先说明白,我写这篇东西的动机。2025年年底我有一段时间几乎天天加班到十点以后,改来改去全是重复劳动——整理接口文档、调组件样式、补单元测试、翻日志定位问题。后来我把OpenClaw(社区里也叫Clawdbot)部署到本机,又花了一下午给常用工作流配上Skills,从那以后,很大一部分重复任务变成了敲一条命令的活。这篇就把我从选型到部署、从踩坑到维护的完整记录写下来。如果你打算2026年不想再心力交瘁地加班,这篇文章适合你;如果你已经听说过OpenClaw但不确定它和Skills到底怎么配合,也适合你;哪怕你只是想看看别人怎么把AI Agent真正用起来、用出效率,也值得往下看。
1. OpenClaw是什么,以及为什么它对"少加班"这件事有意义
1.1 Skills是OpenClaw区别于普通提示词工具的关键
OpenClaw本质上是一个本地优先的Agent运行框架。你可以把它理解成一个"运行环境",它负责把大模型的能力接到你本地的文件系统、终端、浏览器、笔记软件、代码仓库这些具体工具上。而Skills是这个框架里最核心的一层——它是一段结构化的技能描述,外加配套的脚本和示例,让模型在遇到特定场景时能自动加载一套已经验证过的操作方法。
传统用AI的方式是每次对话都重新交代一遍:"你是一个资深前端,请按照某某规范帮我改这个组件,注意不要动其他文件。"——啰嗦,而且每次可能漏掉关键约束。有了Skills之后,这件工作变成了:预先把"资深前端改组件"的完整操作规程、注意事项、示例代码都放进一个Skill里,模型看到用户提的需求,自己判断应该加载哪个Skill,然后照着它执行。这就是Skills和普通提示词的本质区别:前者是"安装一套能力",后者是"每次临时培训"。
1.2 一键部署到底"一键"在哪里
先说句实话:所谓"一键部署",不是真的点一下鼠标就万事大吉。它压缩的是那些本来需要手工完成的动作——检查环境、装依赖、配模型、验证可用性。理想情况下,你在终端里跑一条安装脚本,再执行一次初始化命令,OpenClaw就能跑起来。
我见过不少人在这一步就放弃了,原因不是OpenClaw本身多复杂,而是环境不干净:Windows没有开虚拟化、WSL2版本不对、Node.js没装或者版本太老、PowerShell权限不对。任何一个环节卡住,都会报出看起来完全不相干的错误。所以这篇文章除了讲部署,还会花很大篇幅讲怎么排查环境问题——因为我实际踩过的坑,比官方文档里写到的多得多。
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. 部署前先选型:Windows、WSL2还是Ubuntu裸机
2.1 三条部署路径的对比
OpenClaw的部署路径大致有三条:Windows原生、WSL2(Windows Subsystem for Linux 2)、Ubuntu裸机。我建议你先不要急着照搬任何教程,先花五分钟想清楚自己属于哪种情况。
- Windows原生:直接跑在Windows上,适合完全不想碰Linux的人。但很多Shell生态的工具、Python虚拟环境、Git钩子脚本,在Windows下兼容性不如Linux侧好,OpenClaw这类Agent通常需要调用大量命令行工具,原生Windows路径会更容易遇到奇奇怪怪的问题。
- WSL2:在Windows里跑一个轻量Linux虚拟机,既能享受Windows桌面生态(浏览器、IDE、输入法),又能获得接近Linux的兼容性。这是目前社区最推荐的路径,也是我实际用的路径。
- Ubuntu裸机/服务器:如果手头有独立的开发机、云主机,或者本身主力系统就是Linux,那直接在Ubuntu上装是最干净的。没有WSL2那层,排查问题也最简单。
2.2 OpenClaw(Clawdbot)在Windows下的Companion角色
如果你关注OpenClaw的Windows生态,大概率会看到"Windows Companion"这个词。简单解释一下:Companion是一个Windows端的小组件,负责把Windows特有的系统能力——比如桌面通知、剪贴板、浏览器窗口操作、Windows本地程序调用——桥接给Agent。如果你走WSL2路径,Agent跑在Linux侧,原则上可以不依赖Companion,但如果你想让它直接操作Windows里的浏览器、读取Windows剪贴板,那就需要配好Companion。如果你走Windows原生路径,Companion基本是标配。
我在实践中发现,很多人把Companion想得太复杂。实际上它的作用就是"翻译":Linux侧的Agent说我要访问剪贴板,Windows侧负责执行
