企业官网建设流程全解析

先聊聊我最近在开源社区里看到的一个现象：同一个项目名，群里每天刷出十几种截图——有人在安卓手机上跑，有人在Windows桌面上配服务，还有人在ROS2的Gazebo仿真里做机器人任务调度。一开始我以为大家追的是同一个软件的不同版本，细看才发现，这压根不是一个项目，而是一个以OpenClaw为核心的“Claw家族”生态，前后衍生出的项目已经有30多个。标题里那句“全景盘点”就是这么来的：如果不把这30多个项目分清楚，你连“该下载哪一个”都搞不明白，更别说部署了。

这篇文章就把整个Claw家族摊开来讲：核心定位、家族分类、三条热门部署主线、Skill插件机制、算力来源选择，以及我实际踩过的坑。不管你是想在手机上装一个，还是在Windows上搭完整的桌面助手，或者打算接到机器人平台，看完基本能知道自己该从哪儿下手。

1. 先捋清楚OpenClaw的核心定位

1.1 它不是聊天机器人，而是“会动手”的AI代理框架

很多人第一次接触OpenClaw，容易把它当成又一个“能聊天的开源助手”。这种理解不能说错，但会让后续所有操作都走偏。从架构上看，OpenClaw更像一个运行在本地的AI代理（Agent）运行时：它负责接住大模型的输出，然后把输出拆解成一个个可执行的动作，落到你电脑的Shell、文件系统、浏览器、甚至机器人控制器里。

打个比方：普通聊天机器人是“嘴上说得好”，OpenClaw是“说了以后真的伸手去做”。你在对话框里说“帮我把这个文件夹里的图片统一压缩到80%”，它能自己定位文件夹、调用压缩工具、检查输出结果，然后告诉你完成了。这个“动手”能力，才是Claw家族所有衍生项目存在的基础。

1.2 为什么叫“Claw”：抓取、执行、掌控

名字本身其实暗示了设计理念。Claw在英文里是“爪子”的意思，对应三个核心动作：抓取信息、执行操作、掌控全局。OpenClaw这个名字就是要传达“一个能把任务抓住不放、直到做完”的系统，而不是一个聊完就跑的对话窗口。

这个定位也直接决定了衍生项目的形态。凡是名字里带Claw的，基本都是围绕“抓取并执行”这个核心做场景扩展，而不是简单换皮肤。比如后面要提到的ROSClaw，就是把“抓取任务并执行”的能力搬到了机器人操作系统上。

1.3 一个最小可运行的OpenClaw架构长什么样

为了后面讨论家族项目时不至于太抽象，这里先给一个最小架构，四个部分缺一不可：

• 运行时核心：负责调度任务、管理会话状态，是整个家族所有项目共享的底层。
• 模型接入层：统一封装不同推理后端的差异。你接本地模型还是云端API，这层负责翻译成统一的内部格式。
• 执行器（Executor）：真正调用本机工具、跑命令、读写文件。Skill机制最后也是靠这一层落地。
• 配置与鉴权：告诉系统哪些目录能访问、哪些命令允许执行、哪个设备有权限连接。这层是安全和可控性的底线。

明白这个框架，再看整个家族，你会发现所谓“30+衍生项目”，其实是在这四个部分上做的不同组合和裁剪。有的砍掉图形界面，有的加强移动端适配，有的新增机器人执行器，但不换核心。

2. Claw家族30+项目的全景拆解

2.1 按运行环境区分，先分清五大族系

整个Claw家族看起来复杂，但按运行环境一刀切，立刻清晰了很多。我平时给大家做咨询时，第一步永远是问：你打算让它跑在哪？

• Core系：最原始的运行时，适合服务器、开发机。所有其他分支都从这里派生。
• Desktop系：带图形界面和系统级集成，以Windows Companion为代表，目标是把OpenClaw变成桌面助理。
• Mobile系：面向安卓等移动端。由于手机算力和沙箱限制，Mobile系通常跑的是裁剪版或Lite版，TermuxClaw就是网上最常被提到的入口。
• Robot系：面向机器人场景，ROSClaw是这一系的代表，接入了ROS2生态。
• Embedded系：面向树莓派、边缘盒子这类低功耗设备，跑的是精简到极致的EdgeClaw。

