OpenClaw养虾指南:谁在养虾,虾又养谁
作者:十万个为什么2026.11.17 03:28浏览量:0简介:所谓"养虾",就是在自己的机器上跑一个 OpenClaw 实例,再给它接上一个大模型 API——虾能不能一直说话,取决于你的 Token 还剩多少。想先算清这笔账,可以先看看[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)这类大模型 API 服务平台,把不同模型的价格与能力放在一起对比,再决定喂什么。下面从 OpenClaw 的来历、部署接入、Token 消耗机制到安全边界,一次讲清"谁养谁"这个问题。
一、”养虾”养的到底是什么
先把话说直白:OpenClaw 是一个可以运行在终端设备上的个人 AI 助手,它能在 WhatsApp、Telegram、Slack、Discord、Signal、iMessage、WebChat 等聊天应用里替你回话,在支持的平台上还能做语音交互和实时画布,并且具备有状态的会话、记忆和工具调用能力。
所以”养一只虾”其实是三件事的组合:
- 一个常驻运行的宿主 :Mac mini、开发机、轻量应用服务器都行;
- 一个大模型服务 :OpenClaw 至少要搭配一个大模型服务,才能完成最基础的对话;
- 一份持续付费的 Token 预算 :这是唯一会”用完”的东西。
原文里”三傻已经不说话了,token 用完了”,说的就是第三件事。虾不是死了,是账户余额见底了。
二、虾是怎么来的:从 Clawdbot 到 OpenClaw
OpenClaw 最早在 2025 年底以 Clawdbot 的名字上线,发音几乎蹭着 Claude。Anthropic 法务联系作者 Peter Steinberger 后改名,先叫 Moltbot,最后定名 OpenClaw。
有意思的是,Claw 的本义是”爪子”,龙虾只是 logo 的形象。但这个命名堪称神来之笔:具象、好记、易传播,一说龙虾谁都知道是什么,又不会跟任何大厂品牌撞车。
作者 Peter Steinberger 的履历也值得一看:硅谷高级 iOS 工程师出身,业余创办 PSPDFKit 解决 iOS 上的 PDF 渲染问题,十年后公司在 2021 年拿到 1 亿欧元战略投资,他随即退出。而 OpenClaw 整体上是用 AI 写出来的,主要靠 prompt 生成——这一点对今天的开发者算个提醒:产品竞争力的门槛在下降,分发和场景理解才是壁垒。
三、一只虾的诞生:部署与接入实操
1. 准备:算力与模型必须在同一个池子
一个容易被忽略的硬性约束是: 部署 OpenClaw 的实例和它要调用的大语言模型,需要属于同一资源池 。跨池调用会直接在链路层卡住,排查起来很浪费时间。
模型侧可以直接选一个现成的大模型服务部署起来,例如在快速开始中搜索 Deepseek-V3.2 这类模型并点击部署,在”在线服务部署”里看到服务状态为”运行中”即可调用,然后在”调用信息”里拿到调用地址和 Token。注意访问地址需要自行拼接 /v1 才能组成完整的 Base URL。
2. 打通 WebUI
在快速开始中搜索 OpenClaw,点击”在开发机中打开”,填好创建参数即可(不需要加速芯片)。创建时记得开启 SSH,并绑定一个能连公网的 BLB,这样才能在详情页看到公网 IP 和端口。
本地做端口转发:
ssh -L 18789:127.0.0.1:18789 root@开发机公网IP地址 -p 开发机公网端口
然后访问本地地址(URL 里带上 token):
http://127.0.0.1:18789/?token=<你的token>
页面右上角出现 Health Ok 标识就说明虾活了。
3. 把虾接进聊天软件
以企业微信为例,走的是 URL 回调模式:在企业微信管理后台选择”智能机器人 → 创建机器人 → 手动创建 → API 模式创建 → 使用 URL 回调”,URL 填 http://{服务器公网ip}:18789/wecom,Token 和 Encoding-AESKey 可随机生成。
关键顺序是: 先别点创建 。先去服务器控制台一键放行 18789 端口,在”消息平台 → 企业微信”里填入刚拿到的 Token 和 Encoding-AESKey,点击应用,等执行完成,再回到企业微信点创建。另外要注意版本适配,该接入方式仅适配 2026.3.2 及以下版本,可在控制台的应用管理中确认;老版本通过”重装”切换镜像会清空原有实例数据且不可恢复,务必先备份。
