先说结论手头没有Mac只有一台普通的Windows电脑外加一部退下来不用的安卓手机也能把OpenClaw部署成一个24小时在线的AI助理总投入可以控制在100块以内。这个结论我实测了一个多月不是看完教程脑补出来的。OpenClaw这类开源个人Agent框架能做的事包括定时任务、网页信息收集、文件整理、跨平台消息提醒等等听起来很玄拆开看其实就是一个常驻后台的调度服务加一个模型大脑。这篇就讲清楚怎么用最便宜的组合把它跑起来以及我在这个过程中踩到的那些坑。1. OpenClaw是什么以及它为什么能这么便宜很多人第一次听说OpenClaw是看到别人用它在Mac上做自动化演示让它自动打开网页、整理表格、回复消息全程不用手点。第一反应往往是这不就是套壳AI吗等自己动手才发现它跟你平时用的聊天机器人完全是两回事。1.1 它和聊天机器人的本质区别聊天机器人是一问一答你说一句它回一句任务结束。OpenClaw更像一个有手有脚的实习生你给它一个目标它会自己拆解成几个步骤然后调用你本机的文件系统、浏览器、命令行工具、消息推送服务一步一步执行完回给你结果。举个我自己的例子。我让它每天早上九点半整理一遍我关注的几个博客把新增文章的标题和摘要汇总成一段内容推送到我的手机。这在纯聊天机器人里做不了因为聊天机器人碰不到我的文件系统也碰不到我的定时任务调度器。OpenClaw能做因为它的架构里就包含了调度器工具调用模型推理这一整套东西。跟传统定时脚本的区别也在这。传统cron是写死规则到点执行固定命令任务一旦有变化就得去改脚本。OpenClaw则是把规则描述清楚后由模型动态理解当前情况、决定执行路径。同样的帮我盯一下某个商品价格脚本只能死等一个页面结构OpenClaw可以容忍页面改版自己重新分析出价格字段。这种灵活度是它最值钱的地方。1.2 一次部署后能干的几件实在事网上很多介绍OpenClaw的文章动不动就提改变生活生产力革命听着飘。说几个我这一个多月里真的在用的场景都是低成本硬件上跑出来的定时抓取几个固定网站的更新内容汇总后推送成一条消息代替我每天早上刷网页。监控某个商品的页面价格低于心理价位就发通知到手机上比任何比价软件都直接。自动整理下载目录。我下载东西很随意桌面和下载文件夹常年一团糟给它定义好规则后它会按扩展名和关键词把文件分门别类归到不同目录。把一段会议速记的杂乱文字丢给它让它整理成结构化的待办事项再写入本地笔记文件。这些任务不炫技但都是每天真实重复的琐事。关键是这些操作全部发生在本地数据不需要上传给某个不知名的云端平台。1.3 为什么便宜架构决定成本OpenClaw本体是一个用Node.js写的服务进程不依赖GPU。它需要算力的地方只有模型推理这一环而模型推理恰好是可以外包的本地没有好显卡就调云端的API本地有点闲余算力就用Ollama跑一个小模型两头都能接。所以整套系统的成本被分成了三块一台能跑Node.js的常驻设备、一个模型接入方式、以及若干工具执行端。这三块没有一个绑定Mac硬件。这也解释了为什么网上大量教程都在用Mac举例子——不是Mac必须而是Mac自带类Unix环境Homebrew装依赖方便开发工具链开箱即用教程作者用着顺手。但对多数人来说Windows加WSL2、或者一台旧安卓手机照样能满足同样的运行条件后面两章就讲具体怎么搭。2. 不用Mac的底层逻辑与三条开工路线既然OpenClaw不是Mac专属那它到底对硬件有什么要求这个问题想明白了选路线就不纠结了。2.1 认知纠偏OpenClaw对系统的真实要求从架构上看OpenClaw的运行只需要满足三个条件能常驻跑Node.js、能联网访问模型服务、有配套的工具执行端。对应的硬性要求是这么拆的核心调度服务一个Node.js进程任何有Node运行时的地方都能跑不管是Windows的WSL2、原生Linux、旧安卓手机的Termux还是十几块的树莓派。模型大脑可以接本地Ollama服务也可以接云端兼容OpenAI格式的API。只要给到模型地址和密钥就能通。工具执行端这一层最灵活。要操作浏览器就用浏览器扩展要操作微信/钉钉就用消息渠道要操作Windows桌面就用官方出的Windows Companion它只负责把Agent的操作指令翻译成本机的鼠标键盘和系统调用。所以你会发现Mac在整个链条里的角色只是一个跑Node的环境而已完全可以用更低成本的设备替代。