「养龙虾」是 OpenClaw 中文社区的俚语，指的是部署、配置并持续运行一个或多个 OpenClaw AI 助手实例的全过程。
这个叫法来源于 OpenClaw 项目的海洋甲壳类主题命名：
所以"养龙虾"就像字面意思 — 你在养一只智能龙虾：给它搭窝（服务器）、喂食（API Key + Token 额度）、让它工作（处理消息/自动化任务），然后日常照料（监控、维护、升级）。
| 组件 | 作用 | 类比 |
|---|---|---|
| Gateway | 控制平面，作为系统服务 7×24 运行 | 龙虾的"壳" — 保护和支撑 |
| Lobster 扩展 | 核心 Agent 运行时引擎 | 龙虾的"脑" — 思考和决策 |
| Channels（渠道） | 连接飞书/Telegram/Discord/WhatsApp 等平台 | 龙虾的"触角" — 感知外界 |
| Skills（技能） | 搜索、文档、代码、浏览器等能力 | 龙虾的"爪子" — 操作工具 |
| Models（模型） | Claude/GPT/Qwen/DeepSeek 等 AI 大脑 | 龙虾的"食物" — 思考的燃料 |
| 维度 | 养龙虾（OpenClaw） | 直接用 ChatGPT/Claude |
|---|---|---|
| 运行方式 | 自部署，7×24 始终在线 | 按需打开网页/App |
| 交互渠道 | 飞书/Telegram/Discord/WhatsApp 等 20+ 平台 | 仅官方网页和 App |
| 自动化 | Cron 定时任务、事件驱动、主动推送 | 仅人工发起对话 |
| 数据控制 | 数据完全在你的服务器上 | 数据在云服务商 |
| 可定制性 | Skills/Plugins 高度可扩展 | 有限的 GPTs/Projects |
| 成本模式 | API 按量付费 + 服务器成本 | 订阅制（$20/月） |
| 门槛 | 需要一定技术基础 | 零门槛 |
最常见的用法。在团队沟通工具中部署一个 AI 助手，团队成员可以随时 @机器人 提问、让它写代码、查资料、翻译文档等。
典型场景：技术团队在飞书群里 @AI助手 查 Bug、生成 SQL、review 代码；运营团队让它写文案、分析数据。
通过 WhatsApp/Telegram/iMessage 连接，让 AI 助手成为你的私人管家。发消息就能让它帮你查天气、设提醒、搜索信息、管理日程。
典型场景：出门在外用手机给助手发消息"帮我查一下明天北京到上海的高铁"，立即获得回复。
利用 OpenClaw 的 Cron 功能和 Skills 技能，实现自动化工作流：
OpenClaw 支持同时配置多个 AI 模型（Claude、GPT、Qwen、DeepSeek、讯飞星火等），可以按场景自动路由或手动切换。相比分别订阅多个 AI 服务，养龙虾可以统一管理、按量付费。
通过飞书技能（feishu-doc/feishu-wiki/feishu-drive），让龙虾能读取你的飞书文档和知识库，基于内部资料回答问题。实现企业级 RAG（检索增强生成）。
OpenClaw 支持浏览器集成（通过 CDP 协议连接 Chrome），可以让龙虾帮你浏览网页、填表、截图、爬取内容。配合 AI 模型的视觉能力，实现智能的网页自动化。
最低配置：
| 资源 | 最低要求 | 推荐配置 |
|---|---|---|
| CPU | 1 核 | 2 核+ |
| 内存 | 1 GB | 2 GB+ |
| 硬盘 | 10 GB | 20 GB+ |
| 系统 | Linux / macOS / Windows WSL2 | Ubuntu 22.04+ |
| Node.js | >= 22 | 最新 LTS |
| 网络 | 能访问外网 | 稳定低延迟 |
可选方案：
# 安装 Node.js 22+（推荐用 nvm） curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.0/install.sh | bash nvm install 22 # 安装 OpenClaw npm install -g openclaw@latest # 运行引导向导 openclaw onboard --install-daemon
--install-daemon 会自动注册系统服务（systemd/launchd），让龙虾开机自启、崩溃自动重启。
龙虾需要"食物" — AI 模型 API 来思考和回答。至少配置一个模型：
常见模型选择：
| 模型 | 特点 | 费用参考 |
|---|---|---|
| Claude Sonnet 4.6 | 性价比高，综合能力强 | $3/$15 per 1M tokens |
| Claude Opus 4.6 | 最强推理能力 | $15/$75 per 1M tokens |
| DeepSeek V3 | 国产，价格低 | 约 ¥2/¥8 per 1M tokens |
| 通义千问 | 免费额度多，中文好 | 有免费额度 |
| 讯飞星火 | 中文对话好 | 有免费额度 |
| Ollama 本地模型 | 完全免费，需要 GPU | 免费（电费+硬件） |
选择一个或多个沟通渠道让龙虾接收消息：
按需安装 Skills 让龙虾具备更多能力：
# 搜索能力 openclaw skill install brave-search # 飞书文档读写 openclaw skill install feishu-doc openclaw skill install feishu-wiki # GitHub 集成 openclaw skill install github openclaw skill install gh-issues # 浏览器自动化（需要 Chrome） # 在 openclaw.json 中配置 browser 部分即可
更多技能推荐请参考：OpenClaw Skills 大全
