1. 快速部署与环境配置

OpenClaw 的一键安装方案通过智能脚本解决了传统安装的三大痛点：环境依赖检测、版本兼容性管理和配置文件生成。脚本会自动识别操作系统类型、检测已安装的依赖项，并根据系统环境选择最优的安装路径。在 macOS 系统上，脚本使用 Homebrew 作为包管理器，自动安装 Node.js、Python 和必要的系统库，整个过程在 5-10 分钟内完成。Windows 系统使用 PowerShell 脚本实现类似功能，会自动请求管理员权限确保能够修改系统环境变量和安装全局包。安装完成后会自动启动 CC Switch 和 Cherry Studio 两个关键组件，前者是图形化的模型管理工具，后者提供直观的 Web 界面用于管理实例和监控状态。

1.1 一键安装详细步骤

# macOS 一键安装
curl -fsSL https://claw.moyuxl.top/install.sh | bash

# Windows 一键安装（管理员权限）
iex (irm https://claw.moyuxl.top/install.ps1)

Windows 安装流程（以管理员身份运行 PowerShell）：第一步，搜索 PowerShell 并右键选择"以管理员身份运行"；第二步，复制安装命令并回车，脚本会提示选择安装版本（推荐选择最新稳定版）；第三步，脚本自动检测环境、安装依赖、下载 OpenClaw 本体，期间会显示详细进度信息；第四步，按照引导选择是否接入飞书（也可以跳过后续配置）；第五步，接入 AI 大模型，可以使用 CC Switch 图形界面添加供应商和模型，或使用 Cherry Studio 的龙虾页面选择模型并启动。整个过程全自动化，遇到问题脚本会给出明确提示。

安装验证三步法：第一步，检查终端输出，确认看到"安装成功"的提示信息；第二步，打开浏览器访问 Dashboard（通常是 http://localhost:3000），检查界面是否正常显示；第三步，在 Dashboard 中发送一条测试消息"你好"，验证 AI 能否正常响应。如果任何一步出现问题，可以查看 ~/.openclaw/logs/ 目录下的日志文件定位错误。常见问题包括端口被占用（可以修改配置文件更换端口）、依赖版本不匹配（重新运行安装脚本自动修复）、网络连接失败（检查代理设置或防火墙），大多数问题都可以通过重新运行安装脚本或手动调整配置解决。

模型配置两种方式：方式一是使用 CC Switch，打开软件后点击顶部的 OpenClaw 选项，添加供应商（如 OpenAI、Anthropic、Kimi、DeepSeek），然后配置对应的 API Key 和模型。方式二是使用 Cherry Studio，打开龙虾页面后它会自动识别已配置的 OpenClaw 实例，选择想要使用的模型后点击启动即可。推荐国内使用 Kimi k2.5（性价比高、长文本处理能力强）、DeepSeek-V3（代码生成能力突出、价格极低）、通义千问（中文理解好、通用对话），国外使用 GPT-4（综合能力最强）、Claude（推理能力强、代码质量高）。配置完成后系统即可正常使用，后续可根据需求安装各类 Skills 扩展功能。

2. Skill 系统架构与核心技能配置

OpenClaw 的 Skill 系统采用插件化架构，每个 Skill 本质上是一个独立的功能模块，包含三个核心文件：SKILL.md（技能描述和使用说明，告诉 AI 何时调用这个技能）、skill.py 或 skill.js（实现代码，包含具体的业务逻辑）、config.json（配置参数，定义权限、依赖和环境变量）。这种设计使得 Skill 的开发、分发和维护都变得简单高效。系统启动时会扫描 .openclaw/skills/ 目录下的所有子目录，读取每个 Skill 的元数据，并根据依赖关系决定加载顺序。如果某个 Skill 依赖其他 Skill 或外部服务，系统会先检查这些依赖是否满足，不满足则跳过加载并记录警告信息。

Skills 按功能分为六大类：信息获取类（网络搜索、内容抓取、数据采集）、数据处理类（文本分析、格式转换、数据清洗）、自动化类（定时任务、工作流编排、批量操作）、集成类（第三方服务对接、API 调用、数据同步）、安全类（权限管理、审计日志、漏洞扫描）和工具类（辅助功能、开发调试、性能监控）。这种分类不仅便于用户查找和选择，也为 Skill 的版本管理和依赖解析提供了清晰的命名空间。

2.1 Skill 安装方式

安装 Skills 有三种方式：从 ClawHub 市场安装（最简单，类似 npm 或 pip 的包管理体验）、从 GitHub 仓库安装（灵活，可以安装未发布到市场的 Skill）、本地开发模式链接（调试用，将本地开发的 Skill 链接到 OpenClaw 实例）。安装前必须使用 ClawDex（https://clawdex.koi.security/）进行安全检查，检测未授权的文件系统访问、可疑的网络请求、敏感信息泄露风险、恶意代码注入、权限滥用等问题。

# 核心技能安装示例
npx clawhub@latest install summarize
openclaw skill install multi-search-engine
openclaw skill install tavily-search

2.2 必装核心技能清单

之前我在OpenClaw Skill 实战指南：跨境电商数据抓取从入门到精通当中做了一些工作，这里继续整理

Link-Reader（链接内容读取）。这是一个聚合型 Skill，能够解析各种平台的链接并提取结构化内容。它整合了多个平台的读取接口，使用门槛远低于传统的 x-reader。网页、公众号、推特等内容可以直接读取；B站、抖音、小红书等视频类内容，则调用 BibiGPT 的 API 进行视频转文案，按时长计费但速度快且非常稳定。首次使用时，OpenClaw 会引导你注册获取对应的 API Key。

