IT人刘俊明1. 先搞明白：OpenClaw（Clawdbot）是干嘛的，为什么2026年的上班族值得折腾它
先说个现象。我身边很多做运营、写方案、做课件、管项目的朋友，电脑里装了一堆AI工具：聊天机器人、写作助手、翻译插件、PPT生成器……每个工具解决一个具体问题，问题一多，工具就乱。更要命的是，这些工具之间互相不沟通，数据搬来搬去，效率反而下去了。
OpenClaw（社区里很多人也叫它Clawdbot）这类智能体工具，思路完全不同。它不是又一个"问答盒子"，而是一个能直接操作你本地环境的AI代理。你可以把它理解成一个"外包员工"：它有自己的工作台（命令行终端），会读文件、改文件、跑脚本、调接口，还能按一套可复用的"工作手册"来处理任务。你只需要把任务描述清楚，它自己去拆解和执行。
那skill是什么？就是这套"工作手册"的载体。每个skill是一份结构化的技能描述文件，里面写清楚这个技能什么时候用、怎么用、注意事项是什么。装上skill之后，OpenClaw在遇到对应任务时，会自动把这份手册"读"给大模型看，让模型按照你规定的流程干活。这就是它和普通ChatGPT类工具的本质区别：你不是在让它"自由发挥"，而是在给它"下发标准作业流程"。
上班族用它能干什么？举几个我实际见过的用法：
- 每周五下午，让它自动汇总本周工作日志，按固定模板输出周报；
- 丢给它一份客户会议录音转写稿，自动提炼决策项、待办清单，然后生成跟进邮件草稿；
- 写公众号文章时，先用"选题分析skill"做选题评估，再用"写作框架skill"搭结构，最后用"去AI味skill"做润色；
- 做PPT之前，让它按SWOT框架整理大纲，再生成Markdown格式的逐页内容。
一句话总结：安装OpenClaw是给自己请了个助手，安装skill是教会这个助手干具体活儿。 这篇教程不聊玄乎的概念，直接讲清楚从零到一怎么装、怎么配、怎么用。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 装软件之前，先把环境问题处理掉：这步做不好，后面全是坑
很多人在OpenClaw安装时报错，回头一看，根本不是OpenClaw的问题，是环境没准备好。我建议按下面顺序自查一遍，全绿了再开始装主程序。
2.1 Node.js版本：至少18以上，新版本更稳
OpenClaw官方推荐用Node.js 20或22的LTS版本。低于18的版本跑起来会报各种莫名其妙的依赖错误，别浪费时间折腾兼容问题，直接装新版本。
Windows用户去Node.js官网下载Windows Installer（.msi），一路Next装完即可。macOS用户建议用nvm管理版本：
bash复制# 安装nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
# 安装Node.js 22 LTS
nvm install 22
nvm use 22
装完之后，在终端输入node -v，能正常输出版本号，这一步就算过了。
注意：安装Node.js时，Windows安装向导里有"Add to PATH"选项，默认是勾上的，务必保持勾选。如果之前装过老版本Node.js，建议先卸载干净再装新版，避免PATH变量里多个版本冲突。
2.2 Windows用户必查：WSL2环境是否就绪
OpenClaw的很多自动化操作依赖Linux环境能力，Windows下最稳的方式是搭配WSL2（Windows Subsystem for Linux）运行。这里多说两句：
如何检测WSL2状态？ 打开PowerShell，运行：
powershell复制wsl -- status
如果显示"默认版本：2"，恭喜，环境正常。如果提示"WSL 1"或者"未安装"，需要先升级：
powershell复制wsl --update
wsl --set-default-version 2
常见的一个提示是"OpenClaw无法安全验证WSL2环境，请在PowerShell中运行wsl -- status"，遇到这个不要慌，它只是告诉你WSL2没有完全就绪，按上面命令处理即可。
如果你发现系统里还没有任何Linux发行版，还需要安装一个Ubuntu：
powershell复制wsl --install -d Ubuntu-22.04
装完后首次启动会要求你设置Linux用户名和密码，记好这两样，后面部署OpenClaw要用。
2.3 Linux用户直接装基础依赖
Ubuntu/Debian用户相对省事，先把基础工具补齐：
bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y git curl wget build-essential
