2026年OpenClaw：打造智能投研Agent团队

范式演进：从辅助工具到“数字员工”

1.1 OpenClaw 简介：开源界的里程碑

OpenClaw 是一款由程序员 Peter Steinberger 开发的开源 AI Agent 应用，曾用名 Clawdbot、Moltbot，2026 年 1 月 25 日在 GitHub 上发布重大更新后短时间内便 获得 AI 社区高度关注，后续快速出圈获得市场广泛关注。其星标数量的爆发式增 长并非偶然，而是反映了大模型落地应用需求的集中爆发。 在过去两年中，大模型技术经历了从技术突破到应用探索的快速演进。早期的大 模型应用主要集中在对话问答、内容生成等相对简单的场景，用户与 AI 的交互模 式停留在“提问-回答”的层面。然而，随着用户对 AI 能力认知的深入，市场开 始呼唤能够真正执行复杂任务、具备自主规划能力的智能体应用。OpenClaw 正是 在这一背景下应运而生，它填补了“对话式 AI”与“行为级 Agent”之间的空白。

理解 OpenClaw 的价值，首先需要明确“对话式 AI”与“行为级 Agent”的本质 区别。对话式 AI 的典型代表是各类聊天机器人，它们能够理解用户的问题并给出 回答，但回答之后便完成任务，后续的执行工作仍需用户自己完成。 行为级 Agent 则完全不同。当用户下达任务指令后，Agent 会首先进行任务拆解 和规划，确定完成该任务需要哪些步骤、调用哪些工具、获取哪些数据。然后， Agent 会自主执行每一个步骤，过程中可能涉及打开浏览器搜索信息、连接数据 库提取数据、运行代码进行计算、生成文档输出结果等多个环节。执行完成后， Agent 会将结果反馈给用户，并在必要时请求用户介入或确认。 这种差异带来的实际影响是深远的。对话式 AI 本质上是辅助工具，它提供信息和 建议，但用户仍是执行主体；行为级 Agent 则是执行角色，它能够独立完成完整 的工作流，用户从执行者转变为任务发布者和结果审核者。这一转变意味着 AI 从 帮手升级为员工，从提供建议升级为交付成果。

OpenClaw 的架构设计围绕四个核心模块展开，每个模块解决一个关键问题，四个 模块相互衔接，共同支撑起 Agent 的执行能力。 第一个模块是渠道适配器（Channels），它解决的是“在哪里干活”的问题。 OpenClaw 支持将 AI 助手接入用户既有的沟通渠道，包括飞书、钉钉等主流平台。 通过渠道适配器，用户可以在日常使用的办公通讯工具中直接与 Agent 对话、下 达任务、接收结果，无需切换多个应用界面。这种无缝集成大大降低了使用门槛， 使 Agent 真正成为工作流程的一部分。 第二个模块是决策核心（Agent），它解决的是“怎么思考”的问题。OpenClaw 支 持多模型路由，用户可以根据任务类型选择不同的模型。例如，对于需要逻辑推 理的复杂任务，可以选择推理能力更强的模型；对于需要快速响应的简单任务， 可以选择响应速度更快的模型。决策核心还负责任务拆解和规划，它将用户的宏 观指令分解为具体的执行步骤，并协调各个工具按顺序执行。

第三个模块是技能插件（Skills），它解决的是“用什么工具”的问题。Skills 是 OpenClaw 的能力扩展机制，每个 Skill 都是一个独立的功能模块，能够执行特定 类型的任务。当前，OpenClaw 的技能库已收录超过 2.1 万个社区构建的技能，涵 盖开发工具、办公自动化、数据处理等多个领域。 第四个模块是双模记忆（Memory），它解决的是“经验积累”的问题。OpenClaw 的记忆系统包含短期记忆和长期记忆两个层面。短期记忆保存当前会话的上下文 信息，确保 Agent 能够理解多轮对话中的指代和关联；长期记忆则将关键事实、 用户偏好、历史任务结果等信息持久化存储到本地向量库中，使 Agent 具备跨会 话的学习能力。通过记忆机制，Agent 能够随着使用时间的增长不断积累经验和 知识，形成个性化的服务能力。

