像 OpenClaw 这样的 AI 代理功能强大，但它真的适合你吗？

想象一个人工智能，它了解你的日程、你的习惯、你正在进行的项目，而你只需在 WhatsApp、Telegram 或 Slack 中与它对话，就像与一个已经了解你的人对话一样。无需打开应用程序。无需学习仪表板。你输入一条消息，它就会去处理事情——检查一些东西、发送一些东西、记住一些东西以备后用。当你第一次看到它时，感觉就像魔法一样。

好得令人难以置信？这正是本课程旨在回答的问题。本课程帮助你实际了解目前的情况——不是推销，不是恐慌，只是我们所处的真实状况。

你可能听过“OpenClaw”这个名字，或者它以前用过的名字。它迅速爆红。在短短几周内，它成为 GitHub 历史上增长最快的开源项目之一。不久之后，它成为 2026 年首次重大 AI 代理安全危机的中心。

六个月过去了，即使安全危机真实存在并被广泛报道，其增长也未曾放缓。这告诉我们一个重要的信息：足够多的人认为其好处足够强大，以至于他们选择管理风险，而不是放弃。

更大的权力意味着更大的责任，而不是更少。这就是本课程围绕的选择模式。
本课程适合对象：你已经了解 AI 代理的基本概念。本课程不需要任何技术背景，因为它完全是关于帮助你清晰、诚实地做出决定。

简单来说：OpenClaw 是一个开源系统，用于运行 AI 代理，这些代理可以使用工具、与您的文件和应用程序交互，并代表您执行多步骤任务。虽然您可以通过消息应用程序与 OpenClaw 交互，但它也提供了一个基于浏览器的 Control UI 仪表板和管理界面，用于监控和管理您的代理。

为什么这在当下特别重要：这整个类别仍处于早期阶段。单一、始终在线的个人 AI 管理您的数字生活，而不仅仅是回答问题，这一想法在过去一年左右才变得现实。您正在看到的是某个事物的开端，而不是一个成熟、稳定的产品。这会带来一些值得注意的实际后果：

• 它功能广泛，但在某些地方有点笨拙。它试图处理很多事情——消息、文件、代码、日程安排——但并非每个部分都同样完善。

• 预计需要一些调整。这不是一个每个环节都已打磨光滑的成品消费者应用程序。您会遇到一些不完善的地方。

• 这对于一个新类别来说是正常的，而不是出了问题的迹象。现在诚实地说明这一点，意味着您以后不会感到惊讶。

它与普通聊天机器人有何不同：聊天机器人会在您提问时回答。OpenClaw 可以自行采取行动——读写文件、运行代码、浏览网页、管理您的日历、发送消息、按日程运行任务。一个语言模型在其背后做出决策。它运行在您控制的计算机上，而不是公司的云服务。

OpenClaw 本身是免费且开源的。您所支付的是计算/托管费用（如果您选择单独运行它）以及底层语言模型的 API 使用费。运行 OpenClaw 通常会产生两项主要的持续成本：主机基础设施（标准 VPS 约每月 5-20 美元）和模型 API 调用（根据工作负载和模型供应商而异，通常使基本操作总成本约每月 10-30 美元）。

问题是，没有任何推销成分：您是否足够重视其效益，以接受一个您可以管理但无法消除的风险？

以下是人们日常实际使用的三个例子：

为您准备的早晨简报。代理程序会在夜间检查您真正信任的新闻来源、您的日历和您的任务列表，并在您醒来时向您发送一条消息。

真正实现的提醒。这不是您可以随手划掉的通知，而是一条会持续显示的消息，直到您真正处理它为止。

将零散的笔记转化为可用内容。将一个网址、一个屏幕截图或一个快速想法放入聊天中。到晚上，它已经被整理好，这样您以后就可以问“我保存了关于这个的什么？”并得到一个真正的答案。

效益是真实且具体的。风险也同样真实。本课程不会试图说服您接受或拒绝它，它只是要求您权衡一个真正的取舍。

您不需要技术细节也能理解风险的概况。简单来说：

因疏忽而未关闭的设置可能会被陌生人发现并滥用。就像门没上锁一样，这款软件曾被发现完全没有保护地运行，这是因为设置不当，而不是有人巧妙地闯入。

来自未知来源的附加组件可能有害。就像您不会将陌生人的软件安装到您的主计算机上一样，未经审查的此类代理程序附加组件已被发现含有有害代码。

因为它具有广泛的访问权限，这里的错误比简单的应用程序更重要。这个代理程序可以接触您的文件、您的账户和您的日程安排——这正是它有用的地方，也正是这里出现问题会更严重的原因。