然后同样确认Node.js版本。如果系统自带的是旧版，用nvm覆盖即可，不需要动系统包。
2.4 准备模型网关配置
OpenClaw本身不内置大模型，它需要对接一个模型服务。这个设计其实是优点：你可以按需选择大厂API或本地模型。常见选择有这么几类：
| 模型来源 | 特点 | 适合场景 |
|---|---|---|
| 云端大模型API（如Claude系列） | 能力强，上下文窗口大，按量付费 | 复杂任务、长文档处理 |
| 开源模型本地部署（如Qwen2.5系列） | 免费、数据不外传，但性能依赖显卡 | 隐私敏感内容、长期高频开发 |
| 混合模式 | 简单任务走本地模型，复杂任务走云端 | 兼顾成本和效果 |
关键词热搜里提到的"qwen2.5-3b关联到OpenClaw"，指的就是把通义千问Qwen2.5-3B这个本地小模型接入OpenClaw做推理引擎。3B模型参数量不大，普通电脑用CPU也能跑，速度虽然比不上云端，但胜在免费、私有、稳定。后面第4节我会专门讲skill和模型怎么搭配。
3. Windows与Ubuntu安装全程记录：照着抄就能跑通
环境准备好之后，安装OpenClaw主程序就不复杂了。我分别说Windows和Linux两条路线。
3.1 Windows安装：两种方式，推荐WSL内安装
Windows下有两条路，一条是纯Windows原生模式，另一条是在WSL的Ubuntu里装。我强烈建议走WSL路线，理由是：OpenClaw大量涉及文件监控、脚本执行、目录遍历的操作，这些在Linux环境里远比Windows原生环境稳定，权限问题也少得多。
第一步：进入WSL终端。 在PowerShell里输入wsl，回车后就进入Ubuntu环境了。
第二步：用npm全局安装OpenClaw。 先确认npm源，很多同学npm下载慢是因为没换国内镜像源。建议先配一遍：
bash复制npm config set registry https://registry.npmmirror.com
然后安装OpenClaw主包：
bash复制npm install -g openclaw
安装结束后，输入：
bash复制openclaw --version
能输出版本号就说明核心程序装好了。
第三步：配置Windows Companion。 热搜词里频繁出现的"OpenClaw Windows Companion"，是官方提供的一个Windows辅助组件，作用是让WSL里的OpenClaw能访问Windows端的文件系统、浏览器和剪贴板。没有它，OpenClaw在WSL里就"看不见"你Windows桌面上的文件和浏览器会话。
Windows Companion配置要点：
- 从OpenClaw官方仓库下载Windows Companion安装包，安装后会在系统托盘出现一个小图标；
- 确认WSL和Windows之间的防火墙规则没有拦截通信，一般安装包会自动放行；
- 回到WSL终端，运行
openclaw companion connect，看到"Connected successfully"就是联通了。
配置好之后，OpenClaw就可以直接读写类似/mnt/c/Users/你的用户名/Documents/项目这种路径下的Windows文件，非常方便上班族处理本地Office文档。
3.2 Ubuntu安装：干净利落
Ubuntu用户不用绕弯，直接全局安装：
bash复制npm install -g openclaw
如果你的服务器上不想全局安装（比如用普通用户跑服务），也可以用npx方式临时调用：
bash复制npx openclaw@latest
这种方式的好处是不污染全局环境，坏处是每次都要去查询最新版本，离线环境不适用。固定版本部署建议还是用npm install -g openclaw@版本号。
3.3 装完后的初始化配置
程序装好只是第一步，首次运行需要做初始化配置，让OpenClaw知道：
- 使用哪个模型服务（云端API还是本地Ollama）
- 默认工作目录（建议单独建一个
workspace文件夹，别直接指向整个用户目录，否则AI可以改动你的所有文件，有风险） - 语言偏好（设为中文对话）
- 允许自动执行的命令类型（核心安全配置）
初始化命令：
bash复制openclaw init
按提示选择模型来源。如果你选了本地Qwen2.5-3B，需要先启动Ollama并拉取模型：
bash复制ollama pull qwen2.5:3b
ollama serve