1.2 核心配置文件与人设设定

OpenClaw 的工作环境 Workspace 包含七个核心配置文件，这些文件共同定义了 Agent 的行为模式、能力边界和运行规则。理解每个文件的功能和配置方法，是 有效使用 OpenClaw 的基础。

AGENTS.md 是 Agent 的工作手册，定义核心任务、工作流程、常用命令和沟通风 格。它回答“这个 Agent 做什么、怎么做”的问题，包括职责描述、工作步骤、 知识来源等。 Soul.md 是 Agent 的人设定义文件，规定智能体的核心行为准则，包括表达风格、 风险偏好、价值取向与合规约束。通过精心设计的 Soul.md，用户可以将自己的 专业要求和工作规范固化到 Agent 中，使 Agent 的输出符合预期标准。 Identity.md 决定智能体在系统中的职责定位与权限映射。在同 Workspace 下的多 Agent 协作场景下，不同身份可承担研究、执行、复核等用户定义的分工角色，可 以提升复杂任务的结构化处理能力。 User.md 记录用户相关配置，包括沟通风格、信息格式要求、优先关注领域与个 性化偏好。它确保系统在长期运行过程中保持对用户需求的持续适配。随着使用 时间的增长，User.md 会不断积累和完善，Agent 对用户需求的理解会越来越准 确，服务质量会持续提升。 TOOLS.md 记录环境特定的配置信息，与 Skill 分离，便于独立维护。包括设备别 名、SSH 主机、摄像头名称、设备昵称等。TOOLS.md 使 Agent 能够快速识别和 调用本地资源，无需每次询问用户。 Heartbeat.md 提供周期性唤醒与健康检查机制。当没有实时交互时，它可以根据 设定节奏触发任务推进或状态更新。这一机制使 Workspace 具备持续运行能力， 而非仅在用户输入时被动响应。 BOOTSTRAP.md 负责 Workspace 的初始化配置和加载规则，保证系统在部署或 恢复时能够自动加载全部核心结构并进入稳定状态。

1.3 核心优势：开源、模块化、团队协作

OpenClaw 相比传统 AI 产品和商业 Agent 平台，具备多项差异化优势，使其能够 真正胜任投研工作中的复杂任务，成为“数字员工”。 传统 AI 助手的工作模式是"用户提问、AI 回答、用户执行"，AI 仅提供信息和建 议，执行工作仍需用户完成。OpenClaw 的工作模式则是“用户发布任务、AI 规 划、AI 执行、AI 反馈”，AI 能够独立完成完整的工作流，从工具角色升级为执行 角色。这一转变意味着用户可以将重复性、流程性的工作交给 Agent 处理，将更 多精力投入到需要人类判断和创造力的工作中。 高度模块化的系统架构使 OpenClaw 具备良好的适应性和扩展性。模型可替换， 用户可以根据任务类型选择不同的模型；Skill 可扩展，当前技能库已收录大量个 社区构建的技能；接口可定制，用户可以灵活调整系统接口适配自身需求。用户 可以根据需求自由组合系统能力，而非被固定功能所限制。 区别于商业 Agent 平台，OpenClaw 是完全开源的项目。OpenClaw 支持可私有化 部署，所有数据存储在用户可控的环境中；支持可定制功能，用户可以根据自身 需求修改和定制；如选择本地部署，可以对数据进行安全控制和管理，配置数据、 记忆数据、历史任务记录等都存储在本地降低泄露风险。这对于金融机构、企业 投研团队等对数据安全要求较高的场景尤为重要。 Agent 团队协作能力使 OpenClaw 能够胜任更加复杂的任务。用户可以创建多个 不同职责的专业 Agent，如信息搜集 Agent、数据分析 Agent、监控 Agent 等，每 个 Agent 拥有不同的技能与职责，形成一个自动化的 AI 工作团队。多 Agent 架 构的核心优势在于上下文隔离，每个 Agent 维护独立的上下文空间，避免环境污 染，提升任务专注度，更接近真实团队协作。 基于 OpenClaw 的核心优势，在本文中，我们尝试构建了六大 OpenClaw Agent 组 成投研团队，测试其生产力。