我甚至见过有人在软路由上把OpenClaw跑起来的虽然功能会受点限制但说明这事的硬件门槛真的不高。2.2 三条路线和一份可复制的账单根据你手头已有的设备我整理了三条最现实的路线路线硬件条件额外花费适合谁Windows电脑WSL2手头有台式机或笔记本0元电脑常开、想先尝鲜的人旧安卓手机Termux一台闲置安卓机不用太好约100元内想要低功耗常驻、不占主力电脑的人二手小主机Linux二手N100迷你主机或旧笔记本200-400元想本地跑7B以内模型的人花费明细我按自己的情况算过一笔账路线A硬件0元。电脑反正要开着OpenClaw只是其中一个后台进程额外功耗可以忽略。缺点是电脑一关机AI助理就跟着休眠。路线B二手安卓手机100元左右。一台5V1A充电器的功耗也就5瓦上下一天耗电约0.12度按居民电价算一个月约两三块钱。如果模型走API而不是本地跑这个成本几乎可以忽略。路线C二手小主机200到400元。整机功耗大约10瓦一个月电费约5到7元。好处是能本地跑3B到7B的小模型数据不出门断网的时候还能继续执行简单任务。我的建议是第一次接触OpenClaw的人先别急着买硬件把手头电脑的WSL2弹出来跑一遍觉得确实有用再考虑用旧手机换到常驻模式。直接花几百块买二手小主机结果玩两天吃灰这种例子我见太多了。2.3 我的路线选择我自己最后的配置是旧安卓手机常驻后台跑OpenClaw核心服务主力Windows电脑上装官方Companion作为工具执行端。这样分工的逻辑很简单——手机功耗低适合7x24小时在线电脑只在需要操作桌面应用时才真正出力不用一直开着。每次出差或者电脑关机核心AI助理照常运行需要用到桌面工具的任务会等到电脑开机后再补执行。这个调度端在低功耗设备、执行端按需启用的配合方式是我觉得低成本方案里体验最好的形态。3. Windows电脑部署实录从环境安装到那个WSL2验证报错第一批踩坑经验基本都集中在Windows部署阶段。网上那些OpenClaw安装教程看着很短实际跑一遍各种环境问题冒出来。下面是我完整走通的流程每一步都附上我更推荐的做法和踩过的坑。3.1 为什么Windows先套一层WSL2OpenClaw的核心服务在Windows原生环境下跑会有一堆系统调用问题因为它的不少依赖是按类Unix环境设计和编译的。WSL2相当于在Windows内部开了一个轻量级Linux子系统不占多少资源却能提供完整的Linux内核支持完美满足运行条件。安装WSL2有两种方式。如果你用的是Windows 10 2004以上版本或者Windows 11用管理员身份打开PowerShell执行wsl --install -d Ubuntu-22.04装完按要求重启系统会自动完成配置。老版本系统控制面板里如果找不到适用于Linux的Windows子系统和虚拟机平台这两个可选功能需要先手动勾选开启然后再次重启。这里有个很关键的判断点装完Ubuntu之后先确认WSL版本是2而不是1。WSL1和WSL2的内核差异很大很多第三方工具在WSL1底下会报莫名其妙的内核错误OpenClaw的启动自检也认版本。3.2 安装核心服务的过程进入Ubuntu子系统之后按顺序执行这几步sudo apt update sudo apt upgrade -y sudo apt install -y git curl build-essential然后装Node.js。我建议用nvm管理Node版本因为OpenClaw对Node版本有要求用系统自带的apt源装的Node往往版本过旧导致npm install阶段报错。nvm安装完成后nvm install 18 nvm use 18 node -v确认node版本号正常后拉取代码git clone 官方仓库地址 cd openclaw npm installnpm install这一步是重灾区。如果你的网络环境不太好会看到一堆timeout和ETIMEDOUT错误。这种情况优先检查npm源是不是能正常访问或者切换到国内镜像源。装完之后别急着启动先改配置。配置文件的重点是几个字段模型接入地址本地Ollama就写http://localhost:11434/v1云端API就写对应的平台地址、模型名称、时区、技能目录、以及消息推送的开关。时区经常被人忽略OpenClaw默认用的是UTC时间你设置了早上9点的定时任务结果每天下午5点才执行八成就是时区没改成Asia/Shanghai。