我把 OpenClaw 跑在本地三周后，发现它根本不是聊天机器人

最近这段时间，我一直在本地重度使用 OpenClaw。

最开始我也把它当成一个 AI 工具，但真正把它接进 Telegram、Obsidian、定时任务、本地模型和内容工作流之后，我发现自己完全想错了。

它最厉害的地方，不是回答问题，而是开始替你持续工作。

它能接消息、调工具、跑定时任务、调用不同模型、沉淀长期记忆、把结果回写 Obsidian，还能把复杂任务分发给别的 Agent。你如果只把它当聊天机器人，那基本等于只用了它 20% 的能力。

对我这种既做 Android 系统性能优化、又要做内容、运营社群、维护知识库、跟进项目、写代码的人来说，OpenClaw 最值钱的地方只有一句话：

它让我第一次有了“AI 不只是回答我，而是真的在替我持续推进工作”的感觉。

1. 我是什么时候开始真正用 OpenClaw 的？

按本地环境的初始化痕迹看，我是在 2026 年 2 月 16 日晚上开始把 OpenClaw 真正落到自己机器上的。

这不是“装来看看”的那种体验，而是一路接进自己的日常工作流：

• • 消息入口

• • 定时任务

• • Obsidian 知识库

• • 日报周报

• • GitHub 监控

• • 论文精读

• • 内容素材整理

• • 创作与复盘

所以我现在已经不把它当“一个工具”，而是把它当成：

• • 一个本地 AI 调度层

• • 一个定时执行系统

• • 一个长期记忆系统

• • 一个内容与知识的自动整理器

• • 一个能和 Claude Code 配合工作的 AI 中枢

2. 对一个 Android 系统工程师来说，OpenClaw 到底有什么用？

如果你本职是 Android 工程、系统优化、性能分析、稳定性治理，OpenClaw 最有价值的，不是“替你答一道题”，而是帮你处理那些持续重复、跨工具、跨时间、跨上下文的工作。

