2026年从眼到手：OpenClaw如何改变投资研究模式

OpenClaw 简介

OpenClaw（曾用名 Clawdbot、Moltbot）是一款由奥地利开发者 Peter Steinberger 创 建的免费开源自主 AI 智能体，于 2025 年 11 月首次发布。它以消息平台作为主要用户界面， 能够借助大语言模型自主执行各类任务。与传统 AI 聊天机器人不同，创作者将其定义为“真 正会做事的 AI”，而非仅能对话的助手。 目前，OpenClaw 已经支持大量预配置的智能体技能，涵盖网页自动化与浏览器控制、 智能家居与健康监控、社交与通讯管理，以及媒体与创意任务等。此外，OpenClaw 还具备 持久长期记忆，能够记忆本地存储的用户偏好与项目上下文。它还兼具定时任务与主动提醒 的功能、可扩展的社区技能生态系统，OpenClaw 甚至可以自主生成并安装新技能。 从架构上看，OpenClaw 分为三层：最上层是通信层，负责接入飞书、Telegram、Discord、 Feishu、WhatsApp 等各平台的消息；中间是网关层，负责消息路由、身份验证与频率限制； 最底层是 AI 大脑层，既包含支持 OpenAI、Claude、Qwen 等模型的 LLM 引擎，也负责构 建动作分解，工具选择，计划执行的任务逻辑。从技术特性上看，OpenClaw 有三点尤为突 出：完全开源、本地优先、以及自主调度。 OpenClaw 的热度令人瞩目。截至 2026 年 3 月 11 日，该项目已经积累了 30 万个 GitHub Star，成为开源社区有史以来增长最快的项目之一。英伟达首席执行官黄仁勋近日在摩根士 丹利举办的一场会议上表示，AI 智能体框架 OpenClaw 可能是“历史上最重要的软件发布之 一”。OpenClaw 的爆火，反映出 AI 产业在累积了问答式大语言模型的成果后，即将迈入以 可执行任务的智能体为重心的阶段。而在金融行业中，无论是技术从业者、研究人员，还是 个人投资者，都有可能受益于其分解任务，数据抓取、工程构建与协调的能力。该篇西南证 券金融研究所的报告将系统地介绍 OpenClaw 的核心能力、部署方式与应用场景，希望能为 读者应用 OpenClaw 参与到金融市场提供一定的启发。

OpenClaw 部署与结构

2.1 WSL2 环境下的 OpenClaw 部署

据 OpenClaw 官方描述，OpenClaw 在 Windows 上推荐通过 WSL2 使用，这是因为 WSL2 的网络访问和文件系统性能更好。因此，本章节将会基于 Windows 操作系统，介绍 安装适用于 Linux 的 Windows 子系统（WSL2），并在 WSL2 Linux 环境里安装 OpenClaw 的方法。 步骤 1：在 PowerShell 中运行 'wsl --install'，系统将启用 WSL 和虚拟机平台功能，下 载并安装最新 WSL2 内核，并安装默认的 Ubuntu 发行版。启动 Ubuntu，设置用户名和密 码。 步骤 2：安装 OpenClaw 需要的依赖 Node.js 22+：用 nvm（macOS/Linux）或 nvm-windows 安装最新 LTS 版本：'nvm install --lts && nvm use --lts'。 步骤 3：安装 OpenClaw：在 WSL 终端中运行命令。

2.2 基础 OpenClaw 配置与结构

完成安装后，通过 OpenClaw – version 先验证 OpenClaw 安装正确，再通过 OpenClaw doctor 检查基础状态。在 WSL 终端输入 OpenClaw onboard 进入基础设置界 面。此后可以通过 OpenClaw configure 更改设置。基础设置主要分为以下几个部分，这几 个部分也分别构成了 OpenClaw 执行任务的关键依赖：

（1）Model/Auth Provider

该部分是 OpenClaw 的核心驱动配置，决定了整个智能体的“大脑”来源。OpenClaw 本身并不内置独立的语言模型，而是作为一个调度与执行层，依托外部大语言模型（LLM） 来理解指令、规划任务并生成响应。 在此步骤中，需要指定 OpenClaw 将调用哪家模型服务商，并完成相应的身份验证，通 常为填入对应平台的 API 密钥。所选择的模型将直接影响 OpenClaw 的理解能力、响应质量 与运行成本。本篇报告的后续内容，都建立在为 OpenClaw 部署 bailian/qwen3.5-plus（通 义千问 3.5Plus）的基础上。