Agent-Reach（全平台触达）。一条命令打通 13 个平台（Twitter、YouTube、B站、小红书、抖音、Reddit、GitHub、知乎、微博、豆瓣、即刻、V2EX、Hacker News），把各平台的连接和认证都搞定，让 OpenClaw 直接触达数据。安装很简单，对 OpenClaw 说：“帮我安装 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md”。

Self-Improving-Agent（自我改进）。让 OpenClaw “长记性”：自动记录每次错误和你的纠正，以后同类任务基本不会重犯。用得越多，越懂你的习惯。

Proactive-Agent（主动代理）。让 OpenClaw 拥有自主规划能力：主动拆解多步任务、提前预判需求，像个真正聪明的专属助手。

Security-Audit（安全审计）。每当给 OpenClaw 装完一批 Skill，都应该立刻让它进行安全检查，防止装的 Skill 有安全隐患。

2.3 联网搜索详细配置：三层防护体系

联网搜索是 OpenClaw 最关键的能力之一，它决定了 AI 能否获取实时信息和准确数据。一个完善的搜索系统需要三层架构：搜索引擎层、内容提取层和结果优化层。

Brave Search 配置（首选方案）。Brave Search 是目前最好用的联网搜索引擎，也是 OpenClaw 官方推荐方案，提供专为 AI 优化的搜索结果，包含结构化数据和相关性评分。访问 https://brave.com/zh/search/api/ 注册账号，需要绑定 Visa 卡（国内银行的 Visa 卡即可，如招商银行 Visa）。每月提供 5 美元免费额度（约 1000 次搜索），超出后按使用量计费，价格相对合理。注册后在控制台申请 API Key，然后在 openclaw.json 的 tools.web.search 下配置：

{
  "tools": {
    "web": {
      "search": {
        "provider": "brave",
        "apiKey": "你的apikey",
        "options": {
          "count": 10,
          "safesearch": "moderate",
          "freshness": "week"
        }
      }
    }
  }
}

建议在 Brave 控制台设置每月最大额度（如 5 美元），防止无限烧钱。配置完成后，直接对 OpenClaw 说"用 web_search 看下今日 AI 热点"即可验证，打开 Brave Search 控制台的 Usage 面板可以看到调用量开始增长，就说明配置成功了。

Tavily Search 配置（备选方案）。Tavily 是第二选择，它不需要绑定信用卡，注册即可使用。Tavily 的特点是针对研究型任务优化，返回的结果包含更多的上下文信息和引用来源，特别适合需要深度分析的场景，比如学术研究、市场调研、竞品分析等。访问 https://www.tavily.com/ 注册账号，登录后在 https://app.tavily.com/home 申请 API Key。安装方式：直接对 OpenClaw 说"安装下 https://github.com/tavily-ai/skills 这个 skill，安装到 .openclaw/skills 下"。推荐将 API Key 配置到 .openclaw/.env 文件中：

# 在 .openclaw 目录下新建 .env 文件
TAVILY_API_KEY=你的token

这样更安全且不会泄露到代码中。配置完成后，对 OpenClaw 说"用 tavily search 看下今日 AI 热点"验证，打开 Tavily 的 Usage 面板可以看到调用量统计。

Multi-Search-Engine 配置（兜底方案）。Multi-Search-Engine 是兜底方案，它聚合了 17 个搜索引擎的结果（百度、必应、搜狗、360 搜索、Google、DuckDuckGo 等），不需要 API 密钥即可使用。虽然搜索质量不如前两者，但在 API 额度用尽或服务不可用时，它能确保 OpenClaw 的搜索功能不会完全失效。这个 Skill 的实现原理是通过爬虫技术抓取各个搜索引擎的结果页面，然后解析 HTML 提取关键信息。

安装方式：对 OpenClaw 说"https://github.com/openclaw/skills/blob/main/skills/gpyangyoujun/multi-search-engine/SKILL.md，这个 skill 也安装下"。配置完成后，对 OpenClaw 说"用 multi-search-engine skill，看下今日 AI 热点"验证。

最佳实践：三者结合使用。在 AGENTS.md 中添加以下配置，让 OpenClaw 智能选择搜索引擎：

## 联网搜索优先级

1. **Brave Search**（`web_search` 工具）— 首选，速度快、质量高
2. **Tavily Search**（`search` skill）— Brave 额度用完后切换
3. **Multi-Search-Engine Skill**（`web_fetch` 拼 URL）— 最终兜底，无 API 限制

原则：能用 Brave 就不用 Tavily，能用 Tavily 就不用 multi-search-engine

这种配置确保了搜索功能的高可用性：Brave 提供最佳质量，Tavily 作为备选，Multi-Search-Engine 保证永不失效。一直白嫖一直爽，用不了 Brave 的用户，使用 Tavily + Multi-Search-Engine 方案也完全够用。

2.4 Skills 资源库推荐

Awesome-OpenClaw-Skills（社区精选库）。这是社区维护的精选列表，目前收录了 5,400+ 个高质量 Skill，按编程、自动化、运维、图像生成、PDF 处理等场景分类整理。能进这个列表的质量相对有保障，新手优先从这里找。访问 https://github.com/VoltAgent/awesome-openclaw-skills 浏览完整列表。

