先说个结论OpenClaw前身叫 Clawdbot社区里也有人直接叫它 Clawd这玩意儿是我最近小半年折腾过最上头的一个开源智能体框架。它本质上是一个跑在你本地的 AI 代理Agent你能给它接上 DeepSeek、Ollama 或者任意主流大模型然后它就变成了一个能自己写代码、改文件、跑命令、调 API 的“数字员工”。而真正让它从“玩具”变成“生产力工具”的关键就是接入 skills——也就是给这个智能体安装各种专项技能包。这篇博文我不讲虚的直接把我从零开始在 Windows 11 上完整部署 OpenClaw、再把 skills 跑通的整个过程包括每一步的命令、每一个配置文件的写法、踩过的坑全部拆开揉碎写给你。目标人群就两类一类是刚接触 AI 智能体、想在本地搭一套自己玩的小白另一类是已经在用 Claude Code 之类的工具、想换个更开放更自由的开源方案的老手。你只要照着抄基本能一次跑通。1. 部署前的完整认知OpenClaw、Clawdbot 和 skills 的关系1.1 OpenClaw 到底是什么别被名字绕晕你可能会在 GitHub 上搜到两个名字Clawdbot 和 OpenClaw。先说清楚这俩其实是同一个项目在不同阶段的名字。早期项目叫 Clawdbot后面因为社区生态扩展、作者把它重构成一个更通用的智能体框架就改名叫 OpenClaw 了。所以你看到旧教程里写 Clawdbot新教程里写 OpenClaw不用疑惑操作基本通用。从技术架构上看OpenClaw 的核心是一个Agent Runtime智能体运行时它负责三件最重要的事连接大模型后端它可以对接 Anthropic 的 Claude、DeepSeek、通义千问也可以通过 Ollama 接本地跑的开源模型比如 Qwen、Llama 系列。提供工具调用循环Agentic Loop智能体不是只回你一段话而是能反复调用工具、观察工具结果、决定下一步动作直到完成你的指令。管理 Skills 与 MCP 工具skills 是“技能”MCPModel Context Protocol是“工具插槽”两者配合让智能体拥有操作真实世界的能力。我打个比方OpenClaw 就像一个拥有驾照的司机大模型是发动机而 skills 是车上的各种装备。没有 skills 的裸车也能开装上 skills 之后才能拉货、越野、跑赛道。1.2 为什么一定要折腾 skills裸用根本不是一个量级很多人刚接触 OpenClaw 的时候第一反应是“我直接聊不就行了吗干嘛要装 skills”。其实这个想法我一开始也有直到我对比了一次才发现差距有多大。裸用状态的 OpenClaw你让它“写一个爬虫脚本”它能写但只会给你一段代码然后让你自己复制、保存、运行。它没有“操作文件系统”的能力也不知道你的项目目录结构长什么样。装上 skills 之后事情完全变了。你给它一个任务它会自己读目录、创建文件、写代码、执行命令、看到报错再修复、跑测试整个过程就像旁边坐了个真的程序员。skills 本质是一组指令包每个 skill 都有一个SKILL.md文件里面写清楚“这个技能是干什么的、在什么场景下触发、步骤是什么、有什么约束”。OpenClaw 会根据你当前的任务描述自动匹配并加载相关的 skill然后按里面的 SOP 来完成任务。现在社区里已经有大量现成 skills 可以用比如baoyu 技能包博主 baoyu 整理的中文开发技能合集包含前端开发、写作辅助、数据分析等多个方向中文用户起步首选。superpower skills英文社区非常火的超能力合集里面是一整套工程化的 skill 规范适合进阶用户自己改。数学建模 skills专门面向数学建模比赛场景能自动生成 LaTeX 公式、绘制图表、输出建模论文框架。渗透测试 skills安全方向的专项技能包含信息收集、漏洞扫描等流程化操作仅限合规授权场景使用。可以这么说skills 生态就是 OpenClaw 的灵魂。装好一个高质量 skill等于给你的智能体请了一个专业领域的老师傅。2. 部署前的准备工作与环境检查2.1 Windows 11 环境必须装哪些基础组件我默认你的电脑是 Windows 11 系统且之前没有折腾过任何开发环境。