（2）Skill

如果说 Model/Auth Provider 决定了 OpenClaw 的“思考能力”，那么 Skills 配置决定的 则是它的“行动能力”。Skills 建立在 Tools 的基础上：Tools 基于直接提供的底层 API，包含 读、写、发送 Shell 命令等原子化的能力，决定 OpenClaw 在系统层面能否执行某类操作。 对应地，Skills 则教会 OpenClaw 如何将这些操作组合起来，完成有意义的具体任务。 每个 Skill 本质上是一个包含 SKILL.md 文件的文件夹，其中以 Markdown 格式写明了智能体 完成特定任务所需遵循的指令与流程。安装一个 Skill，就相当于为 OpenClaw 增添了一份操 作手册，让它在面对对应类型的任务时，能够以可预期、可重复的方式执行。

OpenClaw 本身内置了一批官方 Skills(Built-in Skills)，涵盖笔记管理、邮件处理、社交 媒体、开发工具、智能家居等常见场景，且默认情况下会根据系统环境自动加载。在该配置 环节，用户可以按需选择对应的官方 Skills 进行安装。在第 4 部分，报告会进一步说明可以 如何从外部安装更丰富和专业化的 Skills。出于完成投研基本任务的考虑，建议至少在配置 环节安装 Clawhub, github, nano-pdf, summarize 几个技能。

（3）Web tools

该部分决定 OpenClaw 能否以及如何连接至互联网。默认情况下，OpenClaw 是一个运 行在本地的智能体，并不自动具备联网检索能力。Web Provider 配置正是为其打开这扇窗口 的关键步骤。OpenClaw 官方推荐使用 Brave Search 作为默认的网络搜索服务商。当然， Web Provider 并非 OpenClaw 访问互联网的唯一途径。用户同样可以通过安装对应的社区 Skill，为 OpenClaw 赋予网页抓取、全站爬取与结构化数据提取等能力。

（4）Channels

如果说前几项配置决定了 OpenClaw 本体的能力，那么 Channels 配置决定的则是用户 通过哪扇门与它沟通。OpenClaw 的核心设计理念之一，正是将 AI 智能体带入用户已经在使 用的通讯平台，而不是要求用户迁移到一个新的专属界面。OpenClaw 目前支持超过 15 个 主流通讯平台，包括 WhatsApp、Telegram、Discord、Slack、Signal、iMessage、Microsoft Teams、飞书、LINE 等，且单个 OpenClaw 实例可同时接入多个平台，共享同一套记忆与 智能体配置。用户可以像给现实中的亲朋好友发消息一样，在日常通讯平台上发消息给 OpenClaw 下达命令。

当然，用户也可以直接通过 OpenClaw Dashboard，或者 WSL 终端直接与 OpenClaw 对话，但通用通讯平台无疑提供了更大的便利。各平台的接入方式不尽相同，复杂度也有所 差异。这里以飞书为例介绍接入方法。OpenClaw 能够接入飞书，依赖于飞书平台提供的“机 器人”接口。创建机器人可以按照以下步骤： 步骤 1：在飞书开放平台创建应用，选择企业自建应用。

步骤 2：在应用中选择“添加应用能力”，创建机器人。填写基本信息，并按照要求开通 权限。 步骤 3：回到 OpenClaw 交互界面，在 Channel 选项中选择飞书后，OpenClaw 会讯问 App Secret 和 App ID，将“凭证与基础信息”中的信息复制粘贴即可。此时 OpenClaw 就 已经接通了飞书的机器人。 步骤 4：配置事件订阅方式，这保证了飞书可以把用户消息推送给 OpenClaw，选择长 连接的订阅方式。 步骤 5：在飞书 APP 中添加机器人并进行配对：在搜索框中输入之前创建的应用名称， 即可进入机器人聊天窗口。发送任意消息后，机器人将返回配对码(Pairing code)。在命令行 界面输入命令：OpenClaw pairing approve feishu {Pairing Code} （其中{ }内填写配对码） 就完成了配对，再发送消息，就可以与 OpenClaw 对话了。

