---
url: https://ain.hmgf.hxcn.space/event/timu/A.md
---
# 项目 A：基于 OpenClaw 的 AI 助手部署实践

欢迎来到“Agent 时代”！如果说 2023-2025 年是“聊天机器人”的爆发期，那么 2026 年无疑是 **AI Agent（智能体）** 的元年。你可能已经刷到了不少视频：一台闲置的 Mac mini 或 Linux 笔记本，在安装了 **OpenClaw (原名 Clawdbot)** 一类开源 AI 助手之后，摇身一变成为了一名不知疲倦的“数字员工”。它不仅能陪你聊天，更能自动整理信息、发送消息、连接 IM 平台，甚至在你睡觉时帮你持续执行流程化任务。

本次项目将带你从零开始，在 Linux 或 Mac 环境下部署并调教属于你自己的 AI Agent。你需要从开源社区中选择合适的框架（如偏本机智能体与电脑操作的 **OpenClaw**、轻量级的 **Nanobot**，亦或是专注于记忆的 **memU**），并将其接入国产大模型（如 GLM 或 Minimax）以降低成本，最后通过飞书（Feishu）或其他 IM 平台实现随时随地的远程交互。

这不仅仅是一个部署任务，更是一次关于“人机协作”未来形态的探索。你准备好拥有你的第一个硅基同事了吗？

OpenClaw 代表了一类强调本机权限、电脑操作与本地工作流的开源 Agent 路线。结合 `npm`、Docker 等安装方式，你可以在 Linux 或 Mac 环境中快速启动服务，并通过虚拟机、容器等手段控制风险。通过这个项目，你将学习到：

* **Linux系统基础**：熟悉虚拟机环境、命令行操作和软件安装。
* **AI框架部署**：了解如何安装和配置 OpenClaw 及其替代框架如 memU 或 Nanobot。
* **模型接入与集成**：连接外部LLM服务，实现智能交互。
* **自动化任务**：设计定时任务、消息处理和通知机制。
* **运维实践**：监控系统状态、警报机制和自动控制。

### 注意：

1. OpenClaw需要访问系统权限，可能影响环境稳定性，强烈推荐在Linux虚拟机中进行部署，以隔离风险。
2. 项目涉及API token使用，注意保护隐私和控制消耗。
3. 所有参考链接仅作为学习资料，实际操作需根据当前版本调整。
4. 想要通过考核，你至少要完成 **Level 2**，并在 **Level 3**、**Level 4** 与 **Level 5** 中任选其一完成。
5. 禁止使用 **QClaw**、**EasyClaw**、**ClawX**、**OpenClaw Manager**、**AutoClaw** 等图形化安装方式完成本题，需优先展示你对环境、依赖、配置与部署过程的实际掌握。
6. 禁止通过云服务商（如阿里云、腾讯云、华为云等）提供的 **一键安装**、**应用镜像**、**云市场预装镜像** 等方式完成部署，必须自行搭建环境并完成配置，以体现对部署流程的实际掌控。
7. 禁止使用 **宝塔面板**、**1Panel** 等服务器管理面板进行部署，需通过命令行完成所有操作。
8. **Nanobot**、**NanoClaw**、**PicoClaw**、**Zeroclaw**、**MimiClaw** 等低开销、可改性高、适合嵌入式部署的方案可以尝试；若你对这些 Claw 代码做了改进，或将其部署到开发板、单板机等设备上，可作为加分项。
9. 使用 **Docker** 或 **Kubernetes** 进行容器化部署可作为加分项。

### 参考资料：

#### Linux 安装

如果你没有 Mac 电脑，可以安装 Linux 虚拟机或者双系统。**由于 OpenClaw 需要大量敏感权限，可能会破坏系统环境或者重要文件，推荐在虚拟机中进行部署。**

* [安装年轻人的第一个Linux虚拟机](/sre/first-vm-2024)
* [从零开始：Ubuntu 24.04 LTS + Win11双系统安装教程](https://hs.cnies.org/archives/dual-boot-ubuntu2404-win11)

