OpenClaw 实战部署：用一台旧 Surface Pro 打造 7×24 私人 AI 助手

OpenClaw 是 2026 年最火的开源 AI 助手平台之一——它不只是一个聊天机器人框架，而是一个完整的 AI Agent 操作系统：支持飞书 / Web / IM 多渠道接入，内置工具调用（function calling）、技能系统（Skills）、记忆管理、多 Agent 协作，还能接入任意 OpenAI 兼容的大模型。

我手上有一台 2017 年的 Surface Pro 5，Windows 已经卡得没法用。与其吃灰，不如装个 Ubuntu 把它变成一台低功耗的 AI 服务器——7×24 小时运行 OpenClaw，随时随地通过 IM 和网页与我的 AI 助手对话。

本文是一份从零到可用的完整实战记录：从准备硬件环境，到部署 OpenClaw + 阿里云 Qwen3 模型、接入 IM 渠道、开发自定义 Skill，全程约 5 小时。

1. 为什么选 OpenClaw？
2. 硬件与系统准备
3. 安装 OpenClaw
4. 接入阿里云 Qwen3 大模型
5. 接入 IM 渠道：随时随地对话
6. Nginx HTTPS：局域网 Web UI 访问
7. 自定义 Workspace：让 AI 有灵魂
8. 开发自定义 Skill：AI 能力无限扩展
9. 模型选型：Qwen3 4B / 14B / 32B 实测对比
10. 踩坑记录与最佳实践
11. 时间线与未来计划

1. 为什么选 OpenClaw？

2026 年初，AI 助手平台百花齐放。在对比了多个方案后，我选择了 OpenClaw，原因如下：

特性	OpenClaw	其他方案（Dify / LobeChat 等）
多渠道接入	飞书 / Web UI / IM / API	大多只有 Web UI
工具调用	原生支持 `exec`（可运行任意 bash 命令）	需要额外开发插件
技能系统	Markdown 定义 Skill，零代码扩展能力	需要写代码或配置 workflow
模型自由	接入任意 OpenAI 兼容 API（DashScope、Ollama 等）	部分锁定特定模型
部署方式	`npm install -g` 一条命令，轻量无 Docker 依赖	多数需要 Docker Compose
资源占用	仅调用云端 API，本地只跑 Node.js 网关（~50MB 内存）	本地推理需要 GPU
开源	MIT 协议，完全开放	部分功能闭源

核心吸引力：OpenClaw 的 Skill 系统 + exec 工具让 AI 不再只是"会聊天"——它可以读取服务器状态、查温度、看磁盘、甚至执行自定义脚本。它不是玩具，是真正可以干活的 AI 助手。

2. 硬件与系统准备

这一章是为 OpenClaw 准备运行环境。如果你已经有一台 Linux 服务器或 VPS，可以直接跳到第 3 章：安装 OpenClaw。

2.1 我的硬件：Surface Pro 5

项目	规格
CPU	Intel Core i5-7300U @ 2.60GHz（双核四线程）
内存	8GB LPDDR3
存储	TOSHIBA NVMe 256GB
GPU	Intel HD Graphics 620（核显）
屏幕	12.3 英寸 2736×1824
发布年份	2017 年

这台机器跑 Windows 10 已经非常吃力——开几个 Chrome 标签页内存就飙到 90%，没有风扇的 Surface 直接歇菜。但跑 OpenClaw 只需要 Node.js 网关 + 网络连接，完全没问题。

2.2 安装 Ubuntu 22.04

为什么用 Ubuntu 而不是 Windows？ OpenClaw 在 Linux 下的 exec 工具能直接调用 bash 命令读取系统信息，而且 Ubuntu 资源占用远低于 Windows，非常适合当 7×24 小时服务器。

