飞飞的AI实验室

你有没有想过一个问题：你跟 AI 聊的每一句话，都去了哪里？

你让 ChatGPT 帮你写一封辞职信，这封信的内容存在了 OpenAI 的服务器上。你让 Claude 帮你分析公司的财报数据，这些数据经过了 Anthropic 的 API。你让 AI 助手整理你的邮箱，它需要读取你所有的邮件内容。

大多数时候，这不是问题。但如果你在处理商业机密、个人隐私、或者任何你不希望被第三方看到的信息——你确定要把这些数据发到大洋彼岸的服务器上吗？

OpenClaw 的核心理念之一就是本地优先。它可以跑在你家里的树莓派上，跑在你的 NAS 里，配合 Ollama 本地模型，实现真正的数据零外泄。

今天这篇文章，我分别演示树莓派和 NAS 两种部署方案，再配上 Ollama 本地模型，让你拥有一个完全属于自己的 AI 管家——数据不出家门，7×24 小时在线。

为什么一定要本地部署

先说一个数据：2026 年 3 月中旬，中国政府要求国有企业和政府机构禁止在办公电脑上运行 OpenClaw。国家互联网应急中心发布了风险提示，其中一条核心风险就是**”核心数据泄露”**。

这个风险不仅是 OpenClaw 的问题，而是所有依赖云端 API 的 AI 工具的通病。只要你的数据经过第三方服务器，就存在泄露的可能。

本地部署解决了三个核心问题：

OpenClaw 装好了，模型也配了，Telegram 也接了。然后呢？

你让它帮你查天气，它说”我没有这个能力”。你让它帮你管理 Notion 笔记，它也说不行。你去 ClawHub 搜，发现那个技能上次更新是一个月前，还不兼容最新版。

这时候你有两个选择：等别人写，或者自己动手。

今天这篇文章，我带你从零开始，用 TypeScript 给 OpenClaw 写一个自定义插件。不是那种”Hello World”级别的演示，而是一个真正能用的工具——一个 GitHub 仓库监控插件，能定时检查你关注的项目有没有新 Release，然后通过消息平台通知你。

整个过程 10 分钟。代码不超过 100 行。

先搞清楚：Skill 和 Plugin 有什么区别

OpenClaw 有两套扩展机制，很多人搞混。

Skill（技能） 是自然语言驱动的。一个 Skill 就是一个文件夹，核心是 SKILL.md 文件——用 Markdown 写的”使用说明书”。你告诉 AI “这个工具是做什么的、什么时候该用、怎么用”，AI 自己判断何时调用。

1
2

my-skill/
└── SKILL.md    # 用自然语言告诉 AI 怎么用这个工具

你想让 OpenClaw 7×24 小时在线，但不想买 Mac Mini，也不想租一台月费几百块的云服务器。

有没有办法？

有。答案是 Cloudflare Workers。

Cloudflare 官方在 2026 年 1 月底发布了 MoltWorker 项目——一个中间件方案，能让 OpenClaw 直接跑在 Cloudflare 的全球边缘网络上。不需要自己的硬件，不需要运维，不需要半夜起来重启服务器。整个部署过程 15 分钟，月费最低 5 美元（约 35 元人民币）。

今天这篇文章，我把完整的部署流程、省钱策略、踩过的坑全部整理出来。即使你从来没用过 Cloudflare，也能跟着做。

为什么选 Cloudflare Workers

先回答一个问题：跑 OpenClaw 的方案这么多，为什么偏偏选 Cloudflare？

第一，不用买硬件。 硅谷流行买 Mac Mini 跑 OpenClaw，一台 M4 版本至少 4000 元起步。Cloudflare Workers 每月 5 美元，一年的费用还不到一台 Mac Mini 的零头。

第二，天然 24 小时在线。 本地电脑关机就断了，VPS 偶尔会宕机。Cloudflare 在全球有 300 多个数据中心，你的 OpenClaw 跑在离用户最近的节点上，稳定性拉满。

你在地铁上，掏出手机，打开微信，给”QClaw管家”发了一条消息：”把桌面上那个 Excel 文件整理一下，按销售额排序，生成一份图表，存到 Documents 目录。”

