企业官网建设流程全解析

先说结论：手头没有Mac，只有一台普通的Windows电脑，外加一部退下来不用的安卓手机，也能把OpenClaw部署成一个24小时在线的AI助理，总投入可以控制在100块以内。这个结论我实测了一个多月，不是看完教程脑补出来的。OpenClaw这类开源个人Agent框架，能做的事包括定时任务、网页信息收集、文件整理、跨平台消息提醒等等，听起来很玄，拆开看其实就是一个常驻后台的调度服务加一个模型大脑。这篇就讲清楚怎么用最便宜的组合把它跑起来，以及我在这个过程中踩到的那些坑。

1. OpenClaw是什么，以及它为什么能这么便宜

很多人第一次听说OpenClaw，是看到别人用它在Mac上做自动化演示：让它自动打开网页、整理表格、回复消息，全程不用手点。第一反应往往是"这不就是套壳AI吗"，等自己动手才发现，它跟你平时用的聊天机器人完全是两回事。

1.1 它和聊天机器人的本质区别

聊天机器人是一问一答，你说一句它回一句，任务结束。OpenClaw更像一个"有手有脚"的实习生：你给它一个目标，它会自己拆解成几个步骤，然后调用你本机的文件系统、浏览器、命令行工具、消息推送服务，一步一步执行完回给你结果。

举个我自己的例子。我让它每天早上九点半整理一遍我关注的几个博客，把新增文章的标题和摘要汇总成一段内容，推送到我的手机。这在纯聊天机器人里做不了，因为聊天机器人碰不到我的文件系统，也碰不到我的定时任务调度器。OpenClaw能做，因为它的架构里就包含了"调度器+工具调用+模型推理"这一整套东西。

跟传统定时脚本的区别也在这。传统cron是写死规则，到点执行固定命令，任务一旦有变化就得去改脚本。OpenClaw则是把规则描述清楚后，由模型动态理解当前情况、决定执行路径。同样的"帮我盯一下某个商品价格"，脚本只能死等一个页面结构，OpenClaw可以容忍页面改版，自己重新分析出价格字段。这种灵活度是它最值钱的地方。

1.2 一次部署后能干的几件实在事

网上很多介绍OpenClaw的文章动不动就提"改变生活""生产力革命"，听着飘。说几个我这一个多月里真的在用的场景，都是低成本硬件上跑出来的：

• 定时抓取几个固定网站的更新内容，汇总后推送成一条消息，代替我每天早上刷网页。
• 监控某个商品的页面价格，低于心理价位就发通知到手机上，比任何比价软件都直接。
• 自动整理下载目录。我下载东西很随意，桌面和下载文件夹常年一团糟，给它定义好规则后，它会按扩展名和关键词把文件分门别类归到不同目录。
• 把一段会议速记的杂乱文字丢给它，让它整理成结构化的待办事项，再写入本地笔记文件。

这些任务不炫技，但都是每天真实重复的琐事。关键是，这些操作全部发生在本地，数据不需要上传给某个不知名的云端平台。

1.3 为什么便宜：架构决定成本

OpenClaw本体是一个用Node.js写的服务进程，不依赖GPU。它需要算力的地方只有模型推理这一环，而模型推理恰好是可以外包的：本地没有好显卡，就调云端的API；本地有点闲余算力，就用Ollama跑一个小模型；两头都能接。所以整套系统的成本被分成了三块：一台能跑Node.js的常驻设备、一个模型接入方式、以及若干工具执行端。这三块没有一个绑定Mac硬件。

这也解释了为什么网上大量教程都在用Mac举例子——不是Mac必须，而是Mac自带类Unix环境，Homebrew装依赖方便，开发工具链开箱即用，教程作者用着顺手。但对多数人来说，Windows加WSL2、或者一台旧安卓手机，照样能满足同样的运行条件，后面两章就讲具体怎么搭。

2. 不用Mac的底层逻辑与三条开工路线

既然OpenClaw不是Mac专属，那它到底对硬件有什么要求？这个问题想明白了，选路线就不纠结了。

2.1 认知纠偏：OpenClaw对系统的真实要求

从架构上看，OpenClaw的运行只需要满足三个条件：能常驻跑Node.js、能联网访问模型服务、有配套的工具执行端。对应的硬性要求是这么拆的：

• 核心调度服务：一个Node.js进程，任何有Node运行时的地方都能跑，不管是Windows的WSL2、原生Linux、旧安卓手机的Termux，还是十几块的树莓派。
• 模型大脑：可以接本地Ollama服务，也可以接云端兼容OpenAI格式的API。只要给到模型地址和密钥就能通。
• 工具执行端：这一层最灵活。要操作浏览器就用浏览器扩展，要操作微信/钉钉就用消息渠道，要操作Windows桌面就用官方出的Windows Companion，它只负责把Agent的操作指令翻译成本机的鼠标键盘和系统调用。