然后创建一个指向本地服务的Model Provider配置：
bash复制openclaw models add --name local-qwen --base-url http://localhost:11434/v1 --model qwen2.5:3b
初始化完成后，可以直接跑一条简单指令测试是否通了：
bash复制openclaw run "用一句话介绍你自己"
能正常回复，说明整条链路——OpenClaw到模型服务——已经打通。到这里，核心环境就搭建完毕，接下来才是重头戏：skill。
4. skill插件的核心玩法：从看懂一个文件到写出自己的技能
如果说OpenClaw是身体，skill就是让它做事的"职业素养包"。这一节把skill的文件结构、安装方式、编写方法讲透。
4.1 skill文件到底长什么样
一个skill本质上是一个目录，目录名就是技能名，目录内包含一个主描述文件（通常叫SKILL.md），也可以附带示例脚本、参考文档、模板文件。
一份标准的SKILL.md格式大致如下：
markdown复制---
name: 周报助手
description: 当用户需要生成周报、周工作总结时使用本技能。该技能支持从聊天记录、工作日志中提取关键信息，并按照公司模板输出周报。
---
# 周报助手
## 使用步骤
1. 询问用户本周的主要工作内容，或让用户提供聊天记录/日志文件路径
2. 提取信息并按以下模板整理：
- 本周完成事项（按项目分类）
- 下周计划
- 遇到的问题与风险
3. 输出格式为Markdown，直接可复制到文档
## 注意事项
- 如果用户提供的时间范围超过一周，只提取最近7天内容
- 输出要具体，不要用"处理日常事务"这类空话
- 涉及数据信息时，优先保留原始数据来源
里面最重要的是开头的name和description两个字段。OpenClaw在接收用户任务时，会先扫描所有已安装skill的description，判断这个技能适不适合当前任务；一旦匹配上，就会把整个SKILL.md文件内容注入到对话上下文中，让大模型"照着说明干活"。
所以写description时有一条黄金法则：写得越具体，触发越准确。 不要把"写周报"写成"帮助用户处理文档"，那样模型不知道什么时候该调用它。
4.2 第一个skill：从下载到生效
装skill有三种方式：
方式一：直接用命令安装社区已发布的skill
bash复制openclaw skill install 周报助手
命令会从社区仓库拉取skill，自动放到OpenClaw的skills目录下。安装后在OpenClaw交互界面输入/skills可以查看全部已安装技能。
方式二：从GitHub仓库手动安装
很多开发者把自己的skill仓库挂在GitHub上。先克隆，再复制到本地技能目录：
bash复制git clone https://github.com/xxx/awesome-skills.git
cp -r awesome-skills/周报助手 ~/.openclaw/skills/
方式三：自己写一个
在~/.openclaw/skills/下新建目录，把SKILL.md丢进去，马上生效。不需要重启服务，OpenClaw会监控技能目录变化。
4.3 手写一个"会议纪要skill"
新手别一上来就抄复杂技能，先从自己最痛的点写起。我示范一个我在用的"会议纪要skill"，你照着改就能用。
目录结构：
code复制meeting_notes/
└── SKILL.md
内容：
markdown复制---
name: 会议纪要整理
description: 当用户提供会议录音转写文本或会议笔记，需要生成结构化会议纪要时使用。适用场景包括：项目周会、客户沟通会、团队站会等。
---
# 会议纪要整理
## 处理流程
1. 通读用户提供的原始内容
2. 识别并输出以下结构：
- 会议主题与时间（如有）
- 参会人（如有，从原文中提取）
- 讨论要点（按主题归类，去掉寒暄和重复内容）
- 明确决策（格式：关于[事项]，决定[结论]）
- 待办事项（格式：负责人 + 截止时间 + 事项）
3. 输出Markdown文本，每条要点不超过一行
## 注意事项
- 保留所有带数字和时间的细节，不能省略
- 如果原文没提截止时间，标注"待确认"
- 语气保持中性，不添加主观判断
- 待办事项至少写3条，如果原文不足，降级输出"暂无待办"
写完之后，直接测试：
bash复制openclaw run "帮我整理这段会议记录：今天讨论了新版本上线计划，王工负责前端改造，预计周五完成；李姐确认设计稿明天给；后端接口周三前冻结。"
