Cherry Studio中OpenClaw配置全攻略

配置 Cherry Studio 的 OpenClaw 是一个系统工程，关键在于：1) 确保 Node.js 环境与 OpenClaw 服务安装正确；2) 在 Cherry Studio 中成功关联到本地运行的 OpenClaw 服务；3) 准确配置可用的模型 API（如硅基流动或 OpenRouter）；4) 根据需求定义 Agent 人格和技能。按照上述步骤操作，并利用免费 API 资源，即可

m0_73650028

471人浏览 · 2026-04-25 01:11:33

m0_73650028 · 2026-04-25 01:11:33 发布

OpenClaw 在 Cherry Studio 中的核心配置与使用指南

OpenClaw 是一款本地化、可进化的 AI Agent 框架，而 Cherry Studio 是其官方推荐的集成开发环境（IDE）。成功配置的关键在于将 OpenClaw 作为后端服务启动，并在 Cherry Studio 中完成模型、技能和通信渠道的对接。以下是完整的配置流程与核心要点。

一、环境准备与 OpenClaw 安装

在开始配置 Cherry Studio 前，必须先确保系统环境符合要求并正确安装 OpenClaw 服务。

组件	要求	说明与操作
操作系统	Windows 10/11	推荐使用 Windows 系统，部分命令需在 PowerShell 中执行。
Node.js	≥ v22.x	运行 OpenClaw 的必备环境。建议从官网下载 LTS 版本安装。
Git	最新版	用于克隆 OpenClaw 仓库及后续更新。安装时建议勾选“Git Bash”选项。
包管理器	npm	Node.js 自带。为加速安装，建议配置国内镜像源（如淘宝源）。
OpenClaw 安装	全局安装	在终端（PowerShell或CMD）中执行命令完成安装： `npm install -g openclaw`。

安装完成后，可通过以下命令验证：

# 验证 OpenClaw 是否安装成功
openclaw --version
# 或查看安装位置
where openclaw

若命令能返回版本号或路径，则表明 OpenClaw 已正确安装到系统环境变量中。

二、Cherry Studio 客户端安装与基础配置

Cherry Studio 是管理和交互 OpenClaw 的前端界面。

下载与安装：从官方渠道下载 Cherry Studio 的 Windows 安装包，按照向导完成安装。
启动与界面：首次启动 Cherry Studio，主界面通常包含项目列表、聊天窗口和插件/配置管理区域。

三、核心配置流程：连接 OpenClaw 与模型

此部分是配置的核心，目的是让 Cherry Studio 能够调用本地的 OpenClaw 服务，并通过 OpenClaw 连接到具体的大模型。

步骤 1：在 Cherry Studio 中关联 OpenClaw 插件

在 Cherry Studio 的插件或扩展市场搜索 “OpenClaw”。
找到官方插件并进行安装。安装后，通常在侧边栏或设置中会出现 OpenClaw 的配置入口。

步骤 2：启动 OpenClaw 后端服务

OpenClaw 必须作为独立的后台服务运行，Cherry Studio 才能与之通信。
在终端中执行以下命令来启动服务：

# 在合适的目录（如你的工作空间）启动OpenClaw服务
openclaw start

服务成功启动后，终端会显示服务正在监听某个端口（例如 http://localhost:3000）。请保持此终端窗口运行，不要关闭。

步骤 3：配置模型 API（以免费方案为例）

OpenClaw 本身不提供模型，需要接入第三方大模型 API。以下是两种常用免费/低成本方案的配置方法：

方案 A：使用硅基流动（SiliconFlow）免费 API

获取 API Key：注册硅基流动平台，新用户通常可获得高达 2000 万 Token 的免费额度。

在 OpenClaw 中配置：OpenClaw 的模型配置通常在项目目录下的 openclaw.json 或类似配置文件中进行。你需要编辑此文件，添加硅基流动的模型端点。

// 示例：在 openclaw.json 的 models 部分添加配置
{
  "models": [
    {
      "id": "siliconflow-llama",
      "name": "硅基流动 Llama 模型",
      "type": "openai", // 很多国产API兼容OpenAI格式
      "apiKey": "你的硅基流动API_KEY",
      "baseURL": "https://api.siliconflow.cn/v1", // 硅基流动的API地址
      "model": "你的模型名称" // 例如 "Llama-3.2-3B-Instruct"
    }
  ]
}