#### AI 助手安装教程

#### AI 早报自动化参考

## Level 0：认识核心工具链并安装框架

万丈高楼平地起。首先，你需要在一个稳定的 Linux 环境（推荐 Ubuntu 24.04 虚拟机）或 Mac 系统中安装 Agent 框架。你可以选择 **OpenClaw**（功能最全，但较重）、**Nanobot**（轻量级，Go 语言编写，适合入门）或者 **memU**（擅长长短期记忆）。

考虑到国内网络环境和依赖包的复杂性，**强烈建议使用 Docker 容器化部署**，或者通过 `npm`、`uv`、`brew` 等方式进行本地安装（取决于你选择的框架）。

### 任务目标：

1. 在 Linux 虚拟机或 Mac 上成功安装 OpenClaw、Nanobot 或 memU 其中之一。
2. 完成初始化配置（Onboarding），确保程序能正常启动并进入交互界面。

### 提交要求：

* 安装步骤、遇到的问题和解决方案。
* 安装完成后的终端版本号截图（如 `nanobot --version` 或 OpenClaw 的启动画面）。
* 简述你选择该框架的原因（例如：资源占用低、功能丰富等）。
* 如果你尝试了轻量级 Claw 变体、开发板部署或源码改进，可附上额外说明、代码改动与运行效果，作为加分材料。

## Level 1：初始化AI助手并接入飞书

### 任务目标：

1. 初始化框架的 Onboard 过程。
2. 接入模型服务。AI 智能体 token 消耗较大，推荐使用 [GLM Coding Plan](https://www.bigmodel.cn/glm-coding?ic=ANJX7JPBKO) 或 [Minimax Coding Plan](https://platform.minimaxi.com/subscribe/coding-plan?code=L5Ua6ZLLoY\&source=link) 等额度大、折扣高的方案。
3. 将 AI 助手集成到飞书（推荐）、QQ、企业微信、Discord（推荐）、Telegram 或其他协作工具中，实现实时对话。
4. 测试基本交互功能，确保模型响应正常。

### 提交要求：

* 配置步骤和相关命令。
* 配置文件的脱敏截图（隐藏 API Key）。
* 与 Agent 对话的截图，证明其正在使用指定模型回答问题。

## Level 2：实现每日AI消息汇总功能

添加自动化任务，让AI助手定时汇总信息。这一步体现AI的实用价值，如信息聚合。

### 任务目标：

1. 配置定时任务，每天早上8点运行。
2. 汇总昨日国内外AI相关消息。
3. 通过飞书（推荐）、QQ、企业微信、Discord（推荐）、Telegram 发送汇总结果。
4. 优化 AI 新闻获取与处理阶段的提示词，尽量减少幻觉、误引与主观臆测，避免生成内容明显偏离原始新闻。

### 验证标准：

* 定时任务正常触发，汇总内容覆盖关键AI热点。
* 消息发送成功，能在指定渠道查看。
* 汇总内容与原始新闻基本一致，关键信息、时间、主体和结论没有明显编造或错配。

### 提交内容：

1. 定时配置和运行日志截图。
2. 一份示例汇总消息。
3. 用于 AI 新闻获取、筛选、摘要或改写的核心提示词，以及你为降低幻觉所做的优化说明。

## Level 3：生成可分享的 AI 早报页面 / 图片 / 视频

在完成基础消息汇总后，进一步把信息流转化为真正可分发的“内容成品”。这一关强调从“搜集信息”升级为“生产内容”，参考 Juya 的 AI 早报工作流，要求你将 RSS、你选用的 Agent 框架与代码生成工具结合起来。