部署与配置指南

OpenClaw 的部署需要考虑环境隔离、系统安全性、操作便捷性和成本等多个因 素。在本文中介绍两种可选择的方案：虚拟机部署方案和云平台部署方案。用户 可以根据自身需求和使用场景选择合适的方案。

2.1 虚拟机部署

第一种方案是虚拟机搭配 Ubuntu 系统的本地部署方案，该方案兼具环境隔离与 图形操作的双重优势，适合希望长期使用、对数据安全性要求较高、希望控制成 本的用户。 环境隔离方面，虚拟机在主机系统之上创建一个完全独立的操作系统环境， OpenClaw 运行在虚拟机中，无法直接访问主机的文件系统和敏感数据，有效防止 了因配置不当导致的信息泄露风险。同时，虚拟机的快照功能可以随时保存系统 状态，当出现问题时可以快速回滚到之前的正常状态，大大降低了维护成本。 图形操作方面，Ubuntu 系统提供完整的图形界面，用户可以通过浏览器访问 OpenClaw 的 Dashboard 可视化配置面板，进行模型管理、渠道配置、技能管理、 记忆查看、日志监控等操作。相比纯命令行环境，图形界面更加直观友好，降低 了使用门槛，特别适合非技术背景的投研人员使用。 成本方面，虚拟机部署在本地设备上运行，无需支付云服务器租用费用，长期使 用的成本优势明显。对于需要 7×24 小时运行的场景，虚拟机可以持续运行而不 产生额外费用。

采用虚拟机部署方案在本地部署步骤如下： 第一步，下载并安装虚拟机软件。用户可以选择 VMware Workstation Player 或 VirtualBox 作为虚拟机软件，本报告以 VMware 为例。 第二步，下载 Ubuntu 系统镜像。用户访问 Ubuntu 官网下载最新 LTS（长期支持） 版本的桌面版镜像文件。 第三步，创建虚拟机并安装 Ubuntu。打开 VMware，点击“创建新的虚拟机”，选 择“安装程序光盘映像文件”，浏览选择刚才下载的 Ubuntu 镜像文件。接下来设 置虚拟机名称和存储位置，建议将虚拟机存储在空间充足的磁盘分区。然后配置 虚拟机硬件资源，建议分配 4 核 CPU、8GB 内存、50GB 硬盘空间，这些配置可 以保证 OpenClaw 流畅运行。完成配置后，点击“完成”开始创建虚拟机。 虚拟机创建完成后，启动虚拟机会进入 Ubuntu 安装界面。按照安装向导选择语 言、键盘布局、网络连接等配置。在“安装类型”步骤选择“清除整个磁盘并安 装 Ubuntu”，这里的磁盘指的是虚拟磁盘，不会影响主机系统。设置用户名和密 码后，等待系统安装完成。

第四步，在 Ubuntu 中部署 OpenClaw。Ubuntu 安装完成后，启动系统并登录桌 面。打开终端（Terminal），首先安装 Node.js 环境，按顺序执行“curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash –”、“sudo apt-get install -y nodejs”两条命令即可完成，完成后分别运行“node --version”、“npm --version”, 若显示对应的版本号即为安装成功。然后执行 OpenClaw 安装命令“npm install - g openclaw@latest”，安装脚本会自动下载并配置最新版本的 OpenClaw 及其依 赖。 需要注意的是，在 openclaw@2026.3.5 之后的版本需要在虚拟机上配置 git 环境 才可以进行 OpenClaw 的下载，首先使用“sudo apt install git”安装 Git，安装完 成后使用“ssh-keygen -t rsa -C “your.email””生成 SSH 密钥，并把公钥添加到 Github 账户中即可。 第五步，环境检测与验证。登录 openclaw 用户后，执行“openclaw doctor”命 令进行环境检测。该命令会检查系统依赖、网络连接、权限配置状态等关键项目， 并给出修复建议。按照提示完成所有检测项后，OpenClaw 即可正常运行。 OpenClaw 提供 onboard 和 dashboard 两种路径，onboard 可通过 CLI 完成全部 配置，适合技术用户，dashboard 通过可视化界面进行管理，更适合普通用户。 图 5 中展示了使用虚拟机方案部署 openclaw 部分过程示例。