ClawHub 官方商店。clawhub.ai 上目前有 13,700+ 个 Skill，数量非常多、覆盖面也广，但质量参差不齐（之前还出过恶意 Skill 的安全事件）。强烈建议先用 Skill Vetter 扫一遍，同时执行 openclaw security audit，确认没问题后再正式启用。

Find-Skills（智能发现）。安装 find-skills 之后，直接对 OpenClaw 说：“帮我用 find-skills 找一个能 XX 的 Skill”。它会自动去 skills.sh 技能排名网站搜索、对比、推荐合适的，找到后确认一下就能直接安装，特别方便。

Agency Agents（55+ 专业 AI 专家库）。这是一个包含 55+ 个专业 AI 代理的资源库，涵盖 9 个部门：执行部门（CEO、COO、项目经理等）、产品部门（产品经理、UX 设计师等）、工程部门（前端、后端、DevOps 等）、数据部门（数据科学家、分析师等）、营销部门（内容营销、SEO 专家等）、销售部门（销售代表、客户成功等）、财务部门（财务分析师、会计等）、人力资源部门（招聘专员、培训师等）、法务部门（法律顾问、合规专家等）。访问 https://github.com/msitarzewski/agency-agents 获取完整列表和使用说明。每个 Agent 都有详细的角色定义、专业技能描述和使用场景，可以直接导入到 OpenClaw 中使用，构建完整的 AI 团队。

2.5 Skills 体系构建三步法

很多人装了一堆 Skills 却发现 OpenClaw 反而更慢更乱，问题不在于 Skills 本身，而在于缺乏系统化的管理思路。正确的做法是：先跑通核心链路（检索→执行→复盘），再逐步扩展场景覆盖，最后形成可维护的体系。

第一步：核心底座 Skills（必装，瞬间拉升 80% 战力）

网络搜索增强（信息输入质量）：

• Summarize：把网页/播客/长文快速抽取成可分析文本，减少"读错源/漏重点"，稳定内容输入质量
• Multi-Search-Engine：集成 17 个搜索引擎（8 个国内 + 9 个国际），无需 API Key 即可实现全网搜索
• Tavily-Search / Brave-Search：用于更高质量检索与研究型任务，输出更适合 AI 处理

工具增强（拓展能力边界）：

• Mcporter：快速接入大量 MCP Server，连接数据库、Slack、Notion 等外部能力
• Find-Skills：主动发现"当前任务可用哪些 Skills"，降低试错成本
• Proactive-Agent-1-2-4：用于多步骤任务的持续执行与迭代，复杂任务拆解成多步骤小任务，提高执行稳定性
• Skill-Creator：把高频任务沉淀为可复用 Skill，形成长期资产

记忆管理与成本控制：

• QMD：结构化记忆检索，降低上下文噪音与 Token 浪费
• Office-Automation：覆盖日程管理、邮件处理、文档编辑、数据统计等核心办公场景
• Session-Logs：复盘输出质量和错误模式，持续调优，这是"稳定性"核心工具
• Model-Usage：随时查看不同模型的成本/质量/时延，帮你建立"任务→模型"路由

第二步：安全检查（ClawDex 扫描）

Skills 具备执行权限，可能涉及文件读写、网络请求、系统调用，所以安全不是可选项，而是前提。所有 Skills 安装前必须使用 ClawDex（https://clawdex.koi.security/）进行安全检查。输入要安装的技能名称，如果提示安全风险，尽量不要安装。ClawDex 会检测：未授权的文件系统访问、可疑的网络请求、敏感信息泄露风险、恶意代码注入、权限滥用等问题。

第三步：进阶定制（打造专属技能系统）

把你的隐性能力（经验、SOP、标准）封装为 Skills，才能真正稳定复用。使用 Skill-Creator 可以从需求出发做轻量封装，不需要先精通底层机制。比如，将个人品牌规范封装成 Skill，每次写作内容后就调用规范 Skill 来审核优化。Skill 是所有 Agent 通用的格式，可以打造属于你最强的技能组合，沉淀成你的资产，不管未来出现什么更强的工具，都可以迅速嫁接切换。

2.7 Skills 执行稳定性优化

很多人反馈"让龙虾调用技能，它还是经常搞不定"，常见原因包括：技能本身不稳定或依赖易变、提示词/参数不清晰、技能链条过长、上下文过杂、质量评估缺失。

最有效的 5 个优化方式：

1. 明确目标 + 输出格式：“用 summarize 抽取 3 个观点，按’标题-要点-原文证据’输出”
2. 缩短链条：能一步做完就一步做完，少做"连环技能"，复杂任务拆成 2-3 个小任务而不是 1 个大任务
3. 强制验收标准：“不包含来源链接就视为失败”、“三段式输出，不满足则重试”
4. 固定模板：例如每次选题都用"问题-证据-结论"结构，模板会显著提升稳定性
5. 为关键任务加复核：先生成→再让它自检（例如"检查是否有虚构来源"），这是最稳的输出控制手段

2.8 实战案例：11 个高价值应用场景

金融投资类：

1. 股票助手（https://clawhub.ai/mbpz/akshare-stock）：基于 AkShare 库获取 A 股实时行情、财务数据、板块信息，配置关注股票列表、技术指标（MACD、KDJ、RSI、BOLL）、预警条件，可搭配定时任务在买点和卖点实时推送
2. Polymarket 预测市场交易机器人（https://clawhub.ai/hiehoo/polymarket-analysis）：分析预测市场，寻找交易优势，查询赔率和赛事

