Openclaw 折腾四回：读文档的人，正在消失

头像

平凡AI

2026-02-03 21:11发布于中国香港英国诺桑比亚大学在读博士

我反复的部署了Openclaw四次，每次的收获都不一样。

PART 01


第一次，为了玩Moltbook的部署Openclaw


第一次是从Moltbook的推荐方法部署的，因为最开始还是想体验下这个150万“人”混战的平台，我以为是只能用它的AI agent，即Openclaw（moltbot->clawdbot然后再到现在的3代目。）
图片
这一次我是严格根据流程来的，先是看到openclaw有macos版本的直接安装版本，试了后发现不能用，然后转到npm这个最标准的安装方法，因为本身电脑就有这些东西，所以安装起来还算顺利。
整体的部署流程对于我这个经常部署这类型东西的人并不算难，无非就是在命令行输入选择再回车，唯一需要跳出命令行的有两个操作，分别是获取某一个平台的AP和去twitter做验证（如果不需要连接moltbook的话，连这个也不需要）。
这次的操作我基本上只开着最小的功能合集，基本上其他的啥也不能干。
只能够被动的看着自己的Agent在moltbook发了几个贴，然后没溅起任何的水花。

PART 02


第二次，为了换API重新部署


上一次我用的API是智谱的GLM-4.7模型，原因是我本身在前段时间为了优化自己的博客开的coding plan，一个月100，价格还算公道，因为我用了好几个B的token了，怎么算都赚了。
然后openclaw支持zhipu模型，那何乐而不为。
但是在openclaw用了几个小时后发现问题了，不是智能或者执行的准确率，而是速度，token吐的太慢了，我说我的moltbook上的交互怎么这么慢，明明说了半小时发一次帖子 ，但是两个小时了还没发帖。
原来是这个coding plan据说国内的白天时间因为大量在用，所以运行的非常的慢。
我不想委屈我的AI agent，在150万人的论坛里面像个呆瓜，就根据网上的建议，综合考虑了一下，从GLM-4.7换到刚刚更新的kimi，同样也是coding plan。
这次还是手动部署的，只不过在换api的时候遇到了很多的麻烦，貌似上次写在config里面的glm模型有cache还是什么，怎么也替换不了。
索性直接卸载了openclaw，然后替换为kimi。
因为我刚刚部署过，所以这次基本上也没问题，很快就部署好了。
实测速度的确快很多。
对了，有一个问题，那就是kimi其实两种，一个是国内版的kimi，一个是国际版的moonshot，这个尝试过几次也就解决了，不算什么大问题。

PART 03


第三次，直接弃用openclaw


这次是在我的另一台mac上做的，这台mac上本身有两个agent，一个是google的cli，很早以前就装上了，偶尔会用；另一个是搭载了glm-4.7的claude code。
其实是心血来潮，我最开始的openclaw运行的好好的，只不过那台电脑在家没拿，所以我就拿着手头的这台，直接把这个安装命令扔给了gemini cli
https://openclaw.ai/install.sh
实际上我没弄好，因为我应该加上，请读这个文档并执行。
但是我也就这么发过去了，本质上这个是moltbook的安装和加入过程，然后google cli也装成功了。
看到它开始运行了之后我也就没管了，过了一会儿才想起来看了一下。
结果发现它已经弄完了，只剩我的最后一步了，就是去twitter上验证一下，贴心的把链接也给我了，我换了个twitter账号，直接验证成功了。
后来我又试了试claude code，也是一样的，很快就注册好了。
这次我发现，其实任何的Agent，只要能联网，只要不是太傻，就没什么问题，并不需要一定得是它推荐的openclaw。
并且这个过程快的离谱，毕竟我读完教程都得几分钟，而直接扔给它只需要5分钟不到。
我这次终于悟了，Openclaw那个复杂的文档根本不是给人看的，因为夹杂了太多的分支文件和文档，反而对于AI agent最为友好。

PART 04


第四次，重置电脑再部署openclaw


这次的部署不是为了moltbook，而是冲着openclaw去的，因为它相比其他的ai coding agent，优势就是已经配置好了非常多的跟macos系统交互的skill。
比如日历、提醒、文档操作以及各种通讯app，自己倒是也能做，但是有现成的不用也很可惜。
所以这次我选择了，把我不经常用的那台mac直接重新恢复出厂设置，打算完全做成我的远程AI agent机器。
这次的部署我没有选择自己一步步来。
而是先用我的kimi的coding plan部署了kimi code在我的mac上，然后让它给我部署openclaw，这次的效果非常好，几乎不到2分钟就搞定了基础功能。
然后又花了5分钟把discord的远程调用功能给部署好了，这里面涉及到新建channel、bot、开启各种权限等，都是在kimi code的指导下做的，非常的准确。
我实现的效果就是手机、主力的macmini和左边的macbook air，可以实现通过discord完成工作内容的同步和远程办公。
图片
整体的流程就是这三台设备都登陆了同一个discord账号，然后具体的执行和操作在macbook air上，它是一台“新生”的电脑，所以我会让它做各种工作，比如写文档，记录所有操作，写备忘，以及网络搜索一些资料，这些都是直接操纵电脑完成的，所以可信度要比用联网AI准确不少。
这是在手机端的效果，直接跟这个bot对话会自动调用openclaw，只要插着电不熄屏就可以随时待命。
图片
另外也可以直接在discord里放文件，我测试了一下扔给它一堆的文件，它会自动保存到工作目录然后根据要求读取以及分析。
图片
后续的文件分析以及报告文件的生成执行的也很准确，可以说完成度很不错了。
它还有其他的交互方式，比如telegram，macos自带的message等等，按需添加就行。

PART 05


总结与感想


体验过这四次后，其实我发现openclaw这个东西本身的能力已经很不错了，但实际上它更大的价值在于——它把我们这两年一直在经历的变化，直接摆在你面前了。
以前：我读文档 → 我执行命令 → 我解决报错 → 我完成部署
现在：我读文档（甚至不读）→ 我把任务扔给 agent → 我只做最后那一步人工验证（比如 twitter/discord 权限）→ 然后就跑起来了
所以 openclaw 那种分支很多、文档很长、选项巨多的写法，看起来对人类不友好，但对 Agent 反而特别友好。 因为人类看到分支会烦，选项太多，不知道该选哪个；Agent 不烦，它会把每个分支当成搜索空间，逐个试、逐个排除，最后回到一个能跑的解。
这就引出我现在的一个新理解：未来很多文档可能不是写给人看的，是写给 agent 看的。 人类负责目标、审美、边界，以及最后那句愿不愿意承担风险；Agent 负责跑流程、做体力、做排列组合。
当然，话说回来，openclaw 这种能操纵系统的东西，我现在反而会更谨慎一点。 因为它越像一个远程员工，你就越要给它员工级别的管理。
我现在给自己定了几条土办法（非常土，但非常有效）：
  • 专机专用：这台新生 MacBook Air 只做 agent 机器，不装我的个人账号、不放私人文件
  • 权限分层：读写工作目录、开网页、写文档是基础；涉及支付、账号设置、系统级改动，一律要我确认
  • 日志可追溯：让它把关键操作写到操作记录.md 里，至少我事后能复盘它到底做了什么
  • 节奏要可控：发帖、搜索、文件处理都得有节奏，不然你会得到一个很勤奋但很吵的 agent
折腾到这里我反而想明白了：我需要的不是一个更聪明的工具，而是一台更稳、更可控、能长期待命的执行端。 只要这套边界立住，后面再怎么换模型、换入口、换工作流，都只是细节。