3.3 最常见的wsl环境验证失败处理套路我遇到的最典型报错是启动OpenClaw时提示无法安全验证WSL2环境请在PowerShell中运行wsl --status。这个提示第一次看到很慌其实原因不复杂。按这个顺序排查在PowerShell里执行wsl --status看默认版本是不是2。如果显示默认版本是1说明系统里旧版本WSL残留配置影响到了新版本执行wsl --set-default-version 2强制切过去。执行wsl --update把内核补丁更新到最新。这个问题在Windows 10上特别常见系统自带的WSL组件版本太老识别不到子系统的安全状态。更新完执行wsl --shutdown把整个WSL彻底重启再重新打开Ubuntu窗口。很多配置改动要重启之后才能生效。如果上面都做了还是报错检查一下BIOS里的虚拟化选项是不是被关了。AMD平台看SVMIntel平台看VT-x这两个没开WSL2根本起不来完整内核自检必然失败。实在搞不定WSL2退路是用VirtualBox装一个完整的Ubuntu虚拟机OpenClaw照跑。管理上比WSL2重一点但胜在环境隔离干净。3.4 顺手把Windows Companion配好Windows Companion是让OpenClaw获得操作Windows桌面应用能力的关键组件——比如自动填表、模拟鼠标点击、读取剪贴板内容。它的安装很简单在OpenClaw的发布页面下载配套安装包双击装完即可。装完记得做三件事。第一在OpenClaw配置里把桌面操作能力打开同时确认只监听localhost不要开放公网端口。第二授权本机回环访问否则Companion连接不到核心服务。第三确认Windows防火墙没有拦截两者之间的本地通信。配置好之后你可以直接在OpenClaw里给它发一条打开记事本输入一行指定的文字它应该能自己完成整套动作。如果没反应先看Companion的日志是不是有权限弹窗被系统拦截了。4. 模型接入与算力成本本地Ollama和云端API怎么选模型是整个OpenClaw体验里最影响智商的部分。选不好模型硬件配得再漂亮任务完成质量也是一言难尽。我试过几个方案差别非常明显。4.1 三种接入方式先看对比表方式成本推理质量响应速度适用场景Ollama本地小模型3B零API费用简单任务够用慢约每秒十几个token隐私敏感、离线、日常简单指令Ollama本地大模型7B-14B零API费用中上需要一定内存和CPU不想按月付费、设备有一定算力云端API按量计费高快复杂任务、追求质量、懒得调校我的实际经验是本地小模型适合做格式转换、关键词提取、文本分类这类确定性任务云端API适合做多步推理、长文总结、跨工具协调这类复杂任务。别指望3B模型能像云端大模型一样流畅地操控多步骤流程它偶尔会自己绕晕。4.2 用小模型qwen2.5:3b跑通的配置实例我第一批试的就是Ollama加qwen2.5:3b因为这台二手小主机只有8G内存跑更大的模型会很吃力。配置过程很简单ollama pull qwen2.5:3b然后在OpenClaw的配置文件里指向本地模型服务{ model: { provider: ollama, base_url: http://localhost:11434/v1, name: qwen2.5:3b, api_key: ollama }, timezone: Asia/Shanghai, skill_dir: ./skills, notify: { push: true } }实测下来在纯CPU的廉价小主机上3B模型生成速度大约是每秒十个token出头一句100字的回复要等十到二十秒。对整理文件、提取标题、生成提醒这类任务完全够用反正后台执行不赶时间。但如果你想让它做多步骤的复杂任务比如先搜某只股票的近期新闻再结合财报做综合分析最后生成报告3B模型的思维能力会明显吃力经常中途丢掉前置步骤。4.3 一个月到底花多少钱我按自己实际用量算过一笔明账。硬件方面我走的是旧手机加二手小主机双线方案一次性硬件成本约280元。如果纯走手机加API硬件100元出头。日常运行成本分两块电费手机路线一个月2到3块钱小主机路线一个月5到7块钱。这个部分基本上可以忽略。API费用按每天200次轻量请求来算每次请求平均消耗2000个输入token加800个输出token一个月大约130万token。