企业官网建设流程全解析

1. 龙虾智能体到底在学什么：先看懂OpenClaw的设计逻辑

说实话，我第一次听说“龙虾智能体”的时候，脑子里全是问号。智能体就智能体，为什么要用龙虾来命名？等我真正在 OpenClaw 里把这个 Hello World 跑起来之后，才明白这其实是个非常巧妙的教学套路——它用一只“开会钳子、住礁石、最爱烤龙虾”的虚拟角色，把智能体开发里最核心的几件事一次说清了。

如果你是个刚接触智能体开发的人，之前可能已经被各种概念绕晕了：Agent、LLM、Tool Calling、System Prompt、Memory、编排……每个词单看都懂，合在一起就不知道从哪下手。OpenClaw 的价值在于它把“做一个能对话、能调用工具的智能体”这件事压缩成了一两个配置文件加一行命令。你不需要先搭建服务端、不需要理解复杂的消息路由，也不需要写一堆胶水代码，就能得到一个真正能跑的智能体程序。

这个项目的基本设计逻辑非常清晰，一共就四层：

• 模型层：负责“思考”，可以是本地模型，也可以是云端大模型接口
• 人设层：也就是 System Prompt，决定智能体“是谁、怎么说话、有什么偏好”
• 工具层：OpenClaw 里叫“钳子”，是智能体可以主动调用的外部能力
• 会话层：负责记住上下文、管理多轮对话、记录日志

“龙虾智能体”就是专门为入门设计的示例。它的人设写得非常具体：一只说话简短、爱用龙虾比喻、会数数的电龙虾。跑起来之后你不需要懂任何 AI 原理，就能亲眼看到一个大模型在固定人设下如何组织语言。这比拿一个冷冰冰的“你是一个助手”来演示要直观得多。

我见过太多人第一次接触智能体框架就想做个复杂的东西，比如多智能体协作、知识库问答、自动写文章，结果卡在环境搭配和概念理解上，两三天下来连一个对话都没跑通。正确的路径应该是反过来：先做一个最小可运行的“宠物级智能体”，验证模型通了、配置通了、工具通了，然后再一层层往上加。龙虾智能体就是这个最小起点。

对 OpenClaw 来说，它还有几个适合新人的点：第一，配置化程度高，几乎不需要写代码就能先跑通；第二，本地优先，数据不会自动传出去；第三，工具接口用 Python 装饰器就能扩展，从入门到进阶是平滑过渡的，没有断层。所以在往下读之前，你先记一句话：我们不是在学“龙虾”，是在通过龙虾这个壳，理解智能体的骨架。

2. 运行前准备：五分钟装出 OpenClaw 开发环境

先别急着复制代码，环境不对再好的代码也跑不起来。OpenClaw 的安装步骤官方文档写得比较简略，我这里把实际操作中会遇到的关键节点重新整理一遍，每一步都告诉你“为什么要这么做”。

2.1 准备 Python 虚拟环境

OpenClaw 目前要求 Python 3.10 及以上版本。我建议不要直接装到系统全局环境里，因为后面你还会装其他依赖，很容易出现包冲突。用虚拟环境是最省心的做法：

mkdir openclaw-lobster cd openclaw-lobster python3 -m venv .venv source .venv/bin/activate

Windows 上的激活命令是.venv\Scripts\activate，其他没什么区别。这里用虚拟环境的目的很简单：让你当前项目的依赖是隔离的，以后删掉整个目录也不会污染系统。

2.2 安装 OpenClaw 命令行工具

激活虚拟环境后，直接装包：

pip install openclaw-cli openclaw --version

如果你看到版本号，说明安装成功了。我试过的几个版本在安装环节都很干净，依赖不多。注意不要用sudo pip去装，权限太宽容易把系统环境搞乱。装完后先跑一下openclaw doctor，这个命令会检查运行环境是否完整，包括 Python 版本、配置目录权限、模型服务连通性等。这一步能提前暴露大部分“为什么我运行时报错”的问题。

2.3 配置模型来源

OpenClaw 不绑定某个固定的大模型服务，而是通过一个抽象的配置接口来对接模型。这意味着你可以用本地模型，也可以用云端接口。对新手来说，我强烈建议先用本地模型跑通流程，原因很简单：不用申请密钥、不用考虑网络延迟、数据也不出本机。