这五条线的差异化非常大。同一个Skill，在Desktop系上可能直接操作浏览器窗口，在Embedded系上也许只能做传感器数据采集。你选错了系别，部署步骤和后续用法会完全对不上。

2.2 按模型接入方式分：本地优先、API优先、混合调度

运行环境是横切一刀，算力接入则是纵向另一刀。这一刀直接回答了那个高频热词：“OpenClaw只能用接入API的方式使用算力吗”？答案是不，而且从家族项目设计上看，非API路径反而是亮点之一。

• 本地推理变体：以OllamaClaw、LocalClaw为代表，模型全在本地跑，数据不出机。适合隐私敏感、离线优先、或无预算买API的场景。
• API接入变体：以APIClaw、CloudClaw为代表，默认接OpenAI、Anthropic等兼容接口。好处是模型能力天花板高，坏处是每次调用都花钱，而且依赖网络。
• 混合模式：现在家族里最推荐的方向。它会把任务做简单分级——轻量任务（意图识别、普通问答）走本地小模型，重活累活（长文推理、复杂工具调用）再走API。调度逻辑在运行时核心内部完成，用户甚至可以配一个“预算阈值”，超过多少钱就自动降级到本地模型。

2.3 按功能模块拆：Skill体系、Companion桥接、可视化Dashboard

除了环境维度和算力维度，家族里还有一批“功能插件型”项目，它们不独立运行，而是附着在主项目上扩展能力：

• SkillKit：Skill的开发和测试工具集，包含脚手架、Mock服务和本地调试器。想要自己写Skill，从这里起步最方便。
• SpeechClaw：语音交互扩展，负责唤醒词、语音转文字和TTS播报。
• VisionClaw：视觉能力扩展，可以截图理解、识别屏幕内容，是桌面自动化的重要拼图。
• DashboardClaw：可视化控制台，展示任务队列、Token消耗、Skill执行日志。自托管用户很喜欢这个项目。
• CompanionClaw：对应热词里的“Windows Companion”，本质上是一个本机桥接服务，负责让OpenClaw安全地访问屏幕、剪贴板、文件系统和系统命令。

2.4 家族项目速查参考表

这里给一张简化的速查表，列出我在生态目录里看到的典型代表。注意，开源项目迭代很快，具体数量以官方生态页为准，这张表主要帮你建立分类感。

提示：判断一个衍生项目技术成熟度，不要看Star数，先看它是否同步更新了Core序列版本。只更新外壳、不更新内核的衍生项目，往往只是临时分支，不建议作为生产环境依赖。

3. 最常被追问的三条部署主线

3.1 安卓部署：为什么大家都从Termux装起

热词里反复出现“openclaw安卓部署”和“Termux安装”，这背后有个很实际的现实：OpenClaw的核心运行时依赖完整的Python/Node运行环境，而安卓系统本身不提供，所以绝大多数人选择在Termux这个终端模拟器里搭一个Linux用户态环境，再装OpenClaw。

我实测过一条比较稳的路线，基本适用于目前主流版本：

• 第一步：在应用商店装好Termux，打开后先执行pkg update && pkg upgrade，把基础源更新一遍。
• 第二步：安装必要依赖，至少包括python python-pip git nodejs-lts。注意Termux里包名和普通Linux发行版不完全一致，直接照抄Ubuntu的apt install是不行的。
• 第三步：用Git把OpenClaw Lite（Mobile系）仓库克隆到本地，然后通过官方安装脚本执行安装。脚本会自动检测Termux环境并跳过桌面依赖。
• 第四步：进入配置阶段。这时你面对的是一个纯命令行交互界面，需要选择模型后端。如果选本地模式，建议同时安装Ollama，并在Termux里拉取一个小体积量化模型，跑起来会更顺滑。
• 第五步：启动运行时核心，通过局域网访问同一Wi-Fi下的电脑端Dashboard，就能开始用手机管理任务了。