这一切都不代表风险无法管理。这意味着风险是真实存在的，值得认真对待。

这不是一场讲座，而是一系列真实的问题。这些问题背后的主要理念是：尽管 OpenClaw 变得越来越容易使用，但要安全地设置它，仍然需要对基本系统管理有一定程度的掌握。如果您没有技术或安全背景，建议在设置过程中请一位有技术经验的同事或朋友协助。但在那之前，请先回答自己以下问题：

1/ 我是否有一个真实、重复的任务，是这个工具能够实际解决的？不是“这看起来很酷”，而是一个具体、真实、重复的任务。

2/ 我是否能接受新颖、广泛且偶尔笨拙的事物？这类别的工具尚处于早期阶段。如果您期望流畅、完善的体验，现在就值得重新审视这个期望。

3/ 我是否愿意将它与我的主计算机隔离，并限制它能访问的内容？这是最重要的安全步骤，确实需要额外的努力。

4/ 我是否愿意检查我安装的内容，而不是只是一直点击“下一步”？未经审查的附加组件正是第 5 节中提到危害的来源。

5/ 我是否能处理它有时出错，而不会造成实质损害的情况？从一些小而安全、容易撤销的事情开始。

6/ 我是否愿意对它的运行时间和花费设置实际的限制？一个失误的任务可能会导致超出预期的成本。

7/ 我是否能接受每月大约 $10–$30 的基础设施和 AI 模型访问费用？如果您对这些问题都回答“是”，并且仍然觉得值得，那么它很可能就是值得的。

这是一个决策树，可以帮助您可视化：

在做出任何具体选择之前，先进行一次直觉检查。构建这个工具涉及持续的管理工作：一台独立的机器、模型连接、随时间的更新。它更像是维护一个小型水族箱，而不是组装平板包装的家具。这不是一次性构建完成后就能忘记的事情。它是您需要维护的东西。

如果这听起来比您预期的承诺更多，那么现在知道这一点很有用。如果它仍然听起来值得，那么以下是真正重要的选择。

您的代理需要连接到语言模型（一种人工智能模型，与 Anthropic 或 OpenAI 背后的技术相同）才能实际工作。这是解释您要求它做什么、决定采取什么行动、驱动代理行为并撰写回复给您的部分。OpenClaw 只是其周围的框架。语言模型才是实际进行思考的部分。

云端人工智能模型：对于首次构建，请连接到云端模型。虽然 OpenAI 和 Anthropic 云端模型是热门选择，但例如 MiniMax 是一个低成本选项，它提供付费云端服务和您可以自行运行的开放权重模型。

供应商定价会随时间而异并有所变化。例如，MiniMax 目前的 M2.7 模型输入令牌约 $0.30/M，输出令牌约 $1.20/M（M3 在特定上下文窗口下有可比较的折扣率）。每月模型支出完全取决于上下文窗口大小、提示长度和活动频率，而不是固定的令牌限制。

本地人工智能模型：或者，您可以下载像 Meta Llama 这样的开放权重模型，并在自己租用的机器上运行，自行运行模型。本地推理可以提高数据隐私和操作控制。然而，如果您的代理连接到外部云端渠道或网络服务，它并不能保证绝对隐私。此外，运行本地模型需要专用硬件或 GPU 计算，这在前期成本或功耗方面可能比云端 API 消耗高得多。

所有这些都不会让本地人工智能模型永远成为一个糟糕的选择。它只是让它们成为一个糟糕的首次选择。硬件要求与参数大小和量化直接相关；较大的本地模型需要显著更高的 RAM 和 VRAM 容量。请务必检查您计划运行的特定模型和量化级别的系统要求。

服务器本身有两种选择，实际使用起来感觉非常不同。

AWS (Amazon Web Services)：EC2 — 是最强大、最灵活的选项，也是大多数官方设置指南假设您正在使用的。AWS 为符合资格的新账户提供积分和免费层级分配（根据账户类型和使用限制，最多可抵消长达六个月的基本 EC2 费用），但设置和账单配置更为复杂。

最终成本：它按小时计费，这听起来很精确，但如果某些东西运行时间超出预期，账单可能会让您感到惊讶，而且首次正确配置（安全设置、存储、网络访问）需要耐心。它功能强大，但它并不是为初学者第一次使用而设计的。

在开始之前值得了解的一个 AWS 特定事项：您的主账户登录拥有所有内容的完整管理员访问权限，包括您的账单。将其用于日常设置工作是初学者常见的习惯，如果该登录信息遭到泄露，则存在风险。AWS 允许您为实际的日常工作创建一个单独的、权限受限的用户 — 在您做任何其他事情之前设置一个，并将根登录信息仅用于账户级别任务。

