OpenClaw+88API：3分钟部署你的私人AI智能体教程

1. 小龙虾不是吃的，是干活儿的：OpenClaw到底是什么

最近社区里突然冒出来一堆"小龙虾"的梗，打开各个群都在喊"你的小龙虾跑起来了吗""小龙虾今天又给我写了三千字"。别懵，这个"小龙虾"不是夜宵摊上蒜蓉麻辣的那位，而是开源智能体框架 OpenClaw 的民间昵称——Claw 嘛，爪子，喊多了就成了小龙虾。

我第一次看到这名字也愣了一下，后来发现这绰号意外地贴切。OpenClaw 本质上是一个跑在你自己电脑、服务器或 NAS 上的个人 AI 智能体框架，你可以把它理解成"本地版的 Claude + Agent 工具链"。它负责把大模型、工具调用、记忆、消息渠道全部串起来，让你用自然语言指挥它干活——不是让它坐在聊天框里陪你聊天，而是让它真的动手做事：读文档、写文章、调 API、发消息、定时任务、对接各种办公软件。

那 88API 又是什么？简单说，它是这个生态里最常用的一类"大模型接口中转站"。OpenClaw 本身不内置大模型，它需要一个"脑子"，也就是通过 API 调用各家大模型（DeepSeek、通义、GLM 这类）。88API 做的就是把这些模型的接口聚合在一个平台里，你注册一个账号、充点钱、拿一个 API Key，就能在 OpenClaw 里自由切换各种模型，不用逐个厂家注册、逐个充值。

把两者串起来，一句话就能说清楚这篇教程要干嘛：给小白一条从零到一、最快 3 分钟跑通 OpenClaw 的路线——用 88API 提供模型能力，用 OpenClaw 搭出你的私人 AI 智能体。

这篇教程适合谁？说实话覆盖面挺广的。你要是一点编程基础都没有，照着一步步点鼠标，也能在 Windows 上把它跑起来；你要是玩过 Docker、有自己的云服务器，可以顺手把部署方式升级成生产级；如果你已经在用 OpenClaw 但总是卡在各种报错里，后面专门有一章是排错清单，大概率能治好你的失眠。

先给你看一个全景图，知道今天要经历哪几步：

网上那些教程一上来就让你敲命令、配 YAML，小白劝退率极高。这篇我换个思路，先帮你把"为什么要这样做"讲明白，再给步骤。咱们不仅要把小龙虾养起来，还得知道它在干吗。

2. 动工之前：88API 的 Key 怎么拿、模型怎么选

2.1 为什么选 88API 而不是自己注册各家大模型

很多第一次接触 OpenClaw 的人都会问同一个问题：我直接用 DeepSeek 官网的 API 不行吗？行，当然行，但你会很快遇到三个麻烦。

第一，模型分散。你可能今天想用 DeepSeek 写代码，明天想用 GLM 写文案，后天想试试某个新出的模型，如果每个都单独注册、单独充值、单独管理 Key，光记账就够你烦的。88API 这类平台把主流模型都聚合在一个控制台里，一个 Key 全搞定。

第二，充值门槛。很多模型厂商的官网充值对个人用户并不友好，有最低充值额度，甚至有各种认证限制。聚合平台通常按量小额充值就行，能用多少充多少，对个人玩票非常友好。

第三，兼容性。OpenClaw 对接的接口标准是 OpenAI 格式，88API 这类平台天然就是这个标准，把 Base URL 一填就能通，省去了各种适配问题。

那 88API 到底怎么选？我个人的建议是：别只看价格，先看它支持哪些模型、有没有 OpenClaw 社区里其他人验证过的案例。 一个比较靠谱的检验方式是去 OpenClaw 的讨论区或开源社区搜一下"88API"，如果已经有很多人贴出成功配置，那基本可以放心用。

2.2 注册、充值、创建 API Key 的完整步骤

进入 88API 网站后，注册流程跟绝大多数平台一样：手机号或邮箱验证、登录。这里提醒一句，密码最好是独立的强密码，因为你要把 API Key 填进本地配置文件里，虽然 Key 本身有权限控制，但账号安全始终是第一位。