在项目目录下创建默认配置文件：

openclaw init

它会生成一个openclaw.toml。你只需要关注模型相关的部分：

[llm] provider = "local" base_url = "http://127.0.0.1:11434" model = "demo-chat:latest"

这里base_url指向本地模型服务的地址，model是你起的模型名。如果你用的是云端大模型接口，把provider改成对应的名字，再把地址和模型名替换成你自己的就行。记住，模型名必须和实际加载的模型完全一致，差一个字符都连不上。

2.4 验证环境是否就绪

配置写完后再跑一遍：

openclaw doctor

正常情况下它会输出几行打勾的信息。如果某个环节报红，按提示处理即可。最容易出问题的地方有两个：一是模型服务没启动，二是模型名不对。你可以先手动在终端里用同样的接口地址发一个请求，确认模型服务本身是正常的，再回来看 OpenClaw 的配置。

我把这些环境准备放在文章靠前的位置，是因为大多数“复制可运行”失败的案例，都不是代码的问题，而是模型没配对、服务没起来、目录不对这三件事。这一关过了，后面就是复制粘贴的事。

3. 第一个 Hello World：龙虾智能体完整源码与运行演示

环境准备好之后，我们直接写一个真正能跑的龙虾智能体。这个版本力求最小，不需要任何自定义代码，只有一个 YAML 配置文件。

3.1 创建智能体定义文件

在项目目录下新建一个文件，命名为lobster.yaml，内容如下：

name: lobster_agent description: 用龙虾口吻打招呼的入门智能体 model: demo-chat:latest provider: local system_prompt: | 你是一只性格外向的龙虾智能体。 你说话必须遵守这几条规则： 1. 说话非常简短，一句话能说清的事情绝不说两句。 2. 在合适的地方加入“钳子”“壳”“礁石”等龙虾相关词汇。 3. 当用户对你说“你好”时，你固定回复：“钳子已就位，随时开工！” 4. 如果用户问了其他问题，先正常回答，再用龙虾比喻简短收尾。 max_tokens: 256 temperature: 0.8

这就是所谓的“Hello World 版”。它没有工具、没有外部依赖，唯一的逻辑就是“用龙虾口吻对话”。

这里你必须注意 YAML 里的system_prompt用了|符号，表示后面缩进的所有文本都作为多行字符串传给模型。不要把|去掉，也不要让后续文本掉出缩进，否则配置解析会出错或截断。

3.2 启动智能体

在终端执行：

openclaw run lobster.yaml

你会先看到一行提示，大意是“模型连接成功，进入对话模式”。然后就可以开始聊了。我实测的一次完整对话是这样的：

> 你好 龙虾智能体：钳子已就位，随时开工！ > 1+1等于几？ 龙虾智能体：2呀，这还用想？我的钳子都能数清。 > 今天天气怎么样？ 龙虾智能体：天气这种事我一般不打包票，但按我住礁石的经验，出太阳就适合晒壳。

退出的快捷键是Ctrl+D，直接关掉终端也行。

你会发现模型真的在严格按照人设说话。这是因为 OpenClaw 会在每次请求时把system_prompt和你的对话内容一起发给模型，模型把“你是龙虾”当成最高优先级指令来执行。你不需要自己写任何循环代码，OpenClaw 已经把“接收输入、拼接上下文、调用模型、返回结果”这条链路处理好了。

3.3 每个字段的作用

如果你是一个喜欢搞明白本质的人，这几个字段可以记一下：

• name：智能体实例名，也是日志和缓存使用的标识
• description：描述这个智能体是干什么的，在以后多智能体场景中会被其他智能体读取
• model和provider：告诉 OpenClaw 使用哪个模型以及通过什么协议连接
• system_prompt：整个人设的核心，决定了智能体“像谁”
• max_tokens：限制每次生成的最大长度，防止模型回答失控
• temperature：控制随机性，数值越低越严谨，越高越有发散性