如果你现在是一个全新系统需要按顺序装好下面这些东西组件版本建议作用安装方式Git2.40 以上拉取 OpenClaw 源码和 skills 仓库官网安装包一路 NextNode.js18 或 20 LTSOpenClaw 运行依赖的 JS 运行时官网安装包注意勾选 Add to PATHDocker Desktop4.30 以上部分 skills 需要容器环境比如数据库类官网安装包安装后需开启 WSL2 后端Python3.10 以上大量 skills 脚本由 Python 编写微软商店直接装省去配 PATH 的麻烦VS Code最新版编辑配置文件和 SKILL.md微软商店或官网这里我说一个我踩过的坑很多人装 Node.js 的时候习惯性地一路点下一步结果忽略了安装程序里“Add to PATH”的选项导致后面在 PowerShell 里输入node -v永远提示“不是内部或外部命令”。装完 Node 之后务必先打开一个全新的 PowerShell 窗口输入下面两个命令验证node -v npm -v能正常输出版本号才说明安装成功。Docker 的话我建议安装完先打开一次把 WSL2 的后端初始化流程走完避免后面 OpenClaw 执行容器类 skill 时报 Docker 未启动的错。2.2 模型接入方案选型DeepSeek 还是本地 OllamaOpenClaw 本身不携带模型能力它必须外接一个大模型作为大脑。目前主流的接入方案有两条路我建议你根据自己的电脑配置和预算来选。方案 A云端 API推荐新手首选用 DeepSeek 的 API注册一个账号充值几十块钱拿到一个sk-开头的 Key。这个方案的优点是模型能力强、响应速度快、本地零负载。缺点是需要联网且是付费的虽然 DeepSeek 的价格非常便宜但对于完全零基础的玩家还是需要走一次支付流程。方案 BOllama 本地模型适合有显卡的朋友如果你手头有 NVIDIA 显卡且显存在 8GB 以上那么强烈建议装 Ollama拉一个qwen2.5-coder:14b或者deepseek-r1:14b的模型下来。这个方案的好处是完全免费、数据不出本机、响应不受网络影响。缺点也很明显就是你笔记本风扇会转得飞起生成速度相比云端 API 有明显差距。我个人的建议是如果你只是学习、折腾先用 DeepSeek API等把 OpenClaw 各个功能玩明白之后再折腾 Ollama 本地部署。因为本地模型在指令遵循能力上弱一些你排查问题的难度会急剧上升。关于模型选型还有一点要提醒你OpenClaw 的官方文档里明确写了它对 Claude 系列模型的支持最好因为项目早期就是围绕 Claude 的 tool use 能力开发的。但现在对 DeepSeek 的适配也已经非常成熟了我自己 80% 的场景都是 DeepSeek 在跑稳得很。2.3 目录规划与安装路径选择很多新人上来就直接在默认目录里装后面技能包、配置文件散落一地想卸载都找不全。我建议你在一开始就规划一个干净的目录结构。我的做法是在 D 盘根目录建一个OpenClaw文件夹然后在里面分三个子目录D:\OpenClaw ├── app # OpenClaw 主程序 ├── skills # 所有技能包统一放这里 └── workspace # 智能体日常干活的工作区这里需要专门回应一个社区里问得特别多的点PowerShell 安装 OpenClaw 能不能指定目录答案是能而且非常简单。不管你用 npm 全局安装还是 Git 克隆源码都可以指定。如果你用 npm 装默认会装到 Node.js 的全局目录但你可以通过设置环境变量NPM_CONFIG_PREFIX来改变如果你用 Git 克隆仓库的方式这种方式我更推荐因为后面升级方便直接cd D:\OpenClaw之后再执行克隆命令源码自然就落在D:\OpenClaw\app里了。3. 完整部署实操Windows 11 下一步一步执行3.1 拉取 OpenClaw 项目并安装依赖打开 PowerShell先切换到我们规划的目录然后执行克隆命令。官方仓库现在用的主分支名是main不要用老的master。cd D:\OpenClaw git clone https://github.com/openclaw/openclaw.git app cd app仓库拉下来之后执行依赖安装。这个过程耗时较长可能要几分钟取决于你的网速和电脑性能。你耐心等着就行不要中途 CtrlC。npm install如果你用的是 npm 自带的装包源速度慢的话可以把包源切到淘宝镜像速度会快很多npm config set registry https://registry.npmmirror.com npm install依赖装完之后你可以先看一下目录结构确认核心入口文件存在ls正常情况下你会看到src/、config/、docs/等目录以及一个package.json。