小丹尼DannyData用一句话概括这个项目：我把一个叫 OpenClaw 的开源智能体框架（社区里都喊它“龙虾”）部署到了自己电脑上，然后基于它搭了一套“AI 防盗门”——摄像头持续盯着屏幕前有没有人，发现不是我就自动锁屏、语音警告、推送通知。整个过程没有用云服务，人脸特征全部本地处理，决策逻辑交给大模型 Agent 来做。这篇文章记录的就是完整搭建过程、架构思路和一周实测下来的坑。
先说清楚，这套东西不是给你的电脑装一个传统的密码锁。密码锁解决的是“别人拿到密码也进不去”，但解决不了“你离开工位忘了锁屏”“同事趁你倒水顺手翻你桌面”“合租室友趁你睡觉打开你笔记本”这类场景。AI 防盗门的核心不是增加验证强度，而是让电脑学会认人——它知道屏幕前坐着的人是不是你，不是就直接锁上。
1. 所谓“AI防盗门”，防的不是密码，是那几分钟的信任真空
1.1 传统锁屏解决不了的两个真实场景
第一个场景是我自己遇到的。在公司开放工位，我去楼下拿外卖，来回大概十分钟。回来一看，屏幕被人切到别的窗口翻了几页，虽然没动文件，但那种“被窥探”的感觉非常难受。问了一圈，同事承认说是想借我计算器用一下，看我不在就直接摸了。问题在于我根本没锁屏——不是没有锁的习惯，是有时候赶时间真的会忘记。
第二个场景更有意思。我一个朋友做独立开发，笔记本放在工作室，平时门不锁。邻居家小孩有时候跑来玩，会趁他上厕所去点他的电脑，虽然不知道密码进不了系统，但锁定界面会被反复折腾，有一次还把他外接硬盘里的开发日志给删了。这已经不是密码能解决的问题了，电脑需要自己判断“现在该不该让这个人碰我”。
这两个场景本质上是同一件事：你在物理上离开了设备，但设备还处于“信任默认状态”。传统锁屏默认信任任何人，直到验证失败才拒绝；AI 防盗门应该反过来——默认不信任任何人，直到识别出是你才放行。
1.2 为什么这事得让 AI Agent 来干
如果只是做人脸识别锁屏，OpenCV 加一个人脸识别库就够了，根本不需要 Agent。但实际做起来你会发现，场景比想象中复杂得多：
- 你戴帽子、换眼镜、光线从左边变成头顶，人脸相似度直接从 0.9 掉到 0.6，怎么办？
- 你只是去倒杯水，三秒钟就回来，系统一看到相似度低于阈值就直接锁屏，每次回来都要重新解锁，烦不烦？
- 朋友临时要用你电脑查个资料，你怎么在不关防护的情况下给他开五分钟权限？
- 摄像头如果能检测到“屏幕前根本没有人”，那锁屏动作是不是其实可以晚几秒？
这些都不是“是不是本人”这种二值判断，而是 带上下文的决策。要处理上下文和策略，单纯写 if-else 也能写，但会非常僵硬——每个条件都要提前想到，一旦场景变了就要改代码。而用 AI Agent 来做决策，你可以把规则变成自然语言策略，Agent 根据输入信号动态判断。
我把 OpenClaw（社区昵称“龙虾”）装好之后，发现它还带工具调用和消息通知能力，这不就是一个现成的“门卫大脑”吗？人脸特征我用本地模型比对，得到的是一个客观相似度分数；但“分数低到什么程度该锁屏”“连续多少帧异常才触发告警”“临时授权怎么放行”这些决策，全部交给 Agent。硬判断交给机器，软策略交给 AI，这是整套架构里最核心的设计。
1.3 这套方案适合谁、需要什么底子
先说技术前提：你需要能跑通 Python 脚本，懂一点命令行，能用过大模型 API（OpenAI 格式兼容的都可以，或者本地跑一个 Ollama 也行）。不要求你会写多复杂的代码，但至少要知道怎么创建虚拟环境、改配置文件、启动一个进程。
硬件上要求很低：一台带摄像头的电脑，内存 16G 就够跑得很舒服。人脸特征提取用的是 CPU 就能跑的轻量模型，不需要 GPU；Agent 决策我会用本地 7B 模型处理，你直接用云端 API 也没问题，但要注意人脸视频帧不要传上去，隐私风险太大。
如果你满足这些条件，这套东西大概一个下午就能搭完。我现在这台主力笔记本已经连续跑了 7 天没关，日常办公、写代码、开会都不受影响。
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. 先把“龙虾”架起来：OpenClaw 的基本盘
2.1 “龙虾”到底是个什么框架
OpenClaw 严格来说是一个通用 AI Agent 运行时框架，作者在 GitHub 上开源，内部模块负责模型接入、工具调用、对话记忆和任务编排。社区里喊它“龙虾”主要是因为项目代号和图标，用着用着就传开了。
它解决的问题很直接：你不想每次想做个自动化任务都从零写一遍模型调用代码。框架把模型接口屏蔽掉之后，你只需要注册一堆工具函数，然后告诉 Agent“什么时候该调哪个工具”，它自己会决定调用顺序和参数。
拿防盗门场景来说，摄像头识别模块是我写的工具，系统锁屏命令是我写的工具，消息通知也是我写的工具。Agent 拿到这些工具后，就像一个门卫拿到了对讲机、电棍和电话——它能自己决定先看监控画面，再决定要不要锁门。
2.2 安装前我只关心三件事
第一，Python 版本。OpenClaw 依赖比较新，我建议直接用 Python 3.10 以上，我本机是 3.11.9，全程没遇到依赖兼容问题。
第二，模型接口。推荐先准备一个 OpenAI 兼容格式的 API 地址和 Key，放在环境变量里。如果你想全部本地化，那就把 Ollama 先装好，拉一个 qwen2.5:7b 之类的模型，说实话决策任务 7B 模型完全够用。
第三，摄像头权限。你要确保运行 Agent 的这台电脑能正常调起摄像头。Windows 上记得在“隐私-相机”里允许应用访问；macOS 要给终端软件授权；Linux 上要确保当前用户有 video 组权限。
2.3 安装步骤与首次启动
克隆项目、建虚拟环境、装依赖、配置环境变量，四步走：
bash复制git c