OpenClaw 部署实战：本地部署 + 云端 MiniMax M2.5 配置指南（下篇）

上篇我们介绍了 OpenClaw 的架构与崛起，本篇带来完整的本地部署实战。

部署方案选型

方案一：云端模型 + 本地 OpenClaw（推荐）

• OpenClaw 常驻 MacBook Pro M1，本地负责接入聊天渠道、调工具、跑脚本
• 大模型放在云端，通过 API 调用；M1 只做调度，不做重推理
• 适用：日常使用、多步 Agent 流程、既要强模型又要控制成本的场景

方案二：本地模型 + 本地 OpenClaw

• OpenClaw 与 LLM 都跑在 MacBook Pro M1 上
• 适用：极端重视本地隐私、希望完全离线体验的个人实验/玩具项目
• 限制：在 8GB 内存的 M1 上，可承受的模型参数规模有限，大模型推理速度和系统流畅度都会明显受影响

快速上手：云端模型 + 本地 OpenClaw

第一步：安装 OpenClaw

1

curl -fsSL https://openclaw.ai/install.sh | bash

第二步：运行引导程序

1

openclaw onboard --auth-choice minimax-portal

按提示完成：选择 MiniMax M2.5 → 粘贴 API Key → 选择聊天渠道（可选）→ 启动服务

第三步：验证服务

1
2
3
4
5
6
7
8

# 检查 Gateway 状态
openclaw gateway status

# 打开浏览器控制台
openclaw dashboard

# 终端交互
openclaw tui

模型配置

MiniMax M2.5（推荐）

推荐：Coding Plan Starter（先搭起来试玩）或 Plus（频繁测试时）。

在 OpenClaw 中使用 MiniMax-M2.5

本地模型选型（M1 + 8GB 内存）

推荐 1.5B～3B 参数量级。能力有限，仅适合轻量任务。

聊天渠道配置

在 onboarding 或 openclaw config 中选择要接入的聊天应用（如 Telegram、Discord、WhatsApp、Feishu 等）。

按对应渠道获取 token 并完成配对：

• Telegram：用 @BotFather 注册 bot 获取 token
• 未知 DM 需配对：openclaw pairing approve <channel> <code>

Skills 配置

安装 Skills

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# 搜索 Skill
clawhub search <keyword>

# 安装 Skill
clawhub install <skill-name>

# 列出已安装的 Skills
clawhub list

# 更新 Skill
clawhub update <skill-name>

常用 Skills

apple-reminders（提醒事项）

管理 Apple Reminders 的 Skill。

依赖：需要安装 remindctl CLI

1
2
3
4
5

# 安装 remindctl
brew install remindctl

# 验证安装
remindctl --version

验证权限：系统设置 → 隐私与安全性 → 提醒事项 → 确保 Terminal 或 OpenClaw 有权限访问

使用方式：

1
2
3

帮我添加一个提醒：明天上午 9 点交水电费
列出我今天到期的提醒
把"买牛奶"标记为完成

或强制指定 Skill：

1

/skill apple-reminders 列出所有提醒列表

apple-notes（备忘录）

管理 Apple Notes 的 Skill。

依赖：需要安装 memo CLI

1
2
3

# 安装 memo
brew install antoniorodr/tap/memo
memo --version

使用方式：

1
2

列出所有备忘录
在"工作"备忘录里添加：今天完成了需求评审

summarize（摘要）

对 URL、文件、播客等内容生成摘要。

依赖：需要安装 summarize CLI

1

brew install summarize

使用方式：

1
2

总结这个网页：https://example.com/article
总结这个 PDF：./documents/report.pdf

arxiv-daily（每日论文）

自动抓取和整理 arXiv 最新论文。

1

clawhub install arxiv-daily

使用方式：

1
2

帮我找一下最新的 LLM 相关论文
搜索关于 Agent 的论文

检查 Skills 状态

1
2
3
4
5

# 查看已安装的 Skills
clawhub list

# 检查 Skill 是否正常工作
openclaw skills check -v

常见问题

Skill 装好了但不能用？

• 检查 macOS 权限：系统设置 → 隐私与安全性 → 对应 App 权限
• 检查依赖 CLI 是否安装：which <CLI名称>
• 检查 Skill 状态：openclaw skills check -v

Command Line Tools 过旧？

1
2
3

xcode-select -p
sudo rm -rf /Library/Developer/CommandLineTools
xcode-select --install

邮件配置

官方推荐路线：Gmail + gog（Google Workspace CLI）

安装 gog

1

brew install gogcli

创建 Google OAuth 凭证

1. 打开 Google Cloud Console → 新建项目
2. APIs & Services → Library → 启用 Gmail API
3. Google Auth Platform → OAuth consent screen：
   • User type: External
   • 添加你的 Gmail 到 Test users
4. Credentials → Create Credentials → OAuth client ID → Application type: Desktop app
5. 下载 JSON 凭证文件

授权 gog

1
2
3
4
5
6
7
8

# 加载凭证
gog auth credentials /path/to/client_secret_xxx.json

# 授权（先只读测试）
gog auth add 你的@gmail.com --services gmail --gmail-scope readonly

# 正式发信需 full 权限
gog auth add 你的@gmail.com --services gmail --gmail-scope full

测试发送

1

gog gmail send --to 收件人@example.com --subject "测试" --body "Hello from OpenClaw"

安全配置

这是最重要的部分，请务必认真阅读。

安全风险

MITRE 报告发现超过 4.2 万个 OpenClaw 实例暴露在公网上，其中 90% 可绕过身份验证。

安全建议

• 不要把主力邮箱直接授权给 OpenClaw
• 不要在主力电脑或公司设备上运行 OpenClaw
• 使用独立的邮箱账号进行授权
• 发邮件建议走 Lobster 审批流，先草稿→确认后再发
• 如需隔离，可用 AgentMail 技能创建独立 AI 邮箱

基础安全配置

在 openclaw.json 中配置访问限制：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

{
  channels: {
    whatsapp: {
      allowFrom: ["+15555550123"],  // 只允许特定号码
    },
  },
  gateway: {
    auth: {
      // 启用认证 token
    },
  },
}

Tool Profiles

根据场景选择合适的工具配置：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

{
  tools: {
    // 预设：full | messaging | coding | minimal
    profile: "coding",
    
    // 白名单/黑名单
    allow: ["group:fs", "browser"],
    deny: ["group:runtime"],
  },
}

我的使用场景

这是我实际在用的几个场景：

1. 智驾简报（每天早上）

通过 Cron 定时 + Browser 工具自动抓取智驾媒体资讯，每天早上自动推送到飞书。

2. arxiv 论文推送（每天下午）

通过 arxiv-daily Skill 自动抓取最新论文，筛选后推送到飞书。

3. 信息整理

用自然语言让 OpenClaw 帮我整理网页信息、对比产品差异、生成摘要。

总结

OpenClaw 是一个强大的本地 AI 助手框架，核心优势：

• 本地运行，数据不出本地
• 多渠道接入（微信、Telegram 等）
• 主动执行任务（定时推送）
• 丰富的 Skills 生态

但也要注意安全风险，不要在主力设备上运行敏感任务。

GitHub：304K+ ⭐ | 57K+ Fork | 360+ 贡献者 | MIT 开源协议