新媒体运营类：
3. 小红书全自动运营（https://clawhub.ai/Borye/xiaohongshu-mcp）：写文案、做封面图、发布笔记、回复评论，一整套运营流程全自动，虾薯账号就是真实案例
4. 公众号文章自动写作发布（https://clawhub.ai/hahacatlsq/wechat-mp-writer-skill-mxx）：输入选题，AI 自动生成标题、正文、配图，定时发布
5. X(Twitter) 全自动运营（https://clawhub.ai/zizi-cat/chirp）：每天自动推送选题、发推、回复评论、归档数据

信息获取类：
6. 每日新闻定时播报（https://clawhub.ai/kenxcomp/ai-news-collectors）：每天早上自动抓取 AI、科技、财经等领域最新新闻，整理成简报推送
7. 跨平台内容搜索（https://github.com/runningZ1/union-search-skill）：一句话搜索 B 站、抖音、小红书、GitHub、Twitter 等 20+ 平台内容

办公自动化类：
8. 会议纪要自动生成（https://github.com/EvoLinkAI/awesome-openclaw-usecases-moltbook）：把会议录音文字版粘贴给 AI，生成格式化会议纪要
9. 自动总结网站或文件内容（https://clawhub.ai/steipete/summarize）：对 URL 或文件进行汇总（包括网页、PDF、图像、音频、YouTube 等）

数据监控类：
10. 网站信息监控（https://clawhub.ai/rogue-agent1/web-monitor）：监控网页内容变更并接收提醒，支持 CSS 选择器定向监控
11. OpenClaw 运行状态监控（https://clawhub.ai/jorgermp/task-monitor）：实时监控 OpenClaw 运行状态、API 调用次数、成本开销，可视化界面

2.9 数据采集神器：Scrapling

Scrapling 是 OpenClaw 的"最强外挂"，专门解决网页抓取时频频翻车的问题。它能穿透各种防爬虫的网页护盾，把网页源码直接清洗成干净的结构化数据。发布一年多后因为成为龙虾神器而人气大爆发，狂揽 2.3 万 stars，冲上 GitHub 单日趋势榜第一名。

核心能力：

• StealthyFetcher 隐身获取器：完美模拟最新版浏览器的指纹和操作行为，开箱即用地绕过各种拦截和真人验证
• 智能自适应算法：即使网站彻底打乱 HTML 结构，解析器也能通过相似度比对自动感知数据位置，重新定位到正确的关键信息
• MCP 模式：精准提取正文，剔除废话、广告和冗余代码，大幅降低 API 调用的 Token 费用
• 断点记忆功能：遇到断网或断电，爬取进度会被保存，恢复后无缝接力继续干活
• 开箱即用的命令行工具：不需要会 Python，照着教程敲一行简单指令就能调用全部采集能力

项目地址：https://github.com/D4Vinci/Scrapling

原作者已明确表示正在把 Scrapling 做成 OpenClaw 的 Skill，每个普通用户都有希望轻松给自己的 OpenClaw 武装上一双看透全网、精准抓取数据的眼睛。

2.10 五个神器联动：让 OpenClaw 真正强大

很多人抱怨 OpenClaw 不如 ChatGPT 好用，其实是没有理解它的核心优势。OpenClaw 不是用来聊天的，而是用来构建自动化系统的。要让它真正发挥作用，需要"强强联合"——将五个神器组合起来使用。

神器一：模型与设备选择。模型是 OpenClaw 的大脑，设备是它的手脚。选对模型能省力一半：国内推荐 Kimi k2.5（长文本处理、200K 上下文窗口）、DeepSeek-V3（代码生成、价格极低）、通义千问（通用对话、中文理解好），国外推荐 GPT-4（综合能力最强）、Claude（推理能力强、代码质量高）。设备选择同样重要：VPS 只能做爬虫和对话，NAS 可以读取本地文档，个人电脑才能实现定时提醒、自动化工作流、浏览器交互等完整功能。非程序员不要在 VPS 上部署，至少要用 NAS，最好用个人电脑。这不是技术问题，而是功能限制——VPS 没有图形界面，无法运行需要浏览器的任务；NAS 虽然有存储优势，但性能有限；只有个人电脑才能发挥 OpenClaw 的全部潜力。