准备工作

8GB+ U 盘
Ubuntu 22.04.3 LTS Desktop ISO
Rufus 或 Ventoy 制作启动盘

Surface Pro BIOS 设置

Surface 的 BIOS 叫 UEFI，进入方式比较特殊：

完全关机
按住音量+键不放，同时按一下电源键
看到 Surface 标志后松开音量+键
修改 Boot Configuration → 拖动 USB Storage 到第一位
Secure Boot → 设为 Disabled

Surface Pro 的触摸屏在 UEFI 里可以用，直接拖拽排序。

安装分区方案

分区	大小	挂载点	类型
EFI	300MB	/boot/efi	FAT32
系统	剩余全部	/	ext4
Swap	等于内存 (8GB)	swap	swap

Surface 专用内核（推荐）

Ubuntu 默认内核对 Surface 的触摸屏、WiFi 支持不完美，安装 linux-surface 内核可以显著改善：

# 添加 linux-surface 仓库
wget -qO - https://raw.githubusercontent.com/linux-surface/linux-surface/master/pkg/keys/surface.asc 
  | gpg --dearmor | sudo tee /etc/apt/trusted.gpg.d/linux-surface.gpg > /dev/null
echo "deb [arch=amd64] https://pkg.surfacelinux.com/debian release main" 
  | sudo tee /etc/apt/sources.list.d/linux-surface.list
sudo apt update
sudo apt install linux-image-surface linux-headers-surface libwacom-surface
sudo update-grub && sudo reboot

基础优化

sudo apt update && sudo apt upgrade -y
sudo apt install -y curl wget git vim htop lm-sensors net-tools
sudo sensors-detect  # 初始化温度传感器
sudo timedatectl set-timezone Asia/Shanghai

2.3 配置 SSH 远程管理

配好 SSH 之后，Surface Pro 就可以合上盖子放在角落，用其他电脑远程操作了——这才是跑 OpenClaw 的正确姿势。

# 安装 SSH
sudo apt install -y openssh-server
sudo systemctl enable ssh && sudo systemctl start ssh
# 主力电脑上配置密钥登录
ssh-keygen -t ed25519 -C "your_email@example.com"
ssh-copy-id chenwei@192.168.31.49

建议在路由器上给 Surface Pro 绑定固定 IP（如 192.168.31.49），方便后续 Nginx 和 IM 渠道配置。

2.4 安装 Node.js 22

OpenClaw 强制要求 Node.js v22+：

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt-get install -y nodejs
node -v  # 确认 v22.x

3. 安装 OpenClaw

这是最激动人心的部分——三条命令就能把 AI 助手跑起来。

3.1 克隆安装工具

git clone https://github.com/miaoxworld/OpenClawInstaller.git
cd OpenClawInstaller
chmod +x install.sh config-menu.sh

3.2 运行安装脚本

./install.sh

安装脚本会自动完成：

检测系统环境并安装依赖
通过 npm 安装 OpenClaw（npm install -g openclaw）
引导核心配置（AI 模型、身份信息）
测试 API 连接
启动 OpenClaw Gateway 服务

3.3 核心目录结构

安装完成后，所有配置位于 ~/.openclaw/：

~/.openclaw/
├── openclaw.json        # 🔑 核心配置（模型、渠道、网关）
├── env                  # 🔑 环境变量（API Key、代理）
├── workspace/           # 🧠 AI 人设与能力定义
│   ├── SOUL.md          # 人格定义
│   ├── IDENTITY.md      # 身份信息
│   ├── TOOLS.md         # 工具能力备忘（关键！）
│   ├── AGENTS.md        # Agent 行为准则
│   └── USER.md          # 用户信息
└── skills/              # ⚡ 自定义技能目录
    └── system_info/     # 示例 Skill

OpenClaw 的设计哲学：一切皆文件。修改 Markdown 就能改变 AI 的人格、能力和行为，不需要写一行代码。

4. 接入阿里云 Qwen3 大模型

OpenClaw 支持任何 OpenAI 兼容的 API。阿里云 DashScope 的 Qwen3 系列是国内最好的选择之一——免费额度充足，延迟低，模型能力强。