注册完成后，按这个顺序操作：

1. 进入控制台，找到"API Keys"或"令牌管理"页面。
2. 点击创建新 Key，备注写"OpenClaw"，方便以后区分。
3. 创建完成后，系统会给你一串形如 sk-xxxxxxxx 的字符串。这串字只显示一次，一定要先复制存到本地备忘录里再关页面，否则回头只能重新创建。
4. 去"充值"或"余额"页面充一笔小额测试金，比如 10 块、20 块，先跑通再说，没必要一上来就充大额。
5. 在控制台找到"文档"或"接口信息"页面，记下 Base URL，一般是 https://api.88api.com/v1 这种格式。这个地址待会儿要填进 OpenClaw，填错的话 OpenClaw 会一直报连接失败。

2.3 模型怎么挑：从省钱的到能打的

88API 控制台里往往有一长串模型列表，常见的有 deepseek-chat、deepseek-reasoner、glm-4、qwen-plus 等。小白面对这一屏名字最容易犯选择困难症，我给一个非常实用的选型策略：

• 日常闲聊、写文案、写小说：选 DeepSeek 的 deepseek-chat，便宜量大，中文语感在同价位里几乎是天花板。
• 代码、逻辑推理、复杂任务：选 deepseek-reasoner 或 GLM 系列，推理能力强一档，代价是贵一点、响应慢一点。
• 想省之又省：选最便宜的入门模型先跑通流程，之后再切贵的。

核心思路只有一个：先跑通，再优化。 你现在选的模型不是终身决定，OpenClaw 支持多模型随时切换，后面专门有一节讲怎么切。千万别在第一步为了"选哪个模型最好"纠结一个小时，先用最便宜的那个，能回话就算赢。

注意：模型 ID 必须和平台文档里的完全一致，大小写、横杠都不能错。很多人初始化报 unknown model: deepsee，就是因为在控制台复制的时候漏了字母，把 deepseek 写成了 deepsee。这类报错我在第七章专门讲。

2.4 环境变量：把 Key 安全地交给 OpenClaw

拿到 88API 的 Key 和 Base URL 之后，不要把它们到处贴。OpenClaw 的配置方式是把这些敏感信息放进环境变量或配置文件里。具体怎么填，等你装好 OpenClaw 之后，在初始化阶段它会引导你设置。这里你先记住两个变量名就够：

• OPENCLAW_MODEL_API_KEY（或者平台文档规定的 Key 环境变量名）
• OPENCLAW_MODEL_BASE_URL

这两个值到时候要填的就是你在 88API 控制台复制的那串 sk- 开头的 Key 和 Base URL。先有个印象，第三章装完环境直接实操。

3. 安装部署路线图：Windows、Mac、云服务器三种姿势

3.1 Windows 安装：脚本一把梭，但小心 Node.js 的坑

Windows 是小白用户的主战场，好消息是 OpenClaw 在 Windows 上的安装已经做得相当傻瓜化了。官方提供的是一键安装脚本，你打开 PowerShell，执行官方文档里的那一行命令，它就会自动帮你下载依赖、装好命令行工具。

但这个流程有一个非常典型的报错，社区里每天都有人在问：oneclaw node runtime not found。

这个错误的本质是：OpenClaw 的框架运行在 Node.js 环境上（它的核心控制端是基于 Node 写的），你的 Windows 环境里没有 Node.js，或者有但版本太老、没被自动识别。解决方式很简单，分两步：

1. 去 Node.js 官网下载 LTS 版本（长期支持版），一路下一步装好。
2. 装完之后重启 PowerShell 窗口，再重新跑 OpenClaw 的安装命令。很多人栽在"没重启终端就重试"，环境变量还没生效，自然识别不到 Node。

还有个隐藏坑：如果你电脑上以前装过旧版 Node，建议先卸干净再装新的。我之前在一台机器上装了 nvm-windows 管理多版本 Node，结果 OpenClaw 脚本找到了 nvm 的路径但版本指向不对，又开始报错。后来把 nvm 里的默认版本切到 LTS 才解决。你要是没有多版本管理需求，就不要折腾 nvm，直接装官方 LTS 最简单。

3.2 macOS 用户：Mac mini 用 Docker 本地部署

如果你用的是 Mac（尤其是 Mac mini 这类适合当家庭服务器的小主机），Docker 本地部署是公认最干净的方案。所谓 Docker 部署，就是把 OpenClaw 连同它需要的运行时环境打包成一个独立的容器，你的系统里只需要装一个 Docker Desktop，剩下的事全部在容器里完成，不污染宿主机。

