  "agents": {
    "work": { "model": "anthropic/claude-opus-4-6", "channels": ["slack"] },
    "personal": { "model": "anthropic/claude-haiku-4-5", "channels": ["telegram"] }
  }
}

Agent 之间还可以互相委托任务（A2A 会话工具：sessions_send / sessions_spawn）。

架构概要

WhatsApp / Telegram / Slack / Discord / 微信 / ...
               │
               ▼
┌──────────────────────────────┐
│           Gateway            │
│     ws://127.0.0.1:18789     │
│  ┌──────────┐ ┌───────────┐  │
│  │ Channel  │ │ Session   │  │
│  │ Router   │ │ Manager   │  │
│  └────┬─────┘ └─────┬─────┘  │
│       └──────┬───────┘        │
│  ┌───────────▼──────────┐    │
│  │    Agent Runtime     │    │
│  │ (pi-embedded-runner) │    │
│  └──────────────────────┘    │
└──────────────────────────────┘

4 层执行管道：队列策略 → 重试/压缩 → 模型解析 → 单次模型调用+流式输出。

记忆系统：会话 JSONL 事件日志 + SQLite 向量搜索（BM25 + 余弦混合检索）。

快速上手

# 安装
curl -fsSL https://openclaw.ai/install.sh | bash

# 引导配置（选模型、输入 API Key、连接 Telegram）
openclaw onboard --install-daemon

# 验证运行
openclaw gateway status

最简配置（~/.openclaw/openclaw.json）：

{
  "agent": {
    "model": "anthropic/claude-opus-4-6"
  },
  "channels": {
    "telegram": { "botToken": "你的TOKEN" }
  }
}

前置条件：Node.js 22.16+，一个模型 API Key（Anthropic / OpenAI / Google 均可）。

安全注意事项

OpenClaw 设计为单用户受信操作者模式，默认仅本地回环（127.0.0.1）：

未知发送者需要配对码才能与 Agent 对话（openclaw pairing approve）
对非主会话（群组/频道）启用 Docker 沙箱隔离
运行 openclaw security audit 检查配置漏洞

远程访问建议用 SSH 隧道或 Tailscale，不要直接暴露端口。

这个案例对你的启示

OpenClaw 展示了 AI Agent 的一种成熟形态：

Agent 需要执行层——光会"聊"不够，能真正操作系统才有价值
聊天即接口——把用户已有的聊天习惯变成控制界面，降低使用门槛
本地化有市场——隐私敏感场景中，"数据在自己机器上"是强卖点
技能生态放大价值——ClawHub 5400+ 技能，社区贡献让产品持续扩展

如果你在设计自己的 Agent 产品，可以参考这个设计思路。