手机揣回口袋。到公司打开电脑，文件已经做好了。

这不是未来畅想。这是腾讯刚刚推出的 QClaw 正在做的事。

3 月 9 日，腾讯开始内测 QClaw——一个基于 OpenClaw 的一键部署工具，直连微信和 QQ。3 月 18 日，公测版上线，微信小程序入口全面升级。南华早报（SCMP）的标题很直接：**”龙虾热潮席卷中国，腾讯把 OpenClaw 搬进了微信。”**

Business Insider 的报道更猛：中国科技巨头正在疯抢 OpenClaw 的金矿。

今天我们来拆解：QClaw 到底是什么？腾讯凭什么切入这场”养龙虾”大战？这件事为什么比你想的重要得多？

QClaw 是什么：三层架构，一句话说清

QClaw 不是腾讯从零造的新框架。它是 围绕 OpenClaw 做的一次产品化封装。

你可以把 QClaw 理解成三层东西叠在一起：

想象一个场景：你在地铁上，掏出手机，给 Claude 发了一条消息——“把上周的销售数据从 Notion 拉出来，做成一份 PPT，导出 PDF 放到桌面上。”

你把手机揣回口袋。到家的时候，打开电脑，PDF 已经安安静静地躺在桌面上了。

这不是科幻电影。3 月 17 日，Anthropic 在 Claude Cowork 里发布了一个新功能——Dispatch。它让你用手机远程指挥 Claude 在你的电脑上干活。你不在电脑前的时候，AI 帮你处理文件、整理邮件、生成报告、制作演示文稿。

社区里有人直接说：**”Anthropic 比 OpenAI 更快地造出了 OpenClaw。”**

今天我们来拆解：Dispatch 到底怎么用？它和 Claude Code Remote Control 有什么区别？这个功能意味着什么？

Dispatch 是什么：一句话说清楚

Anthropic 工程师 Felix Rieseberg 在 X 上的原话：

“One persistent conversation with Claude running on your computer — message it from your phone and return later to finished work.”

一个持续的对话，Claude 跑在你的电脑上——用手机发消息，回来的时候工作已经做完了。

React 用了 13 年积累 24 万 Star。Linux 内核用了 40 年。OpenClaw 只用了 3 个月。

很多人把 OpenClaw 的爆火归结为”赶上了风口”或者”龙虾 meme 太魔性”。但如果你去翻它的代码仓库——43 万行 TypeScript，40+ 消息平台集成，54 个内置技能，完整的事件驱动架构——你会发现，这东西绝不是一个”套壳聊天机器人”。

黄仁勋在 GTC 2026 上说它是”个人 AI 的操作系统”。这话并不夸张。

今天我们不聊怎么用 OpenClaw，聊一个更底层的问题：它的架构凭什么能撑住 24 万 Star 的期待？

先看全貌：5 个组件，各司其职

OpenClaw 的架构可以用一句话概括：Gateway 负责接入，Brain 负责思考，Skills 负责执行，Memory 负责记忆，Heartbeat 负责调度。

用一个比喻来理解：把 OpenClaw 想象成一个机场。

• Gateway（塔台）：所有航班（消息）都经过这个中央调度中心，由它分配到正确的跑道
• Brain（飞行员）：接到指令后，决定怎么飞、走哪条航线
• Skills（机械臂）：在地面上真正搬运行李、加油、检修的执行单元
• Memory（黑匣子）：记录所有飞行数据，下次起飞时作为参考
• Heartbeat（值班表）：按时间表触发定时任务，比如凌晨 3 点自动检查航班状态

这 5 个组件的职责完全隔离。换消息平台不影响 Agent 逻辑，换大模型不影响消息路由，换工具不影响记忆系统。这种分层设计，是 OpenClaw 能从一个”周末项目”长成”操作系统”的根本原因。

凌晨 2 点，你的 Discord 服务器里弹出一条消息：”这个项目怎么安装？文档在哪？”

你睡了。没人回。

第二天早上你醒来，发现那个人已经退群了。

这个场景你熟悉吗？如果你运营过任何一个技术社群、开源项目、或者小型创业社区，你一定经历过：问题来了没人答，新人来了没人接，活跃度越来越低，群慢慢就”死”了。

问题不在于没有内容，而在于没有”响应”。人类不可能 24 小时在线。但 AI 可以。

今天这篇文章，我手把手教你用 OpenClaw 接入 Telegram 和 Discord，搭一个 24 小时在线的 AI 助手。它能回答常见问题、引导新人、整理讨论记录，甚至在你睡觉的时候替你”撑场子”。