具体步骤大致是：

1. 安装 Docker Desktop，启动后等右上角小鲸鱼图标变绿。
2. 在终端里拉取 OpenClaw 的官方镜像。
3. 运行启动命令时，把 88API 的 Key 和 Base URL 作为环境变量传进去，同时把本机的某个目录挂载进容器，用来持久化保存记忆和配置。
4. 启动后，浏览器打开控制台地址，就能看到 OpenClaw 的管理界面。

Docker 方案的好处是卸载干净、升级方便、配置隔离。坏处是 Docker Desktop 本身比较吃内存，老旧 Mac 可能会卡。如果 8GB 内存以下的机器，我更建议考虑云服务器方案，或者直接装原生版，别套 Docker。

3.3 云服务器 / 虚拟机：7x24 小时不关机的小龙虾

很多人的需求是"小龙虾得一直在线"，比如你要让它定时干活、要接微信机器人消息。这种情况下，跑在你自己的笔记本上不现实——电脑一关，小龙虾就没了。正确姿势是买一台云服务器，Ubuntu 22.04 系统，1 核 2G 起步，装好 Node.js 和 Docker，把 OpenClaw 部署上去。

这和 Mac 上 Docker 部署的命令几乎一样，区别只是你的终端操作对象从本地变成了远程。新手在云服务器上最容易踩的坑有三个：

• 防火墙安全组没放行端口：云服务商控制台里的安全组规则默认只开 22 端口（SSH），你得额外放行 OpenClaw 控制台的端口，否则浏览器永远打不开界面。
• 别用 root 直接跑服务：建议创建一个普通用户来跑，权限隔离能少很多安全隐患。
• 数据要挂载到宿主机目录：容器一删，什么记忆、配置、Skill 全没了，那个痛我经历过一次，再也不想经历第二次。

顺便说一句，用虚拟机（VMware 这类）部署也是可以的，很多人在 VMware 里装 Ubuntu 再跑 OpenClaw，本质跟云服务器一样。Kali Linux 里也能跑，但我不建议你用 Kali 当日常服务环境，那是渗透测试用的系统，没必要给自己增加额外变量。

3.4 号称 3 分钟，到底怎么做到

标题说 3 分钟玩转，认真讲，从零开始装一套完整环境，3 分钟不可能，除非你用的是已经装好 Node.js、Docker 的机器。那 3 分钟从哪来？我发现最快的组合是：

• 你已经有 88API 的 Key（第一步花 5 分钟注册）
• 你的电脑已经装好 Node.js LTS 或 Docker
• 你直接跑官方一键脚本，把 Key 填进去，模型选最便宜那个

如果这三样都满足，从执行脚本到看到小龙虾回第一句话，确实可以在 3 分钟左右完成。所以准确地说，3 分钟是"部署时间"，不是"从注册账号开始的完整链路"。这篇教程给你的是下单到上菜的全流程，部署那一步我们争取 3 分钟解决。

4. 初始化与第一个对话：把模型接进小龙虾的身体

4.1 openclaw init 到底做了什么

安装完成后，你在终端输入 openclaw init，就进入了初始化流程。这个命令会做三件事：

1. 生成配置目录：在用户目录下创建一个 .openclaw 文件夹，里面存放所有配置。
2. 引导你填写模型信息：包括 Base URL、API Key、模型名。
3. 启动一个基础控制服务：负责管理智能体的运行。

很多新手对 init 的恐惧来自"怕输错"。其实不用怕，由于配置文件是明文的，你随时可以用文本编辑器手动修改。就算初始化过程填错了，也没关系，去 .openclaw 目录下找到配置文件，把里面的 API Key、Base URL、模型名改成正确的值，重启服务就好。

4.2 从"unknown model"报错看配置的三大铁律

社区热搜里有一条很典型的错误：openclaw zero token 安装后 agent failed before reply: unknown model: deepsee。这背后是配置模型的三大铁律，违反了哪一条都会翻车：

第一，模型 ID 必须一字不差。 deepseek 少一个字母变成 deepsee，直接就不认。而且不同平台对同一个模型的叫法可能不一样，有些叫 deepseek-chat，有些叫 DeepSeek-V3，甚至大小写都有讲究。一切以 88API 文档页面的列表为准，复制粘贴，别手敲。

第二，Base URL 不能带多余的路径。 /v1 结尾还是不带 v1，取决于平台文档，OpenClaw 的配置通常要求完整地址。填错的话，报错往往不是"URL 无效"，而是"401 认证失败"或"连接被拒绝"，容易和 Key 错误混淆。排查的时候先看 URL 再看 Key。