4.1 获取 API Key

访问阿里云 DashScope 控制台
开通 DashScope 服务（有免费额度）
在「API-KEY 管理」中创建 API Key

4.2 配置环境变量

编辑 ~/.openclaw/env：

# 阿里云 DashScope (Qwen) — 兼容 OpenAI 格式
export OPENAI_API_KEY=sk-your-api-key-here
export OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

关键点：DashScope 提供 compatible-mode/v1 端点，OpenClaw 直接把它当 OpenAI Provider 用。如果你的 IM 渠道需要网络代理，也可以在 env 文件中配置 HTTP_PROXY 等环境变量。

4.3 在 openclaw.json 中注册模型

在 ~/.openclaw/openclaw.json 的 models.providers 中添加自定义 Provider：

{
  "models": {
    "providers": {
      "openai-custom": {
        "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "apiKey": "sk-your-api-key-here",
        "models": [
          {
            "id": "qwen3-14b",
            "name": "Qwen3-14B Dense",
            "api": "openai-completions",
            "reasoning": false,
            "input": ["text"],
            "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
            "contextWindow": 131072,
            "maxTokens": 8192
          },
          {
            "id": "qwen3-32b",
            "name": "Qwen3-32B Dense",
            "api": "openai-completions",
            "reasoning": false,
            "input": ["text"],
            "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
            "contextWindow": 131072,
            "maxTokens": 8192
          },
          {
            "id": "qwen3-4b",
            "name": "Qwen3-4B (轻量)",
            "api": "openai-completions",
            "reasoning": false,
            "input": ["text"],
            "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
            "contextWindow": 131072,
            "maxTokens": 8192
          }
        ]
      }
    }
  }
}

可选模型：Qwen3 系列还有 qwen3-235b-a22b（MoE）、qwen3-vl-flash（视觉）、qwen3-omni-flash（全模态语音）等。

4.4 设置默认模型

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "openai-custom/qwen3-14b"
      },
      "models": {
        "openai-custom/qwen3-4b": {},
        "openai-custom/qwen3-14b": {},
        "openai-custom/qwen3-32b": {}
      }
    }
  }
}

命令行切换：

source ~/.openclaw/env
openclaw models set "openai-custom/qwen3-14b"
openclaw models list  # 确认当前模型

4.5 验证连接

source ~/.openclaw/env
openclaw agent --agent main --message "你好，你是什么模型？"

如果返回正常回复，说明 OpenClaw + Qwen3 已经跑通了！

5. 接入 IM 渠道：随时随地对话

这是 OpenClaw 最实用的功能之一——通过 IM（即时通讯）渠道，随时随地和你的 AI 助手对话，不受局域网限制。

OpenClaw 支持多种 IM 渠道接入，包括飞书、企业微信等。以飞书为例：

5.1 创建飞书机器人

在飞书开放平台创建应用
获取 App ID 和 App Secret
配置消息接收地址

5.2 配置 OpenClaw

在 ~/.openclaw/openclaw.json 中启用对应的 IM 渠道：

{
  "channels": {
    "your-im-channel": {
      "enabled": true,
      "dmPolicy": "pairing",
      "botToken": "你的 Bot Token",
      "streamMode": "partial"
    }
  },
  "plugins": {
    "entries": {
      "your-im-channel": {"enabled": true}
    }
  }
}

dmPolicy 说明："pairing" = 首次对话需配对确认（更安全）；"open" = 任何人可直接对话。

5.3 启动并配对

source ~/.openclaw/env
openclaw gateway --force

向你的 Bot 发送任意消息，按提示完成配对。配对成功后就可以正常对话了——无论你在家、在公司、还是在路上，AI 助手都在线。

6. Nginx HTTPS：局域网 Web UI 访问

OpenClaw 自带一个功能丰富的 Control UI（Web 聊天界面），默认监听 127.0.0.1:18789。通过 Nginx 反向代理，可以让局域网内的手机、平板、其他电脑都能访问。