### 任务目标：

1. 配置至少一个可稳定使用的 AI 信息源，推荐基于 RSS 订阅进行采集，也可以在 RSS 基础上补充网页抓取或 API 数据源。
2. 对搜集到的信息进行筛选、去重、摘要与结构化整理，形成当天或近 24 小时的 AI 早报内容。
3. 让你选用的 Agent 框架调用 **Codex** 或 **Claude Code**，生成至少一种可分享成品：
   * 网页版早报
   * 图片版早报
   * 视频版早报
4. 如果你选择网页版，需完成公开部署，推荐使用 **Cloudflare Pages**、**Vercel** 或 **EdgeOne Pages**。
5. 优化新闻处理与成品生成阶段使用的提示词，控制 AI 幻觉，避免成品标题、摘要和结论偏离原始新闻内容。

### 验证标准：

* 至少配置一个可验证的 RSS 信息源，并能证明其被成功纳入采集流程。
* 信息来源真实可追溯，摘要内容与原始信息基本一致。
* 成品可正常打开、查看或播放，具备清晰标题、摘要、来源链接与生成时间。
* 若为网页版，部署链接可正常访问；若为图片或视频版，需提供最终效果截图或导出文件。
* 成品中的关键信息、观点归因与事实描述没有明显幻觉，能够回溯到对应新闻来源。

### 提交内容：

1. RSS 源配置、采集流程与生成流程说明。
2. 你选用的 Agent 框架调用 Codex 或 Claude Code 的关键配置或操作截图。
3. 部署链接，或最终生成的图片 / 视频效果。
4. 新闻获取、摘要、改写或生成页面/视频时使用的核心提示词，以及你为降低幻觉所做的提示词优化说明。
5. 一段简短复盘，说明你在内容质量、排版和自动化稳定性上的取舍。

## Level 4：实现运维监控与自动化功能

扩展AI助手的运维能力，实现高级自动化。这一步让系统更智能，适用于生产环境。

### 任务目标：

1. 添加系统监控功能，跟踪资源使用。
2. 配置消息警报机制，当异常发生时通知。
3. 集成邮箱通知，支持发送报告。
4. 实现自动控制，如根据条件调整设置。

### 验证标准：

* 监控数据实时更新，能检测异常。
* 警报和通知正常触发，邮箱接收成功。
* 自动控制逻辑生效，能响应预设条件。

### 提交内容：

1. 监控和警报配置截图。
2. 测试通知的示例输出。

## Level 5：卸载 OpenClaw 并解释本地架构

这一关只要求给出**简洁、可执行的卸载过程**，不要求写成面向新手的长篇图文教程。该关默认面向选择了 **OpenClaw** 路线的同学，用于考察你对安装产物、残留文件与本地架构的理解。

### 任务目标：

1. 对你已经部署过的 OpenClaw 执行一次完整卸载，说明你实际采用的卸载顺序。
2. 结合你机器上的 `~/.openclaw/` 目录结构，解释 OpenClaw 的本地架构，例如配置、数据、日志、缓存、插件或运行时文件分别承担什么职责，以及它们与启动流程的关系。
3. 给出残留清理与复检方法，确认 OpenClaw 已完全卸载。

### 验证标准：

* 卸载步骤简洁清楚，能看出你确实理解自己安装过哪些内容，而不是机械复制命令。
* OpenClaw 相关进程、服务、容器、可执行入口与用户目录残留已经被检查，并能说明哪些已删除、哪些被保留以及原因。
* 你能基于 `~/.openclaw/` 的实际内容解释 OpenClaw 的本地架构，而不是只复述网络资料。

### 提交内容：

1. 具体卸载步骤：写清楚你执行了哪些命令、按什么顺序处理进程 / 服务 / 安装目录 / 用户目录。
2. 如何确认 OpenClaw 已完全卸载：至少说明你使用了哪些检查方式来确认命令入口不存在、相关进程不再运行、容器或服务已移除、`~/.openclaw/` 等残留路径已清理完毕。
3. 一段基于 `~/.openclaw/` 的架构说明：结合你机器上的实际目录树，解释 OpenClaw 在本地是如何组织配置、数据与运行时状态的。