现在国产中文模型API的市场价格普遍在每百万token几块钱的量级按质量中等偏上的平台算一个月大概5到10块钱。如果你只跑本地模型这笔费用直接归零。所以真实账目是一次性100到400元的硬件投入加每月不到10元的运行开销。相比按年订阅的商业AI助理服务这个成本确实廉价而且数据还都在自己手里。4.4 那个高频疑问OpenClaw只能靠API消耗算力吗看到很多人在问OpenClaw只能用接入API的方式使用算力吗显然是被网上那些教程误导了因为教程作者默认展示的都是API方案方便演示效果。其实OpenClaw的模型层是抽象过的它只要求你给一个兼容OpenAI格式的base_url和模型名称。你给它Ollama的本地地址它就走本地算力给它一个云API的地址它才走云端算力。甚至可以配置成混合形态简单任务走本地小模型复杂任务走云端大模型按任务类型自动路由。这个灵活性是它设计上的一个优点不用为了体验去绑定任何特定服务商。5. 让AI助理干活的Skill机制以及长期运行要盯的事模型接好只是第一步真正让AI助理产生价值的是Skill。Skill这个词在OpenClaw体系里含义很具体你预先给Agent写好的操作说明书包含触发条件、执行步骤、允许调用的工具集合。有了SkillAgent到了点就知道该干什么不用每次都从对话里临时理解需求。5.1 Skill是什么一次技能配置的拆解你可以把Skill理解成给一个聪明但没有常识的实习生发标准作业流程。模型本身知道怎么做但不知道你的具体业务环境。Skill把你日常重复的任务描述成一份结构化的规则让Agent按SOP执行远比每次聊天来回解释要可靠。我配置一个技能时通常会定义这几个字段name技能名字调度器用它来识别。scheduleCron表达式控制什么时间触发。prompt给模型的目标描述越具体越好尽量包含输入、期望输出、限定条件。tools允许调用哪些工具比如网页搜索、文件系统、消息推送。params额外参数比如监控的URL、阈值价格。格式上各地版本略有差异我的写法是直接在配置文件里维护一个技能列表。第一次写的时候建议先只加一个技能跑通链路后再逐步扩充不然日志刷屏时你根本不知道是哪个任务出了问题。5.2 三个拿来就能改的技能模板我自己一直在用的三个技能你可以直接改改参数套用。第一个是日报推送。每天早上抓取指定博客和资讯页的更新整理成摘要推送到手机。配置里把schedule设为每天九点半{ skill: { name: daily_report, schedule: 0 30 9 * * *, prompt: 抓取指定博客列表在过去24小时内的新增文章输出标题加一句话摘要推送给我, tools: [web_search, http_get, notify] } }第二个是下载目录整理。凌晨两点执行把下载目录里散乱的文件按扩展名和关键词分门别类{ skill: { name: clean_downloads, schedule: 0 2 * * *, prompt: 扫描下载目录中的文件按扩展名和文件名关键词移动到对应子目录保留原始文件名, tools: [file_system] } }第三个是商品比价监控。每半小时检查一次目标商品的价格低于阈值就提醒我{ skill: { name: price_watch, schedule: */30 * * * *, prompt: 检查指定商品页面的最终成交价低于500元时发送通知否则只记录日志, tools: [http_get, notify], params: { url: https://example.com/item/12345, threshold: 500 } } }实际用下来价格监控这种技能最吃页面结构变化一旦商品页改版模型可能解析不到字段。解决办法是让同样的监控任务在日志里保留原始网页内容片段下次失败时可以直接看出是不是页面结构变了。5.3 24小时在线运行的真实维护经验让Agent热热闹闹装了一堆技能之后真正考验人的是长期运行。以下几条都是我踩过坑后总结出来的经验日志是第一排障手段。OpenClaw每次任务执行都会记录任务链包括模型的中间思考过程和每一步工具调用的返回值。很多好像没反应的问题翻日志就看到是模型第一步就把方向搞错了。别盯着界面看直接看日志。进程守护必须配。裸跑Node进程一旦崩了就得手动拉起。我用pm2做进程守护配置了自动重启崩溃后能自己恢复。