具体 baseURL 和 model 参数需参考硅基流动平台的API文档。

方案 B：使用 OpenRouter 免费模型

获取 API Key：在 OpenRouter 官网注册并获取 API Key。
在 Cherry Studio 中配置：在 Cherry Studio 的 OpenClaw 插件设置或全局设置中，找到模型配置部分。
- API 类型：选择 “OpenAI Compatible” 或 “OpenRouter”。
- API 端点：填写 https://openrouter.ai/api/v1。
- 模型名称：填写一个免费模型，例如 stepfun/step-3.5-flash:free。
- API Key：填入你的 OpenRouter API Key。

步骤 4：配置通信渠道（以飞书机器人为例）

OpenClaw 支持将 AI 能力集成到飞书等办公软件中，此配置通常在 OpenClaw 服务端完成。

创建飞书机器人：在飞书开放平台创建一个自定义机器人应用，获取 app_id 和 app_secret。
配置 Webhook：在飞书应用配置中启用 Webhook，并设置请求地址为你的 OpenClaw 服务地址（如 http://你的公网IP或域名:端口/webhook/feishu）。这需要你的服务能被飞书服务器访问到，可能需要内网穿透工具。

在 OpenClaw 中配置：在 openclaw.json 或环境变量中设置飞书的凭据。

# 示例：通过环境变量配置（在启动OpenClaw服务前设置）
set OPENCLAW_FEISHU_APP_ID=你的app_id
set OPENCLAW_FEISHU_APP_SECRET=你的app_secret
openclaw start

四、高级功能配置

1. Agent 人格与技能配置

OpenClaw 通过 Markdown 文件定义 Agent 的行为，这些文件通常位于 OpenClaw 项目目录下。

SOUL.md：定义 AI Agent 的核心人格、价值观和使命。
IDENTITY.md：定义 Agent 的特定身份、专业领域和行为边界。
USER.md：用于记录与特定用户的交互历史和上下文，实现“记忆”功能。
技能配置：OpenClaw 支持一键加载预设技能包。在 Cherry Studio 的技能市场或通过配置文件，可以启用如天气查询、代码解释、文档总结等15个以上的预设技能。

2. 自我进化机制

OpenClaw 支持根据对话历史自动优化其提示词（Prompt）和技能。此功能通常需要在配置中启用 self-evolution 相关选项，并确保 USER.md 等记忆文件可写，以便 Agent 从历史交互中学习。

五、故障排查

常见问题	可能原因	解决方案
Cherry Studio 报错 `disconnected (1006)`	Cherry Studio（前端）与 OpenClaw（后端服务）的 WebSocket 连接中断。	1. 确认 `openclaw start` 服务正在运行。 2. 检查 Cherry Studio 中配置的 OpenClaw 服务地址和端口是否正确。 3. 以管理员身份运行终端并重启 OpenClaw 服务。
安装 OpenClaw 缓慢或失败	npm 默认源网络连接问题。	配置 npm 淘宝镜像源：`npm config set registry https://registry.npmmirror.com`。
模型 API 调用失败	API Key 无效、余额不足、模型名称或端点错误。	1. 在对应平台检查 API Key 状态和余额。 2. 核对配置文件中的 `baseURL` 和 `model` 参数是否与官方文档完全一致。
飞书机器人无响应	Webhook 地址无法访问、权限配置错误。	1. 使用工具检查 `http://你的地址:端口/webhook/feishu` 是否可从外网访问。 2. 在飞书开放平台检查“权限管理”是否已添加“获取与发送单聊、群组消息”等必要权限。

总结，配置 Cherry Studio 的 OpenClaw 是一个系统工程，关键在于：1) 确保 Node.js 环境与 OpenClaw 服务安装正确；2) 在 Cherry Studio 中成功关联到本地运行的 OpenClaw 服务；3) 准确配置可用的模型 API（如硅基流动或 OpenRouter）；4) 根据需求定义 Agent 人格和技能。按照上述步骤操作，并利用免费 API 资源，即可在本地搭建一个功能强大且成本可控的 AI 助手。