2.3 与 OpenClaw 对话

与 OpenClaw 交互的方式主要分为三种：通过已接入的通讯平台进行可视化交流，直接 在命令行终端中与其对话，或通过浏览器控制台（Dashboard）对话。 可视化交流是大多数用户最为熟悉的方式。在完成 Channels 配置后，用户只需打开对 应的通讯平台像发送普通消息一样与 OpenClaw 交流即可。这种方式的优势在于自然直观： 您可以随时随地通过手机或电脑发起对话，OpenClaw 会在后台处理任务并将结果推送回同 一对话窗口。对于日常任务的委托与跟进，这是最为便捷的交互方式。 命令行交流则更适合开发者或希望进行精细控制的用户。在终端中，您可以通过 OpenClaw tui 命令直接与智能体交互，省去通讯平台的中间层，响应往往更为即时。命令行模式同时也是调试 Skill 配置、测试新指令、或在服务器环境中部署 OpenClaw 时的首选 方式，能够更清晰地观察到智能体的处理过程与输出日志。

Dashboard是 OpenClaw的网页端管理界面，默认运行于本地的 http://127.0.0.1:18789， 在完成 onboard 配置后可通过终端输入 OpenClaw dashboard，并复制 Dashboard URL 在浏览器粘贴打开。 与通讯平台侧重“对话与任务委托”不同，Dashboard 更侧重“管理与监控”——它提 供了系统健康状态、API 调用成本、定时任务运行情况、活跃会话数等一览式信息，是判断 智能体当前状态是否正常的最直观入口。同时内置了网页版对话界面，允许用户直接在浏览 器中与 OpenClaw 交流，并提供丰富的调试工具，适合在配置调试阶段使用。三种方式共享 同一套智能体配置与记忆系统，但通过不同 Channel 进行的会话彼此独立，用户可以根据使 用场景自由切换。

OpenClaw 的特殊之处

3.1 多平台命令接入机制：以即时通讯软件作为指令传输端点

传统 AI 工具采用封闭式的人机交互架构，用户必须通过专有客户端或 Web 界面与系统 建立会话连接。这一设计在实际工作场景中引入了不必要的上下文切换成本——用户被迫在 主工作环境与 AI 工具之间频繁跳转，打断原有的操作流。 OpenClaw 在架构层面对此进行了重新设计。其核心机制是将即时通讯平台注册为合法 的命令输入端点。这些平台通过各自开放的 Bot API 或 Webhook 机制与 OpenClaw 的调度 层对接，用户在聊天界面中以自然语言发出的指令，经由该通道解析后转化为结构化任务请 求，提交至 OpenClaw 的执行引擎处理；执行结果则经由同一通道回传，以消息形式呈现于 原会话窗口。 对于投资研究人员而言，这意味着 AI 能力可以直接嵌入现有的工作通讯流，无需迁移 工具链或额外学习操作界面，指令的发出与结果的接收均在同一信息环境中完成，对效率有 很大的帮助。

3.2 自适应技能扩展机制：面向指定任务的自主技能检索、获取与 集成能力

传统软件的功能边界在发布时便已固定，用户能做的事情取决于开发者预设了什么。 OpenClaw 打破了这一逻辑——它将技能设计为完全模块化的可插拔单元，每个 Skill 都是一 个独立的能力包，教会智能体如何完成某类特定任务。安装一个新 Skill，就意味着智能体获 得了一种此前完全不具备的能力。更重要的是，这一过程可以由 OpenClaw 自主发起。 OpenClaw 的底层语言模型具备任务分解能力。当用户给出一个较为抽象的目标时—— 例如“帮我每天早上整理一份 A 股市场的盘前简报”——OpenClaw 并不会直接执行，而是 先将这个目标拆解为若干具体的子任务：需要获取哪些数据源、以何种格式输出、在什么时 间触发。进而按照当前已安装的 Skill 库，识别出哪些子任务已有对应能力覆盖、哪些存在空 缺，再有针对性地在 ClawHub 等渠道搜索所需的补充技能并自动安装。 这一逻辑使得用户无需了解底层实现细节，只需用自然语言描述意图，智能体便能自行 规划出通往目标的路径并直接执行，并在这一过程中自行判断是否需要引入新的 Skill，并在 授权后独立完成获取与部署。当然，用户也可以直接将 Skill 的 GitHub 链接粘贴到对话框中， 告诉 OpenClaw 去使用它，智能体便会在后台自动完成安装。总而言之，“用到什么，学什 么”的自适应机制，使 OpenClaw 能够随着用户需求的演进而持续扩展，而非停留在初始安 装时的能力边界。 例如，当用户提出“需要可以描述 A 股行情的数据”时，OpenClaw 将自动检索已有技 能，并判断是否可以完成任务。由图可见，OpenClaw 准确地判断出可以从 Tushare 抓取需 要的金融数据。

编辑：火腿肠