Windows上如果你走WSL2记得在Ubuntu里设置systemd对应的开机服务否则Windows重启后不会自动拉起WSL里的进程。时区坑记得排查。前面提到过UTC和Asia/Shanghai的错位这个特别阴。你会看到技能明明配置了日志里也有执行记录就是时间对不上翻到调度记录才发现系统时间跟北京时间差了八个小时。密钥和配置分离。API密钥这类敏感信息不要硬编码在共享的配置文件里套一层环境变量哪怕自己用养成这个习惯也能避免误发配置文件的尴尬。版本更新要克制。OpenClaw更新频率不低但不必追新。跑得好好的就别手痒升级升级前先看一眼发布说明里的breaking change我有一次升级后技能配置格式变了一整个星期都在修。6. 跟安卓手机也有关Termux路线与手机/电脑取舍如果你的主要诉求是低功耗、7x24小时常驻、不占主力电脑那旧安卓手机加Termux的路线可能比再买一台小主机更划算。我把这条线完整走了一遍可行但有一些需要注意的限制。6.1 Termux安装与OpenClaw接入步骤Termux是一个安卓上的终端模拟器能在手机上跑真实的Linux环境包。安装来源我建议用F-Droid版本更新及时从应用商店装的那个版本经常因为和系统存储交互受限而踩坑。装好Termux后按顺序执行pkg update pkg upgrade -y pkg install -y nodejs-lts git termux-setup-storage git clone 官方仓库地址 cd openclaw npm install这里有个很容易忽略的点termux-setup-storage必须先执行它帮你申请存储权限否则后面文件系统类的技能会全部失败。npm install阶段如果报错检查一下网络和npm源处理方式跟电脑端一样。配置HTTP和模型接入的步骤跟前面windows部分一致。手机端如果没有配套的消息推送权限通知功能会失效需要在系统设置里把Termux的通知权限打开。我手机上常驻运行时配合了Ollama局域网服务器——手机不自己跑模型而是连接家里小主机上的Ollama服务既保留了本地模型的隐私性又不用承受手机端推理的发热问题。6.2 手机后台保活的几个关键设置安卓系统对后台进程有一套严格的清理机制装好OpenClaw只是第一步关键是让它在息屏状态下活下去。第一系统电池优化要设置成不优化。各品牌手机设置路径不一样但原理相同把Termux加入白名单防止系统把它杀了。第二执行termux-wake-lock让Termux持有唤醒锁息屏后CPU不会进入深度睡眠。这行命令我写在OpenClaw的启动脚本里确保每次启动都自动执行。第三用pm2管理进程再配合Termux:Boot插件让手机开机后自动拉起pm2进而拉起OpenClaw。无线电管理、后台限制这些能关就关。第四长期插电要保护电池。多数手机系统支持充电限制功能把电量设成只能充到80%左右能明显减缓电池鼓包。反正这手机专职挂着当Agent主机不需要满电续航。6.3 手机路线和电脑路线到底怎么选用了一张表总结我的建议对比项Windows电脑WSL2安卓Termux二手小主机Linux硬件成本0元约100元200-400元桌面GUI操作支持配合Companion不支持支持有限全天候在线成本高电脑耗电最低低维护难度中等中上低适合场景尝鲜、需要桌面操作轻量常驻、调度中心本地模型、重任务我的看法是如果你已经有一台每天要开着的电脑直接在电脑上部署最省事。如果想长期运行、省电、不占资源旧手机这条线性价比太高了100块不到的投入换来一个完全独立的常驻Agent节点。只有当你开始不满足于API模型的输出质量、准备跑更大的本地模型时再考虑二手小主机。三条路线之间并不冲突我最终就是手机加小主机配合着用电脑反而只是出差时才临时顶班。最后聊两句个人体会。折腾OpenClaw这么长时间我发现最大的收获反而不是它帮我省了多少时间而是你会慢慢习惯把重复工作描述成一个个明确任务的思维方式。给模型写prompt、给技能配调度、调工具权限本质上是在把日常流程拆成机器能理解的指令这个能力练熟了用到任何自动化场景都受益。还有一个小技巧做任何新技能之前先在聊天界面用自然语言把任务完整跑一遍把跑通的步骤再固化到Skill里比直接对着配置文件盲写靠谱得多。你想要的不是一句口号式的AI助理而是一个每天都在帮自己兜底干活的数字员工。