我现在主要把它用在四类事情上：

第一类：信息流自动化

比如：

• • 每日技术简报

• • 每日信息简报

• • RSS 抓取

• • 高价值内容筛选

• • GitHub Issue / PR 监控

• • 每日论文精读

这些事情以前不是不会做，而是太碎了，做着做着就断。OpenClaw 的价值就是把这些动作从“靠意志力”变成“靠系统默认执行”。

第二类：知识库持续整理

我平时会收很多内容：技术文章、公众号、X 长文、RSS、项目资料、自己的思考。

以前最大的问题是：

• • 收藏了，但没整理

• • 整理了，但找不到

• • 找到了，也很难复用

OpenClaw 接进来之后，会持续做：

• • 增量整理

• • 结构修复

• • 高价值归档

• • 内容回顾

• • 记忆维护

这件事对工程师特别重要，因为成长靠的不是“看过很多”，而是以后还能拿出来继续用。

第三类：日报、复盘和周检

这是很多人最容易忽略，但最有复利的一部分。

我现在让 OpenClaw 长期跑：

• • 每日早间提醒

• • 今天干了啥日报

• • 日终复盘

• • 周沉淀

• • 项目周审

• • 三层记忆维护

• • 冥想 / evolution log

说白了，OpenClaw 最让我上瘾的一点就是：

它把那些“我知道很重要，但人很难长期坚持”的事情，变成了系统自动帮我做。

第四类：工程协作

它也能参与工程工作，比如：

• • 跟踪 GitHub 仓库变化

• • 巡检 issue / PR

• • 整理代码上下文

• • 调用其他 coding agent 干活

但这里我要先说结论：

OpenClaw 不是为了替代 Claude Code，而是为了编排 Claude Code。

Claude Code 更像一个“坐在终端里的顶级程序员”；OpenClaw 更像一个“AI 运营系统”。

3. 为什么我旁边常备 Claude Code？

因为 OpenClaw 早期真的会挂。

我说得更直白一点：

• • 升级后会报错

• • 模型配置会出问题

• • 定时任务会异常

• • 某些工具链会失灵

• • 某些路径写入会失败

• • 旧会话和新配置不一定同步

这时候如果你只有 OpenClaw 自己，很多问题会非常烦。但如果旁边有个 Claude Code，事情就简单很多。

我的实际分工很清楚：

• • OpenClaw：负责调度、记忆、定时、归档、消息、工作流

• • Claude Code：负责修 bug、查日志、看报错、做复杂代码改动、升级后救火

所以我自己的真实体验是：

Claude Code 像顶级程序员，OpenClaw 像 AI 运营系统。

4. 我的本地配置是什么？

我现在这套机器是：

• • Mac Studio

• • M1 Ultra

• • 64GB 内存

• • 48 核 GPU

这套配置对本地 Agent 工作流非常舒服，因为它允许我同时跑：

• • OpenClaw 常驻服务

• • Ollama 本地模型

• • Obsidian

• • 浏览器自动化

• • 各种脚本和知识库任务

我现在不是单模型打法，而是云端 + 本地混合分工。

模型搭配思路很简单

• • 高质量任务上云：长文、周报、复杂总结、关键判断

• • 高频脏活本地跑：结构化任务、巡检、批处理、日常 worker

我本地主要是这套分层：

• • 2B：状态检查

• • 4B：轻量巡检

• • 9B：高频主力

• • 27B / 35B：更重的本地任务

对我这台机器来说，9B 是最划算的日常工作马。

5. OpenClaw 最重要的，不只是模型，而是那几份核心文件

很多人第一次接触 OpenClaw，会把注意力放在模型、工具、命令行上。但我现在越来越觉得，它真正强大的地方，反而是那几份被文件化的规则。

我自己最看重的是这几类文件：

• • SOUL.md：定义它的性格、风格、做事姿态

• • USER.md：定义它到底在帮谁、目标是什么

• • AGENTS.md：定义启动流程、记忆规则、安全边界、群聊行为

• • MEMORY.md + memory/YYYY-MM-DD.md：一个存长期记忆，一个存每天发生了什么

• • TOOLS.md：记录这台机器独有的本地环境信息

所以我现在对 OpenClaw 的理解是：

它不是靠一大段系统提示词活着，而是靠一套“文件化人格 + 文件化记忆 + 文件化规则”活着。

6. Skill 机制为什么重要？

很多人把 Skill 理解成“插件”，但我觉得更准确的理解是：能力包。

一个 Skill 往往不只是多一个按钮，而是把下面这些东西一起打包了：

• • 适合什么场景

• • 怎么调用工具

• • 是否依赖脚本

• • 有哪些边界和注意事项

• • 在什么情况下该用，什么情况下不该用

比如 Obsidian、coding-agent、RSS、技能审计这些能力，一旦装对，OpenClaw 就不再只是聊天，而是真的开始干活。

但我的建议也很明确：不要为了炫技乱装 Skill。 先装核心能力，真正跑两天，确认稳定再继续扩；涉及高权限或外联的 Skill，先审计再决定要不要上。

7. Telegram 这块，单 Agent 多群聊能用，但后期最好按职责拆

如果你只在私聊里用 OpenClaw，其实还没完全体会到它的架构价值。

它真正好玩的地方之一，是同一套系统可以接 Telegram，而且不一定只能对应一种工作方式。

方案 A：单 Agent 多群聊

优点是简单：

• • 配置快

• • 起步成本低

• • 前期验证最省事

但缺点也很明显：

• • 上下文容易串味

• • 不同群的语气和任务容易混在一起

• • 写作、日报、技术答疑很容易互相污染

方案 B：按职责拆成多个 Agent

这才是我现在更认可的方式。比如：

• • main：私聊主会话

• • daily：定时任务、日报、巡检、知识库类工作

• • writer：写作和内容精修类任务

• • 专题 Agent：负责某个群、某条业务线或某个项目

这样做的好处是：

• • 上下文隔离更清楚

• • 角色边界更明确

• • 不同群不会互相污染

• • 后期扩展更轻松

我的建议是：前期可以单 Agent 多群聊，后期一定要按职责拆。

8. 安全不是附录，而是前置条件

这件事我非常建议一开始就讲透。

因为 OpenClaw 一旦开始接：

• • 本地文件系统

• • 浏览器

• • 命令执行

• • 外部消息入口

• • 本地和云端模型混合调用