# 启动 Gateway openclaw gateway start # 检查状态 openclaw gateway status # 查看日志 openclaw logs --tail 50 # 检查健康状态 openclaw doctor
看到各渠道连接成功的日志后，去对应平台给龙虾发条消息测试一下。
openclaw update --channel stable（建议每 1-2 周）openclaw logs --tail 100 检查错误~/.openclaw/openclaw.jsonopenclaw doctor 自动诊断问题| 风险类别 | 严重程度 | 发生概率 | 描述 |
|---|---|---|---|
| API 费用失控 | 高 | 中 | AI 模型 API 按量计费，异常使用可能产生高额账单 |
| API Key 泄露 | 高 | 中 | 配置文件中包含敏感密钥，误提交到公开仓库 |
| 服务被滥用 | 高 | 中 | 他人利用你的龙虾进行恶意操作（提示注入攻击） |
| 数据泄露 | 高 | 低 | 对话内容被第三方截取或 AI 模型记录 |
| 服务不稳定 | 中 | 中 | Gateway 崩溃、网络断线导致服务中断 |
| 模型幻觉 | 中 | 高 | AI 回答错误信息，团队成员误信 |
| Token 耗尽 | 中 | 中 | 模型上下文窗口满后对话质量下降 |
| 版本升级风险 | 低 | 中 | 升级后配置不兼容或功能异常 |
| 合规风险 | 中 | 低 | 企业环境中使用外部 AI 服务可能违反数据合规政策 |
| 资源占用 | 低 | 低 | 服务器资源被龙虾占用过多 |
AI 模型 API 按 Token 数量计费。如果龙虾在一个活跃的大群中 7×24 响应所有消息，每天可能消耗数百万 Token。
真实案例：某用户将 requireMention 设为 false 并在 500 人群中运行，一天产生 $200+ 的 API 费用。
openclaw.json 中包含 AI 模型的 API Key、飞书 App Secret 等敏感信息。如果：
攻击者可以盗用你的 API Key 产生大额费用，或冒充你的飞书机器人发送消息。
恶意用户可能通过精心构造的消息来操纵龙虾的行为，例如：
AI 模型可能"一本正经地胡说八道"，生成看似正确但实际错误的回答。在团队群聊中，如果同事不加验证地采信龙虾的回答，可能导致错误决策。特别是涉及代码建议、数据分析、法律/医学信息时风险更高。
# 1. 在 AI 服务商后台设置预算上限 # Anthropic: Settings → Billing → Set monthly limit # OpenAI: Settings → Billing → Set hard limit # 2. 群聊中设置需要 @才回复 "requireMention": true # 3. 使用白名单限制响应的群 "groupPolicy": "allowlist" # 4. 选择性价比高的模型 # 日常对话: DeepSeek V3 或 Qwen（成本低 10-50 倍） # 复杂任务: Claude Sonnet（而非 Opus） # 5. 限制模型输出长度 "maxTokens": 4096 // 而非 32768
# 1. 设置配置文件权限
chmod 600 ~/.openclaw/openclaw.json
# 2. 绝对不要将配置提交到 Git
echo ".openclaw/" >> ~/.gitignore
# 3. 定期轮换 API Key
# 每 1-3 个月更换一次
# 4. Gateway 限制访问
"gateway": {
"bind": "loopback", // 只监听本地，不暴露到公网
"auth": { "mode": "token", "token": "随机长字符串" }
}
# 5. 限制危险命令
"gateway": {
"nodes": {
"denyCommands": [
"camera.snap", "sms.send", "contacts.add"
]
}
}
exec-approvals.json 控制可执行的命令enabled: false# 1. 使用系统服务确保自动重启 openclaw gateway install # 注册 systemd/launchd 服务 # 2. 设置日志轮转，防止磁盘撑满 # systemd 自带日志管理，Docker 可设： docker run --log-opt max-size=50m --log-opt max-file=3 ... # 3. 配置模型故障转移 # 在 models.providers 中配置多个提供商 # 主模型不可用时自动切换到备用模型 # 4. 定期健康检查 openclaw doctor
npm install、编辑 JSON 文件、看日志）。不需要写代码。如果你能安装 Node.js 并编辑配置文件，就能养龙虾。channels 中配置多个即可。exec-approvals.json 和 gateway.nodes.denyCommands 来限制可执行的命令范围。生产环境务必严格限制。openclaw onboard 会引导你完成：①创建配置目录 ~/.openclaw/；②配置 Gateway 端口和认证；③选择并配置 AI 模型；④选择并配置通信渠道；⑤安装系统服务（可选）。向导完成后可手动编辑 openclaw.json 调整。models.providers 中添加对应配置。它们都兼容 OpenAI API 格式，设置 "api": "openai-completions" 和对应的 baseUrl 即可。参考本文「步骤 3」的配置示例。models.providers 中配置多个，在 agents.defaults.model.primary 中设置默认模型。可以在对话中通过命令切换模型。也可以配置模型故障转移。"ollama": {