模型名称	整体智能打分 (0-10)	擅长领域（通俗解释 + 场景适配）
Claude Opus 4-5 (Anthropic)	9.5	超级大脑： 能解开复杂谜题（如分析商业策略、法律问题）；代码一流： 适合开发App或调试程序bug；文学创作： 创作小说或营销文案；长文本处理： 阅读整本书总结要点；建议靠谱： 在道德敏感话题（如隐私保护）上表现很稳。
GPT-5.2 (OpenAI)	9.0	万金油选手： 聊天超自然（日常问答或闲聊）；全才： 懂各种语言和知识（翻译文件、解释科学概念）；多模态强： 能看图说话（分析照片或生成图片描述）；创意脑暴： 帮你写博客或设计产品想法。
Gemini (Google)	8.8	图文视频高手： 能看懂多媒体（描述视频内容或识别物体）；搜索快准狠： 实时查看新闻或找教程；知识库强大： 解答历史事件或技术问题；场景适配： 帮你规划旅行（结合地图和图片推荐路线）。
Qwen 2.5 72B (开源)	8.5	中文处理王者： 写中文报告或翻译古诗；数学/代码达人： 解方程或写脚本自动化任务；开源好用： 适合在本地电脑跑模型，隐私不外泄；学生友好： 辅助算题或编程练习。
Llama 3.3 70B (开源)	8.2	翻译总结神器： 多语言转换或浓缩长文；通用聊天： 客服模拟或日常咨询；隐私优先： 适合公司内部使用，防止数据泄露；企业办公： 总结会议记录或翻译合同。
Kimi K2.5 (Moonshot AI)	8.0	效率工具： 快速生成代码或分析数据；数据高手： 写Python脚本或Excel处理；开发者友好： 测试想法或小项目；初创团队： 快速原型开发或市场分析。
MiniMax (Xiaomi)	7.8	代码支持强： 帮写游戏脚本或自动化工具；多语言轻松： 中英混用聊天；易上手集成： 手机App开发或智能家居控制；趣味编程： 教小孩写简单游戏或机器人指令。

神器二：Skills 技能包。把 OpenClaw 比作厨房，对话模型是厨师，Skills 就是菜谱。没有菜谱，厨师再厉害也不知道做什么菜。官方仓库收录了 3000+ 技能，覆盖 99% 的需求。你可以直接使用现成技能，也可以让 AI 生成符合你需求的自定义技能，还可以把多个技能整合成工作流 SOP。比如生成调研报告，可以调用 Google-search 或 Perplexity 的 AI 优化搜索 Skill，OpenClaw 会整合需求让模型按照标准流程输出报告。关键是要理解：Skills 不是可选项，而是必需品。没有 Skills 的 OpenClaw 就像没有 App 的智能手机，只能打电话发短信。

神器三：浏览器插件。80% 的日常操作都在浏览器中进行，安装 OpenClaw Browser Relay 后，AI 就有了"眼睛"，能直接读取网页内容。对于反爬虫网站，你访问的同时 AI 也能看到，可以直接让它分析。Chrome 对插件限制较高，需要手动点击 ON 才能访问，切换标签页需要重新激活。Google Computer Use 项目更强大，能实现自动化控制、填写表单、模拟点击，但需要手动绕过验证且只能用 Gemini API。Chrome 自带的 Gemini 体验最好但集成度低。三种方案根据需求自由切换：偶尔读取网页用 Browser Relay，自动化复杂任务用 Computer Use，快速分析网页用 Chrome Gemini。

神器四：GitHub 开源工具。这个时代重复造轮子是最浪费生命的事。OpenClaw 能运行终端命令，意味着所有 GitHub 上的开源 CLI 工具都是它的武器库。想下载 YouTube 视频？直接调用 yt-dlp（30k+ stars）。想管理 GitHub 仓库？安装 gh CLI 工具。想处理视频？用 ffmpeg。想批量处理图片？用 ImageMagick。能用现成的 CLI 绝不自己写脚本，把 gh、yt-dlp、ffmpeg 这些神器装在电脑上，OpenClaw 就能直接调用，能力瞬间爆炸。这就是站在巨人肩膀上——你不需要重新发明轮子，只需要告诉 OpenClaw 调用哪个工具。

神器五：n8n 自动化工作流。这是最强辅助，能高效稳定地解决 80% 的重复性劳动。OpenClaw 负责理解意图，n8n 负责稳定执行。相比黑盒操作，n8n 的可视化节点更容易操作也更稳定。你可以把脏活累活拆解出来丢给免费或本地模型，输出内容再由高级模型分析整合。典型案例是全网情报抓取：你发指令"分析 AI Agent 热门玩法"，OpenClaw 理解意图转化为 JSON 发送给 n8n，n8n 调用 Brave Search 抓取数据、用 Ollama 本地模型总结、生成结构化报告、通过 Telegram 发送。把复杂流程交给 n8n 可视化编排，OpenClaw 只做触发器和审核者，既稳定又灵活，还能大幅节约 Token 消耗。

OpenClaw 与 n8n 的分工演变。实战经验表明，OpenClaw 正在改变 n8n 的使用方式。以前用 n8n 搭内容自动化系统，需要花几个月时间设计节点、调试流程，还要专门招人操作。现在对着 OpenClaw 说一句话，它自己去找方法、自己执行、干完告诉结果。这种变化的本质是：OpenClaw 成为意图层（你告诉它想干什么，它来决策怎么干），n8n 变成执行层（在需要精确控制的场景被 OpenClaw 调用）。流程固定、逻辑复杂、需要精确控制每个节点的场景，n8n 的稳定性依然是最优解。但对于需要灵活决策、动态调整的任务，OpenClaw 的自主性更强。未来的趋势是两者重新分工，而不是谁取代谁。真正会被淘汰的，不是 n8n，是那些只会拖节点、却说不清楚自己在解决什么问题的人。

这五个神器给了 OpenClaw 大脑（模型）、手脚（设备）、专业技能（Skills）、眼睛（浏览器）、武器库（GitHub 工具）和自动化流水线（n8n）。不要沉迷于单一工具的参数微调，而是把它们链接起来，构建一个能 24 小时干活的系统。

