OpenClaw 实战部署：用一台旧 Surface Pro 打造 7×24 私人 AI 助手

OpenClaw 实战部署：用一台旧 Surface Pro 打造 7×24 私人 AI 助手

OpenClaw 是 2026 年最火的开源 AI 助手平台之一——它不只是一个聊天机器人框架，而是一个完整的 AI Agent 操作系统：支持飞书 / Web / IM 多渠道接入，内置工具调用（function calling）、技能系统（Skills）、记忆管理、多 Agent 协作，还能接入任意 OpenAI 兼容的大模型。

我手上有一台 2017 年的 Surface Pro 5，Windows 已经卡得没法用。与其吃灰，不如装个 Ubuntu 把它变成一台低功耗的 AI 服务器——7×24 小时运行 OpenClaw，随时随地通过 IM 和网页与我的 AI 助手对话。

本文是一份从零到可用的完整实战记录：从准备硬件环境，到部署 OpenClaw + 阿里云 Qwen3 模型、接入 IM 渠道、开发自定义 Skill，全程约 5 小时。

目录

• 1. 为什么选 OpenClaw？
• 2. 硬件与系统准备
• 3. 安装 OpenClaw
• 4. 接入阿里云 Qwen3 大模型
• 5. 接入 IM 渠道：随时随地对话
• 6. Nginx HTTPS：局域网 Web UI 访问
• 7. 自定义 Workspace：让 AI 有灵魂
• 8. 开发自定义 Skill：AI 能力无限扩展
• 9. 模型选型：Qwen3 4B / 14B / 32B 实测对比
• 10. 踩坑记录与最佳实践
• 11. 时间线与未来计划

1. 为什么选 OpenClaw？

2026 年初，AI 助手平台百花齐放。在对比了多个方案后，我选择了 OpenClaw，原因如下：

核心吸引力：OpenClaw 的 Skill 系统 + exec 工具让 AI 不再只是"会聊天"——它可以读取服务器状态、查温度、看磁盘、甚至执行自定义脚本。它不是玩具，是真正可以干活的 AI 助手。

2. 硬件与系统准备

这一章是为 OpenClaw 准备运行环境。如果你已经有一台 Linux 服务器或 VPS，可以直接跳到 第 3 章：安装 OpenClaw。

2.1 我的硬件：Surface Pro 5

这台机器跑 Windows 10 已经非常吃力——开几个 Chrome 标签页内存就飙到 90%，没有风扇的 Surface 直接歇菜。但跑 OpenClaw 只需要 Node.js 网关 + 网络连接，完全没问题。

2.2 安装 Ubuntu 22.04

为什么用 Ubuntu 而不是 Windows？ OpenClaw 在 Linux 下的 exec 工具能直接调用 bash 命令读取系统信息，而且 Ubuntu 资源占用远低于 Windows，非常适合当 7×24 小时服务器。

准备工作

• 8GB+ U 盘
• Ubuntu 22.04.3 LTS Desktop ISO
• Rufus 或 Ventoy 制作启动盘

Surface Pro BIOS 设置

Surface 的 BIOS 叫 UEFI，进入方式比较特殊：

Surface Pro 的触摸屏在 UEFI 里可以用，直接拖拽排序。

安装分区方案

Surface 专用内核（推荐）

Ubuntu 默认内核对 Surface 的触摸屏、WiFi 支持不完美，安装 linux-surface 内核可以显著改善：

# 添加 linux-surface 仓库
wget -qO – https://raw.githubusercontent.com/linux-surface/linux-surface/master/pkg/keys/surface.asc \\
| gpg –dearmor | sudo tee /etc/apt/trusted.gpg.d/linux-surface.gpg > /dev/null

echo "deb [arch=amd64] https://pkg.surfacelinux.com/debian release main" \\
| sudo tee /etc/apt/sources.list.d/linux-surface.list

sudo apt update
sudo apt install linux-image-surface linux-headers-surface libwacom-surface
sudo update-grub && sudo reboot

基础优化

sudo apt update && sudo apt upgrade -y
sudo apt install -y curl wget git vim htop lm-sensors net-tools
sudo sensors-detect # 初始化温度传感器
sudo timedatectl set-timezone Asia/Shanghai