它就不再是一个“无害聊天框”了，而是一个真正有行动能力的系统。这个时候，安全边界一定要先立住。

我现在比较认同的几条原则是：

• • 长期记忆要分层：像 MEMORY.md 这种更私人、更稳定的信息，最好只在主会话里使用，不要在群聊上下文里乱读乱用

• • 外部发送要谨慎：邮件、公开发帖、社交平台发布，最好默认需要确认，不要自动对外表达半成品

• • 群聊不要越权：在群里它是参与者，不是代言人，更不是你本人

• • Skill 不要乱装：尤其是涉及联网、执行脚本、读本地路径的能力，先审计再说

• • 本地小模型别无脑给大权限：尤其是接网页、执行命令、读写路径时，要清楚工作区边界和工具边界

如果你后面还要接更多外部能力、浏览器自动化或者海外模型，通常还需要稳定的科学上网环境。但能力越多，越要先把边界设计好。

9. 还有一个特别关键的问题：它到底留下了什么成果？

如果文章只写“它能做什么”，读者还是容易觉得这是一套概念系统。真正有说服力的，其实是：这套系统已经在 Obsidian 里沉淀出了什么成果物。

截至我写这篇文章时，我的 Obsidian 里已经能直接看到这些成果：

• • OpenClaw定时任务/ 下有 214 篇 Markdown，说明日报、周检、归档、巡检已经不是口号，而是持续产出

• • Personal-Knowlodge/source/ 下有 1760 篇 Markdown，知识库已经不是空目录，而是真在增长

• • X 文章/ 下有 115 篇 Markdown，高价值外部内容已经沉淀成长期素材库

• • 论文/ 下有 4 个标准化论文目录，每个目录都按“原 PDF + 翻译 + 精读”来组织

• • 小说工坊/夜航之上（分章）/ 下有 58 个章节相关文件，它已经进入长期创作工作流，而不只是技术任务

• • Ebook/ 里已经有实际 EPUB 成果，不只是笔记，还有可交付格式

如果你看几个具体例子，会更有感觉：

• • OpenClaw定时任务/每日论文精读（Android+AI）/2026-03-08-每日论文精读（Android+AI）.md

• • Personal-Knowlodge/source/2026-03-08_wechat_Android_JNI原理分析.md

• • X 文章/2026-03-08-0800-JimProsser-My-Chief-of-Staff-Claude-Code-2029699731539255640.md

• • 论文/AI-2026-03-08-Agentic-Reasoning-Framework/01-paper.pdf + 02-翻译.md + 03-精读.md

• • 小说工坊/夜航之上（分章）/第018章-光标闪烁.md

这也是我现在最看重 OpenClaw 的地方：

它不是做完就没了，而是在不断把工作变成资产。

10. 我踩过哪些坑？

这部分非常重要，因为它决定你会不会半路放弃。

坑 1：它初期真的没那么稳

你要接受一个现实：OpenClaw 很强，但并不等于“零维护”。

我踩过的坑包括：

• • 升级后报错

• • 模型 allowlist 没配对

• • 模型切换后旧会话不生效

• • 定时任务能跑但落盘失败

• • 外部路径权限问题

• • 浏览器策略问题

坑 2：Node 环境不要混

我后面把运行环境统一切到了 Homebrew Node，不再混用 nvm。这个动作非常有必要，不然后面升级、重启、路径都容易乱。

坑 3：Obsidian 外部路径别乱写

这是我踩得很深的一个坑。后来我收敛成非常明确的规则：

• • 必须绝对路径

• • 最稳是 exec + python/pathlib 落盘

• • 不要想当然地直接 write/edit

• • 同日内容尽量追加，不要覆盖

坑 4：自动化不是越多越好

一开始很容易上头：这个也想自动化，那个也想自动化。但最后你会发现，任务太多就会带来：

• • 重复

• • 冲突

• • 噪音

• • token 成本上升

• • 结果反而没人真正看

所以更好的策略不是“全自动化”，而是先抓最有复利的几条主线。

11. 什么样的人适合用 OpenClaw？

我觉得最适合的是三类人：

第一类：有持续输入和输出需求的人

比如：

• • 工程师

• • 独立开发者

• • 技术博主

• • 社群运营者

• • 研究型创作者

第二类：愿意折腾工作流的人

如果你对“自动化、系统化、结构化”天然感兴趣，OpenClaw 会越用越顺手。

第三类：想把 AI 真正接进工作流的人

如果你不是只想问几个问题，而是真的想做：

• • 持续监控

• • 自动整理

• • 主动提醒

• • 定时产出

• • 长期记忆

• • 跨平台内容协同

那 OpenClaw 会很有用。

12. 什么样的人不太适合？

也要说实话。

• • 只想把它当 ChatGPT 替代品的人

• • 不想维护环境、不想看日志的人

• • 没有持续工作流的人

这三类人不一定用不好，但大概率感受不到它真正的价值。

13. 硬件怎么推荐？

如果你问我推荐什么机器，我会分三档说：

入门档

• • 16GB 内存

• • 主要跑云端模型

• • 本地只做少量辅助

实用档

• • 32GB 内存

• • 能跑一部分本地模型

• • 可以承接中轻量任务

舒服档

• • 64GB 及以上

• • Mac Studio / 高配工作站级机器

• • 云端 + 本地混合长期常驻

如果你真想把 OpenClaw 跑成“长期常驻、云端+本地混合、多任务并行”的系统，64GB 这一档体验会明显更稳。

14. 我现在对 OpenClaw 的最终判断

如果只让我用一句话总结，我会这么说：

OpenClaw 最迷人的地方，不是它更会回答问题，而是它开始替你持续推进工作。

对 Android 系统工程师来说，它最有价值的地方不是取代你写代码，而是帮你把这些本来散落在各处的事情串起来：

• • 输入

• • 整理

• • 归档

• • 跟进

• • 输出

• • 复盘

• • 记忆

它不是零门槛工具。
它会挂，会报错，会踩坑。
但一旦你把它跑顺，你会很明显地感受到：

以前是你在推着工作流走；后来是系统在推着你往前走。

这就是我觉得它最值得折腾的地方。

结尾

如果你本身就是工程师、创作者，或者正在尝试把 AI 接进真实工作流，而不是只把它当聊天窗口，那 OpenClaw 值得你认真折腾一次。它不一定适合所有人，但一旦跑顺，带来的不是“对话效率提升”，而是工作流层面的复利。