2.11 分岗位 Skills 推荐清单

不同岗位有不同的痛点，选对 Skills 能让效率提升 10 倍。以下按 6 大高频岗位整理核心 Skills，每个都附带 GitHub 仓库和实战场景。

通用必装（所有岗位适用）

• find-skills（clawhub.ai/JimLiuxinghai/find-skills）：AI 主动帮你发现新插件。不知道有什么插件可用时，跟 AI 说"我想订阅日历"、“帮我搜 Reddit”，它会主动去 ClawHub 找合适的 Skill 推荐安装
• skill-vetter（clawhub.ai/spclaudehome/skill-vetter）：装陌生 Skill 之前先审查。检查有没有可疑权限、异常行为、潜在安全风险，不知道来路的插件别直接装
• summarize（clawhub.ai/steipete/summarize）：一键总结网页、PDF、图片、音频、YouTube 视频。碰到长文或视频不想看完，先扔给它过一遍
• memory-setup（clawhub.ai/jrbobbyhansen-pixel/memory-setup）：给 AI 配置持久记忆系统，从"金鱼脑"变"大象脑"，你的偏好、工作习惯、历史决策都记得
• self-improving（clawhub.ai/ivangdavila/self-improving）：AI 做错了或被你纠正后，自动把经验记下来建立分层记忆库，下次同类问题不再犯错
• proactive-agent（clawhub.ai/halthelobster/proactive-agent）：让 AI 学会主动预判需求、定时巡检、上下文丢了能自动恢复，从"被动工具"到"有主见的助理"

新媒体运营

核心痛点：灵感枯竭、琐事缠身、多平台管理。

• Media Ops Suite（medialab/claude-media-skills，5.7k Star）：8 个新媒体专属 Skill，标题生成、文案撰写、排版优化、热点追踪、素材整理、数据统计、评论回复、多平台同步。直连 Canva、醒图、公众号编辑器，生成文案后可直接调用设计工具做配图，排版完成后一键同步到公众号、小红书
• Content Planner Pro（contenthub/awesome-claude-content-skills，3.2k Star）：内容规划专家，内置 12 个行业内容模板，支持周/月/季度内容日历生成。热点预判、选题策划、内容分发、数据复盘，告诉你当下该追什么热点、写什么选题、发什么平台
• Comment Auto-Reply（ComposioHQ/awesome-claude-skills，38k Star）：自动识别评论情绪（正面/负面/中性），按预设调性回复，支持批量回复、关键词筛选、违规评论拦截
• nano-banana-pro（clawhub.ai/steipete/nano-banana-pro）：对话框里直接出图，支持 1K/2K/4K 分辨率，也支持把现有图片当输入再编辑——换背景、加文字、改风格都行
• humanizer（clawhub.ai/biostartechnology/humanizer）：去掉 AI 味，把"值得注意的是"、"不仅……而且……"这类套话揪出来换掉，让内容读起来更像人写的
• video-frames（clawhub.ai/steipete/video-frames）：用 ffmpeg 从视频里提取关键帧或短片段，方便内容分析和素材剪辑，不用自己一帧一帧截图

产品经理

核心痛点：画原型、写 PRD、整理需求、对接研发耗时过多。

• Product Toolkit（productdev/claude-product-skills，4.8k Star）：15 个产品专用 Skill，PRD 自动生成、需求整理、用户反馈分析、竞品分析、路线图规划、原型标注。输入需求痛点、核心功能、用户场景，一键生成完整 PRD
• User Research Pro（userlab/claude-user-research-skills，1.9k Star）：桥接问卷星、麦客表单，提供 5 种用户研究模式。用户访谈自动分析，上传访谈录音/文字，自动提取核心需求、用户痛点、潜在期望，生成可视化分析报告
• PRD Review Helper（devtools/claude-dev-skills，2.1k Star）：PRD 自动审核、漏洞排查、逻辑校验，内置产品研发全流程规范，自动排查 PRD 中的逻辑问题、表述漏洞，标注需要修改的地方

程序员/开发

核心痛点：调试代码、排查 bug、重复编写代码片段。

• Code Helper Suite（anthropics/knowledge-work-plugins，8.1k Star）：Anthropic 官方出品，6 个开发专用 Skill，代码调试、代码生成、语法检查。按编程语言（Python/Java/JavaScript 等）自动识别代码问题，标注错误位置，给出修改建议，甚至直接生成优化后的代码
• Claude-Code-Assistant（codelab/claude-code-assistant，3.7k Star）：专攻代码生成与优化，基于 GitHub 海量开源代码库，支持 20+ 种编程语言。支持基础代码生成、复杂逻辑编写、第三方库调用、单元测试生成
• Awesome Code Skills（codecommunity/awesome-claude-code-skills，2.8k Star）：首个开发领域 Skill 开放社区，目前已有 30+ 个独立开发 Skill，覆盖前端、后端、移动端、测试、运维
• github（clawhub.ai/steipete/github）：在对话框里管代码，搜索 GitHub 开源项目、提 Issue、看 PR、查 CI，程序员不用来回切窗口

