从零部署 OpenClaw —— 实战：接入 WhatsApp + 创建自定义 Skill

关键词：快速上手｜WhatsApp 集成｜自定义 Skill｜Web UI｜扫码登录｜本地开发

理论终需落地。本篇将带您完成一次完整的 OpenClaw 部署与扩展实战：

1. 环境准备：安装 Node.js、pnpm、Docker
2. 启动核心服务：配置并运行 OpenClaw
3. 接入 WhatsApp：通过 Baileys 实现扫码登录
4. 创建自定义 Skill：编写 weather/SKILL.md 查询天气
5. Web UI 测试：扫码绑定、发送指令、验证结果

无论您是开发者、运维还是技术爱好者，只需 30 分钟，即可拥有一个可对话、可执行、可扩展的 AI 助手。

一、环境准备

系统要求

• Linux / macOS（Windows WSL2 支持）
• Node.js ≥ 20（推荐 20.12+）
• pnpm ≥ 8
• Docker ≥ 24.0（用于沙箱执行）

安装依赖

# 1. 安装 Node.js（以 macOS 为例）
brew install node@20
echo 'export PATH="/opt/homebrew/opt/node@20/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

# 2. 安装 pnpm
npm install -g pnpm

# 3. 安装 Docker Desktop 并启动
# https://www.docker.com/products/docker-desktop/

验证：node -v → v20.x，pnpm -v → 8.x，docker --version → 24.x

二、部署 OpenClaw 核心

1. 克隆仓库

git clone https://github.com/your-org/openclaw.git
cd openclaw

2. 安装依赖

pnpm install

3. 初始化配置

cp config.example.yaml config.yaml

4. 启用多渠道（可选）

编辑 config.yaml，启用 WhatsApp 和 Telegram：

channels:
  whatsapp:
    enabled: true
    # accountSid 和 authToken 留空，使用 Baileys 直连（无需 Twilio）
  telegram:
    enabled: true
    botToken: "YOUR_TELEGRAM_BOT_TOKEN"  # 从 @BotFather 获取
  web:
    enabled: true
    port: 8080

注意：OpenClaw 默认使用 Baileys 直连 WhatsApp，无需 Twilio 费用。

三、启动服务

pnpm start

首次启动将：

• 扫描 skills/ 目录（初始为空）
• 启动 WebSocket 服务（Web UI）
• 监听 WhatsApp 连接（等待扫码）

终端输出：

OpenClaw started on http://localhost:8080
Channels: web (active), whatsapp (waiting for login)
Skills loaded: 0

四、接入 WhatsApp：扫码登录

1. 访问 Web UI

打开浏览器：http://localhost:8080

2. 绑定 WhatsApp

• 点击左侧边栏 “Connect WhatsApp”
• 页面显示 QR 码（由 Baileys 动态生成）

3. 手机操作

• 打开 WhatsApp → 设置 → Linked Devices → Link a Device
• 扫描页面 QR 码

4. 成功连接

终端日志：

WhatsApp connected for wa:+1234567890

Web UI 自动跳转至聊天界面

注意：若提示“Too many devices”，请先在手机端移除旧链接设备。

五、开发第一个 Skill：查询天气

我们将创建一个无需 API Key 的本地天气技能（使用 curl wttr.in）。

1. 创建技能目录

mkdir -p skills/weather

2. 编写 SKILL.md

nano skills/weather/SKILL.md

内容如下：

---
name: get_weather
description: 查询指定城市的当前天气
parameters:
  - name: city
    type: string
    required: true
    description: 城市名（英文，如 'Shanghai'）
dependencies:
  - type: command
    name: curl
os: ["linux", "darwin"]
examples:
  - input: "今天上海天气如何？"
    args: { city: "Shanghai" }
---

## 执行逻辑

```bash
curl -s "wttr.in/{{ city }}?format=3"

数据来源：wttr.in（开源天气服务）

### 3. 保存即生效
- OpenClaw 开发模式自动热重载
- 终端日志：
  ```log
  Loaded new skill: get_weather

六、Web UI 测试端到端流程

1. 发送指令

在 Web UI 聊天框输入：

“今天北京天气如何？”

2. 观察审批流程

AI 识别需调用 get_weather 技能

弹出审批卡片：

[?] 执行命令：
    curl -s "wttr.in/Beijing?format=3"
[Approve] [Deny]

3. 点击 Approve

• OpenClaw 在 Docker 沙箱中执行命令
• 返回结果： Beijing: +22°C

4. 验证日志（终端）

→ chat.sendMessage (web_user123)
→ tool.call.request (runId=r-abc) → get_weather
← tool.call.result [820ms] ✓

全程无需代码重启，文档即功能！

七、扩展：启用 Telegram（可选）

若已配置 Telegram Bot Token：

1. 在 Telegram 中向您的 Bot 发送 /start
2. OpenClaw 自动创建会话 tg:123456789
3. 发送“天气 上海”，同样触发 get_weather 技能

八、常见问题排查

image

九、下一步：构建您的专属助手

现在，您已掌握：

• 部署 OpenClaw 核心
• 接入真实通信渠道（WhatsApp/Telegram/Web）
• 通过纯 Markdown 扩展 AI 能力

接下来，您可以：

• 添加更多 Skill（如 restart_server.SKILL.md）
• 配置远程节点（管理云服务器）
• 启用记忆图谱（长期上下文）

下一篇预告：第 9 篇：长期记忆与会话同步 —— 如何让 AI “记住”跨天对话

您的 AI 助手，从此由您定义。若感兴趣可以浏览本书其他章节内容：

第 1 篇：OpenClaw 是什么？—— 工业级 AI 智能体网关的定位与愿景

第 2 篇：三位一体架构详解 —— 网关层、协议层、智能体系如何协同工作

第 3 篇：ACP 协议设计哲学 —— 为什么 OpenClaw 选择自研 Agent Client Protocol

第 4 篇：启动与配置体系 —— openclaw.mjs、config.yaml 与环境变量管理

第 5 篇：run.ts 上篇 —— 模型调度、账号轮询与上下文守护机制

第 6 篇：run.ts 下篇 —— 故障转移、重试策略与结果封装

第 7 篇：记忆系统基石 —— memory-search.ts 中的 RAG 配置解析与合并逻辑

第 8 篇：向量检索实战 —— OpenClaw 如何实现混合搜索（向量 + 全文）

第 9 篇：长期记忆与会话同步 —— 如何让 AI “记住”跨天对话

第 10 篇：exec.ts 上篇 —— 安全执行 Shell 命令的三层隔离模型

第 11 篇：exec.ts 下篇 —— 用户审批、后台任务与权限提升控制

第 12 篇：process.ts —— AI 如何像开发者一样管理后台进程

第 13 篇：安全边界设计 —— OpenClaw 如何防范 AI 滥用系统权限

第 14 篇：server-channels.ts —— 渠道插件生命周期管理器

第 15 篇：WhatsApp 深度集成 —— session.ts 与 Baileys 的健壮连接管理

第 16 篇：消息流入中枢 —— monitor-inbox.ts 如何解析、去重与防抖

第 17 篇：聊天 RPC 接口 —— chat.ts 中的历史查询、发送与中止逻辑

第 18 篇：Skills System —— 为什么“文档即工具”是 OpenClaw 的扩展灵魂

第 19 篇：可观测性工程 —— ws-log.ts 如何让 WebSocket 日志可读可用

第 20 篇：从零部署 OpenClaw —— 实战：接入 WhatsApp + 创建自定义 Skill