2.2 云平台部署

国内主流云厂商如阿里云、腾讯云、火山引擎等均已推出 OpenClaw 一键部署服 务，用户只需在云平台选择对应的镜像或套餐，几分钟内即可获得完成部署的 OpenClaw 环境。云平台部署方案适合希望快速体验 OpenClaw、对系统安全性有 较高要求、或本地设备性能不足的用户。使用云平台方案的部署过程在各家云厂 商的官网上都有非常详细的介绍，通常 5-10 分钟内即可完成部署，本报告中不再 赘述。 采用云平台方案部署的优势在于以下几个方面：部署速度快；安全性高，OpenClaw 运行的云环境与本地设备完全隔离；访问便捷，不受本地设备限制，不需要保持 本地设备开机状态；免维护，云厂商提供系统维护、安全更新、备份恢复等服务， 用户无需关心底层基础设施的运维工作，专注于业务应用。 云平台部署虽然优势明显，但需要支付租用费用。以阿里云为例，一台 2 核 4GB 的基础配置云服务器，月租约 100-200 元；4 核 8GB 的推荐配置，月租约 300- 500 元。对于短期试用或低频使用的用户，这个成本可以接受；但对于长期高频 使用的用户，成本会持续累积。 虚拟机部署在本地设备上，一次性投入硬件成本后，后续使用无额外费用。如果 用户已有性能充足的电脑，虚拟机部署的边际成本几乎为零。

无论选择哪种方案，OpenClaw 的核心功能和使用体验是一致的。用户可以根据 自身需求和资源情况灵活选择，也可以在两种方案之间迁移，将本地虚拟机配置 同步到云平台，或将云平台数据备份到本地。

2.3 模型配置

OpenClaw 支持两种配置方式，分别适用于不同场景和用户群体。Onboard 是命 令行配置界面，用户通过“openclaw onboard”命令启动，按照提示依次输入模 型平台、API 密钥、默认模型等信息。这种方式适合已准备好模型 API 密钥、希 望快速完成配置的用户。 Dashboard 是基于浏览器的可视化配置面板，用户通过“openclaw dashboard” 命令启动，在浏览器中打开本地控制台。Dashboard 提供更丰富的配置选项，包 括模型管理、渠道配置、技能管理、记忆查看、日志监控等功能。对于习惯可视 化界面的用户，或需要进行底层设置修改的场景，Dashboard 是更好的选择。 当前 OpenClaw 官方接口已支持海内外多种大模型平台，包括 Moonshot（Kimi 系 列模型）、Z.AI（GLM 系列模型）等。但对于部分尚未被官方集成的模型（如 DeepSeek），或通过第三方平台转发的模型，用户需要通过自定义方式完成配置。 具体配置方法可参考各大模型厂商官网 OpenClaw 接入方法。若选择各模型 Coding Plan 套餐订阅模式，可避免通过 API 方式计费产生大量 Token 消耗。

配置完成后，用户可以通过两种方式切换模型。一种是在对话框中使用“/model” 命令，后接模型完整名称或简称，如“/model bailian/qwen3.5-plus”或“/model deepseek”；另一种是通过自然语言指令，如“请切换到 DeepSeek 模型”，Agent 会自动识别并执行切换操作。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）