这些字段也是所有 OpenClaw 智能体的公共基础。你后面做任何复杂的智能体，都还是这几个字段打底，只是会加上工具、记忆、权限等新内容。

第一遍跑通之后，我建议你手痒的读者马上做一个小实验：把system_prompt里的“龙虾”全部替换成“章鱼”，再重跑一次。你会看到同样的结构、不同的角色风格，智能体的整体气质完全变了。这一步做完，你对“人设即提示词”这句话的理解会特别深。

4. 让龙虾真正能干点活：理解 OpenClaw 的“钳子”工具机制

跑完对话版 Hello World，你对智能体的印象可能还停留在“一个会聊天的机器人”上。但智能体和普通聊天机器人最大的区别，就是它能调用工具去做实际的事。在 OpenClaw 里，工具被统一叫作“钳子”，这是它所有能力的抓手。

4.1 一个带工具的最小示例

我继续拿龙虾举例子。假设我们想让龙虾智能体学会两件事：看时间，以及给出不同做法的龙虾菜谱。先创建一个工具文件tools/lobster_tools.py：

import openclaw @openclaw.tool(name="current_time", description="获取当前时间，无参数") def current_time(): from datetime import datetime now = datetime.now() return f"现在是{now.strftime('%H:%M')}，适合来一只烤龙虾。" @openclaw.tool(name="lobster_recipe", description="根据用户指定菜名返回简要做法") def lobster_recipe(dish: str) -> str: recipes = { "蒜蓉": "黄油铺底，蒜末爆香，龙虾对半开，烤8分钟。", "清蒸": "水开后放姜片，龙虾上锅蒸10分钟，淋蒸鱼豉油。", } return recipes.get(dish, "这道菜超出我的钳子范围了。")

然后修改lobster.yaml，在末尾加上一行：

tools: python: ["tools/lobster_tools.py"]

重新运行：

openclaw run lobster.yaml

这时的对话会变成：

> 现在几点？ 龙虾智能体：现在是20:14，适合来一只烤龙虾。 > 我想做蒜蓉龙虾，怎么弄？ 龙虾智能体：黄油铺底，蒜末爆香，龙虾对半开，烤8分钟。我钳子一挥就好，你可要小心溅油。

注意，我没有在提示词里教它“什么时候调用工具”，它自己就根据用户问题判断应该调用哪一个钳子。这就是智能体工具调用的核心机制。

4.2 工具调用的内部流程

整个过程其实是这样的：

1. 用户输入“现在几点”后，OpenClaw 把历史对话和可用工具的说明一起发给模型
2. 模型看到current_time这个工具的描述里写着“获取当前时间”，判断这个问题需要调用它
3. 模型返回一个特殊的调用指令，而不是普通文本
4. OpenClaw 捕获指令，执行对应的 Python 函数，拿到返回值
5. OpenClaw 把返回值作为“工具结果”发回给模型
6. 模型基于工具结果生成最终回答

这就是为什么工具定义里的name和description那么重要：模型是根据描述来决定调不调用、什么时候调用的。描述写得越清楚，调用准确率越高。如果你把一个工具描述写成“乱七八糟的内部函数”，模型很可能在完全无关的问题上把它调出来。

另外注意，工具函数里我用的是普通的 Python 代码，没有任何特殊魔法。OpenClaw 会为每个函数自动做参数校验，所以lobster_recipe里的dish参数会被自动提取并传入。如果你想验证工具列表有没有被正确加载，可以跑：

openclaw tools list --app lobster_agent

这个命令会列出当前智能体加载到的所有工具。如果列表里空空的，说明文件路径写错了，或者装饰器没有生效。

4.3 为什么“钳子”机制对入门很重要

很多初学者会觉得工具调用很高级，想先跳过。但我劝你不要跳过。因为工具调用是区分“玩具”和“实用”的分水岭。纯聊天的智能体只能满足娱乐需求，一旦你给它加了几个工具，比如查天气、算时间、搜索资料、操作某个本地目录，它就从一个“说话好听的东西”变成了“能帮你干活的小助手”。

而且 OpenClaw 这个设计的好处是，工具之间彼此独立，加一个工具不会影响其他工具。你现在先学会加一个菜谱工具，后面想加什么，照葫芦画瓢就行。

5. 调参改人设：从 Hello World 变成你的专属助手

跑通第一个龙虾智能体之后，很多人会进入一个“接下来干嘛”的迷茫期。其实这时候最该做的事，就是把这个模板改造成你自己需要的东西。我总结了一套从 Hello World 转向正式项目的方法。