实际运行你会发现，OpenClaw会调用"会议纪要整理"skill，输出一份结构清晰的纪要。这就是skill的完整工作链路。
提示：编写skill时，把"使用步骤"写得越细越好。模型不是人，它不理解"整理一下"这种模糊指令。你给它3条明确步骤，它就能稳定输出；你给它10条详细规则，它就是你的标准化流程执行器。
5. 上班族最值得装的几类skill：按场景推荐
市面上现在能看到的skill非常多，质量参差不齐。基于我用下来的经验，按上班族常用场景分几类推荐。
5.1 写作类skill：让你的文字"去AI味"
"狗头军师skill"和"去AI味的skill"这类在热搜里很热闹，本质就是解决一个问题：AI写出来的东西太"模板化"。
它们的核心逻辑不是让AI"写得像人"，而是给AI设定一套"避免使用的词汇表"和"句子结构要求"。比如：
markdown复制---
name: 去AI味润色
description: 对AI生成的稿件进行二次润色，消除机器腔和模板化表达。适用于公众号文章、工作汇报、产品文案等场景。
---
# 去AI味润色
## 禁止使用的表达
- 综上所述、总而言之、值得一提的是
- 首先/其次/最后开头的机械排比
- 赋能、抓手、闭环等黑话词汇
## 改写规则
- 长句拆短，每句不超过30字
- 加入具体的人称和场景，比如把"用户"换成"我们楼下的张阿姨"
- 结尾改为反问句或留白，不要强行总结
这类skill之所以好用，是因为它把"文风"这种抽象要求，翻译成了模型能执行的硬规则。任何一个人准备写文案、写汇报材料时，都可以先让OpenClaw生成初稿，再让"去AI味"过一遍。
5.2 信息处理类skill：备课、画流程图的实战
"AI备课skill"是教师朋友特别喜欢的一款。它的核心能力是：把教材章节内容转化成教案，包含教学目标、重点难点、板书设计、互动环节。这类skill的编写思路同样清晰——把教研组的教案规范固化成SKILL.md，以后任何老师用OpenClaw都能一键输出符合规范的教案。
"画流程图的skill"也很有价值。用法不是让AI直接生成图片，而是让AI根据你的描述输出Mermaid代码或PlantUML代码，你在支持这些语法的工具里一键渲染成图。skill的意义在于约束输出格式，避免AI每次画的节点命名、连线风格都不一样。
一个实用的流程图skill要点：
markdown复制---
name: 流程图生成
description: 将用户描述的业务流程转换为Mermaid代码。适用场景：报销流程、审批流程、项目上线流程等。
---
# 流程图生成
## 输出规范
- 使用mermaid语法，graph TD方向
- 每个节点命名规则：动宾短语，如"提交申请""财务复核"
- 判断节点用菱形，标注"是/否"分支
- 输出格式：```mermaid 代码块 + 简要文字说明
写一个月后你会发现，配合Showdown这类本地渲染工具，做流程图的效率比手工画提升了不是一点半点。
5.3 策略决策类skill：狗头军师的用法
"狗头军师skill"听名字很戏谑，实际是个通用策略建议器。描述这类skill时，可以规定它从多个角度分析问题，输出"方案对比+风险提示+推荐选项"。
比如遇到"要不要接这个项目"这种问题，两秒钟就能把决策模型跑出来。注意，这类skill的输出质量高度依赖你给它的分析维度是否全面。写好SKILL.md时把"成本、收益、风险、资源占用、时间线"这些维度全列进去，出来的答案才专业。
5.4 长文本项目类skill：写小说、做短剧的进阶玩法
写小说skill和AI短剧skill在热搜里热度很高。它们的核心不是让AI"写得多华丽"，而是设定故事结构、人物设定表、章节大纲的模板。
以写小说为例，一个合格的skill至少包含：
markdown复制---
name: 小说章节生成
description: 基于世界观设定和章节大纲，生成小说正文章节。
---
# 小说章节生成
## 输入要求
- 用户需要提供：世界观设定、人物关系表、本章节要推进的情节节点
## 输出规范
- 章节字数2000-3000字
- 每章至少包含场景描写、对话、内心独白三种元素
- 结尾必须留下钩子或转折
这样做的好处是：即使你只用同一个大模型，只要skill写得规范，产出的内容就有稳定的结构，而不至于每一章风格跑偏。做AI短剧脚本也是一个逻辑，先把"钩子—冲突—反转—高潮"的节奏设定写成skill，AI产出的脚本才是能拍的脚本，而不是一段抒情散文。
5.5 接入其他Agent生态的skill
