几木木先交代一下背景：我上个月花了 68 块钱收了一台二手小主机，把 OpenClaw 跑了起来，然后接上了飞书和 Telegram。现在每天在飞书群里让它帮我汇总待办、整理会议记录，在 Telegram 上随时问它点东西，基本当成了一个随身助手在用。整个过程不算复杂，但中间确实踩了不少坑，尤其是接飞书那一段，光是事件订阅回调和权限配置就折腾了我一晚上。这篇文章就把完整过程、配置细节和常见问题一次性写清楚，想折腾的朋友可以直接照着抄。
先说明一点：OpenClaw 目前主要面向开发者，不是那种装完就能用的开箱产品。但它的架构设计很清晰，核心就是"一个大脑 + 多个入口 + 一堆技能"，你只需要把大脑接上大模型 API，再把入口接到 IM 平台，剩下的就是写技能（Skill）来扩展能力。68 块钱的机器完全带得动，因为推理跑在云端 API 上，本地只负责调度和消息转发。这篇文章适合有一定命令行基础、接触过 Docker 的朋友，纯小白也能跟下来，就是需要多点耐心。
1. 拆解"68 元"：OpenClaw 对硬件的要求其实没那么离谱
很多人听到"AI Agent"第一反应是得要一张好显卡、至少 32G 内存，其实这是被本地大模型带偏了。OpenClaw 默认的工作方式是调用云端大模型 API（比如 DeepSeek、通义千问、OpenAI 兼容接口），本地跑的只是 Node.js 运行时和消息处理逻辑，CPU 占用率平时也就 5% 到 15%，内存占用大概在 300M 到 600M 之间。所以它的硬件门槛，低到有点出乎意料。
1.1 为什么一个 AI Agent 只需要这么便宜的设备
OpenClaw 的架构可以简单理解成三层：消息接入层（Channel）、Agent 调度层（Core）、模型调用层（Provider）。你在飞书里发一条消息，飞书服务器把事件推给 OpenClaw，OpenClaw 把消息解析成 Prompt，带着上下文发给大模型 API，等模型返回结果后再把回复发回飞书。这个过程中，真正吃算力的是模型 API，而 OpenClaw 本地做的只是"翻译"和"转发"，类似于一个智能路由器。
所以硬件的核心指标是：网络要稳定、内存要够跑 Node.js、磁盘要能放下日志和配置。我用的那台小主机是 Intel N100 处理器、8G 内存、256G 固态，跑 OpenClaw 的同时还挂了 Uptime Kuma 和 Nginx，资源依旧非常宽裕。如果你的设备只有 2G 内存，只跑 OpenClaw 也完全没问题，但别同时开太多容器。
注意：这里说的 68 元是二手准系统或者"垃圾佬"配置的价格，不含显示器、键鼠这些外设。我自己是直接 SSH 远程操作的，根本不需要接显示器，所以成本才能压到这么低。
1.2 我踩过的硬件选择误区
第一个误区是纠结 CPU 型号。有人说要上 i5、i7，其实跑 OpenClaw 根本用不满。真正影响体验的是内存和磁盘 IO，尤其是 Docker 部署时，镜像拉取和容器日志写入都吃磁盘。建议至少留 10G 可用空间，不然跑几天日志就把盘塞满了。
第二个误区是忽略散热和功耗。小主机长时间 7x24 运行，散热不好会死机，功耗太高电费不划算。我选的 N100 整机功耗大概在 6W 到 15W，一个月电费不到 5 块钱，这才是"68 块钱搭建"能长期跑下去的底气。如果用的是旧笔记本或台式机，注意清理灰尘、垫高散热，别让它闷在柜子里跑。
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. OpenClaw 部署前必须想清楚的三件事
动手敲命令之前，有三件事想清楚，能省下后面 90% 的排错时间。这也是我在多个群里看到新手反复踩坑的重灾区。
2.1 模型 API 是关键：OpenClaw 本身不产模型
OpenClaw 自己不包含任何模型能力，它需要你提供一个可调用的模型 API 才能"开口说话"。最简单的方式是注册一个云厂商的大模型 API 服务，拿到 API Key 和模型名称，填到 OpenClaw 的配置里。
一个常见的误解是"我装了 OpenClaw 就等于有了 ChatGPT"，不是的。OpenClaw 是壳，模型是核。没有 API Key，OpenClaw 连"你好"都回不了。我用的 DeepSeek 开放平台，