到这里OpenClaw 的程序本体就装好了。3.2 初始化配置文件provider、模型与系统提示词OpenClaw 的运行依赖一个配置文件。新版项目用的是clawd.config.json这个文件名放在程序根目录下。第一次启动时系统会自动帮你生成一个默认的但也可能因为网络原因或配置缺失而初始化失败。我建议你手动创建一劳永逸。在D:\OpenClaw\app目录下新建一个clawd.config.json写入以下内容{ provider: deepseek, model: deepseek-chat, apiKeyEnvVar: DEEPSEEK_API_KEY, maxTokens: 4096, temperature: 0.3, skillsPath: [D:\\OpenClaw\\skills], workspace: D:\\OpenClaw\\workspace, systemPrompt: 你是一个严谨的资深工程师助手擅长代码开发、文件操作与数据分析。 }几个字段我给你解释一下避免你瞎改provider模型服务商支持deepseek、anthropic、ollama、openai等。model模型名。DeepSeek 官方 API 现在推荐用deepseek-chat通用对话和deepseek-reasoner推理增强。日常开发用deepseek-chat性价比最高。apiKeyEnvVarOpenClaw 的设计原则是不直接在配置文件里写密钥而是读取环境变量。所以你要在 PowerShell 里设置环境变量或者用 Windows 系统环境变量面板。设置环境变量的命令[Environment]::SetEnvironmentVariable(DEEPSEEK_API_KEY, 你的key, User)注意这里设置的是用户级环境变量设置完之后必须关闭当前 PowerShell 窗口再重新打开环境变量才能生效。顺便多说一句这个设计非常值得点赞因为很多人会把配置文件传到 GitHub 上如果直接硬编码 API Key你的钱分分钟就被人薅光了。3.3 配置 Ollama 本地模型的替代方案如果你选的是 Ollama 本地模型方案配置文件则长这样{ provider: ollama, model: qwen2.5-coder:14b, ollamaHost: http://localhost:11434, maxTokens: 4096, temperature: 0.2, skillsPath: [D:\\OpenClaw\\skills], workspace: D:\\OpenClaw\\workspace }前提是你要先确保 Ollama 服务已经启动并且在命令行里能正常拉取到模型ollama pull qwen2.5-coder:14b ollama list看到模型列表里有你拉下来的模型就可以继续了。这里有一个调参经验本地模型的temperature建议设低一点我日常设 0.2因为本地模型本来就容易天马行空温度设高了更不靠谱。3.4 启动 OpenClaw 并验证基础对话一切配置就绪后在D:\OpenClaw\app目录下执行node src/index.js看到终端出现如下图所示的信息说明启动成功文字可能略有差异以你实际版本为准OpenClaw is running... Provider: deepseek Model: deepseek-chat Skills loaded: 0 Type your command or exit to quit:先不急着装 skills我们先做一个基础对话测试。随便输入一个简单问题比如你好请用一句话介绍你自己。如果模型正常回答说明整个链路是通的了。如果这里就报错后面的 skills 就别折腾了先排查。启动过程中我见过最多的报错是端口被占用。如果提示端口冲突你可以在启动命令后面加一个--port 3001之类的参数换一个端口。3.5 如何升级 OpenClaw 版本避免踩坏配置OpenClaw 的迭代速度真的很快基本一两周就有新版本。升级的时候千万别直接删除整个目录否则你的配置文件clawd.config.json也没了。正确做法是保留配置文件只更新程序源码。