这一套跑通之后，日常轻量任务完全够用。但不要指望手机端能做桌面自动化那种重型操作，毕竟Termux的沙箱限制还是明显的。

3.2 Windows部署：Companion组件的配置要点

Windows平台是桌面自动化体验最完整的阵营，但也是最容易在Companion配置上卡住的地方。很多人下载了主程序、打开了对话框，结果发现系统命令和屏幕读取都不可用，问题基本都出在Companion没配对成功。

配置流程并不复杂，但有几个容易忽略的细节：

• 先装主程序，再装Windows Companion。顺序反了可能导致自签名证书的注册时机错误，后续通信老是被拦截。
• 首次启动Companion时，会生成一个本机回调端口和Token。这个Token要手动填到主程序的“受信任设备”列表里。填错一位数，连接就会静默失败，日志里还不报错。
• 在Windows安全中心里，把Companion的可执行文件加入防火墙放行列表。这一步不做，主程序能启动、能发消息，但Companion的响应永远回不来。
• 权限白名单需要在Companion的配置文件里明确指定，比如允许访问图片目录、允许执行PowerShell命令。默认是全拒绝，这是刻意的安全设计，但很多新手会误以为是自己装失败了。

我遇到最多的问题并不是配置有多难，而是大家没意识到：主程序和Companion是独立的两个进程，它们之间靠本地Token通信，是一个C/S结构。理解这个结构，配起来就很自然了。

3.3 机器人集成：ROSClaw在ROS2 Humble和Gazebo里怎么用

机器人方向算是Claw家族里最“硬核”的一条线，相关的热词组合是“rosclaw openclaw ros2 humble gazebo”。这套组合的典型使用场景是：在Gazebo仿真环境里搭一台机器人，然后让OpenClaw作为高层任务大脑，把用户指令拆成ROS2的Action或Service调用，指挥机器人完成动作。

ROSClaw的核心用法可以拆成三层理解：

• 通信层：ROSClaw把OpenClaw的Skill事件转换成ROS2 topic/action。比如一个“探测前方障碍”的Skill，映射为一个ROS2 action，发给机器人控制器。
• 任务层：OpenClaw负责自然语言理解、任务拆解、异常处理。Gazebo里的机器人本身没有“智能”，它只是忠实地执行动作。
• 仿真验证层：在Gazebo里跑通整套流程，再迁移到实体机器人上。这也是ROSClaw在Humble版本下最推荐的路线——先用Gazebo把Skill和参数调好，避免真机调试时烧电机、撞墙。

在ROS2 Humble下安装ROSClaw时，最需要注意的就是中间件版本对齐。Humble对应的是特定版本的ROS2中间件，如果通过pip或源码安装时混入了其他版本，会出现“能启动但收不到消息”的诡异问题。排查这种问题，优先检查依赖树里的中间件版本是否一致。

4. Skill插件机制：家族生态的扩展灵魂

4.1 Skill和普通“插件”不是一个概念

很多人搜“openclaw skill”，是因为听别人说“这系统能自定义技能”，但搞不清楚Skill到底长什么样。在常规的插件系统里，插件是独立的功能包，装了就多一个功能按钮。而OpenClaw的Skill本质上是一组“能力描述 + 执行脚本 + 权限声明”，它定义的不是按钮，而是“当用户提出某类指令时，系统如何拆解并执行”。

Skill和系统核心之间通过一个规范化接口交互。Skill只负责声明自己要做什么、需要什么权限、用什么脚本实现，而任务调度、上下文管理、模型调用这些活由运行时核心干。这种解耦带来的直接好处是：写Skill的人不需要关心模型是大模型还是小模型、不需要关心底层是Windows还是Linux，只需要关心这个Skill要完成的具体动作。