6.1 生成自签名 SSL 证书

sudo mkdir -p /etc/nginx/ssl
sudo openssl req -x509 -nodes -days 365 -newkey rsa:2048 
  -keyout /etc/nginx/ssl/openclaw.key 
  -out /etc/nginx/ssl/openclaw.crt 
  -subj "/CN=192.168.31.49"

6.2 配置 Nginx

创建 /etc/nginx/sites-available/openclaw：

server {
    listen 7860 ssl;
    server_name 192.168.31.49;
    ssl_certificate /etc/nginx/ssl/openclaw.crt;
    ssl_certificate_key /etc/nginx/ssl/openclaw.key;
    # HTTP 请求代理
    location / {
        proxy_pass http://127.0.0.1:18789;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_read_timeout 86400;
    }
    # ⚠️ WebSocket 连接自动注入 token（关键！）
    location /ws {
        proxy_pass http://127.0.0.1:18789/ws?token=你的token;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_read_timeout 86400;
    }
}

启用并重启：

sudo ln -s /etc/nginx/sites-available/openclaw /etc/nginx/sites-enabled/
sudo nginx -t && sudo systemctl reload nginx

6.3 配置 OpenClaw 允许外部来源

在 openclaw.json 中：

{
  "gateway": {
    "mode": "local",
    "controlUi": {
      "allowedOrigins": ["https://192.168.31.49:7860"]
    },
    "auth": {
      "token": "你的token"
    },
    "trustedProxies": ["127.0.0.1"]
  }
}

现在打开 https://192.168.31.49:7860，就能在局域网内任何设备上使用 OpenClaw Web UI 了。

7. 自定义 Workspace：让 AI 有灵魂

OpenClaw 最独特的设计之一就是 Workspace 文件系统——通过几个 Markdown 文件，你可以完全定义 AI 的人格、知识和能力边界。这不是简单的 system prompt，而是一套结构化的 AI 行为框架。

7.1 SOUL.md — 定义人格

这是 AI 的"灵魂"，决定了它怎么说话、怎么思考：

# 我是谁
我是 cw 的私人AI助手，基于阿里云 Qwen3 系列模型运行，默认使用 qwen3-14b。
通过 OpenClaw 平台运行，支持 IM 和网页端聊天。
## 性格
- 友好、简洁、实用
- 用中文回复
- 不啰嗦，直接给出答案
## 能力
- 可以用 `exec` 工具执行 bash 命令，读取本机硬件/软件信息
- 当用户问电脑配置、品牌、温度、磁盘等问题时，直接执行命令获取真实数据
- 参考 TOOLS.md 中的命令速查表
## 规则
- 诚实回答，不确定的事情就说不确定
- 涉及隐私信息时要谨慎
- 能用工具获取真实数据时，不要给"请自行查询"的回答

7.2 IDENTITY.md — 身份卡片

名字：AI 助手
主人：cw
语言：中文
当前模型：qwen3-14b
时区：Asia/Shanghai

7.3 TOOLS.md — 工具能力备忘（关键文件！）

这是让 AI 知道"自己能做什么"的核心文件。OpenClaw 在每次会话开始时会读取 TOOLS.md，如果里面没有提及某种能力，AI 就不知道自己可以做。

# TOOLS.md - 本地工具备忘
## 系统信息采集 (system_info skill)
我可以直接读取这台电脑的硬件和软件信息。
### 一键完整报告
bash ~/.openclaw/skills/system_info/gather_info.sh
### 常用单项命令
- 电脑品牌/型号: cat /sys/devices/virtual/dmi/id/board_vendor
- CPU 型号: grep -m1 'model name' /proc/cpuinfo
- 内存: free -h
- 磁盘: df -h
- 实时温度: sensors
- 网络 IP: hostname -I
## 本机信息速查
- 设备: Microsoft Surface Pro
- CPU: Intel Core i5-7300U @ 2.60GHz
- 内存: 8GB
- 系统: Ubuntu 22.04.3 LTS