所以你会发现，Mac在整个链条里的角色只是"一个跑Node的环境"而已，完全可以用更低成本的设备替代。我甚至见过有人在软路由上把OpenClaw跑起来的，虽然功能会受点限制，但说明这事的硬件门槛真的不高。

2.2 三条路线和一份可复制的账单

根据你手头已有的设备，我整理了三条最现实的路线：

花费明细我按自己的情况算过一笔账：

• 路线A：硬件0元。电脑反正要开着，OpenClaw只是其中一个后台进程，额外功耗可以忽略。缺点是电脑一关机，AI助理就跟着休眠。
• 路线B：二手安卓手机100元左右。一台5V1A充电器的功耗也就5瓦上下，一天耗电约0.12度，按居民电价算一个月约两三块钱。如果模型走API而不是本地跑，这个成本几乎可以忽略。
• 路线C：二手小主机200到400元。整机功耗大约10瓦，一个月电费约5到7元。好处是能本地跑3B到7B的小模型，数据不出门，断网的时候还能继续执行简单任务。

我的建议是，第一次接触OpenClaw的人先别急着买硬件，把手头电脑的WSL2弹出来跑一遍，觉得确实有用，再考虑用旧手机换到常驻模式。直接花几百块买二手小主机，结果玩两天吃灰，这种例子我见太多了。

2.3 我的路线选择

我自己最后的配置是：旧安卓手机常驻后台跑OpenClaw核心服务，主力Windows电脑上装官方Companion作为工具执行端。这样分工的逻辑很简单——手机功耗低，适合7x24小时在线；电脑只在需要操作桌面应用时才真正出力，不用一直开着。每次出差或者电脑关机，核心AI助理照常运行，需要用到桌面工具的任务会等到电脑开机后再补执行。这个"调度端在低功耗设备、执行端按需启用"的配合方式，是我觉得低成本方案里体验最好的形态。

3. Windows电脑部署实录：从环境安装到那个WSL2验证报错

第一批踩坑经验基本都集中在Windows部署阶段。网上那些"OpenClaw安装教程"看着很短，实际跑一遍各种环境问题冒出来。下面是我完整走通的流程，每一步都附上我更推荐的做法和踩过的坑。

3.1 为什么Windows先套一层WSL2

OpenClaw的核心服务在Windows原生环境下跑会有一堆系统调用问题，因为它的不少依赖是按类Unix环境设计和编译的。WSL2相当于在Windows内部开了一个轻量级Linux子系统，不占多少资源，却能提供完整的Linux内核支持，完美满足运行条件。

安装WSL2有两种方式。如果你用的是Windows 10 2004以上版本或者Windows 11，用管理员身份打开PowerShell，执行：

wsl --install -d Ubuntu-22.04

装完按要求重启，系统会自动完成配置。老版本系统控制面板里如果找不到"适用于Linux的Windows子系统"和"虚拟机平台"这两个可选功能，需要先手动勾选开启，然后再次重启。

这里有个很关键的判断点：装完Ubuntu之后，先确认WSL版本是2而不是1。WSL1和WSL2的内核差异很大，很多第三方工具在WSL1底下会报莫名其妙的内核错误，OpenClaw的启动自检也认版本。

3.2 安装核心服务的过程

进入Ubuntu子系统之后，按顺序执行这几步：

sudo apt update && sudo apt upgrade -y sudo apt install -y git curl build-essential

然后装Node.js。我建议用nvm管理Node版本，因为OpenClaw对Node版本有要求，用系统自带的apt源装的Node往往版本过旧，导致npm install阶段报错。nvm安装完成后：

nvm install 18 nvm use 18 node -v

确认node版本号正常后，拉取代码：

git clone 官方仓库地址 cd openclaw npm install

npm install这一步是重灾区。如果你的网络环境不太好，会看到一堆timeout和ETIMEDOUT错误。这种情况优先检查npm源是不是能正常访问，或者切换到国内镜像源。装完之后别急着启动，先改配置。