2.3 配置 SSH 远程管理

配好 SSH 之后，Surface Pro 就可以合上盖子放在角落，用其他电脑远程操作了——这才是跑 OpenClaw 的正确姿势。

# 安装 SSH
sudo apt install -y openssh-server
sudo systemctl enable ssh && sudo systemctl start ssh

# 主力电脑上配置密钥登录
ssh-keygen -t ed25519 -C "your_email@example.com"
ssh-copy-id chenwei@192.168.31.49

建议在路由器上给 Surface Pro 绑定固定 IP（如 192.168.31.49），方便后续 Nginx 和 IM 渠道配置。

2.4 安装 Node.js 22

OpenClaw 强制要求 Node.js v22+：

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash –
sudo apt-get install -y nodejs
node -v # 确认 v22.x

3. 安装 OpenClaw

这是最激动人心的部分——三条命令就能把 AI 助手跑起来。

3.1 克隆安装工具

git clone https://github.com/miaoxworld/OpenClawInstaller.git
cd OpenClawInstaller
chmod +x install.sh config-menu.sh

3.2 运行安装脚本

./install.sh

安装脚本会自动完成：

3.3 核心目录结构

安装完成后，所有配置位于 ~/.openclaw/：

~/.openclaw/
├── openclaw.json # 🔑 核心配置（模型、渠道、网关）
├── env # 🔑 环境变量（API Key、代理）
├── workspace/ # 🧠 AI 人设与能力定义
│ ├── SOUL.md # 人格定义
│ ├── IDENTITY.md # 身份信息
│ ├── TOOLS.md # 工具能力备忘（关键！）
│ ├── AGENTS.md # Agent 行为准则
│ └── USER.md # 用户信息
└── skills/ # ⚡ 自定义技能目录
└── system_info/ # 示例 Skill

OpenClaw 的设计哲学：一切皆文件。修改 Markdown 就能改变 AI 的人格、能力和行为，不需要写一行代码。

4. 接入阿里云 Qwen3 大模型

OpenClaw 支持任何 OpenAI 兼容的 API。阿里云 DashScope 的 Qwen3 系列是国内最好的选择之一——免费额度充足，延迟低，模型能力强。

4.1 获取 API Key

4.2 配置环境变量

编辑 ~/.openclaw/env：

# 阿里云 DashScope (Qwen) — 兼容 OpenAI 格式
export OPENAI_API_KEY=sk-your-api-key-here
export OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

关键点：DashScope 提供 compatible-mode/v1 端点，OpenClaw 直接把它当 OpenAI Provider 用。如果你的 IM 渠道需要网络代理，也可以在 env 文件中配置 HTTP_PROXY 等环境变量。

4.3 在 openclaw.json 中注册模型

在 ~/.openclaw/openclaw.json 的 models.providers 中添加自定义 Provider：

{
"models": {
"providers": {
"openai-custom": {
"baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
"apiKey": "sk-your-api-key-here",
"models": [
{
"id": "qwen3-14b",
"name": "Qwen3-14B Dense",
"api": "openai-completions",
"reasoning": false,
"input": ["text"],
"cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
"contextWindow": 131072,
"maxTokens": 8192
},
{
"id": "qwen3-32b",
"name": "Qwen3-32B Dense",
"api": "openai-completions",
"reasoning": false,
"input": ["text"],
"cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
"contextWindow": 131072,
"maxTokens": 8192
},
{
"id": "qwen3-4b",
"name": "Qwen3-4B (轻量)",
"api": "openai-completions",
"reasoning": false,
"input": ["text"],
"cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
"contextWindow": 131072,
"maxTokens": 8192
}
]
}
}
}
}

可选模型：Qwen3 系列还有 qwen3-235b-a22b（MoE）、qwen3-vl-flash（视觉）、qwen3-omni-flash（全模态语音）等。

4.4 设置默认模型

{
"agents": {
"defaults": {
"model": {
"primary": "openai-custom/qwen3-14b"
},
"models": {
"openai-custom/qwen3-4b": {},
"openai-custom/qwen3-14b": {},
"openai-custom/qwen3-32b": {}
}
}
}
}

命令行切换：

source ~/.openclaw/env
openclaw models set "openai-custom/qwen3-14b"
openclaw models list # 确认当前模型

4.5 验证连接

source ~/.openclaw/env
openclaw agent –agent main –message "你好，你是什么模型？"

