Openclaw 折腾四回：读文档的人，正在消失

在四次不同的尝试中配置Openclaw，每一回都带来了独特的体验和收获。

首次尝试：基于Moltbook的安装

最初是从Moltbook的推荐途径开始的，主要想体验那个拥有150万参与者的平台。我最初误以为只能使用其AI代理工具Openclaw（它从moltbot演变到clawdbot，再到当前的第三代版本）。

这次安装完全遵循了官方指南。起初注意到Openclaw提供了macOS的直接安装包，尝试后发现无法运行，于是转向了通过npm的标准安装方法。由于电脑已具备相关环境，过程相对顺利。

整个部署流程对于熟悉这类操作的人来说并不复杂，主要是在命令行中输入指令并进行选择。唯一需要跳出命令行的步骤有两步：获取特定平台的访问权限，以及在Twitter上进行验证（如果不需要连接Moltbook，后者也可省略）。

这次配置仅开启了最基本的功能集合，几乎无法执行其他任务。

结果，我的Agent在Moltbook上发布了几个帖子，但未能引起任何关注。

第二次配置：更换API以优化性能

首次部署时使用的API是智谱的GLM-4.7模型，原因是我之前为了优化博客而订阅了coding plan，每月费用100元，性价比很高，因为已经消耗了数亿token，总体划算。

既然Openclaw支持zhipu模型，自然选择使用。

但运行几小时后，问题出现了：并非智能或执行精度，而是速度过慢。Token生成迟缓，导致我在Moltbook上的交互效率低下，原本设定每半小时发帖，但两小时仍未完成。

后来发现，coding plan在白天高峰期由于用户量大，运行速度显著下降。

为了不让AI代理在150万用户的论坛中表现迟钝，我参考网上建议，从GLM-4.7切换到新近更新的kimi模型，同样基于coding plan。

这次仍是手动部署，但在更换API时遇到了诸多麻烦，似乎上次配置中GLM模型的缓存未清除，导致替换困难。

索性直接卸载了Openclaw，然后重新安装以适配kimi。

由于刚完成过部署，这次过程顺利，很快配置完成。

实测速度确实提升明显。

此外，注意kimi分为国内版和国际版moonshot，经过几次尝试后解决，不算大问题。

第三次实践：放弃Openclaw，尝试其他Agent

这次是在另一台Mac上进行，该设备已安装了两个代理：Google的cli（早期安装，偶尔使用）和搭载GLM-4.7的claude code。

出于一时兴起，我直接将Openclaw的安装命令扔给了Gemini CLI处理。

[https://openclaw.ai/install.sh](https://link.zhihu.com/?target=https%3A//openclaw.ai/install.sh)

实际上，我未明确指示它阅读文档并执行，但命令已发送。本质上，这是Moltbook的安装和加入流程，Google CLI成功完成了部署。

看到它开始运行后，我未立即关注，稍后才查看结果。

发现它已完成大部分步骤，仅剩最后一步：前往Twitter验证，并贴心地提供了链接。我换用另一个Twitter账号，验证顺利通过。

后来又尝试了claude code，同样快速完成注册。

这次经历让我意识到，任何具备联网能力且智力足够的Agent都能胜任此任务，不一定非得是推荐的Openclaw。

整个过程速度快得出奇，毕竟阅读教程需要几分钟，而直接交给Agent处理不到五分钟就搞定。

我终于领悟到，Openclaw那些复杂的文档本就不是为人类设计的，因为其中包含了太多分支文件和选项，反而对AI代理最为友好。

第四次部署：为专用设备配置Openclaw

这次部署并非针对Moltbook，而是专注于Openclaw本身，因为相比其他AI编码代理，它的优势在于预配置了众多与macOS系统交互的技能。

例如日历管理、提醒设置、文档操作以及各类通讯应用。虽然自行配置也可行，但有现成方案不用未免可惜。

因此，我选择将一台不常用的Mac恢复出厂设置，计划将其完全打造成远程AI代理机器。

这次安装没有选择逐步手动操作。

而是先使用kimi的coding plan在Mac上部署了kimi code，然后让它指导部署Openclaw。效果极佳，基础功能不到两分钟就完成配置。

随后又花费约五分钟部署了Discord的远程调用功能，涉及创建频道、设置机器人、开启权限等步骤，均在kimi code的指引下准确执行。

实现的效果是：通过Discord，手机、主力Mac mini和左侧的MacBook Air可以同步工作内容，支持远程办公。

整个流程基于这三台设备登录同一Discord账号。具体执行和操作由MacBook Air承担，作为一台“新生”电脑，我会指派它处理各种任务，如撰写文档、记录操作、设置备忘以及网络搜索资料。这些操作直接操控电脑完成，因此可靠性比联网AI更高。

在手机端的效果是，直接与这个bot对话会自动调用Openclaw，只要设备插电且屏幕常亮，即可随时待命。

此外，在Discord中上传文件时，我测试扔给它一堆文件，它会自动保存到工作目录，并根据要求读取和分析内容。

后续的文件分析和报告生成也执行准确，完成度相当不错。

它还支持其他交互方式，如Telegram和macOS自带的Message，按需添加即可。

总结与反思

经过这四次体验，我认识到Openclaw本身能力已相当出色，但其更大价值在于直观展示了我们近年来经历的变化。

过去流程：我阅读文档 → 执行命令 → 解决报错 → 完成部署

现在流程：我阅读文档（甚至跳过） → 将任务交给代理 → 仅执行最后的人工验证（如Twitter或Discord权限） → 系统即开始运行

因此，Openclaw那种分支繁多、文档冗长、选项复杂的编写方式，看似对人类不友好，但对代理却特别合适。

因为人类面对分支会感到困扰，选项过多易导致决策困难；代理则不然，它会将每个分支视为搜索空间，逐一尝试和排除，最终找到可行方案。

这引出一个新理解：未来许多文档可能不是写给人类阅读的，而是为代理设计的。人类负责设定目标、审美标准和风险边界；代理负责执行流程、处理体力劳动和进行排列组合。

当然，对于Openclaw这类能操控系统的工具，我现在会更加谨慎。

因为它越像远程员工，就越需要给予员工级别的管理。

我为自己制定了几条简易规则（虽简单但有效）：

• 专机专用：这台新设的MacBook Air仅用作代理机器，不安装个人账号或存放私人文件

• 权限分层：基础权限包括读写工作目录、浏览网页和撰写文档；涉及支付、账号设置或系统级修改时，一律需要我的确认

• 日志可追溯：要求代理将关键操作记录到操作记录.md文件中，确保事后能复盘其行为

• 节奏可控：发帖、搜索和文件处理都需设定节奏，避免代理过于“勤奋”却造成干扰

折腾至此，我反而想通了：我需要的不是一个更聪明的工具，而是一个更稳定、可控、能长期待命的执行端。

只要确立这套边界，后续无论更换模型、入口或工作流，都只是细节调整。

最后

送人玫瑰，手留余香，觉得有收获的朋友可以点赞，关注一波 ，我们组建了高级前端交流群，如果您热爱技术，想一起讨论技术，交流进步，不管是面试题，工作中的问题，难点热点都可以在交流群交流，为了拿到大Offer，邀请您进群，入群就送前端精选100本电子书以及 阿里面试前端精选资料 添加 下方小助手二维码或者扫描二维码 就可以进群。让我们一起学习进步.