配置文件的重点是几个字段：模型接入地址（本地Ollama就写http://localhost:11434/v1，云端API就写对应的平台地址）、模型名称、时区、技能目录、以及消息推送的开关。时区经常被人忽略，OpenClaw默认用的是UTC时间，你设置了早上9点的定时任务，结果每天下午5点才执行，八成就是时区没改成Asia/Shanghai。

3.3 最常见的"wsl环境验证失败"处理套路

我遇到的最典型报错，是启动OpenClaw时提示"无法安全验证WSL2环境，请在PowerShell中运行wsl --status"。这个提示第一次看到很慌，其实原因不复杂。

按这个顺序排查：

1. 在PowerShell里执行wsl --status，看"默认版本"是不是2。如果显示默认版本是1，说明系统里旧版本WSL残留配置影响到了新版本，执行wsl --set-default-version 2强制切过去。
2. 执行wsl --update把内核补丁更新到最新。这个问题在Windows 10上特别常见，系统自带的WSL组件版本太老，识别不到子系统的安全状态。
3. 更新完执行wsl --shutdown，把整个WSL彻底重启，再重新打开Ubuntu窗口。很多配置改动要重启之后才能生效。
4. 如果上面都做了还是报错，检查一下BIOS里的虚拟化选项是不是被关了。AMD平台看SVM，Intel平台看VT-x，这两个没开，WSL2根本起不来完整内核，自检必然失败。
5. 实在搞不定WSL2，退路是用VirtualBox装一个完整的Ubuntu虚拟机，OpenClaw照跑。管理上比WSL2重一点，但胜在环境隔离干净。

3.4 顺手把Windows Companion配好

Windows Companion是让OpenClaw获得操作Windows桌面应用能力的关键组件——比如自动填表、模拟鼠标点击、读取剪贴板内容。它的安装很简单，在OpenClaw的发布页面下载配套安装包，双击装完即可。

装完记得做三件事。第一，在OpenClaw配置里把桌面操作能力打开，同时确认只监听localhost，不要开放公网端口。第二，授权本机回环访问，否则Companion连接不到核心服务。第三，确认Windows防火墙没有拦截两者之间的本地通信。配置好之后，你可以直接在OpenClaw里给它发一条"打开记事本，输入一行指定的文字"，它应该能自己完成整套动作。如果没反应，先看Companion的日志是不是有权限弹窗被系统拦截了。

4. 模型接入与算力成本：本地Ollama和云端API怎么选

模型是整个OpenClaw体验里最影响"智商"的部分。选不好模型，硬件配得再漂亮，任务完成质量也是一言难尽。我试过几个方案，差别非常明显。

4.1 三种接入方式，先看对比表

我的实际经验是：本地小模型适合做"格式转换、关键词提取、文本分类"这类确定性任务，云端API适合做"多步推理、长文总结、跨工具协调"这类复杂任务。别指望3B模型能像云端大模型一样流畅地操控多步骤流程，它偶尔会自己绕晕。

4.2 用小模型qwen2.5:3b跑通的配置实例

我第一批试的就是Ollama加qwen2.5:3b，因为这台二手小主机只有8G内存，跑更大的模型会很吃力。配置过程很简单：

ollama pull qwen2.5:3b

然后在OpenClaw的配置文件里指向本地模型服务：

{ "model": { "provider": "ollama", "base_url": "http://localhost:11434/v1", "name": "qwen2.5:3b", "api_key": "ollama" }, "timezone": "Asia/Shanghai", "skill_dir": "./skills", "notify": { "push": true } }

实测下来，在纯CPU的廉价小主机上，3B模型生成速度大约是每秒十个token出头，一句100字的回复要等十到二十秒。对"整理文件、提取标题、生成提醒"这类任务完全够用，反正后台执行不赶时间。但如果你想让它做多步骤的复杂任务，比如"先搜某只股票的近期新闻，再结合财报做综合分析，最后生成报告"，3B模型的思维能力会明显吃力，经常中途丢掉前置步骤。

4.3 一个月到底花多少钱

我按自己实际用量算过一笔明账。硬件方面，我走的是旧手机加二手小主机双线方案，一次性硬件成本约280元。如果纯走手机加API，硬件100元出头。日常运行成本分两块：