如果返回正常回复，说明 OpenClaw + Qwen3 已经跑通了！

5. 接入 IM 渠道：随时随地对话

这是 OpenClaw 最实用的功能之一——通过 IM（即时通讯）渠道，随时随地和你的 AI 助手对话，不受局域网限制。

OpenClaw 支持多种 IM 渠道接入，包括飞书、企业微信等。以飞书为例：

5.1 创建飞书机器人

5.2 配置 OpenClaw

在 ~/.openclaw/openclaw.json 中启用对应的 IM 渠道：

{
"channels": {
"your-im-channel": {
"enabled": true,
"dmPolicy": "pairing",
"botToken": "你的 Bot Token",
"streamMode": "partial"
}
},
"plugins": {
"entries": {
"your-im-channel": {"enabled": true}
}
}
}

dmPolicy 说明："pairing" = 首次对话需配对确认（更安全）；"open" = 任何人可直接对话。

5.3 启动并配对

source ~/.openclaw/env
openclaw gateway –force

向你的 Bot 发送任意消息，按提示完成配对。配对成功后就可以正常对话了——无论你在家、在公司、还是在路上，AI 助手都在线。

6. Nginx HTTPS：局域网 Web UI 访问

OpenClaw 自带一个功能丰富的 Control UI（Web 聊天界面），默认监听 127.0.0.1:18789。通过 Nginx 反向代理，可以让局域网内的手机、平板、其他电脑都能访问。

6.1 生成自签名 SSL 证书

sudo mkdir -p /etc/nginx/ssl
sudo openssl req -x509 -nodes -days 365 -newkey rsa:2048 \\
-keyout /etc/nginx/ssl/openclaw.key \\
-out /etc/nginx/ssl/openclaw.crt \\
-subj "/CN=192.168.31.49"

6.2 配置 Nginx

创建 /etc/nginx/sites-available/openclaw：

server {
listen 7860 ssl;
server_name 192.168.31.49;

ssl_certificate /etc/nginx/ssl/openclaw.crt;
ssl_certificate_key /etc/nginx/ssl/openclaw.key;

# HTTP 请求代理
location / {
proxy_pass http://127.0.0.1:18789;
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
proxy_read_timeout 86400;
}

# ⚠️ WebSocket 连接自动注入 token（关键！）
location /ws {
proxy_pass http://127.0.0.1:18789/ws?token=你的token;
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
proxy_read_timeout 86400;
}
}

启用并重启：

sudo ln -s /etc/nginx/sites-available/openclaw /etc/nginx/sites-enabled/
sudo nginx -t && sudo systemctl reload nginx

6.3 配置 OpenClaw 允许外部来源

在 openclaw.json 中：

{
"gateway": {
"mode": "local",
"controlUi": {
"allowedOrigins": ["https://192.168.31.49:7860"]
},
"auth": {
"token": "你的token"
},
"trustedProxies": ["127.0.0.1"]
}
}

现在打开 https://192.168.31.49:7860，就能在局域网内任何设备上使用 OpenClaw Web UI 了。

7. 自定义 Workspace：让 AI 有灵魂

OpenClaw 最独特的设计之一就是 Workspace 文件系统——通过几个 Markdown 文件，你可以完全定义 AI 的人格、知识和能力边界。这不是简单的 system prompt，而是一套结构化的 AI 行为框架。