第三，环境变量与配置文件只能二选一。 OpenClaw 支持两种传参方式：一是启动时通过环境变量传，二是在配置文件里写。如果你两边都配置了且不一致，实际生效的是环境变量。这个特性坑过很多人——明明配置文件改对了，但环境变量还是旧的，整个系统一直用旧模型跑。排查思路：先 echo $变量名 看看系统里到底留了什么。

初始化成功之后，数据会正常写入 .openclaw 目录。如果出现 failed to remove ~\.openclaw: error: ebusy: resource busy or locked, unlink 这种错误，多半是 Windows 上有个进程还在占用配置文件，比如后台的 OpenClaw 服务没退出、或者编辑器没关掉。把相关进程结束了再操作，就能解决。

4.3 Control UI 没起来，不代表部署失败

很多人初始化完，兴冲冲打开浏览器访问本地端口，结果页面转圈圈，或者直接弹个"无法访问此网站"，心里就咯噔一下：是不是失败了？

先别慌。openclaw control ui did not start 是一个典型的"假故障"。原因通常有三个：

• 端口被占用：另一个程序占了 OpenClaw 默认端口。换一个端口，或者关掉占用的程序。
• 浏览器访问的地址不对：OpenClaw 的控制界面可能是 http://localhost:3000，也可能带个子路径，以安装完成时终端里输出的地址为准。
• 启动时不是前台运行：如果你把服务挂到了后台，日志不会实时打印，控制 UI 没起是服务还没完全初始化。等十几秒再刷新。

这里教大家一个最实用的排查方法：看日志。OpenClaw 在终端里打印的日志几乎包含了所有问题的答案。报"connection refused"就看网络/端口，报"401"就看 Key/URL，报"model not found"就看模型 ID。很多"玄学报错"仔细看日志，原因都写在那几行字里。

4.4 验证跑通：问一句"你是谁"

初始化完成后，输入 openclaw 或运行官方文档给的对话命令，进入命令行对话模式。先别急着让它干活，问一句最简单的："你好，请介绍一下你自己。"

如果它正常回话了，恭喜，你的小龙虾正式活了。接下来可以慢慢加大难度，让它写一段周报、读一个本地文件、给你列一个旅游攻略。每成功一步，你对它的信任就多一分。

5. 别只聊天：Skill 机制和微信/飞书/钉钉接入

5.1 Skill 是什么：给小龙虾装技能包

如果你只在命令行里跟 OpenClaw 聊天，那等于买了一台高性能电脑只用来打开记事本。它真正的威力在 Skill（技能） 机制上。

Skill 这个概念可以理解为给智能体编写的一套"任务处理脚本"。小白不需要一开始就写复杂的 Skill，但你至少要理解它的运行逻辑：每当智能体判断用户的需求匹配某个 Skill 时，它就会按这个 Skill 里定义的步骤去执行——调用哪个 API、按什么格式解析结果、最后怎么回复。

OpenClaw 的 Skill 目录在 .openclaw/skills/ 下，每个 Skill 是一个文件夹，里面有一个 YAML 格式的配置文件和一个或多个处理脚本。社区里已经有很多现成 Skill 可以直接下载，比如文档总结、RSS 阅读、天气查询、邮件代写，拿来即用。

5.2 一个最小 Skill 示例：让小龙虾学会调 88API

理解 Skill 的最快方式，是亲手写一个最小的。下面这个示例的思路是：当用户输入"查余额"时，OpenClaw 调用 88API 的余额查询接口，把结果返回。

Skill 配置文件大概长这样：

yaml复制name: check_balance
description: 查询 88API 账户余额
trigger:
  - 查余额
  - 余额多少
steps:
  - type: api_call
    method: GET
    url: https://api.88api.com/v1/user/balance
    headers:
      Authorization: Bearer ${OPENCLAW_MODEL_API_KEY}
    output_var: balance_data
  - type: reply
    content: "你当前余额是 ${balance_data.balance} 元"

把这个文件夹放进 skills/ 目录，重启 OpenClaw，再输入"查余额"，它就会自动走这个流程。看到没？Skill 的本质就是"把常用的 API 调用脚本化、模板化"，小白不需要理解 HTTP 细节，照着别人的模板改一改 URL 和参数，就能拼出自己的技能。

