让OpenClaw接入豆包和OpenAI

文章目录

• 为什么你的AI助手应该"住"在本地？
• • 一、OpenClaw究竟是什么？别再把它当简单的微信机器人了
  • 二、安装前的准备：你的电脑能不能养得起这只"小龙虾"？
  • • 2.1 基础环境要求
    • 2.2 安装OpenClaw
  • 三、核心配置：Gateway是你的"数字客厅"
  • • 3.1 环境变量配置详解
  • 四、接入豆包：让国产大模型住进你的本地环境
  • • 4.1 在Coze上搭建桥梁
    • 4.2 打通本地与Coze的通信
  • 五、OpenAI集成：给"小龙虾"装上最强大脑
  • • 5.1 基础接入配置
    • 5.2 双模型热切换实战
  • 六、Docker部署：让"小龙虾"住进隔离的沙盒
  • • 6.1 Docker Compose配置
    • 6.2 沙盒安全策略
  • 七、实战场景：从"玩具"到"生产力工具"的跨越
  • • 7.1 智能客服机器人
    • 7.2 自动化编程助手
    • 7.3 跨平台信息同步
  • 八、避坑指南：新手最容易踩的五个坑

目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。

为什么你的AI助手应该"住"在本地？

想象这样一个场景：你把所有秘密都告诉了一个住在大厂宿舍的"室友"——你让他帮你写情书、改简历、分析公司的财务报表。每次对话，这些信息都要先穿过半个地球，在别人的服务器里转一圈。有没有觉得哪里不对劲？

这就是当下大多数人与AI的相处模式。我们习惯了在网页端ChatGPT、在手机App里跟豆包聊天，却忘了数据隐私这件事就像家里的钥匙——你肯定不会把钥匙交给陌生人保管，对吧？

OpenClaw（社区爱称"小龙虾"）的出现，就是为了解决这个问题。它不是又一个聊天机器人，而是一个运行在你自己电脑上的AI指挥中心。从2025年底那个被称为Clawdbot的周末小项目，到如今GitHub上斩获20万Star的开源现象级作品，这个由奥地利开发者Peter Steinberger打造的框架，正在重新定义"个人AI助理"的边界。

今天这篇文章，咱们就来聊聊怎么把这位"数字室友"请进家门，顺便让它同时接入豆包和OpenAI两大"大脑"，实现"本地运行，云端智能"的混搭玩法。

一、OpenClaw究竟是什么？别再把它当简单的微信机器人了

很多人第一次听说OpenClaw，是因为网上盛传的"100%AI生成代码"的噱头。确实，Peter Steinberger公开承认过，整个项目的代码几乎都是由Claude自动编写的，他本人更像是个"产品经理"角色。但这并不是重点。

重点是，OpenClaw本质上是一个AI Agent的通用框架。它通过在本机启动一个Gateway（网关）服务，默认监听18789端口，把你的本地环境变成一个AI可以直接操作的"数字工作台"。

你可以把它理解为一个Translator（翻译官）+ Butler（管家）的混合体：

• 它一边连接着各种聊天软件（微信、Telegram、Discord等）
• 一边连接着各种AI模型（OpenAI GPT系列、Anthropic Claude、国产的豆包/Kimi等）
• 更重要的是，它拥有对你本地文件系统的访问权限，可以执行命令、读写文件、甚至帮你初始化项目

这种设计的妙处在于数据主权。你的聊天记录、生成的文件、修改的代码，全都留在你自己的硬盘里，而不是某个云厂商的数据库中。对于那些处理敏感信息（比如财务数据、商业计划、个人日记）的场景，这简直就是刚需。

二、安装前的准备：你的电脑能不能养得起这只"小龙虾"？

别看OpenClaw功能强大，它对硬件的要求其实相当亲民。因为它本身只是一个"中间层"，真正的计算量发生在模型端——如果你接的是OpenAI或豆包的云端API，本地几乎不需要什么算力。

2.1 基础环境要求

首先，你需要一个Node.js 22或更高版本的环境。别小看这个版本要求，2026年的LTS版本已经是Node 22/24的天下了，如果你还在用Node 16，那就像试图用Windows XP跑原神——不是不可能，但没必要跟自己过不去。

检查Node版本的命令很简单：

node –version

如果输出是v22.x.x或更高，恭喜你，可以进入下一步。如果不是，建议去Node.js官网下载最新的LTS版本，或者用nvm（Node Version Manager）切换版本。

2.2 安装OpenClaw

安装过程简单到令人发指，一行命令搞定：

npm install -g openclaw@latest

装完之后，你需要执行初始化流程。这个onboard命令会引导你完成基础配置：

openclaw onboard –install-daemon

这里的–install-daemon参数会把OpenClaw注册为系统服务，让它随开机自启。如果你只是想在命令行里手动玩玩，可以去掉这个参数。

三、核心配置：Gateway是你的"数字客厅"