电费：手机路线一个月2到3块钱，小主机路线一个月5到7块钱。这个部分基本上可以忽略。

API费用：按每天200次轻量请求来算，每次请求平均消耗2000个输入token加800个输出token，一个月大约130万token。现在国产中文模型API的市场价格普遍在每百万token几块钱的量级，按质量中等偏上的平台算，一个月大概5到10块钱。如果你只跑本地模型，这笔费用直接归零。

所以真实账目是一次性100到400元的硬件投入，加每月不到10元的运行开销。相比按年订阅的商业AI助理服务，这个成本确实廉价，而且数据还都在自己手里。

4.4 那个高频疑问：OpenClaw只能靠API消耗算力吗

看到很多人在问"OpenClaw只能用接入API的方式使用算力吗"，显然是被网上那些教程误导了，因为教程作者默认展示的都是API方案，方便演示效果。

其实OpenClaw的模型层是抽象过的，它只要求你给一个兼容OpenAI格式的base_url和模型名称。你给它Ollama的本地地址，它就走本地算力；给它一个云API的地址，它才走云端算力。甚至可以配置成混合形态：简单任务走本地小模型，复杂任务走云端大模型，按任务类型自动路由。这个灵活性是它设计上的一个优点，不用为了体验去绑定任何特定服务商。

5. 让AI助理干活的Skill机制，以及长期运行要盯的事

模型接好只是第一步，真正让AI助理产生价值的，是Skill。Skill这个词在OpenClaw体系里含义很具体：你预先给Agent写好的操作说明书，包含触发条件、执行步骤、允许调用的工具集合。有了Skill，Agent到了点就知道该干什么，不用每次都从对话里临时理解需求。

5.1 Skill是什么：一次技能配置的拆解

你可以把Skill理解成给一个聪明但没有常识的实习生发标准作业流程。模型本身知道怎么做，但不知道你的具体业务环境。Skill把你日常重复的任务描述成一份结构化的规则，让Agent按SOP执行，远比每次聊天来回解释要可靠。

我配置一个技能时，通常会定义这几个字段：

• name：技能名字，调度器用它来识别。
• schedule：Cron表达式，控制什么时间触发。
• prompt：给模型的目标描述，越具体越好，尽量包含输入、期望输出、限定条件。
• tools：允许调用哪些工具，比如网页搜索、文件系统、消息推送。
• params：额外参数，比如监控的URL、阈值价格。

格式上各地版本略有差异，我的写法是直接在配置文件里维护一个技能列表。第一次写的时候建议先只加一个技能，跑通链路后再逐步扩充，不然日志刷屏时你根本不知道是哪个任务出了问题。

5.2 三个拿来就能改的技能模板

我自己一直在用的三个技能，你可以直接改改参数套用。

第一个是日报推送。每天早上抓取指定博客和资讯页的更新，整理成摘要推送到手机。配置里把schedule设为每天九点半：

{ "skill": { "name": "daily_report", "schedule": "0 30 9 * * *", "prompt": "抓取指定博客列表在过去24小时内的新增文章，输出标题加一句话摘要，推送给我", "tools": ["web_search", "http_get", "notify"] } }

第二个是下载目录整理。凌晨两点执行，把下载目录里散乱的文件按扩展名和关键词分门别类：

{ "skill": { "name": "clean_downloads", "schedule": "0 2 * * *", "prompt": "扫描下载目录中的文件，按扩展名和文件名关键词移动到对应子目录，保留原始文件名", "tools": ["file_system"] } }

第三个是商品比价监控。每半小时检查一次目标商品的价格，低于阈值就提醒我：

{ "skill": { "name": "price_watch", "schedule": "*/30 * * * *", "prompt": "检查指定商品页面的最终成交价，低于500元时发送通知，否则只记录日志", "tools": ["http_get", "notify"], "params": { "url": "https://example.com/item/12345", "threshold": 500 } } }

实际用下来，价格监控这种技能最吃页面结构变化，一旦商品页改版，模型可能解析不到字段。解决办法是让同样的监控任务在日志里保留原始网页内容片段，下次失败时可以直接看出是不是页面结构变了。

5.3 24小时在线运行的真实维护经验

让Agent热热闹闹装了一堆技能之后，真正考验人的是长期运行。以下几条都是我踩过坑后总结出来的经验：

日志是第一排障手段。OpenClaw每次任务执行都会记录任务链，包括模型的中间思考过程和每一步工具调用的返回值。很多"好像没反应"的问题，翻日志就看到是模型第一步就把方向搞错了。别盯着界面看，直接看日志。