为什么 OpenClaw 是最适合做社群客服的工具

市面上做 AI 客服的工具很多。为什么偏偏选 OpenClaw？

第一，它原生支持群聊。 大多数 AI 助手只能做 1 对 1 私聊。OpenClaw 天然支持在 Telegram 群组和 Discord 频道里工作，能看到群里的消息，被 @ 时自动回复，或者在后台静默监听、需要时主动介入。

每天早上 7 点，我的手机会收到一条 Telegram 消息。

不是闹钟，不是新闻推送，是我的 OpenClaw 发来的”今日选题报告”：它已经在凌晨 3 点扫完了 Twitter、ProductHunt、Hacker News 和 5 个行业 RSS 源，筛选出 3 个与我领域相关的热点话题，每个话题附带摘要、热度评分和初步大纲。

我只需要在地铁上花 5 分钟，选一个话题，回复一个数字。

到了中午，初稿写好了。配图生成了。SEO 标签打好了。我打开文档，花 30 分钟修改润色，点击发布。

这套流程，以前需要我一个人花 4-5 个小时。现在压缩到了 40 分钟。

我不是什么技术大佬。我只是一个自媒体博主，用 OpenClaw 的 Skills 和定时任务，搭了一条”内容流水线”。今天把整个 SOP 分享出来，你也可以照着做。

为什么内容创作最适合用 OpenClaw 自动化

先说一个很多创作者不愿意承认的事实：内容创作 80% 的时间花在了”不需要创造力”的环节上。

选题调研——要翻遍各个平台看热点，至少 1 小时。

你装了 Cursor，打开一个项目，在聊天框里敲了一个提示词，得到了一段”看起来还行”的代码。然后你心想：就这？

如果你只把 Cursor 当成一个”会聊天的 VS Code”，你大概只用到了它 20% 的能力。

Cursor 在 12 个月内做到了 10 亿美元年化收入，是历史上最快达到这个数字的开发工具。超过 50% 的财富 500 强公司在用它。NVIDIA 黄仁勋说：”我最喜欢的企业 AI 服务就是 Cursor。我们 4 万名工程师现在全部有 AI 辅助。”

但同样是用 Cursor，有人效率翻了 3 倍，有人只比 VS Code 快一点点。差距在哪？在技巧，不在工具本身。

Cursor 官方博客发布了一篇 Agent Best Practices 指南，社区也积累了大量实战经验。今天我把这些技巧整理成 12 条，从基础设置到高级用法，每一条都带具体操作步骤。

基础篇：4 条设置技巧

1. 给每个项目写一份 .cursorrules

这是投入产出比最高的一条技巧。

在项目根目录创建 .cursorrules 文件，告诉 Cursor 你的技术栈、代码风格和项目约定。没有这个文件，Cursor 生成的是通用代码。有了它，每一次补全都符合你的项目规范。

你有没有遇到过这种情况：产品做好了，代码跑通了，但需要一个 30 秒的演示视频——结果在 Premiere 里拖了一下午，最后做出来的东西还不如 PPT 动画。

或者更扎心的：老板让你做一个产品发布视频，你对着 After Effects 的界面发呆，心想”我是写代码的，不是做视频的”。

现在有一个新选择：用 Claude Code 写代码生成视频。

不是 Sora 那种 AI 生成实拍画面，而是用 React 组件定义每一帧动画，让 Claude Code 帮你写代码，然后渲染成 MP4。效果是什么？专业级的动态图形（Motion Graphics）——产品演示、数据可视化、YouTube 开场动画、社交媒体短视频。

这背后的工具组合是 Remotion + Claude Code Skills。2026 年 1 月 20 日发布后，演示视频在 X 上 48 小时内获得 600 万播放。8 周后，skills.sh 上的安装量突破 15 万次，成为排名第五的技能，也是非平台公司开发的第一名。

今天这篇文章，我从原理讲到实战，手把手教你用这套组合做视频。

Remotion 是什么：React 写视频

先搞清楚 Remotion 到底是什么。

一句话：Remotion 是一个用 React 写视频的框架。 你不是在时间线上拖素材，而是用代码描述每一帧画面该长什么样。