关注 霍格沃兹测试学院公众号，回复「资料」, 领取人工智能测试开发技术合集

从模型接入、Gateway 机制，到多 IM 通道与 Skills 驱动的自动化执行 ——这不是“又一个 AI 工具”，而是一套可以嵌入真实工作流的 Agent 运行模型

---

目录

1. 背景：为什么重新看 OpenClaw

2. 架构视角：OpenClaw 在解决什么问题

3. 模型选择：Kimi 2.5 的工程表现

4. 部署实战：云服务器 / 本地统一流程

5. Gateway 与 Discord：一次完整的通道打通

6. 关键配置与常见坑位

7. 能力验证：从自然语言到可执行结果

8. Skills：OpenClaw 真正的“能力放大器”

9. Moltbook 与多 Agent 社交的现实意义

10. 总结：它适合谁，不适合谁

---

1. 背景：为什么重新看 OpenClaw

最近在 X 上看到 OpenClaw 官方推荐 Kimi 2.5 作为可用模型之一，同时 Artificial Analysis 的榜单也给了一个明确结论：

Kimi 2.5 当前是综合表现最强的开源模型之一

 

这件事本身并不稀奇，真正让我重新关注 OpenClaw 的，是两个变化：

• 官方开始主动推荐模型组合，而不是“模型随便接”

• 社区的实践重心，从“能跑起来”，转向了长期运行、通道接入与自动化任务

这意味着它正在从 Demo 阶段，走向工程试验阶段。

---

2. 架构视角：OpenClaw 在解决什么问题

如果只从表面看，OpenClaw 像是一个“能操作电脑的 AI”。 但从代码结构和运行方式看，它解决的其实是三个更工程化的问题：

• Agent 如何长期运行（而不是一次性对话）

• Agent 如何安全地接入外部世界（IM、文件、系统）

• Agent 如何通过 Skills 执行确定性动作

核心不在模型，而在它的 Gateway + Channels 架构。

Gateway 是唯一入口，负责：

• 会话管理

• 通道接入（Discord / Telegram / 飞书等）

• Agent 与外部世界的权限边界

这也是为什么在 OpenClaw 的代码中，Gateway 与 Channels 的体量甚至超过 Agent 本身。

---

3. 模型选择：为什么是 Kimi 2.5

在实际接入前，对 Kimi 2.5 的判断基于三点：

1. Coding 稳定性前端代码生成不追求炫技，但结构稳定、可运行率高。

2. 任务拆解能力对“多步骤 + 状态依赖”的任务，有明显工程感，而不是一口气输出。

3. 计费与可控性从按次计费升级为 Token 计费后，更适合 Agent 长时间运行场景。

在 OpenClaw 中，模型不是“回答者”，而是决策器 + 调度器，这一点非常关键。

---

4. 部署实战：统一安装流程

无论是本地（Mac / Windows / Linux），还是云服务器，官方流程已经高度统一：

curl -fsSL https://openclaw.bot/install.sh | bash
openclaw onboard --install-daemon

安装过程中最重要的不是命令，而是几个不能选错的点：

• 模型选择：Kimi Code API

• 模型名称：kimi-code/kimi-for-coding

• Hooks：必须启用 session-memory

这一步决定了 Agent 是否具备跨会话记忆能力。

---

5. Gateway 与 Discord：通道不是“聊天窗口”

OpenClaw 对 IM 的理解，不是“聊天 UI”，而是远程控制通道。

这里以 Discord 为例：

• Discord Bot ≠ 聊天机器人

• 它只是 Gateway 的一个 Channel

配置流程的本质是三步：

1. 创建 Bot，获取 Token

2. 完成 OAuth2 授权，将 Bot 加入服务器

3. 通过 Pairing Code 建立 Gateway ↔ Channel 的信任关系

完成后，你在手机端发的每一句话，都会变成 Gateway 中的一次 Agent 调度。

6. 关键配置与常见坑位

几个实践中必踩的点，直接给结论：

• 云服务器断连重新执行

  openclaw onboard --install-daemon
  

• 进程被干掉不要用 nohup 侥幸运行，直接上 systemd

• Node / nvm 不生效systemd 不会加载用户环境变量，PATH 必须写死

这些都不是 OpenClaw 的“坑”，而是长期运行服务的通用工程问题。

---

7. 能力验证：从一句话到可执行结果

几个典型验证场景：

• 一句话生成带交互的前端页面

• 上传文件 → 解析 → 生成站点 → 自动部署

• 定时任务：信息抓取、整理、推送

• 条件触发：行情波动 → 通知

这里最重要的不是“它能不能做”，而是：

它能否在无人干预的情况下，把流程跑完

这一点，OpenClaw + Kimi 2.5 是合格的。

---

8. Skills：真正决定上限的东西

如果说模型决定下限，那么 Skills 决定上限。

OpenClaw 的执行逻辑是：

语言理解 → 任务规划 → Skill 选择 → 执行

一旦 Skill 足够明确，Agent 的行为就会高度确定。

一些可用的 Skill 集合：

• https://www.clawhub.ai/skills

• https://github.com/VoltAgent/awesome-openclaw-skills

这也是为什么它在非 Coding 场景下，反而更有潜力。

---

9. Moltbook：多 Agent 社交不是噱头

Moltbook 看起来像个“AI 自嗨社区”，但它验证了一件事：

Agent 可以在没有人类参与的情况下，形成长期行为模式

当 Agent 能发帖、回复、跟踪话题，本质上就是：

• 定时任务

• 状态记忆

• 行为策略

这些能力，一旦回到工程系统中，意义就完全不同了。

---

10. 总结：它适合谁，不适合谁

适合：

• 想研究 Agent 工程化 的人

• 需要 长期运行自动化任务 的团队

• 对 IM / Workflow / 自动执行有需求的场景

不适合：

• 只想“试试 AI 能多聪明”

• 不能接受权限与安全边界成本

• 不愿意为稳定性做工程投入

一句话总结：

OpenClaw 把 AI 从“会聊天”，推进到了“能干活”。 而 Kimi 2.5，让这件事在工程上变得可控、可复现。

这条路刚刚开始，但已经不再是玩具了。

关于我们

霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。