cd D:\OpenClaw\app git pull origin main npm install如果你之前把 skills 放在程序目录内部升级的时候大概率会被 git 覆盖所以我前面才特别强调skills 和 workspace 一定要放到程序目录之外。这是我从删除技能包无数次的教训里总结出来的。4. skills 接入全流程从下载到自制的完整实操4.1 理解 SKILL.md 的核心结构这是关键skills 的运作机制其实特别朴素。OpenClaw 启动时会扫描skillsPath指向的目录逐个读取子文件夹里的SKILL.md文件。每个 skill 的目录结构长这样my-skill/ ├── SKILL.md ├── script.py └── assets/ └── template.txtSKILL.md是技能的灵魂它决定了这个技能何时被触发、触发后怎么执行。一个标准的SKILL.md核心由三块组成YAML frontmatter在这个文件最顶部用---包裹里面写name、description两个字段。description极其重要OpenClaw 靠它来决定要不要加载这个技能。描述写得越具体触发准确率越高。Instructions执行指导告诉 OpenClaw 拿到这个技能后按照什么步骤做事。可以分步骤、给示例、给规则。参考脚本与资源SKILL.md里可以引用同目录下的脚本文件用相对路径即可。简单举个例子一个“批量重命名文件”的技能它的SKILL.md可能是这样的--- name: bulk_file_renamer description: 当用户需要对某个目录下的多个文件进行批量重命名或者要求批量修改文件名前缀/后缀时使用。 --- # 批量重命名步骤 1. 使用 list_files 工具列出目标目录下的所有文件。 2. 与用户确认重命名规则包括前缀、后缀或替换的文本。 3. 使用 Python 脚本 scripts/rename.py 执行重命名操作。 4. 输出重命名前后的对照表。你注意看这个技能包并没有规定 OpenClaw 必须调用某个具体的 API它只是在告诉 OpenClaw遇到“批量重命名”任务时你怎么拆解动作。OpenClaw 读到之后会自行决定使用内置的文件操作工具还是运行 Python 脚本。4.2 下载现成 skillsbaoyu 技能包与 superpower 实战最省事的玩法是直接克隆社区现成的技能仓库。比如你直接用 git 把 baoyu 的技能包克隆到你配置好的 skills 目录下cd D:\OpenClaw\skills git clone https://github.com/baoyuai/openclaw-skills.git baoyu-skills克隆下来之后你会看到里面有很多子文件夹每个子文件夹就是一个独立的 skill。它们有各自的名字比如web-developer、>D:\OpenClaw\skills ├── baoyu-web # 从 baoyu-skills 目录里抽出来的 web 开发技能 ├── superpower # superpower 技能合集 └── my-own-skill # 我自制的技能每个子目录下都直接放着SKILL.md。superpower skills的安装方式同理。它仓库里的结构设计得比较好基本上克隆下来就能被 OpenClaw 直接读取。装好之后重启 OpenClaw你会发现启动日志里多了一行Skills loaded: 15这说明 15 个技能包全部被成功加载。4.3 skills 与 MCP 工具的联动原理很多小白看到“skills 如何调用 MCP 工具”这个问题就头大了这里我用最直白的方式讲清楚。MCP 的全称是 Model Context Protocol通俗理解就是一个统一插头标准。不同软件都有各自的接口如果没有统一标准每接一个工具就要写一套定制代码。MCP 出现之后任何符合 MCP 规范的工具OpenClaw 都可以通过 MCP 客户端直接连接。而 skills 和 MCP 的关系是这样的MCP 工具是“手”它提供具体的能力比如操作浏览器、查询数据库、发 HTTP 请求。skills 是“大脑中的操作手册”它不直接执行动作它规定遇到什么场景用什么顺序调哪个 MCP 工具。举例来说如果 OpenClaw 的环境里配置了一个playwright的 MCP 服务浏览器自动化工具然后你有一个“前端开发 skill”这个 skill 的SKILL.md里写着“遇到需要调试页面时调用 playwright 打开浏览器、截取报错信息、返回页面状态”。