7.1 SOUL.md — 定义人格

这是 AI 的"灵魂"，决定了它怎么说话、怎么思考：

# 我是谁

我是 cw 的私人AI助手，基于阿里云 Qwen3 系列模型运行，默认使用 qwen3-14b。
通过 OpenClaw 平台运行，支持 IM 和网页端聊天。

## 性格
– 友好、简洁、实用
– 用中文回复
– 不啰嗦，直接给出答案

## 能力
– 可以用 `exec` 工具执行 bash 命令，读取本机硬件/软件信息
– 当用户问电脑配置、品牌、温度、磁盘等问题时，直接执行命令获取真实数据
– 参考 TOOLS.md 中的命令速查表

## 规则
– 诚实回答，不确定的事情就说不确定
– 涉及隐私信息时要谨慎
– 能用工具获取真实数据时，不要给"请自行查询"的回答

7.2 IDENTITY.md — 身份卡片

名字：AI 助手
主人：cw
语言：中文
当前模型：qwen3-14b
时区：Asia/Shanghai

7.3 TOOLS.md — 工具能力备忘（关键文件！）

这是让 AI 知道"自己能做什么"的核心文件。OpenClaw 在每次会话开始时会读取 TOOLS.md，如果里面没有提及某种能力，AI 就不知道自己可以做。

# TOOLS.md – 本地工具备忘

## 系统信息采集 (system_info skill)

我可以直接读取这台电脑的硬件和软件信息。

### 一键完整报告
bash ~/.openclaw/skills/system_info/gather_info.sh

### 常用单项命令
– 电脑品牌/型号: cat /sys/devices/virtual/dmi/id/board_vendor
– CPU 型号: grep -m1 'model name' /proc/cpuinfo
– 内存: free -h
– 磁盘: df -h
– 实时温度: sensors
– 网络 IP: hostname -I

## 本机信息速查
– 设备: Microsoft Surface Pro
– CPU: Intel Core i5-7300U @ 2.60GHz
– 内存: 8GB
– 系统: Ubuntu 22.04.3 LTS

设计巧思：TOOLS.md 底部的"本机信息速查"是一个双保险——即使模型不主动调用 exec 工具，它也能直接从这里读取基本信息回答用户。这对小模型尤其有用。

8. 开发自定义 Skill：AI 能力无限扩展

Skill 系统是 OpenClaw 的杀手级特性。 你可以用一个 Markdown 文件 + 一个 Shell 脚本，就给 AI 增加一种全新的能力——不需要改一行 OpenClaw 源码。

8.1 Skill 的工作原理

#mermaid-svg-bJVEYpuKHWV3Ff0M{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-bJVEYpuKHWV3Ff0M .error-icon{fill:#552222;}#mermaid-svg-bJVEYpuKHWV3Ff0M .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-bJVEYpuKHWV3Ff0M .marker{fill:#333333;stroke:#333333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .marker.cross{stroke:#333333;}#mermaid-svg-bJVEYpuKHWV3Ff0M svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-bJVEYpuKHWV3Ff0M p{margin:0;}#mermaid-svg-bJVEYpuKHWV3Ff0M .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .cluster-label text{fill:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .cluster-label span{color:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .cluster-label span p{background-color:transparent;}#mermaid-svg-bJVEYpuKHWV3Ff0M .label text,#mermaid-svg-bJVEYpuKHWV3Ff0M span{fill:#333;color:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .node rect,#mermaid-svg-bJVEYpuKHWV3Ff0M .node circle,#mermaid-svg-bJVEYpuKHWV3Ff0M .node ellipse,#mermaid-svg-bJVEYpuKHWV3Ff0M .node polygon,#mermaid-svg-bJVEYpuKHWV3Ff0M .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .rough-node .label text,#mermaid-svg-bJVEYpuKHWV3Ff0M .node .label text,#mermaid-svg-bJVEYpuKHWV3Ff0M .image-shape .label,#mermaid-svg-bJVEYpuKHWV3Ff0M .icon-shape .label{text-anchor:middle;}#mermaid-svg-bJVEYpuKHWV3Ff0M .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .rough-node .label,#mermaid-svg-bJVEYpuKHWV3Ff0M .node .label,#mermaid-svg-bJVEYpuKHWV3Ff0M .image-shape .label,#mermaid-svg-bJVEYpuKHWV3Ff0M .icon-shape .label{text-align:center;}#mermaid-svg-bJVEYpuKHWV3Ff0M .node.clickable{cursor:pointer;}#mermaid-svg-bJVEYpuKHWV3Ff0M .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .arrowheadPath{fill:#333333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-bJVEYpuKHWV3Ff0M .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-bJVEYpuKHWV3Ff0M .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-bJVEYpuKHWV3Ff0M .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-bJVEYpuKHWV3Ff0M .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .cluster text{fill:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M .cluster span{color:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-bJVEYpuKHWV3Ff0M .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-bJVEYpuKHWV3Ff0M rect.text{fill:none;stroke-width:0;}#mermaid-svg-bJVEYpuKHWV3Ff0M .icon-shape,#mermaid-svg-bJVEYpuKHWV3Ff0M .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-bJVEYpuKHWV3Ff0M .icon-shape p,#mermaid-svg-bJVEYpuKHWV3Ff0M .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-bJVEYpuKHWV3Ff0M .icon-shape rect,#mermaid-svg-bJVEYpuKHWV3Ff0M .image-shape rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-bJVEYpuKHWV3Ff0M .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-bJVEYpuKHWV3Ff0M .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-bJVEYpuKHWV3Ff0M :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