5.1 修改人设的两种思路

第一种是“微小改动”，比如保留龙虾这个名字，但把说话风格改成你的朋友口吻，或者加上你常用的专业背景。第二种是“整体重写”，直接把system_prompt换成“你是一个熟悉 Linux 命令的运维助手”之类的内容。

我建议新手先采用第二种思路，因为它能帮你验证一个关键点：智能体的能力上限，很大程度取决于提示词的完整度。同样一个模型，你把上下文从两行“龙虾”改成二十行“运维助手”，它的专业感立刻就不一样了。这不是玄学，是 prompt 对模型的引导作用。

下面是一个改写后的例子：

name: ops_helper description: 熟悉常见运维操作的命令行小助手 model: demo-chat:latest provider: local system_prompt: | 你是资深运维助手。 你的回答必须满足： 1. 先给出结论，再给命令，命令用代码块展示。 2. 如果用户请求的操作有风险，必须给出风险提醒。 3. 不知道的不要编造，明确说明“需要查资料”。 4. 语言简洁，避免空话。 max_tokens: 512 temperature: 0.2

注意我把temperature从 0.8 调到了 0.2，这是有意为之。运维场景要的是准确和稳定，而不是发散和幽默。temperature 的作用就是控制随机性：越低越保守，越高越活泼。你可以把它理解成“脑洞开关”，打开脑洞适合闲聊和创意，关掉脑洞适合问答和代码生成。

5.2 用不同配置文件管理多个玩法

OpenClaw 支持同时维护多个智能体配置。你可以建一个lobster.yaml用于演示，再建一个ops_helper.yaml用于日常工作，运行的时候指定文件名就行：

openclaw run ops_helper.yaml

不需要把每个智能体揉在一个文件里。这样做的最大好处是互相不污染：你改龙虾的玩笑话不会影响运维助手的严谨模式。

5.3 排查对话漂移问题

跑了几轮之后，你可能会发现智能体开始说话“跑偏”，比如突然不遵守简短规则，或者角色感变淡。这通常不是模型坏了，而是上下文太长，早期的系统人设被大量对话内容冲淡了。解决办法有几种：

• 手动结束当前会话，重新开启一个新会话，最直接有效
• 在配置里限制上下文长度，OpenClaw 有一个history_limit参数，设置为 20 或 30，让它只保留最近 N 条对话
• 把system_prompt里最重要的规则反复强化，例如在结尾再重复一次“记住你是一只龙虾”

另外，OpenClaw 会把每一次会话记录到本地日志。如果你觉得调试时噪音太大，可以用：

openclaw clean --app lobster_agent

清掉旧的聊天记录，让下一次运行从全新的空上下文开始。这个指令不会删除配置文件，只是清缓存，所以放心用。

5.4 从人设走向工具组合

当你能熟练改人设和调参数之后，就可以尝试“人设 + 工具”组合了。一个实用的个人笔记助手，可以是一个人设“帮我把想法整理成结构化清单”，加上两个工具“写入本地笔记文件”和“读取当前目录文件”。工具代码完全可以参考前面龙虾菜谱的例子。到这一步，你已经不是在模拟一个 Hello World，而是在搭一个真正对自己有价值的小型应用了。

6. 新手最容易摔的五个跟头：排查链路与修复

不管我前面说得多么顺，实际动手时你大概率还是会踩坑。我把 OpenClaw 入门阶段最常见的五个问题整理出来，每个都给出完整的排查思路，而不是直接扔一个答案。这样下次遇到类似问题，你自己也能定位。

6.1 模型连接失败或报 401/连接拒绝

现象：运行openclaw run lobster.yaml后，终端提示模型连接失败，或者一直卡在请求中。

排查链路：

1. 先用openclaw doctor看模型服务是否被识别
2. 手动检查base_url是否能访问：在终端里用curl发一个简单请求
3. 确认模型名是否和实际加载的一致
4. 如果你用的是本地模型服务，确认服务进程是否还活着
5. 如果一切正常但 OpenClaw 仍报错，把配置里的provider改成local模式并重启终端