有些小伙伴问，workbuddy、codex这些工具里的skill，是不是参考OpenClaw搞出来的。这个时间线不好下结论，但从机制上看，各家现在确实都在用"目录+SKILL.md+描述触发"这个模式，说明这套思路是当下智能体技能的主流范式。好消息是，这些skill文件大多是Markdown文本，互相迁移成本极低。你在OpenClaw里写好的SKILL.md，稍微改一改格式，就能放到其他支持Agent Skill的工具里用。
6. 高频报错排查：这些坑我替你踩过了
最后把新手最常遇到的几个问题汇总一下，都是我实测过或帮人排查过的。
6.1 "无法安全验证WSL2环境"：本质是状态检测失败
这个报错在Windows用户中极其常见。触发条件是OpenClaw启动时去检查WSL2状态，发现系统返回的不是它预期的结果。常见原因有三个：
- WSL版本太旧，服务状态接口返回格式不兼容；
- WSL默认版本仍是1，而OpenClaw要求2；
- 用户PowerShell当前工作目录是网络驱动器，WSL2无法从UNC路径启动。
应对方案：
powershell复制# 查看WSL版本信息
wsl --status
wsl -l -v
# 如果Ubuntu是v1版本，执行转换
wsl --set-version Ubuntu-22.04 2
# 升级WSL本身
wsl --update
处理完之后，重新打开PowerShell，再进WSL，然后启动OpenClaw，一般来说报错就消失了。如果还不行，检查一下Windows设置里的"虚拟机平台"功能是否开启——控制面板 → 程序 → 启用或关闭Windows功能 → 勾选"虚拟机平台"和"适用于Linux的Windows子系统"，重启电脑。
6.2 skill编码247 / skill编码193：文件的锅
搜热词时看到"skill编码247"和"skill编码193"，这是skill文件加载时最常见的两类编码异常。
- 编码247：skill文件使用了UTF-8 with BOM，或者从Windows记事本直接保存的中文文件编码不兼容。报错时OpenClaw读出来的SKILL.md有乱码或解析中断。
- 编码193：skill附带的辅助脚本是给Linux写的，在Windows环境没创建对应的执行权限，或者脚本第一行的解释器路径写错了。
排查思路其实很简单：
- 用VS Code打开SKILL.md，右下角显示编码格式，统一改成"UTF-8"；
- 有附带的.sh或.js脚本时，确认给过执行权限：
bash复制chmod +x ~/.openclaw/skills/你的技能目录/*.sh
- 打开报错日志，查看具体是哪个文件的哪一行解析失败，逐个击破。日志查看命令：
bash复制openclaw logs
6.3 部署到内网服务器的三个注意点
很多企业会把OpenClaw这类工具部署到内网服务器供团队共用，这里有几个容易踩的点：
模型服务的网络可达性。 如果内网服务器没有外网权限，必须在局域网内启动Ollama等本地推理服务，并且把Model Provider的base-url指向内网IP而不是localhost。多台机器访问时，注意防火墙要放行对应端口。
skill目录的共享方式。 团队协作时，把整个skills目录放到Git仓库里管理，成员pull下来后设置软链接到各自的环境目录。这样统一版本、方便review，不会出现"我本地有这个skill但服务器上没有"的尴尬。
权限与安全配置。 智能体能够执行Shell命令，这意味着它是一把双刃剑。不要让OpenClaw用root权限跑，创建一个专门的系统账号，只授予项目目录的读写权限。在配置文件里把允许自动执行的命令类型限制到安全范围，比如允许文件读写，禁止rm -rf和系统级变更操作。
这是我在实际部署中反复强调的一条：无论工具多方便，永远先锁权限再开服务。AI工具的效率优势是锦上添花，数据安全和系统稳定才是底线。
6.4 关于大模型版本选择的个人体会
最后说下模型版本。3B模型跑起来快，但复杂任务明显吃力；14B模型需要较好的显卡，但推理质量上了一个台阶。如果你是重度用户，建议采用"本地小模型过滤简单请求 + 云端大模型处理复杂任务"的混合路由方案。OpenClaw的模型配置支持多Provider切换，日常我习惯把"会议纪要、邮件草稿"这类结构化任务走本地Qwen，把"写大纲、头脑风暴"这类需要创造力的任务切到云端大模型。
这次从环境准备、安装部署，到skill的原理和编写实战，再到高频问题排查，基本把OpenClaw从入门到能用的路走了一遍。我个人最大的体会是：工具本身装起来不难，真正拉开效率差距的，是你愿意花多少心思写自己的skill。拿起笔，先把你每周重复做三遍以上的那件事，变成一份SKILL.md，你就真正开始用智能体干活了。