设计巧思：TOOLS.md 底部的"本机信息速查"是一个双保险——即使模型不主动调用 exec 工具，它也能直接从这里读取基本信息回答用户。这对小模型尤其有用。

8. 开发自定义 Skill：AI 能力无限扩展

Skill 系统是 OpenClaw 的杀手级特性。 你可以用一个 Markdown 文件 + 一个 Shell 脚本，就给 AI 增加一种全新的能力——不需要改一行 OpenClaw 源码。

8.1 Skill 的工作原理

🧑 用户提问
电脑什么牌子？

🔍 OpenClaw
匹配 Skill 描述

📖 AI 读取
SKILL.md

⚡ AI 调用 exec
执行 bash 命令

📊 返回真实数据
Microsoft Surface Pro

当用户的问题匹配到 Skill 的 description 字段时，OpenClaw 会自动把对应的 SKILL.md 注入到 AI 的上下文中，AI 就知道该执行什么命令了。

8.2 实战：创建 system_info Skill

这个 Skill 让 AI 能读取本机的硬件、软件、温度、网络等信息。

创建目录

mkdir -p ~/.openclaw/skills/system_info

编写采集脚本 gather_info.sh

#!/bin/bash
# 系统信息采集脚本 - OpenClaw system_info Skill
section() { echo -e "n━━━━━━━━━━━━━━━━━━n  $1n━━━━━━━━━━━━━━━━━━"; }
# 操作系统
section "🖥️ 操作系统"
. /etc/os-release && echo "  发行版: $PRETTY_NAME"
echo "  内核: $(uname -r)"
echo "  运行时长: $(uptime -p)"
# CPU
section "⚡ CPU"
grep -m1 'model name' /proc/cpuinfo | cut -d: -f2 | xargs
echo "  核心: $(nproc)  负载: $(cat /proc/loadavg | awk '{print $1,$2,$3}')"
# 内存
section "🧠 内存"
free -h | grep '^Mem:'
# GPU
section "🎮 GPU"
lspci | grep -i 'vga|3d' | head -1
# 磁盘
section "💾 磁盘"
df -h | grep '^/dev/'
# 温度（联动 temp_monitor 服务）
section "🌡️ 温度历史"
tail -5 ~/Desktop/1_monitor/temp_monitor/temp_data.csv
# ... 更多模块：网络、主板、软件环境、服务状态、监听端口等

编写 SKILL.md

---
name: system_info
description: 获取本机硬件和软件信息，包括 CPU、内存、GPU、磁盘、网络、温度历史、已安装软件和运行中的服务。当用户询问电脑配置、系统状态、硬件信息、温度趋势等问题时使用此技能。
metadata: { "openclaw": { "emoji": "🖥️", "requires": { "bins": ["bash"] } } }
---
# 系统信息采集
## 完整报告
运行：`bash ~/.openclaw/skills/system_info/gather_info.sh`
## 按需查询
- CPU: `grep 'model name' /proc/cpuinfo | head -1`
- 内存: `free -h`
- 磁盘: `df -h`
- 温度: `sensors`
- 温度历史: `tail -10 ~/Desktop/1_monitor/temp_monitor/temp_data.csv`
## temp_monitor 集成
历史数据: `~/Desktop/1_monitor/temp_monitor/temp_data.csv`
格式: `时间戳,CPU封装温度,Core0,Core1,PCH,NVMe,电池电压,CPU使用率,内存使用率`