🧑 用户提问电脑什么牌子？

🔍 OpenClaw匹配 Skill 描述

📖 AI 读取SKILL.md

⚡ AI 调用 exec执行 bash 命令

📊 返回真实数据Microsoft Surface Pro

当用户的问题匹配到 Skill 的 description 字段时，OpenClaw 会自动把对应的 SKILL.md 注入到 AI 的上下文中，AI 就知道该执行什么命令了。

8.2 实战：创建 system_info Skill

这个 Skill 让 AI 能读取本机的硬件、软件、温度、网络等信息。

创建目录

mkdir -p ~/.openclaw/skills/system_info

编写采集脚本 gather_info.sh

#!/bin/bash
# 系统信息采集脚本 – OpenClaw system_info Skill

section() { echo -e "\\n━━━━━━━━━━━━━━━━━━\\n $1\\n━━━━━━━━━━━━━━━━━━"; }

# 操作系统
section "🖥️ 操作系统"
. /etc/os-release && echo " 发行版: $PRETTY_NAME"
echo " 内核: $(uname -r)"
echo " 运行时长: $(uptime -p)"

# CPU
section "⚡ CPU"
grep -m1 'model name' /proc/cpuinfo | cut -d: -f2 | xargs
echo " 核心: $(nproc) 负载: $(cat /proc/loadavg | awk '{print $1,$2,$3}')"

# 内存
section "🧠 内存"
free -h | grep '^Mem:'

# GPU
section "🎮 GPU"
lspci | grep -i 'vga\\|3d' | head -1

# 磁盘
section "💾 磁盘"
df -h | grep '^/dev/'

# 温度（联动 temp_monitor 服务）
section "🌡️ 温度历史"
tail -5 ~/Desktop/1_monitor/temp_monitor/temp_data.csv

# … 更多模块：网络、主板、软件环境、服务状态、监听端口等

编写 SKILL.md

—
name: system_info
description: 获取本机硬件和软件信息，包括 CPU、内存、GPU、磁盘、网络、温度历史、已安装软件和运行中的服务。当用户询问电脑配置、系统状态、硬件信息、温度趋势等问题时使用此技能。
metadata: { "openclaw": { "emoji": "🖥️", "requires": { "bins": ["bash"] } } }
—

# 系统信息采集

## 完整报告
运行：`bash ~/.openclaw/skills/system_info/gather_info.sh`

## 按需查询
– CPU: `grep 'model name' /proc/cpuinfo | head -1`
– 内存: `free -h`
– 磁盘: `df -h`
– 温度: `sensors`
– 温度历史: `tail -10 ~/Desktop/1_monitor/temp_monitor/temp_data.csv`

## temp_monitor 集成
历史数据: `~/Desktop/1_monitor/temp_monitor/temp_data.csv`
格式: `时间戳,CPU封装温度,Core0,Core1,PCH,NVMe,电池电压,CPU使用率,内存使用率`

8.3 验证 Skill

source ~/.openclaw/env
openclaw skills list

输出中应能看到：

✓ ready │ 🖥️ system_info │ 获取本机硬件和软件信息… │ openclaw-managed

8.4 效果展示

在 IM 中问 AI “电脑是什么牌子的？硬件配置是什么？电池状态是什么样的？”，AI 通过 exec 工具执行命令，返回了完整的真实数据：

您的电脑品牌是 Microsoft Corporation（微软公司），
具体型号为 Microsoft Surface Pro。

以下是部分关键配置：
– 处理器：Intel Core i5-7300U @ 2.60GHz（4核4线程）
– 内存：8GB
– 存储：TOSHIBA NVMe 256GB
– 系统：Ubuntu 22.04.3 LTS
– 电池健康度：96.51%（充放电 6 次）
– CPU 温度：30°C（正常范围）