"baseUrl": "http://localhost:11434/v1",
"api": "openai-completions",
"models": [{ "id": "qwen2.5:14b", "name": "Qwen 14B" }]
}
openclaw.json.bak（最多 4 份）。执行 cp ~/.openclaw/openclaw.json.bak ~/.openclaw/openclaw.json 恢复。建议首次配置好后手动备份一份到安全位置。groupPolicy: "allowlist" 控制可访问的群。~/.openclaw/memory/ 目录下创建 Markdown 文件，写入系统提示词，龙虾会在每次对话开始时加载。也可以通过 hooks.internal.entries.boot-md 配置。npm config set registry https://registry.npmmirror.com；②清缓存 npm cache clean --force；③确认 Node.js >= 22；④尝试用 pnpm 替代 npm。详见 安装排错指南。gateway.port 为其他端口（如 18790）。确保新端口未被占用：ss -tlnp | grep 18790。修改后重启 Gateway。openclaw gateway install 自动注册系统服务。Linux 使用 systemd（systemctl --user enable openclaw-gateway），macOS 使用 launchd。也可用 pm2：pm2 start openclaw -- gateway start。openclaw gateway status 检查 Gateway 是否运行；②openclaw logs --tail 50 查看错误日志；③检查 AI 模型 API 余额是否用完；④检查网络是否能访问飞书/Telegram 服务器；⑤尝试 openclaw gateway restart。free -h）；②查看崩溃前的日志定位问题；③尝试禁用最近安装的插件；④升级到最新版本；⑤如果是 OOM（内存溢出），增加服务器内存或减少 maxConcurrent。
openclaw logs --tail 100 查看最近日志。日志文件位于 ~/.openclaw/logs/ 目录。如果用 systemd，也可以 journalctl --user -u openclaw-gateway -f 实时查看。maxTokens（输出越短越快）；③使用就近的 API 端点（国内用国内模型延迟更低）；④检查服务器网络延迟；⑤减少同时处理的消息数（降低 maxConcurrent）。openclaw update --channel stable 更新到最新稳定版。更新前建议备份配置：cp ~/.openclaw/openclaw.json ~/.openclaw/openclaw.json.pre-update。更新后运行 openclaw doctor 检查。openclaw doctor 自动修复；④去 GitHub Issues 或社区反馈。session-memory hook 后会持久化到磁盘（~/.openclaw/memory/）。启用 command-logger hook 后命令执行日志会记录到 ~/.openclaw/logs/。~/.openclaw/memory/ 目录下的相关文件。也可以在对话中发送类似"忘记之前的对话"的指令。agents.defaults.maxConcurrent 控制，默认为 4。意味着最多同时处理 4 条消息，其余排队。子 Agent 的并发由 subagents.maxConcurrent 控制（默认 8）。可根据服务器性能调整。openclaw gateway status 查看基本状态；②openclaw doctor 全面诊断；③查看 ~/.openclaw/logs/ 下的日志文件；④启用 diagnostics.cacheTrace 记录详细跟踪信息；⑤可配合外部监控工具（如 UptimeRobot）监控 Gateway HTTP 端口。maxTokens 限制回复长度；③某些平台对分段有间隔限制，过快发送会被限流。openclaw gateway install。Linux 上确认用户级 systemd 已启用：sudo loginctl enable-linger $USER。检查服务状态：systemctl --user status openclaw-gateway。~/.openclaw/feishu/dedup/；③清理 ~/.openclaw/logs/ 中的旧日志；④清理 npm 缓存 npm cache clean --force。maxConcurrent；③检查浏览器集成是否正常关闭无头 Chrome 进程；④用 top 或 htop 找到占用高的进程。~/.openclaw 目录保持数据持久化；②使用 host 网络或确保 DNS 正常；③设置自动重启策略 --restart unless-stopped。openclaw doctor 会检测并迁移旧配置（clawdbot.json → openclaw.json）。如果自动迁移失败，手动复制旧配置并重命名即可。旧版名称的遗留配置会被自动跳过。openclaw gateway restart。# 1. 停止并卸载服务 openclaw gateway stop openclaw gateway uninstall # 2. 卸载全局包 npm uninstall -g openclaw # 3. 删除配置和数据（谨慎！） rm -rf ~/.openclaw