Hostinger 采取相反的方法：固定的、可预测的每月价格，通常约为 5 到 20 美元，具体取决于方案，并从一开始就捆绑了备份、基本安全和支持。在 Hostinger 上启动第一个服务器明显更简单，但代价是牺牲了 AWS 提供的一些灵活性和规模。

对于初学者来说，固定价格的托管 VPS 可能比 AWS 的可配置计费模式更容易管理；Hostinger 是这种方法的一个标准示例。可预测的价格和更简单的设置消除了许多与实际学习 OpenClaw 无关的摩擦。如果您因为单一的个人代理而超出其限制，以后再转移到 AWS，大多数人都不需要这样做。

无论您选择哪种服务器和模型，请遵循以下 3 个安全概念：

• 系统隔离：将代理环境与您的个人或主要工作环境分开。

• 最小权限：将工具执行权限、文件夹访问权限和 API 密钥限制为代理严格所需的内容。

• 沙盒：使用 OpenClaw 内置的容器/沙盒控制和明确的工具/工作区权限标志。

寻找活跃的维护和有文件记录的安全披露，但不要将社区受欢迎程度视为安全的保证。

它看起来不像安装普通应用程序。预计会有一份书面指南，要求您在纯文本窗口中输入命令，这对于这类软件来说很常见，即使第一次看起来令人生畏。

实际去哪里：这是OpenClaw 的官方 GitHub 存储库及其自己的设置文档，而不是二手教程。此软件经常更新，并且更新通常与修复安全问题有关，官方来源是您获取最新、最安全指令的地方，而不是可能已经过时的副本。

我们的看法：为您的第一次尝试预留一个轻松的下午，而不是匆忙的十分钟。判断 OpenClaw 是否适合您不需要技术背景，但在一些帮助下设置会更容易。

如果您想要一个具体的入门组合，而不是开放式菜单：Hostinger 作为服务器，云端 AI 模型作为起点，以及 Telegram 作为您的界面。

Telegram 的机器人设置通常轻巧且配置快速，而 WhatsApp 的商业集成可能需要额外的账户验证和平台设置。

简单、启动成本低，并且让您以最少的新学习内容获得一个可运作的代理。

关于您即将访问的存储库的注意事项： OpenClaw 是一个由 Campus 以外维护的开源项目。我们指向它，因为它是获取当前设置指令的最佳来源，而不是因为我们控制或保证其代码、其维护者或其未来方向。使用风险自负。

一旦您的第一个代理开始运行，您便有很多空间可以更改其任何部分，例如使用不同的消息应用程序、不同的云提供商、不同的模型，或者如果隐私或规模成本成为优先考虑，最终甚至可以使用本地模型。

如果您正在亚洲某地进行构建，那么特别有额外理由考虑开放权重模型。可本地部署的开放权重模型可以减少对海外托管 AI 服务的依赖，但需视当地基础设施能力和监管要求。开放权重模型的成本通常也只是高级闭源模型的一小部分。

目前值得注意的一些选项包括：MiniMax（一个强大、低成本、全面的默认选项）、Kimi（专为长时间、稳定会话和大量上下文而构建），以及 Qwen（模型尺寸范围最广，授权条款最灵活）。这个领域发展迅速，在承诺使用前请检查最新的基准测试和定价。

免责声明：本课程反映了我们在撰写时根据自身测试和研究得出的观点。本课程中提及的第三方工具和服务的价格截至 2026 年 10 月为准确，并可能随时更改。本课程不隶属于 OpenClaw 的官方文件，亦未获其认可，也非其替代品。开源代理软件带有固有风险，包括但不限于安全漏洞、意外成本、数据丢失以及软件在没有通知的情况下更改或损坏。此处的任何内容均不构成专业的安全、法律或财务建议。您承担与构建、部署和运行此软件相关的所有风险；本课程中提供的所有内容均由您自行承担风险使用。

1. 范围与功能：OpenClaw 是一个强大的开源代理运行时，能够通过消息应用程序、本地集成和基于网络的控制用户界面执行多步骤任务。

2. 基础设施：建议采用专用环境隔离（例如托管 VPS）来确保代理始终在线，以维持正常运行时间和隔离性。

3. 成本因素：持续成本包括基础设施托管（每月 5-20 美元）和 AI 模型消耗，后者根据模型选择和使用量而异。

4. 安全优先：安全部署取决于严格的环境隔离、最小权限许可，以及启用内置沙盒而非尝试手动源代码审计。

5. 模型多样性：您可以使用领先的云 API（OpenAI、Anthropic、MiniMax）或自托管的开源模型来驱动 OpenClaw，以平衡性能、预算和本地部署限制。