人力资源（HR）

核心痛点：招聘、考勤、绩效等基础工作繁琐。

• HR Ops Bundle（hrtech/claude-hr-skills，2.3k Star）：22 个人力资源专用 Skill，招聘文案生成、简历筛选、面试问题设计、考勤统计、绩效评估、员工培训方案、离职分析。输出带数据可视化的 HR 报表
• Resume Analyzer Pro（hrassistant/claude-resume-skills，890 Star）：两阶段简历分析法，Phase 1 筛选关键词、匹配岗位需求，Phase 2 深度分析候选人能力、经验、薪资预期。支持校园招聘、社招、猎头招聘等场景
• HR-Training / Performance-Assistant（alirezarezvani/claude-skills，2k Star）：18 个 HR Skill，员工培训方案生成（按岗位、职级定制）、绩效评估表设计、薪酬方案建议、员工关系协调、企业文化宣传文案

电商运营

核心痛点：上架商品、优化标题、回复客服、盯数据。

• E-commerce Ops Suite（alirezarezvani/claude-skills，2k Star）：16 个电商运营 Skill，横跨四大模块——商品上架（标题优化、详情页撰写、主图文案）、客服管理（自动回复、售后处理、差评应对）、数据复盘（销量分析、流量分析、转化率优化）、营销活动（文案生成、活动策划、优惠券设置）
• Product Title Optimizer（ecomtools/claude-ecom-skills，1.6k Star）：商品标题优化、关键词挖掘、搜索排名提升，支持淘宝、京东、抖音、拼多多等全平台。自动挖掘行业热门关键词、长尾关键词，结合商品核心卖点生成优化后的标题
• Ecom Data Analyst（trailofbits/skills，3k Star）：Trail of Bits（全球顶级安全审计公司）出品，电商全平台数据整合与分析，自动同步淘宝、京东、抖音小店的销量、流量、转化率、客单价等数据，生成可视化分析报告
• stock-market-pro（clawhub.ai/kys42/stock-market-pro）：本地优先的股市分析工具，输入股票代码直接出带 RSI/MACD/布林带等技术指标的高清图表，一键输出分析报告

行政/文员

核心痛点：整理文件、安排会议、录入数据、撰写通知等杂活。

• Admin Assistant Suite（K-Dense-AI/claude-admin-skills，4.2k Star）：38 个行政专用 Skill，覆盖文件整理、会议安排、数据录入、通知撰写、日程管理、采购清单生成、访客登记、报销处理。直连 Office、企业微信、钉钉，自动同步日程、发送会议通知、整理会议纪要
• Document Organizer Pro（Galaxy-Dawn/claude-document-skills，760 Star）：18 个文档处理 Skill + 10 个 Agent + 35 个命令。文件分类整理、数据自动录入、通知撰写、报告摘要。支持 PDF 转 Word、Excel 数据校验、文件归档
• Meeting Assistant（pedrohcgs/claude-code-my-workflow，443 Star）：12 个会议相关功能，会议安排（自动匹配参会人日程、发送通知、预订会议室）、会议纪要生成（自动记录会议内容、提取核心要点、分配行动项）、会议后续跟进
• nano-pdf（clawhub.ai/steipete/nano-pdf）：用说话的方式改 PDF，跟 AI 说"把第三页的标题改成 XX"、“在第二页末尾加一段”，它真的帮你改
• markdown-converter（clawhub.ai/steipete/markdown-converter）：万能格式转换，PDF、Word、PPT、Excel、HTML、图片、音频——各种格式一键转成 Markdown
• openai-whisper（clawhub.ai/steipete/openai-whisper）：免费本地语音转文字，把音频或视频的语音转成文字，本地运行不需要 API key，会议录音、采访录音、视频出字幕全能搞
• obsidian（clawhub.ai/steipete/obsidian）：打通本地知识库，如果你用 Obsidian 做笔记，让 AI 直接读写你的 Vault——搜笔记、新建文档、更新内容

使用建议：不要贪多，先找到你岗位最痛的那个场景，给它配一个 Skill。跑通了，你就懂了——AI 不是来替代你的，是来帮你解放双手，做更有价值的事。

⭐ 特别推荐：web-content-fetcher（github.com/shirenchuang/web-content-fetcher）：读取任意网页内容的终极方案。Jina Reader 读不到的页面、需要登录的网站、微信公众号文章——用这个都能读到，支持三级降级策略自动兜底，返回干净的 Markdown 格式正文。这是大多数其他抓取工具做不到的，特别是微信公众号文章抓取能力。开源免费，永久可用。

3. 浏览器集成与自动化工作流

浏览器集成让 OpenClaw 能够"看到"网页内容，处理动态加载页面和交互任务。三种方案各有优劣，实际使用中可以组合使用，根据任务类型动态选择方案。

3.1 三种浏览器集成方案

OpenClaw Browser Relay（官方插件）。这是官方提供的浏览器扩展，通过在浏览器工具栏显示图标，点击即可激活。激活状态下，OpenClaw 能够读取当前标签页的 DOM 结构、截图和文本内容。插件的工作原理是在网页中注入一个内容脚本（content script），这个脚本监听来自 OpenClaw 的消息，执行相应的操作（如截图、提取文本），然后将结果发送回去。优点是配置简单、兼容性好、安全性高；缺点是需要手动激活、无法自动切换标签页、不支持复杂交互。适用场景：偶尔需要读取网页内容、分析页面结构、提取特定信息。

Google Computer Use（完全自动化）。基于 Playwright 实现浏览器自动化，能够完全控制浏览器，包括点击、输入、滚动、切换标签页等所有操作：

# Computer Use 自动化示例
from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch()
    page = browser.new_page()
    page.goto('https://example.com')
    page.fill('#username', 'user')
    page.fill('#password', 'pass')
    page.click('button[type="submit"]')
    page.wait_for_selector('.dashboard')
    content = page.content()
    browser.close()