cost 字段跟踪成本。maxTokens 控制单次输出量；③设 requireMention: true 减少不必要的触发；④使用白名单限制响应范围。requireMention: true，只有 @机器人 的消息才会调用 AI 模型。但每次调用时会带上上下文（之前的对话），所以长对话的输入 Token 会逐渐增加。contextWindow 和 compaction 策略很重要。cacheRead 和 cacheWrite 的成本参数。OpenClaw 的 diagnostics.cacheTrace 可以帮助分析缓存命中率。"cost": { "input": 0, "output": 0 }。models.providers 中配置多个模型，OpenClaw 在主模型失败时会尝试备用模型。例如主用 Claude Sonnet，备用 DeepSeek V3。确保备用模型也配置了正确的 API Key。agents.defaults.model.primary）。不同渠道默认使用相同模型。如需差异化，可以运行多个 OpenClaw 实例，每个实例配置不同模型和渠道。chmod 600 ~/.openclaw/openclaw.json；②不要将配置文件提交到 Git；③可使用环境变量注入敏感配置；④定期轮换 API Key（每 1-3 个月）；⑤不在公开渠道分享配置截图。allowFrom 白名单；⑤定期审查日志中的异常行为；⑥不让龙虾访问生产数据库和关键基础设施。"bind": "loopback" 只监听 localhost。渠道连接是龙虾主动向外连接（WebSocket），不需要公网入站端口。将 Gateway 暴露到公网会增加被攻击的风险。~/.openclaw/exec-approvals.json 控制 AI Agent 可以执行哪些 Shell 命令。建议只允许安全的只读命令（如 ls、cat、grep），禁止危险操作（如 rm、sudo）。生产环境务必严格配置。ssrfPolicy 限制内网访问；④只在需要时启用浏览器功能。OPENCLAW_CONFIG=~/.openclaw/config-a.json openclaw gateway start --port 18789 OPENCLAW_CONFIG=~/.openclaw/config-b.json openclaw gateway start --port 18790每只龙虾可以连接不同的渠道和模型。
~/.openclaw/memory/ 目录下创建 Markdown 文件，写入人设和回复风格说明。例如"你是一个友好的技术助手，回复简洁，使用中文，适当使用 emoji"。龙虾每次对话都会加载这些记忆。skill-creator Skill 辅助创建。开发完成后 openclaw skill install ./my-skill 本地安装。compaction.mode 设为 "safeguard" 时，只在即将超限时触发。压缩后早期对话的细节可能丢失，但主要信息会保留。diagnostics.cacheTrace 记录完整的请求/响应；②设 includeMessages/includePrompt/includeSystem: true 记录详细内容；③日志文件在 ~/.openclaw/logs/cache-trace.jsonl。注意：开启详细日志会增加磁盘占用。gateway.tailscale 配置）。用途：①安全地远程访问你的 Gateway；②让多台设备通过 Tailscale 网络访问同一只龙虾；③不暴露公网端口的情况下远程管理。默认关闭。~/.openclaw/ 目录即可。关键文件：openclaw.json（配置）、memory/（记忆）、extensions/（插件）。恢复时复制回来并重启 Gateway。建议定期 rsync 到其他位置。~/.openclaw/memory/ 下的 Markdown 文件，龙虾会在对话中参考。但这不是"训练"，只是在上下文中注入知识。对于大量文档，建议使用飞书 Wiki/文档 Skill 做 RAG。~/.openclaw/ 整个目录复制到新服务器；③在新服务器上 openclaw gateway start；④停止旧服务器的 Gateway。注意更新可能需要修改的路径配置。搭建阶段： ✅ 服务器就绪（Linux/macOS/WSL2，Node.js >= 22） ✅ OpenClaw 安装完成（openclaw --version） ✅ 至少一个 AI 模型配置好（models.providers） ✅ 至少一个渠道接入（channels.feishu/telegram/...） ✅ Gateway 注册为系统服务（自动重启） 安全配置： ✅ openclaw.json 文件权限 600 ✅ Gateway bind 设为 loopback ✅ exec-approvals 限制命令范围 ✅ denyCommands 禁止危险操作 ✅ AI 服务商设置了费用上限 日常维护： ✅ 定期检查日志（openclaw logs） ✅ 定期更新版本（openclaw update） ✅ 定期检查 API 余额 ✅ 定期备份配置（~/.openclaw/） ✅ 定期运行诊断（openclaw doctor）