安装完成后，OpenClaw会在你的机器上启动一个Gateway服务。你可以把它想象成你家客厅的"总机"——所有AI模型、聊天软件、本地工具都要通过这个总机才能互相通信。

默认情况下，Gateway会占用18789端口，并提供一个Web管理界面。在浏览器里打开http://127.0.0.1:18789，你会看到一个简洁的控制面板。第一次访问时，系统会要求输入Token，这个Token是在初始化时自动生成的，可以在命令行输出里找到。

3.1 环境变量配置详解

OpenClaw的行为主要通过环境变量控制。以下是几个最关键的参数：

这些变量可以写在系统的环境变量里，也可以放在项目根目录的.env文件中。个人建议后者，方便不同项目使用不同配置。

四、接入豆包：让国产大模型住进你的本地环境

豆包（Doubao）作为字节跳动旗下的AI产品，在中文理解和语音交互方面有着不错的表现。把豆包接入OpenClaw的流程，需要借助Coze平台作为"中转站"。

4.1 在Coze上搭建桥梁

整个接入路径是这样的：豆包 ↔ Coze智能体 ↔ OpenClaw本地服务。

首先，你需要访问Coze的开发者平台（https://code.coze.cn/），登录后创建一个新的智能体。记得点击右上角的"回到旧版"按钮，因为新版界面有些功能还在调整中。

在智能体配置页面，关键的一步是更改类型为"对话流"。选择添加"对话流"后，点击"官方示例"，找到libai模板并复制。这个模板提供了基础的HTTP回调能力，正好用来对接OpenClaw。

进入"对话流配置"后，把默认的模型改成**“豆包角色扮演模型”**。这个版本对长对话的支持更好，也支持更自然的语音交互。配置完成后，先点击"发布"并选择发布到"豆包"，测试一下基础功能是否正常。

4.2 打通本地与Coze的通信

这是最技术向的一步。你需要在Coze的"对话流"中添加一个HTTP请求节点，让它能够调用你本地运行的OpenClaw Gateway。

由于本地服务通常在内网，而Coze在公网，这里需要解决内网穿透的问题。最简单的方案是使用Cloudflare Tunnel或者ngrok，把你的本地18789端口映射到一个公网URL。

假设你已经通过ngrok获得了https://abc123.ngrok.io这个转发地址，那么在Coze的HTTP节点中，你需要配置：

• 请求方法：POST
• 请求地址：https://abc123.ngrok.io/api/chat
• 请求头：Content-Type: application/json
• 请求体：包含message和session_id等字段

在OpenClaw这边，你需要在配置文件中添加对这个Webhook的响应逻辑。编辑~/.clawdbot/config.json，在agents部分添加一个新的endpoint：

{
"agents": {
"doubao-bridge": {
"type": "webhook",
"endpoint": "https://abc123.ngrok.io/api/chat",
"model": "custom",
"customModelConfig": {
"baseURL": "https://api.coze.cn/open_api/v2/chat",
"apiKey": "你的Coze个人令牌"
}
}
}
}

这里的apiKey需要你在Coze平台的"个人设置"里生成一个Personal Access Token。务必妥善保管，不要提交到Git仓库。

五、OpenAI集成：给"小龙虾"装上最强大脑

相比豆包需要通过Coze中转，OpenAI的接入要直接得多。OpenClaw原生支持OpenAI的API格式，只需要配置好密钥就能直接用。

5.1 基础接入配置

在环境变量或.env文件中添加：

OPENAI_API_KEY=sk-你的OpenAI密钥
OPENAI_MODEL=gpt-4o

然后在OpenClaw的配置文件里指定使用OpenAI作为默认模型：

{
"agents": {
"main": {
"model": "openai",
"openaiConfig": {
"model": "gpt-4o",
"temperature": 0.7,
"maxTokens": 4096
}
}
}
}

如果你使用的是Azure OpenAI服务，配置略有不同，需要额外指定baseURL和apiVersion：

{
"azure": {
"endpoint": "https://你的资源名.openai.azure.com/",
"apiKey": "你的Azure密钥",
"deploymentName": "gpt-4o-deployment",
"apiVersion": "2025-01-01-preview"
}
}

5.2 双模型热切换实战

真正好玩的玩法是让OpenClaw根据任务类型自动切换模型，或者让用户在对话中指定用哪个模型。比如你只想让豆包处理日常闲聊，而把代码编写任务交给GPT-4o。

这种"智能路由"可以通过配置skills来实现。在OpenClaw中，Skills是扩展功能的基本单位，社区已经贡献了700多个现成技能。

创建一个自定义Skill文件~/.clawdbot/skills/model-router.js：

module.exports = {
name: 'model-router',
description: '根据用户意图切换AI模型',
async onMessage(message, context) {
const { content } = message;