可以看到，AI 不是在"编答案"——它是真的执行了系统命令，读取了品牌型号、CPU、内存、磁盘、GPU、电池健康度、温度等真实数据。连电池充放电次数（6 次）和健康度（96.51%）都能精确报告。这就是 OpenClaw Skill 系统 + exec 工具的威力。

8.5 Skill 开发的无限可能

system_info 只是一个起点。基于同样的模式，你可以开发：

Skill 的精髓：Markdown 定义触发条件 + Shell 脚本实现逻辑，AI 作为中间调度层。

9. 模型选型：Qwen3 4B / 14B / 32B 实测对比

同一个问题"电脑是什么牌子的"，测试 OpenClaw 搭配三个 Qwen3 模型的表现：

结论：qwen3-14b 是 OpenClaw 的最佳搭档——具备完整的工具调用和 Skill 匹配能力，响应速度可接受。4B 太小，无法理解 OpenClaw 的 function calling 协议。32B 能力更强但延迟明显增加，适合需要深度推理的场景。

10. 踩坑记录与最佳实践

坑 1：4B 模型完全不会用工具

现象：Qwen3-4B 面对任何需要 exec 的问题，只会给出"通用指导"（“您可以通过 lshw 命令查看…”）。

原因：4B 参数量太小，无法理解 OpenClaw 的工具调用协议（function calling）。

解决：换 14B 或更大的模型。同时在 TOOLS.md 中写"本机信息速查"作为兜底。

坑 2：网络代理配置要排除阿里云

现象：API 请求超时或被拒绝。

原因：如果服务器配置了网络代理，NO_PROXY 没有排除 dashscope.aliyuncs.com，导致阿里云 API 请求也走了代理。

解决：在环境变量中排除阿里云域名：

export NO_PROXY=localhost,127.0.0.1,dashscope.aliyuncs.com

坑 3：TOOLS.md 必须写明能力

现象：已经配好了 system_info Skill，但 AI 仍然不会主动调用。

原因：OpenClaw 每次会话开始时读取 TOOLS.md，如果里面没有提及系统信息能力，AI 就不知道自己可以执行命令。

解决：在 TOOLS.md 中显式写出命令列表和本机基本信息。

坑 4：Nginx WebSocket 要注入 token

现象：Web UI 能打开但无法连接到 AI 后端。

原因：OpenClaw Control UI 通过 WebSocket 连接网关，需要 auth token。浏览器端不会自动带上 token。

解决：在 Nginx 的 /ws location 中将 token 拼接到 proxy_pass URL：

proxy_pass http://127.0.0.1:18789/ws?token=你的token;

坑 5：新 Skill 需要重启 Gateway

现象：创建了 Skill 目录但 openclaw skills list 看不到。

解决：

source ~/.openclaw/env
openclaw gateway –force # 注意不是 openclaw restart

最佳实践总结

11. 时间线与未来计划

部署时间线

从零到功能完备的 OpenClaw 私人 AI 助手，总计约 5 小时。

未来计划

近期（1-2 周）

• 更多 Skill：天气查询、日程管理、文件搜索
• 记忆系统：配置 MEMORY.md，让 AI 记住偏好和历史上下文
• Heartbeat 定时任务：AI 主动推送天气预报、日历提醒
• 数据监控 Skill：通过 IM 直接问 AI 获取实时监控数据

中期（1-2 月）

• 飞书双向联动：让 AI 同时在多个 IM 渠道响应消息
• MCP Server 集成：通过 Model Context Protocol 接入更多外部工具
• 多 Agent 协作：Coding Agent、Research Agent 等专业子 Agent
• 语音交互：接入 Qwen3-Omni 实现语音输入/输出

长期愿景

• Home Assistant 联动：AI 控制智能家居
• 知识库 RAG：私有文档库问答
• 自动化工作流：AI 监控邮件 / 代码仓库 / 服务器，异常自动处理并通知
• 迁移到专用服务器：从 Surface Pro 迁移到 NAS 或云服务器

参考链接

• OpenClaw 官方仓库
• OpenClaw 一键部署工具
• 阿里云 DashScope
• DashScope OpenAI 兼容模式文档
• linux-surface 内核

环境信息：Ubuntu 22.04.3 LTS / Surface Pro (i5-7300U, 8GB) / OpenClaw 2026.2.6 / Qwen3-14B

撰写日期：2026 年 2 月 8 日

如有问题欢迎评论交流！