Computer Use 特别适合需要复杂交互的任务，比如填写表单、模拟用户行为、绕过某些反爬虫机制。它能够模拟真实用户的操作节奏，包括随机的停顿时间和鼠标移动轨迹。优点是功能强大、完全自动化、支持复杂交互；缺点是只能使用 Gemini API、需要手动处理验证码、配置复杂。适用场景：自动化测试、数据采集、复杂表单填写、需要登录的操作。

Chrome 自带 Gemini（最佳体验）。Chrome Gemini 将 AI 能力直接集成到浏览器中。用户可以在任何网页上右键调用 Gemini，让它分析页面内容、回答问题或执行任务。优点是用户体验最好、无需配置、即开即用；缺点是与 OpenClaw 集成度低、功能受限、依赖 Chrome 浏览器。适用场景：快速分析网页、临时查询、辅助浏览。

3.2 n8n 深度集成

n8n 是开源的工作流自动化平台，与 OpenClaw 集成后成为 AI 的"执行引擎"。集成的核心是 Webhook 节点和 HTTP Request 节点，OpenClaw 通过 Webhook 触发 n8n 工作流，传递任务参数和上下文信息。n8n 执行完任务后，通过 HTTP Request 将结果回传给 OpenClaw。这种松耦合的架构使得两个系统可以独立升级和维护，互不影响。

…详情请参照古月居

草稿管理采用智能更新机制，首次发布时创建新草稿并将 media_id 写入 meta.json，后续修改文章后重新运行脚本会自动检测 media_id 存在，调用更新草稿接口而不是创建新草稿，避免草稿箱堆积大量重复内容。系统支持三种发布模式：首次发布（创建新草稿，保存 media_id，发送微信预览通知）、修改更新（检测到 media_id 存在，自动更新草稿内容）、强制新建（添加 --force-new 参数，忽略缓存创建全新草稿）。图文笔记和长文章走不同的发布接口，因为微信将它们视为两种不同的内容类型。图文消息必须使用永久素材接口上传所有图片，而文章内图片使用普通的 upload-img 接口。脚本层面做了区分处理，确保两种内容类型都能正确创建对应格式的草稿。整个发布流程只需要一行命令 python3 scripts/publish.py --article-dir ~/Documents/openclawworkspace/articles/2026-03-07/主题/，执行完成后在公众号草稿箱审核内容，确认无误后点击发布。

# 微信公众号图片上传示例
def upload_images_to_wechat(article_dir):
    images = scan_images(article_dir)
    wechat_urls = {}

    for img_path in images:
        # 检查缓存
        if img_path in meta.get('wechat_image_map', {}):
            wechat_urls[img_path] = meta['wechat_image_map'][img_path]
            continue

        # 上传到微信 CDN
        with open(img_path, 'rb') as f:
            response = requests.post(
                f'https://api.weixin.qq.com/cgi-bin/media/uploadimg?access_token={token}',
                files={'media': f}
            )
        wechat_url = response.json()['url']
        wechat_urls[img_path] = wechat_url

        # 更新缓存
        meta.setdefault('wechat_image_map', {})[img_path] = wechat_url

    # 替换 Markdown 中的图片链接
    markdown = read_markdown(article_dir)
    for local_path, wechat_url in wechat_urls.items():
        markdown = markdown.replace(local_path, wechat_url)

    return markdown

隐藏标签系统是整个方案的核心创新，通过在 Markdown 中插入 HTML 注释来标记需要特殊渲染的内容区块。渲染器识别这些注释后套用预设的样式模板，生成带完整内联样式的 HTML。目前支持六种样式标签：蓝色导读框（<!-- wechat head -->）、加粗高亮句（<!-- wechat highlight -->）、圆角卡片列表（<!-- wechat card -->）、提示词代码卡片（<!-- wechat code -->）、蓝色总结区块（<!-- wechat summary -->）、引导关注提示区块（<!-- wechat follow -->）。渲染器还会自动添加 header 和 footer，header 包含星标提示、封面图、署名，footer 包含结尾标记、关注二维码，这些内容不需要写在文章 Markdown 中。整个系统实现了内容与样式的分离，运营人员只需要专注于内容创作，排版和发布全部自动化处理，大幅提升了内容生产效率。

5. 故障排查与进阶技巧

5.1 常见问题诊断

常见问题诊断：OpenClaw 响应缓慢时检查系统资源占用和进程状态，考虑切换到更快模型；Skills 执行失败时查看日志并重新安装；网络连接问题时测试连接并配置代理。日志系统记录详细运行信息，分为 DEBUG（调试信息）、INFO（一般信息）、WARNING（警告）、ERROR（错误）、CRITICAL（严重错误）五个级别。使用 Task-Monitor Skill 监控 API 调用次数、响应时间、内存 CPU 使用率、Skills 执行成功率和错误统计。定期备份配置和数据，建议每周完整备份、重要操作前增量备份。

# 故障排查命令
tail -f ~/.openclaw/logs/openclaw.log  # 查看实时日志
grep "ERROR" ~/.openclaw/logs/openclaw.log  # 搜索错误
openclaw restart  # 重启服务
openclaw skill logs skill-name  # 查看特定 Skill 日志

5.2 进阶技巧

…详情请参照古月居