8.3 验证 Skill

source ~/.openclaw/env
openclaw skills list

输出中应能看到：

✓ ready   │ 🖥️ system_info   │ 获取本机硬件和软件信息...   │ openclaw-managed

8.4 效果展示

在 IM 中问 AI “电脑是什么牌子的？硬件配置是什么？电池状态是什么样的？”，AI 通过 exec 工具执行命令，返回了完整的真实数据：

您的电脑品牌是 Microsoft Corporation（微软公司），
具体型号为 Microsoft Surface Pro。
以下是部分关键配置：
- 处理器：Intel Core i5-7300U @ 2.60GHz（4核4线程）
- 内存：8GB
- 存储：TOSHIBA NVMe 256GB
- 系统：Ubuntu 22.04.3 LTS
- 电池健康度：96.51%（充放电 6 次）
- CPU 温度：30°C（正常范围）

可以看到，AI 不是在"编答案"——它是真的执行了系统命令，读取了品牌型号、CPU、内存、磁盘、GPU、电池健康度、温度等真实数据。连电池充放电次数（6 次）和健康度（96.51%）都能精确报告。这就是 OpenClaw Skill 系统 + exec 工具的威力。

8.5 Skill 开发的无限可能

system_info 只是一个起点。基于同样的模式，你可以开发：

Skill	功能	实现思路
`weather`	天气查询	调用天气 API
`data_monitor`	数据监控	读取外部 API 或本地监控数据
`file_search`	文件搜索	执行 `find` / `grep` 命令
`docker_manager`	Docker 管理	执行 `docker ps` / `docker logs`
`smart_home`	智能家居控制	调用 Home Assistant API

Skill 的精髓：Markdown 定义触发条件 + Shell 脚本实现逻辑，AI 作为中间调度层。

9. 模型选型：Qwen3 4B / 14B / 32B 实测对比

同一个问题"电脑是什么牌子的"，测试 OpenClaw 搭配三个 Qwen3 模型的表现：

维度	qwen3-4b	qwen3-14b	qwen3-32b
回答质量	❌ “我无法获取，请自行查询”	✅ 直接给出品牌和配置	✅ 直接给出品牌和配置
工具调用	不会调用 `exec`	正确读取 TOOLS.md 并执行命令	正确读取 TOOLS.md 并执行命令
Skill 匹配	不会触发	正确匹配 system_info	正确匹配 system_info
响应时间	~12 秒	~18 秒	~25 秒
适用场景	简单闲聊	日常使用（推荐）	复杂推理

结论：qwen3-14b 是 OpenClaw 的最佳搭档——具备完整的工具调用和 Skill 匹配能力，响应速度可接受。4B 太小，无法理解 OpenClaw 的 function calling 协议。32B 能力更强但延迟明显增加，适合需要深度推理的场景。

10. 踩坑记录与最佳实践

坑 1：4B 模型完全不会用工具

现象：Qwen3-4B 面对任何需要 exec 的问题，只会给出"通用指导"（“您可以通过 lshw 命令查看…”）。

原因：4B 参数量太小，无法理解 OpenClaw 的工具调用协议（function calling）。

解决：换 14B 或更大的模型。同时在 TOOLS.md 中写"本机信息速查"作为兜底。

坑 2：网络代理配置要排除阿里云

现象：API 请求超时或被拒绝。

原因：如果服务器配置了网络代理，NO_PROXY 没有排除 dashscope.aliyuncs.com，导致阿里云 API 请求也走了代理。

解决：在环境变量中排除阿里云域名：

export NO_PROXY=localhost,127.0.0.1,dashscope.aliyuncs.com

坑 3：TOOLS.md 必须写明能力

现象：已经配好了 system_info Skill，但 AI 仍然不会主动调用。

原因：OpenClaw 每次会话开始时读取 TOOLS.md，如果里面没有提及系统信息能力，AI 就不知道自己可以执行命令。

解决：在 TOOLS.md 中显式写出命令列表和本机基本信息。

坑 4：Nginx WebSocket 要注入 token

现象：Web UI 能打开但无法连接到 AI 后端。

原因：OpenClaw Control UI 通过 WebSocket 连接网关，需要 auth token。浏览器端不会自动带上 token。

解决：在 Nginx 的 /ws location 中将 token 拼接到 proxy_pass URL：

proxy_pass http://127.0.0.1:18789/ws?token=你的token;