进程守护必须配。裸跑Node进程，一旦崩了就得手动拉起。我用pm2做进程守护，配置了自动重启，崩溃后能自己恢复。Windows上如果你走WSL2，记得在Ubuntu里设置systemd对应的开机服务，否则Windows重启后不会自动拉起WSL里的进程。

时区坑记得排查。前面提到过UTC和Asia/Shanghai的错位，这个特别阴。你会看到技能明明配置了，日志里也有执行记录，就是时间对不上，翻到调度记录才发现系统时间跟北京时间差了八个小时。

密钥和配置分离。API密钥这类敏感信息不要硬编码在共享的配置文件里，套一层环境变量，哪怕自己用，养成这个习惯也能避免误发配置文件的尴尬。

版本更新要克制。OpenClaw更新频率不低，但不必追新。跑得好好的就别手痒升级，升级前先看一眼发布说明里的breaking change，我有一次升级后技能配置格式变了，一整个星期都在修。

6. 跟安卓手机也有关：Termux路线与手机/电脑取舍

如果你的主要诉求是"低功耗、7x24小时常驻、不占主力电脑"，那旧安卓手机加Termux的路线可能比再买一台小主机更划算。我把这条线完整走了一遍，可行，但有一些需要注意的限制。

6.1 Termux安装与OpenClaw接入步骤

Termux是一个安卓上的终端模拟器，能在手机上跑真实的Linux环境包。安装来源我建议用F-Droid，版本更新及时，从应用商店装的那个版本经常因为和系统存储交互受限而踩坑。

装好Termux后，按顺序执行：

pkg update && pkg upgrade -y pkg install -y nodejs-lts git termux-setup-storage git clone 官方仓库地址 cd openclaw npm install

这里有个很容易忽略的点：termux-setup-storage必须先执行，它帮你申请存储权限，否则后面文件系统类的技能会全部失败。npm install阶段如果报错，检查一下网络和npm源，处理方式跟电脑端一样。

配置HTTP和模型接入的步骤跟前面windows部分一致。手机端如果没有配套的消息推送权限，通知功能会失效，需要在系统设置里把Termux的通知权限打开。我手机上常驻运行时，配合了Ollama局域网服务器——手机不自己跑模型，而是连接家里小主机上的Ollama服务，既保留了本地模型的隐私性，又不用承受手机端推理的发热问题。

6.2 手机后台保活的几个关键设置

安卓系统对后台进程有一套严格的清理机制，装好OpenClaw只是第一步，关键是让它在息屏状态下活下去。

第一，系统电池优化要设置成"不优化"。各品牌手机设置路径不一样，但原理相同：把Termux加入白名单，防止系统把它杀了。

第二，执行termux-wake-lock，让Termux持有唤醒锁，息屏后CPU不会进入深度睡眠。这行命令我写在OpenClaw的启动脚本里，确保每次启动都自动执行。

第三，用pm2管理进程，再配合Termux:Boot插件，让手机开机后自动拉起pm2，进而拉起OpenClaw。无线电管理、后台限制这些能关就关。

第四，长期插电要保护电池。多数手机系统支持充电限制功能，把电量设成只能充到80%左右，能明显减缓电池鼓包。反正这手机专职挂着当Agent主机，不需要满电续航。

6.3 手机路线和电脑路线到底怎么选

用了一张表总结我的建议：

我的看法是，如果你已经有一台每天要开着的电脑，直接在电脑上部署最省事。如果想长期运行、省电、不占资源，旧手机这条线性价比太高了，100块不到的投入，换来一个完全独立的常驻Agent节点。只有当你开始不满足于API模型的输出质量、准备跑更大的本地模型时，再考虑二手小主机。三条路线之间并不冲突，我最终就是手机加小主机配合着用，电脑反而只是出差时才临时顶班。

最后聊两句个人体会。折腾OpenClaw这么长时间，我发现最大的收获反而不是它帮我省了多少时间，而是你会慢慢习惯把重复工作描述成一个个明确任务的思维方式。给模型写prompt、给技能配调度、调工具权限，本质上是在把日常流程拆成机器能理解的指令，这个能力练熟了，用到任何自动化场景都受益。还有一个小技巧：做任何新技能之前，先在聊天界面用自然语言把任务完整跑一遍，把跑通的步骤再固化到Skill里，比直接对着配置文件盲写靠谱得多。你想要的不是一句口号式的AI助理，而是一个每天都在帮自己兜底干活的数字员工。