// 如果用户明确@了某个模型
if (content.includes('@豆包')) {
return context.switchModel('doubao-bridge');
}
if (content.includes('@GPT4')) {
return context.switchModel('openai');
}

// 自动判断：代码相关用OpenAI，闲聊用豆包
const codeKeywords = ['写代码', 'debug', '函数', 'bug', '报错'];
const isCodeTask = codeKeywords.some(kw => content.includes(kw));

return isCodeTask ? context.switchModel('openai') : context.switchModel('doubao-bridge');
}
};

重启Gateway后，这个Skill就会自动生效。现在你可以试着发送"帮我写个Python爬虫"和"今天天气怎么样"，看看OpenClaw会不会自动调用不同的模型来回答。

六、Docker部署：让"小龙虾"住进隔离的沙盒

虽然OpenClaw可以直接运行在裸机上，但考虑到它会执行代码、访问文件系统，强烈建议用Docker把它隔离起来。这就好比给这位"数字室友"单独租了间公寓，而不是让它直接睡在你的主卧——即便它看起来人畜无害，防一手总没错。

6.1 Docker Compose配置

创建一个docker-compose.yml文件：

version: '3.8'

services:
openclaw-gateway:
image: node:22–alpine
container_name: openclaw
environment:
– NODE_ENV=production
– ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
– OPENAI_API_KEY=${OPENAI_API_KEY}
– CLAWDBOT_GATEWAY_TOKEN=${CLAWDBOT_GATEWAY_TOKEN}
volumes:
– ./config:/home/node/.clawdbot
– ./workspace:/home/node/clawd
– /var/run/docker.sock:/var/run/docker.sock
ports:
– "18789:18789"
– "18790:18790"
working_dir: /app
command: >
sh -c "npm install -g openclaw@latest &&
openclaw gateway –bind 0.0.0.0"
restart: unless–stopped
networks:
– openclaw–net

# 可选：为AI执行代码创建隔离沙盒
sandbox:
image: alpine:latest
container_name: openclaw–sandbox
command: tail –f /dev/null
security_opt:
– no–new–privileges:true
cap_drop:
– ALL
networks:
– openclaw–net
profiles:
– donotstart

networks:
openclaw-net:
driver: bridge

这个配置有几个关键点：

6.2 沙盒安全策略

如果你打算让OpenClaw执行代码（比如让它帮你写个脚本并运行测试），强烈建议启用Docker-in-Docker沙盒模式。在配置文件中添加：

{
"agents": {
"defaults": {
"sandbox": {
"docker": {
"image": "node:22-alpine",
"workdir": "/workspace",
"readOnlyRoot": true,
"network": "none",
"memory": "1g",
"cpus": 1,
"pidsLimit": 256
}
}
}
}
}

这套配置相当于给AI戴上"手铐"：只读文件系统、无网络访问、内存和CPU限制、进程数限制。即便AI想"造反"，也掀不起什么大浪。

七、实战场景：从"玩具"到"生产力工具"的跨越

配置好双模型接入后，OpenClaw就不再是个简单的聊天玩具了。以下是几个笔者亲测有效的实战场景：

7.1 智能客服机器人

假设你运营着一个技术社群，可以把OpenClaw接入微信群（通过wechaty等协议），并配置自动回复逻辑。当群友问基础问题时，路由给豆包（中文回答更自然）；当遇到具体的技术Bug时，转发给GPT-4o分析错误日志。

配置示例：

{
"integrations": {
"wechat": {
"enabled": true,
"webhook": "http://localhost:18789/api/wechat",
"autoReply": true,
"modelRouter": "model-router"
}
}
}

7.2 自动化编程助手

这是最符合OpenClaw设计初衷的场景。你可以直接在聊天窗口里说：“帮我创建一个React项目，用Tailwind CSS做样式，实现一个Todo List应用”。

OpenClaw会：

整个过程你只需要动嘴（或者打字），剩下的交给这位"数字实习生"。

7.3 跨平台信息同步

利用豆包的语音输入优势和GPT-4o的长文本分析能力，你可以构建一个"语音速记→AI整理→多端同步"的工作流：

• 在豆包App里用语音快速记录灵感（利用豆包优秀的语音识别）
• OpenClaw接收到文本后，调用GPT-4o进行结构化整理（提取待办事项、关键结论）
• 整理后的内容自动写入本地Markdown文件，或者通过API同步到你的Notion、飞书文档

八、避坑指南：新手最容易踩的五个坑

目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。