OpenClaw 读到这个指引就会去调用 MCP 服务里的工具接口完成浏览器操作。配置 MCP 服务是在clawd.config.json里增加一个mcpServers字段。以 Playwright 为例{ mcpServers: { playwright: { command: npx, args: [playwright/mcplatest] } } }配置好之后重启OpenClaw 就会自动拉起这个 MCP 服务。当你发出的任务被某个 skill 命中而这个 skill 又需要浏览器能力时它就可以直接调用了。4.4 自己动手做一个 skill以“PPT 生成”为例官方 skills 库生态虽然已经很丰富但很多时候你自己的使用场景需要量身定制。我这里用一个“PPT 生成”技能做演示手把手带你走一遍完整流程。第一步创建目录与文件cd D:\OpenClaw\skills mkdir ppt-maker cd ppt-maker New-Item SKILL.md New-Item generate_ppt.py第二步编写 SKILL.md--- name: ppt_maker description: 当用户要求制作 PPT、幻灯片、演示文稿或者需要把 Markdown 大纲转为 PPT 时使用。同时适用于生成数学建模汇报稿、项目总结汇报等场景。 --- # PPT 生成流程 1. 确认用户需求主题、页数、风格、是否需要图片。 2. 使用 generate_ppt.py 脚本生成 .pptx 文件。 3. 脚本输入参数--title 标题 --pages 10 --output 输出路径 4. 将生成的 PPT 文件路径返回给用户。第三步编写 Python 生成脚本这里用python-pptx库先确保它已经安装pip install python-pptxgenerate_ppt.py的内容可以写得很简单核心逻辑是根据命令行参数生成一个带标题和各页内容的 pptx 文件import argparse from pptx import Presentation from pptx.util import Inches parser argparse.ArgumentParser() parser.add_argument(--title, requiredTrue) parser.add_argument(--pages, typeint, default5) parser.add_argument(--output, requiredTrue) args parser.parse_args() prs Presentation() title_layout prs.slide_layouts[0] slide prs.slides.add_slide(title_layout) slide.shapes.title.text args.title for i in range(2, args.pages 1): layout prs.slide_layouts[1] slide prs.slides.add_slide(layout) slide.shapes.title.text f第 {i} 页 slide.placeholders[1].text f这一页的内容由 OpenClaw 根据用户需求自动填充。 prs.save(args.output)第四步重启并验证保存文件后重启 OpenClaw输入“帮我做一个 10 页的项目总结 PPT标题是‘AI 自动化的实践’”。它应该会命中ppt_maker这个 skill自动运行脚本然后在工作区输出一个.pptx文件。整个过程你观察它输出的日志能清楚地看到它是如何加载 skill、调用脚本的。5. 常见问题与排查技巧实录5.1 部署阶段的高频报错与解决方案问题 1npm install报权限错误Node 的 EPERM 系列报错这个在 Windows 上非常常见通常是因为当前 PowerShell 没有以管理员身份运行或者杀毒软件锁定了 node_modules 目录。解决办法右键 PowerShell 选择“以管理员身份运行”然后重新执行npm install。如果还不行就把 Windows Defender 的“文件夹受控访问”里临时放行项目目录。