5.3 接入微信：让小龙虾变成你的微信管家

热搜词里"openclaw接入微信"出现频率极高，这确实是绝大多数人最想要的玩法——把智能体绑到微信上，等于你的私人 AI 助理 24 小时在微信里待命。

实现原理不复杂：OpenClaw 通过微信的 Web/协议接口作为"消息渠道"，你发给某个微信账号的消息，会被转发给本地运行的智能体，它处理完再把回复发回来。每个人微信账号、设备状态不一样，接入步骤也略有差异，但整体链路是统一的：

1. 在 openclaw 配置里启用微信渠道，填入你要绑定的账号信息。
2. 用关联的手机微信扫码登录，保持登录态。
3. 在 OpenClaw 控制台看到微信渠道显示"在线"。
4. 以后你给这个微信账号发消息，小龙虾就会秒回。

但我要泼一盆冷水：接入微信属于"高实用、高折腾"的操作。微信的协议是动态变化的，存在账号风控风险，社区里天天有人问，也天天有人翻车。我的建议是：

• 优先用小号，别拿主号去折腾。
• 接入成功后不要发营销类、高频类消息，避免被系统判定异常。
• 如果官方方案不稳定，可以考虑接企业微信或钉钉/飞书机器人，原理类似，但稳定性和合规性高得多。

5.4 接入飞书、钉钉：办公场景的正确打开方式

相比之下，飞书和钉钉的接入就省心多了，因为它们的机器人接口是对外开放的，官方支持 Webhook 和事件订阅，天然的适合接智能体。

接入飞书的思路是：在飞书开放平台创建一个自建应用，开启机器人能力，把事件订阅地址填成 OpenClaw 控制台给你的回调地址，然后在配置里选中"飞书"渠道，填上应用 ID 和密钥。之后你在飞书群里 @ 机器人，它就能回答。

钉钉的逻辑基本一样，只是平台后台的菜单叫法不同。核心步骤都是：创建应用、拿凭证、配回调、启用机器人。

这些配置是有业务门槛的——你要能理解"回调""事件订阅""长连接"这些概念。作为小白，第一次接飞书大概需要 30 分钟到 1 小时，很正常。做完之后你会发现自己对"接口对接"的理解上了一个台阶。

5.5 多模型切换：一个 Key 走天下，随时换脑子

88API 的聚合特性，让 OpenClaw 多模型切换变得异常丝滑。所谓多模型，就是让你的智能体在不同场景下自动选择不同的大模型。

OpenClaw 支持为不同任务类型绑定不同模型，例如：

• 日常闲聊用 deepseek-chat，便宜、快。
• 代码生成用 deepseek-reasoner，更擅长推理。
• 内容创作用 glm-4，中文长文表现好。

想要手动切换的时候，在配置里改一下默认模型，重启服务即可。如果嫌重启麻烦，也可以在配置里给不同 Skill 指定各自的模型，这样同一个智能体在跑不同任务时会自动换"脑子"。

多模型还有一个高阶玩法：模型路由——根据 token 成本、响应速度、任务难度动态选择模型。社区里已经有人做了这类的 Skill 脚本，思路是先用便宜模型试跑，如果判断任务太复杂再自动升级到强模型。对于想控制成本的重度用户，这是必经之路。

6. 从玩到用：长期记忆、本地模型和写小说实战

6.1 Active Memory：让小龙虾记住你三个月前聊过什么

很多人抱怨 AI 助手"没记性"，今天聊完明天就忘。OpenClaw 的 Active Memory（主动记忆） 机制就是来解决这个的。它不是简单地把聊天记录堆在一起，而是智能地提炼、组织、检索记忆，让智能体在合适的场景下主动调出相关内容。

打个比方：普通 AI 像金鱼，7 秒记忆，每次对话都是全新开始；开了 Active Memory 的 OpenClaw 像有个随身笔记本，它不仅记下你交代的事，还会在下次对话时主动掏出笔记本说"你上次让我关注的那件事，有进展了"。

我自己的使用场景是：让小龙虾每天帮我在固定时间收集行业资讯，然后总结成简报。以前每次都要重复告诉它"收哪个网站、格式怎么排、几点前给我"，开了记忆之后，只需要说一句"老规矩"，它自己就知道要干什么。这种体验一旦用上就回不去了。

配置 Active Memory 需要指定一个存储目录，并开启记忆持久化。在 Docker 部署的时候，一定要把这个目录挂载到宿主机，否则容器一删，记忆全没。我的建议是，从配置的第一天起就开好记忆，别嫌麻烦，后面省心太多。