四、为什么”三傻”不说话了:Token 是怎么烧光的
很多人以为 Token 是按”说了几句话”算的,其实不是。一次请求送进去的 Token 大致由四块构成:
| 组成部分 | 说明 | 是否每轮重复 |
|---|---|---|
| System Prompt | 人格设定、行为规则 | 每轮都带 |
| Tool Schema | 工具定义,Agent 能力越多越肥 | 每轮都带 |
| 历史消息 | 完整对话上下文 | 累积增长 |
| 本轮输入 + 模型输出 | 真正的”新增内容” | 只算一次 |
Agent 形态还有一层放大:完成一个任务往往需要”推理 → 调工具 → 结果回灌 → 再推理”多轮往返,一次用户提问可能对应 3~10 次模型调用。这就是为什么”偶尔说几句”的虾也能把额度吃干净—— 成本主要不在你说了什么,而在它每轮都要重读一遍全部上下文 。
粗算公式:
单轮输入 ≈ system + tools + 历史 + 本轮输入日成本 = Σ(输入Token × 输入单价 + 输出Token × 输出单价) / 1000
def daily_cost(rounds, in_per_round, out_per_round, price_in, price_out):"""单价单位统一为 元/千Token,in/out_per_round 为单轮平均 Token 数"""total_in = rounds * in_per_roundtotal_out = rounds * out_per_roundreturn (total_in * price_in + total_out * price_out) / 1000
把 in_per_round 打出来看一眼,通常能发现 70% 以上的开销来自重复携带的 system prompt 和历史。对应的省钱手段也很直接:限制保留的历史轮数、给会话做上下文裁剪、闲聊类任务换小模型、把重活交给大模型、以及优先选择提供上下文缓存能力的模型服务来降低重复前缀的开销。
具体能省多少,取决于你选的模型单价差异有多大——这也是词元所模型价格对比能帮上忙的地方:把候选模型的输入/输出单价和能力档位摆在一起,按你自己的 in_per_round 实测量算一遍,比看排行榜靠谱得多。
五、安全:别让你的虾跑到大街上
必须说清楚: OpenClaw 不存在”绝对安全”的设置方案 。它本身是一个产品,也是一项实验——接入的是真实通讯平台和真实工具,建议从满足基本功能的最小权限开始,再逐步扩大访问范围。官方也明确提醒,OpenClaw 属于私人智能助手,建议独自使用或仅在内部团队内分享,分享给不可信的个人或团体可能带来经济损失与数据泄漏风险。
几条基线做法:
- 不要裸奔公网 :尽量用云平台控制台登录,关闭远程 22 端口,把 22 端口访问源限制为
100.64.0.0/10,只允许平台的 SmartTerm 或 VNC 登录; - 强密码或证书登录 :15 位以上字母、数字、符号组合,或直接用密钥证书;
- 18789 端口按需放行 :只在需要接聊天平台时开放,用完收回;
- 给工具权限分级 :文件读写、命令执行、外部 API 调用分开授权,别一上来就给全盘权限。
六、到底是谁养了虾
回到最初的问题。你养虾,是事实层面的:你出算力、出 Token、出权限,虾才有得可说。但另一面同样成立——你把它接进 IM,让它替你读消息、回消息、整理信息,你的注意力和决策路径就慢慢长在它身上了。原文里”朋友圈全是池塘”的那种焦虑,本质不是怕被替代,而是怕自己变成一个只会等投喂的人。
务实的答案是: 把主动权留在自己手里 。用百度智能云词元所这类平台做多模型统一 API 接入,好处不是省一点调用费,而是你不会被任何单一模型锁死——今天这只虾用 A 模型,明天觉得不划算,改一行 Base URL 和模型名就能换,调用情况也能集中查看和管理。虾可以换,池塘得是自己的。
至于”虾会不会养你”,取决于你有没有给它设预算上限、有没有给它划定权限边界。这两件事做了,你就是主人;不做,那确实说不准。

登录后可评论,请前往 登录 或 注册