4.2 编写一个最小Skill的过程

我拿一个实际写过的“屏幕取色”Skill做例子，完整流程拆给大家看。这个Skill的作用是：通过Windows Companion截取屏幕指定位置的颜色，返回十六进制值。

首先是Skill清单文件，声明基础信息：

• 触发器关键词：取色、这个颜色、pick color
• 输入参数：屏幕坐标X、Y，来自对话框或语音
• 权限声明：需要访问屏幕捕获API
• 执行入口：定位到对应的Python脚本

然后是执行脚本，脚本可以这样组织：

• 内存中接收输入的坐标参数；
• 调用Companion提供的屏幕捕获接口，截取目标区域；
• 提取坐标点的RGB值，转成十六进制格式；
• 把结果写回OpenClaw的消息上下文，等待大模型组织语言回复用户。

写出来之后，通过SkillKit的调试器模拟一次调用，可以看到请求进来、权限验证通过、脚本执行、结果返回的完整链路。跑通之后，这个Skill就能在桌面版和Companion环境里复用了。

为什么要强调这套写法？因为它体现了Skill机制最核心的约定：把“大模型理解任务”和“脚本执行操作”彻底分开。大模型不负责算颜色，它只负责把你的意图翻译成参数，真正的动作由Skill脚本去完成。

4.3 热词背后隐藏的需求：大家为什么疯狂找Skill

搜“openclaw skill”的人，可以粗略分成三类：

第一种是刚接触生态的新手，听说Skill能扩展功能，但不知道写一个 Skill需要什么结构，这类人占大多数。他们需要的是更多现成模板和示例代码。

第二种是已经在跑任务的老手，他们遇上的问题是：官方Skill库太精简，想做的场景找不到现成方案。这类人搜Skill，本质是在搜“怎么把自用流程封装成Skill”的工程方法论。

第三种则是被营销号种草、以为Skill像手机App一键安装的人。他们当中不少人最终会空手而归，因为Skill的编排能力虽然强，但学习曲线确实存在，至少得会写一点脚本。

针对这三类人，我的建议是：新手先直接用SkillKit生成脚手架改参数，不要从零写。老手先梳理自己的高频操作流程，再考虑封装成Skill。至于完全零基础用户，建议先在Desktop版上把自带Skill跑熟，再迈出定制这一步。

5. 算力来源的三条路：API、本地模型与混合调度

5.1 先正面回答那个高频热词

热词里有一条很典型：“openclaw只能用接入api的方式使用算力吗”。这是一个非常普遍的误解，甚至不少已经跑起来的人都没搞清楚自己用的是哪种算力。

明确说：OpenClaw从设计上就是模型无关的。它可以用API，可以用本地模型，也可以两者混用。之所以很多人觉得“只能用API”，大概率是因为第一次安装时选了默认配置，而默认配置为了方便演示，直接指向了云端API。但这是引导问题，不是系统限制。

我见过不少用户，把模型后端从API切到本地Ollama之后，整个使用体验反而更顺手了。对于日常任务——查文件、管日历、写邮件草稿——本地量化模型完全能扛住，而且不会因为网络波动频繁中断。

5.2 本地Ollama部署OpenClaw的操作与适用场景

Ollama是Claw家族本地路线最常见的搭档。配置思路不复杂：先装Ollama，拉一个模型权重，再把OpenClaw的模型后端指向Ollama的本地服务地址。

实际操作中有几个经验值得记下来：

• 模型体积要有取舍。在消费级显卡上，我建议优先试7B到14B的量化版。参数更大的模型虽然聪明，但响应延迟一旦超过3到5秒，交互体感就会断崖式下降。
• 上下文长度别忘了同步调整。Ollama启动时的上下文窗口默认值可能和OpenClaw侧配置不一致，两边不一致时会出现“越聊越笨”的现象，其实是历史消息被截断了。
• 本地模式下的Skill执行成功率会低于API模式。这不全是模型弱的问题，而是小模型在复杂指令拆解上确实容易漏步骤。建议把本地模式用在步骤明确、参数固定的Skill上。

