OpenClaw

这篇是 OpenClaw 入门教程 的续集，假设你已经装好了 OpenClaw，跑通了基本的 Telegram 交互。这里讲的是真正把它用起来之后的进阶技巧。 多 Agent 任务分工 OpenClaw 支持在同一个 Telegram 群里配置多个 Agent，各自负责不同领域，这是它最容易被忽视的功能。 为什么要分 Agent 不分 Agent 时，你的 AI 助手是个通才——什么都能问，但没有专门的上下文和工具。问运维问题时它不知道你的服务器架构，问量化策略时它不知道你的持仓逻辑。 分 Agent 后，每个 Agent 有自己的： 系统提示词：注入对应领域的背景知识 Skill 集合：只挂载相关的工具 独立对话历史：不会被其他任务干扰 配置示例 在 ~/.openclaw/config.yml 里定义多个 Agent： agents: - name: "ops" description: "服务器运维助手" skills: - healthcheck - ssh-tools system_prompt: | 你是专门负责管理服务器基础设施的运维助手。 你熟悉 Nginx、Docker、系统监控等运维工作。 遇到需要执行命令的任务，先解释再操作。 - name: "quant" description: "量化策略助手" skills: - binance-watcher - grafana-query system_prompt: | 你是专门负责量化策略监控的助手。 你了解趋势跟踪策略的基本逻辑，能解读持仓信号和收益数据。 不公开具体策略参数。 - name: "writer" description: "写作助手" skills: - obsidian system_prompt: | 你是博客写作助手，帮助整理思路、起草文章、整理笔记。 写作风格：直接、有观点，不废话。 在 Telegram 里通过 /agent ops 切换到对应 Agent，之后的对话都走那个 Agent 的配置。 ...

GitHub Copilot（特别是通过 Claude Code + Copilot 通道使用时）每月有请求次数限制。OpenClaw 支持多 agent 并发，很容易在不知不觉中把配额消耗掉。 这篇文章整理了 8 个实用技巧，帮你更有效地管理用量、减少浪费。 1. 追踪当前 Copilot 用量 方式一：GitHub 设置页面 直接访问 GitHub Copilot 用量页面查看当月消耗（Premium Request 数量）。不同模型消耗倍率不同： 模型 消耗倍率 GPT-4o 1x Claude Sonnet 1x Claude Opus 10x o1 10x o3 更高 方式二：命令行查看（通过 API） # 获取当前 Copilot 套餐信息 curl -H "Authorization: token your-github-token" \ https://api.github.com/user/copilot_billing/seats 方式三：计划用量估算 大概规律： 一次完整代码生成对话：1-3 requests 一次文件重构任务（带多轮修改）：5-15 requests OpenClaw 多 agent 并发任务：每 agent 独立计算 2. OpenClaw 合理配置 agent 数量 OpenClaw 默认可以开多个 subagent 并发执行，但并不是越多越好。 ...

OpenClaw 默认配置跑一段时间会遇到两个问题：额度消耗太快、长会话超时崩溃。这篇文章记录我实际调优的 8 个参数，以及背后的原因。 先说清楚架构 我用的组合： GitHub Copilot Pro+：月付 $19，提供 1500 次/月的 premium request 额度 Claude Opus 4.6：通过 Copilot 的模型路由访问，模型 ID github-copilot/claude-opus-4.6 OpenClaw：负责 Telegram 交互、Skill 调用、定时任务 额度计算逻辑：每次 AI 助手回复 = 1 次 premium request（包括 tool call 后的回复）。1500 次听起来很多，但没优化的话很快就不够用。 8 项标准优化 1. 模型只保留 Copilot，清空 fallbacks 问题：默认配置有多个 model provider 做 fallback，一旦主模型超时，会依次尝试所有 fallback，每次尝试都消耗额度。 优化： { "agents": { "defaults": { "model": { "primary": "github-copilot/claude-opus-4.6", "fallbacks": [] } } } } fallbacks 清空后，失败直接报错，不会触发 2-3 次无效重试。每月节省约 50 次。 ...

买了 VPS、写了量化策略代码，但怎么让它"自动跑起来"并且"随时告诉你发生了什么"？这是大部分人卡住的地方。 我用 OpenClaw 解决了这个问题。 OpenClaw 是什么 简单说：一个让 AI 助手能调用各种工具的框架。 它的核心能力是： 提供 CLI 工具（openclaw message send），可以从任何脚本里发 Telegram/Discord 消息 有 Skill 系统，可以给 AI 挂载各种能力（GitHub、Notion、天气、自定义脚本） 支持 cron 定时任务和远程触发 对量化来说，最有用的就是消息推送这一块。 我的量化信号推送架构 cron（每30分钟） ↓ signal_monitor.py（拉数据 → 计算信号 → 对比上次状态） ↓ 有新信号？ ├── 是 → generate_report.py（生成 PDF） │ ↓ │ openclaw message send（发 Telegram） │ ├── 群组（@ 信号通知） │ └── 私信（附 PDF + 耗时统计） └── 否 → openclaw message send（私信巡检报告） 跑在局域网的 Linux 机器上，24 小时不间断。 ...

如果你用过 Claude Code，OpenClaw 可以理解成它的"异步版本"——Claude Code 适合你坐在电脑前交互式干活，OpenClaw 适合让 AI 在后台持续帮你做事，即使你不在电脑旁。 OpenClaw 的核心定位 一句话：让 AI 助手能访问和操作外部工具，并通过 Telegram 等渠道跟你交互。 它解决的问题： AI 模型本身无法主动触达你（你要开口问，它才回答） AI 模型没有持久状态（每次对话从头开始） AI 模型无法直接操作外部系统（GitHub、Notion、服务器） OpenClaw 通过 Skill 系统 解决这三个问题。 Skill 系统 Skill 是 OpenClaw 的核心概念：一个 Skill 就是给 AI 挂载一个工具。 已有的 Skill 举例： Skill 功能 github 读写 Issue、PR、Actions obsidian 读写 Obsidian 笔记库 weather 查询天气（open-meteo） notion Notion 页面/数据库操作 healthcheck 系统安全巡检 skill-creator 创建自定义 Skill 安装一个 Skill： ...

用 OpenClaw 跑自动化任务，最麻烦的不是配置，而是"跑着跑着突然不工作了"。这篇文章整理我遇到过的故障和解决方法。 Gateway 相关 Gateway 服务未启动 症状：Telegram 发消息没反应，AI 助手不回复。 检查： openclaw gateway status 常见原因和解法： 原因 解法 进程挂了 openclaw gateway restart Bot Token 过期 去 BotFather 重新获取 token，更新配置 端口冲突 lsof -i :端口号 找占用进程，kill 掉 Windows 开机未自启 任务计划程序加入自启 Windows 特别注意：Windows 上 Gateway 不会随系统自动启动，每次重启后需要手动运行： openclaw gateway start 建议做成 Windows 任务计划程序的开机自启任务。 Gateway 启动后几小时自动断开 症状：刚开始好的，过一段时间 Telegram 又不响应了。 原因：Telegram 的 long-polling 连接超时，Gateway 没有自动重连。 解法：用 cron 或 systemd 做保活： ...