问题 2启动时报Cannot find module modelcontextprotocol/sdk如果出现这种“找不到模块”的报错说明依赖没有装全或者装到一半中断了。单独安装这个依赖即可npm install modelcontextprotocol/sdk问题 3git pull更新代码后启动报错clawd.config.json被重置这种情况基本是官方在新版本里改了配置字段名。你去项目的docs/目录里看一下最新的配置样例把老字段映射到新字段上就行。注意升级前先手动备份你自己的配置文件放到项目目录之外。5.2 skills 不生效的排查步骤这是最多人问的问题“我明明把 skills 放进去了为什么启动日志里显示 0”用排除法一步步查先检查clawd.config.json里的skillsPath是否是绝对路径是否指向了正确目录。注意 Windows 路径在 JSON 里要写成D:\\OpenClaw\\skills而不是D:\OpenClaw\skills。再检查每个 skill 子目录下的文件名是否叫SKILL.md注意大小写和扩展名。如果是skill.md或SKILL.MDOpenClaw 是不认的。然后检查SKILL.md的 frontmatter 格式。description字段必须存在且name和description必须是 YAML 合法的字符串冒号后面要跟空格。如果你配置好之后是热更新模式OpenClaw 不一定每次都能扫到新加的技能。稳妥的做法是把 skills 目录改个名字再改回来或者直接重启 OpenClaw。5.3 模型响应异常的调优心得我用 DeepSeek 和 Ollama 本地模型跑了大概两个月明显感觉响应质量受temperature、maxTokens和系统提示词的影响而且是剧烈影响。如果你想让 OpenClaw 表现出“严谨工程师”的风格temperature设在 0.2 到 0.4 之间任务完成度高很少跑偏。如果你拿它做创意写作比如让 skill 帮你写文案、生成脚本台词temperature可以拉到 0.8 以上。maxTokens别设太小默认 4096 够用但如果你让它生成长文章可能不够改成 8192 更稳。另外还有一个非常影响体验的细节如果模型返回内容出现格式崩塌优先检查系统提示词。不要小看那几句 system prompt 的作用OpenClaw 整个工具调用的稳定性有一半靠 prompt 压着。5.4 常见问题速查表症状可能原因解决方式启动即闪退缺少 Node 依赖重新执行npm install每次对话完就超时云端模型响应慢调大maxTokens或换deepseek-chat模型技能包加载数始终为 0路径层级不对或 SKILL.md 格式错误按 5.2 节逐项排查执行技能时报 Python no module缺少 Python 库pip install对应库或用项目自带 requirements.txt刷新技能后不生效技能缓存未刷新直接重启应用最省事系统提示词不生效配置文件没保存确认 JSON 语法无误再重启6. 我的一些实操心得与建议这几个月折腾下来我最大的感受是OpenClaw 这类工具的想象力边界完全取决于你喂给它的“技能”有多精细。官方文档里给出的是骨架真正让整个系统变得顺手的是你自己不断沉淀的 skills。我在实际使用中最常干的事情就是把平时工作里那些重复性的操作逐步做成技能包。比如每周要写项目周报我就做了一个weekly-report技能和我本地的工作目录绑定让它自动扫描这周改过哪些文件、提交过哪些 commit然后按模板生成周报。一个月下来至少帮我节省了三个小时。如果你想把这个项目继续往深了玩我建议你的下一步探索路线是先弄懂SKILL.md里的 frontmatter 对触发率的影响学会写精准的 description再尝试配置三四个常用的 MCP 服务让智能体真正拥有操作外部工具的能力最后尝试自己做一两个解决自己实际问题的 skills你会上瘾的。最后再分享一个小技巧OpenClaw 的技能编排能力虽然强但它给 AI 的发挥空间也大所以一定要把SKILL.md里的步骤写清楚、写具体最好每一步都带上验证标准。否则你会经常遇到“AI 以为自己干完了实际文件根本没生成”的尴尬局面。我在最初踩过几次坑之后学乖了每个技能的最后一步都会写上“必须确认文件成功生成若失败则排查原因并重试”。这个小细节能让你的 OpenClaw 使用体验直接上一个台阶。