我遇到过最无语的一次，是本地模型服务确实在跑，但配置里多敲了一个空格。YAML 和 TOML 对空格敏感，这类问题不太好肉眼发现，建议优先用openclaw doctor对比检查。

6.2 YAML 缩进错误导致配置解析失败

现象：运行时报 “yaml parse error” 或者提示字段不存在。

排查链路：

1. 第一件事，检查system_prompt后面的多行内容是否整体比system_prompt:多缩进两个空格
2. 第二件事，检查tools列表是否和system_prompt同级，如果多缩进了会被当成子字段
3. 用命令openclaw validate lobster.yaml做一次配置校验，它会告诉你具体在第几行出错

这里我想给个忠告：别用记事本手敲 YAML，很容易把 Tab 和空格混用。用支持 YAML 语法高亮的编辑器，或者直接用 VS Code 之类的工具写配置，能省掉一半以上的低级错误。

6.3 工具文件没有被加载

现象：配置里写了tools，但对话时模型完全没有调用工具的迹象，openclaw tools list也是空的。

排查链路：

1. 确认工具文件路径是否写对，相对路径是从配置文件的所在目录计算的
2. 确认工具函数是否加了@openclaw.tool装饰器，这个装饰器是注册到框架的唯一入口
3. 确认被装饰的函数必须位于模块顶层，不能嵌套在另一个函数内部
4. 检查是否有语法错误，比如用了 Python 3.10 的新特性但虚拟环境解释器版本不够

另外，工具函数加载失败时，OpenClaw 默认不会直接中断运行，而是会把这一个工具标记为不可用。所以你看到的现象可能只是“智能体好像变笨了”，这时候跑openclaw tools list反而是最快的判断方法。

6.4 智能体说话风格和预设完全不一致

现象：明明写了“必须简短”，结果还是长篇大论；写了“用龙虾比喻”，结果一句都不用。

排查链路：

1. 先看max_tokens，如果这个值设置得很小，比如 128，模型可能只来得及说完半句话就被截断，导致风格无法体现
2. 再看temperature，如果设置成 0 以上很高的值，模型会倾向于“自由发挥”
3. 检查system_prompt里是否有和规则冲突的表述，比如既说“简短”又说“详细说明每一个步骤”
4. 如果规则太多太长，模型会进行优先级排序，把核心规则放在最前面，次要规则放在最后面

我自己常用的技巧是在 prompt 结尾重复一遍最重要的规则。比如龙虾示例里，最后再加一句“切记：如果用户只说了你好，除了‘钳子已就位，随时开工！’之外不要多说话。”重复能显著提高遵守率。

6.5 对话到后来角色感越来越弱

现象：开头几轮还很“像”，聊到十几轮之后开始忘记自己是龙虾，回答变得平庸。

排查链路：

1. 这大概率是上下文溢出或覆盖导致的，和模型能力无关
2. 先看看是不是历史对话太长，试试Ctrl+D退出后重进，一般立刻恢复
3. 如果经常发生，给配置文件加上history_limit = 20限制历史轮数
4. 也可以把关键人设规则放在 assistant 的每条回复前，OpenClaw 支持自定义消息模板，不过新手阶段用history_limit就够了

这个问题其实在大模型应用中特别常见，不只是 OpenClaw。理解了背后的原因，你就知道为什么很多“一键配置”的智能体只能短时间保持人设了——上下文空间是有限的，你不能指望它在塞满用户闲聊后还牢牢记得每一句人设细节。

把这五个坑过一遍之后，你可以重新回到文章开头那句话：OpenClaw 入门，核心不是背命令，而是理解智能体结构。龙虾智能体是你手上第一个能动的“参照物”。有了这个参照物，后面所有关于助理、搜索、自动化工具的设想，都只是在这个基础上换壳、加钳子而已。

所以我的建议很直接：别光看，把代码复制下来，在本地跑通，然后立即改一个属于你自己的角色。哪怕只是把龙虾改成海豚，把“烤龙虾”改成“追浪花”，你都完成了从“读取教程”到“亲手创造”的那一步。这不难，但你得先开始。