6.2 Companion 与本地模型：脱离云端的隐私方案

OpenClaw 除了接云端 API，也支持接本地模型，比如通过 Ollama 跑一个开源模型，让整套系统完全离线运行。这种模式叫 Companion（伴生模式），适合对隐私要求极高的场景——所有对话数据不出你的电脑，或者你想在没网的飞机上用它。

本地模型的好处是隐私和零成本，代价是智商明显下降。哪怕你现在电脑配置不错，本地跑的 7B、13B 模型和云端几百 B 的模型相比，理解和生成能力还是有差距的。所以我的态度很明确：预算允许，优先云 API；隐私敏感，再考虑本地模型。

如果你非要用本地模型，OpenClaw 也能折腾，核心是配置 Base URL 指向 Ollama 的本地地址，并把模型名改成你本地拉取的那个模型。这个过程不是我的主力场景，就不展开写了，官方文档里有现成说明。

6.3 写小说：小白最容易获得成就感的应用

热搜词里"openclaw 写小说"热度不低，这也是我个人测试它时最喜欢的一个方向。因为写小说这件事门槛低、反馈快，而且非常吃"人设一致性"——而这恰恰是 OpenClaw 的长处。

最简单的玩法：你在 .openclaw/skills/ 下创建一个 novel_writer 的 Skill，在描述里写清楚"你是一个有十年网文经验的作家，擅长玄幻和都市题材，文风要细腻、节奏要快、每章结尾要有悬念"。然后在固定的记忆目录里存一份"小说设定集"，比如主角名、世界观、金手指规则。之后再让它写新章节，它就会自动先读设定集再动笔。

实测下来，它在长文一致性上比裸聊大模型要强很多，原因就在于它每次续写前会主动读取记忆与设定，不会写着写着把主角名字都改了。我给它的评价是：网文第一稿的绝佳枪手，初稿效率提升三倍以上，但真正要发布，还需要人过一遍细节和情绪线。

6.4 Harness 与 Hermes：两个名词背后的架构思路

搜 OpenClaw 的时候你可能看到过"harness hermes 对比"这类词，这里简单拆一下，不然你看了也白看。

Harness 是 OpenClaw 里的一个核心概念，可以理解成"智能体的运行框架/任务编排机制"。它定义了当用户输入一句话后，智能体要按什么步骤去思考、调用什么工具、以什么格式返回。不同的 Harness 适合不同任务，比如有的 Harness 偏向"开放对话"，有的偏向"严谨的工具调用链"。

Hermes 大概率是某一个具体 Harness 的名字或与之对比的方案。社区里讨论"harness hermes 对比"，本质上是在讨论"用哪种任务编排策略更合适"。对小白来说，现阶段不用纠结这个，用默认配置就好。等你熟练了，自然会有欲望去折腾不同 Harness 的差异。

7. 常见报错与排错清单：一次把坑踩平

我把社区里高频出现的报错整理成了一张表，按"报错长什么样 - 什么原因 - 怎么解决"来列。这张表建议收藏，遇到问题先对号入座。

排查的一个重要原则：先看日志，再猜原因。 OpenClaw 的日志会非常明确地告诉你失败发生在哪一步——是连接超时、认证失败还是模型不存在。不要一上来就把配置文件翻个底朝天，日志比什么都诚实。

8. 写在最后：别为"会员"交智商税

搜 OpenClaw 教程的时候，你会看到一些"一键部署工具终身会员特惠"的推广，什么 "成都艾上办公科技有限公司" 之类的。这里我明确说一句：OpenClaw 本身是开源免费的，部署成本只有你买服务器/充 API 的钱，不需要为所谓的"会员"付费。 那些宣称"一键部署终身会员"的，卖的是信息差，赚的是嫌麻烦的钱。

我的建议是，照着教程花 30 分钟自己跑一遍，你收获的不只是一个能用的智能体，还有对整套机制的底层理解。以后它出了任何奇怪问题，你至少知道从哪里下手看。真要把这套系统玩出花来，比如自己写 Skill、调 Harness、搭完整自动化流程，再考虑要不要为"更顺滑的部署体验"付费——那时候你的判断力也比现在强得多。

最后给你留一个"课后作业"：跑通基础对话后，试着做一个最简单的 Skill，比如"查天气"或"查余额"。你会发现，当你亲手把一个 API 变成小龙虾的肌肉记忆时，你对"AI 智能体"这个概念的理解，就已经超过了 90% 只会玩聊天机器人的人。

小龙虾这东西，越喂越肥，越玩越聪明。动手吧。