坑 5：新 Skill 需要重启 Gateway

现象：创建了 Skill 目录但 openclaw skills list 看不到。

解决：

source ~/.openclaw/env
openclaw gateway --force  # 注意不是 openclaw restart

最佳实践总结

实践	说明
TOOLS.md 写速查表	即使模型不调用工具也能从文本中读取信息
SOUL.md 写明能力边界	显式告诉 AI “你可以执行命令”，防止它客气地说"请自行查询"
14B 起步	4B 无法 function calling，14B 是最低可用线
`NO_PROXY` 排除国内 API	如配置了代理，阿里云域名需排除
固定局域网 IP	Nginx / SSH / IM 配置都依赖稳定 IP

11. 时间线与未来计划

部署时间线

时间	里程碑
2026-02-08 17:00	安装 OpenClaw，配置阿里云 DashScope API
2026-02-08 17:30	接入 IM 渠道，实现手机端远程对话
2026-02-08 18:00	配置 Nginx HTTPS 反向代理，局域网 Web UI 可访问
2026-02-08 18:30	自定义 Workspace（SOUL.md / IDENTITY.md / TOOLS.md）
2026-02-08 19:00	测试 Qwen3 模型（4B / 14B / 32B），确定 14B 为默认
2026-02-08 20:00	开发数据监控脚本 + 飞书推送（联动 OpenClaw 生态）
2026-02-08 21:00	开发 system_info Skill，AI 可读取本机硬件/软件信息
2026-02-08 21:30	模型对比实测：验证 14B 的工具调用能力
2026-02-08 22:00	整理项目结构，初始化 Git 仓库，撰写本文

从零到功能完备的 OpenClaw 私人 AI 助手，总计约 5 小时。

未来计划

近期（1-2 周）

更多 Skill：天气查询、日程管理、文件搜索
记忆系统：配置 MEMORY.md，让 AI 记住偏好和历史上下文
Heartbeat 定时任务：AI 主动推送天气预报、日历提醒
数据监控 Skill：通过 IM 直接问 AI 获取实时监控数据

中期（1-2 月）

飞书双向联动：让 AI 同时在多个 IM 渠道响应消息
MCP Server 集成：通过 Model Context Protocol 接入更多外部工具
多 Agent 协作：Coding Agent、Research Agent 等专业子 Agent
语音交互：接入 Qwen3-Omni 实现语音输入/输出

长期愿景

Home Assistant 联动：AI 控制智能家居
知识库 RAG：私有文档库问答
自动化工作流：AI 监控邮件 / 代码仓库 / 服务器，异常自动处理并通知
迁移到专用服务器：从 Surface Pro 迁移到 NAS 或云服务器

参考链接

OpenClaw 官方仓库
OpenClaw 一键部署工具
阿里云 DashScope
DashScope OpenAI 兼容模式文档
linux-surface 内核

环境信息：Ubuntu 22.04.3 LTS / Surface Pro (i5-7300U, 8GB) / OpenClaw 2026.2.6 / Qwen3-14B

撰写日期：2026 年 2 月 8 日

如有问题欢迎评论交流！

文章版权归作者所有，未经允许请勿转载。

保姆级最新OpenClaw（原 Clawdbot/Moltbot）安装指南，建立隧道，外网浏览器也能访问，并接入飞书，让AI在聊天软件里帮你干活

1周前

AI 绘制图表专栏：用豆包实现HTML 5 种好看的时间轴曲线图，附详细代码讲解

AI # Langchain

2周前

160

【AI大模型】开源知识库 RAGFlow 从部署到实战操作详解

2个月前

200

玩转硅基 API：“AI 女友”调用全攻略，手把手教你搭建

2个月前

250

OpenClaw 实战部署：用一台旧 Surface Pro 打造 7×24 私人 AI 助手