适用场景上，本地模式最适合三类人：隐私敏感型企业内网部署、离线环境开发者、以及每天调用量很大想省成本的重度用户。如果你只是偶尔玩一下，直接用API模式反而省心。

5.3 混合模式的调度策略与省钱思路

我在前面提到过混合模式，这可能是Claw家族目前最有实用价值的设计之一。它的核心调度逻辑可以概括为“意图智能路由”：

• 模型路线判断器先用一个本地小模型，快速判断当前任务属于轻量型还是重量型。这个判断器本身非常小，成本可以忽略。
• 轻量型任务（比如“搜索本地目录里的某个文件”）直接交给本地模型完成，结果返回速度最快，不消耗API额度。
• 重量型任务（比如“总结这十份文档并生成对比表格”）走API，让强模型处理复杂推理和长文本理解。
• 调度器还会统计每天的API消耗，超过你设定的预算阈值后，系统自动把后续任务降级为纯本地模式。

这一套思路和“省钱”目标完美对齐：大部分人的日常请求其实都比较简单，真正需要强模型的占比不到三成。把这部分拆分出去，API费用能降一半以上。

6. 盘点完之后，我的选型建议与避坑记录

6.1 不同人群怎么选，直接给结论

结合上面整个家族的盘点和各部署主线的特点，我来总结一下不同受众的选型建议：

• 如果你只有一台普通电脑，想体验OpenClaw的完整能力：选Desktop系 + Windows Companion，模型后端先走API，跑通了再考虑本地模型，难度最低、见效最快。
• 如果你有安卓手机，想远程控制家中电脑：选Mobile系（TermuxClaw）+ Desktop系（电脑端）的组合，手机装Lite版，电脑装完整版，配合局域网互连。
• 如果你在做机器人开发、准备用Gazebo做仿真：直接学ROSClaw，配合ROS2 Humble，把Skill和仿真场景串起来。不建议从Core系起步再自己写机器人适配层，那工作量太大了。
• 如果你是开源爱好者、想给家族做贡献：从SkillKit开始，为你日常使用的工具写Skill，这是进入生态最平滑的路径，市场需求也大。

6.2 部署和日常使用中我自己踩过的坑

讲几个我实际遇到、且搜索引擎不一定会告诉你的问题：

第一个是“配置了但静默失败”的问题。Companion在主程序和本机服务之间用Token鉴权，但两边各自有独立的超时时间。默认值本身是合理的，可一旦机器负载高，握手动辄超过3秒，就会出现“第一次能用、过一会儿全没反应”的现象。排查时不要只盯防火墙上，花点时间看两边的日志时间戳是否差得离谱。

第二个是Termux环境里Python版本不匹配问题。Termux的包管理器里可能同时存在多个Python版本，如果安装脚本检测到默认版本不对，它会跳过部分依赖安装，而不是直接报错。结果就是功能残缺。我处理过至少三次这类问题，最后的解法都是先手动指定Python版本再重装相关依赖。

第三个是Gazebo仿真时任务与现实的偏差。在Gazebo里调好的参数，换到真机上几乎必然要重新标定，尤其是速度阈值和避障距离。ROSClaw只是帮你把“智能决策”接到机器人上，但物理世界的标定工作没有任何捷径。

6.3 一句话判断你是否需要入坑

最后分享一个我经常对群友说的判断标准：如果你需要的是一个能替你执行多步骤操作、常驻后台、可以攒个性化技能的“数字管家”，OpenClaw值得认真投入。如果你只是想找个能聊天的工具，那大把轻量项目都可以满足，不必绕道Claw家族。看清需求再入场，才不会在30多个项目里迷失方向。

以上是我这段时间接触Claw家族生态的一点心得。部署和Skill开发是比较花时间的环节，但只要度过入门期，这个家族的灵活度确实值得投入。后续如果你跑通了某个分支，欢迎回来交流，尤其想知道你在ROSClaw和TermuxClaw上的实测体验。