文章
Clawdbot (OpenClaw) 入门：本地化的 AI 助理，为什么值得关注
云端 AI 越方便，对"数字主权"的担忧也越明显。Clawdbot（已更名 OpenClaw）是这两年关注度上升很快的开源本地 AI 助理，我从架构、功能、隐私、和同类工具对比几个角度聊一下。
2024 到 2025 这一波云端大模型的爆发之后，我身边开始有人陆续问同一个问题：把公司的财务报表、个人的医疗记录、家庭照片都上传给云端 AI，心里真的踏实吗？
正是这种”数据博弈”的担忧，催生了 Clawdbot（现在叫 OpenClaw）这一类工具。它不是一个聊天机器人，更接近一场”AI 民主化”的静悄悄的尝试——把 AI 助理的能力重新拉回到用户自己的设备上。
这篇文章我从几个维度拆解一下这个本地 AI 助理的逻辑。
架构：本地优先
Clawdbot 的核心设计哲学是 “Local-First”。从底层的 LLM 推理到上层的业务逻辑，全部跑在用户自己的边缘设备上。
模型层：站在 Ollama 肩膀上
Clawdbot 本身不训练模型，而是深度集成了 Ollama——目前最主流的本地 LLM 运行框架。通过 Ollama，它可以无缝调用 Llama 3、Mistral、Gemma 2、等开源模型。用户根据自己显存大小切换 7B、13B、70B 参数。
针对 Apple Silicon（M1/M2/M3/M4）的 Metal 加速和 NVIDIA GPU 的 CUDA 加速都做了优化，所以在消费级硬件上也能跑出可接受的响应速度。
插件系统：神经末梢
Clawdbot 的强大不在于”知道”什么，而在于”连接”什么。架构上类似微内核：
- Core：处理自然语言理解和任务分发。
- Integrations：通过标准化 API 连接外部世界。官方维护的有 WhatsApp、Telegram、Slack、Discord、Signal，以及 Google Calendar、Notion、Obsidian 等。
- Actions：这是 Clawdbot 区别于传统 Chatbot 的关键——允许 AI 执行 Python 或 Shell 脚本，让它有了”手脚”。
功能：超出”陪聊”的范畴
很多用户对 AI 的印象还停留在”陪聊”，Clawdbot 想做的是你的 Digital Operator。
统一消息中心
微信、飞书、Slack 来回切换是很烦的事情。Clawdbot 可以作为统一枢纽：
- 跨平台摘要：每天晚上自动把 Slack 的工作要点和微信群的动态汇总成简报发给你。
- 智能回复草稿：检测到重要 @ 时，根据你的语气生成回复草稿，等你确认再发。
本地自动化
它直接跑在你的操作系统上，有文件系统的访问权限（在授权范围内）：
- 文件整理：你可以对它说”把桌面上所有 PDF 发票归档到上个月文件夹”，它会写 Shell 命令执行。
- 环境部署：作为开发者，让它帮你配置 Docker、拉代码、跑测试。
个人知识库（RAG）
通过本地的向量数据库（默认 Qdrant 或 Chroma），它可以索引你硬盘上的所有文档：
“我 2023 年 5 月的体检报告里，血脂指标是多少？”
它直接从本地 PDF 提取答案，不需要把隐私文件传任何云端。
隐私机制
- 数据不出本机：除了可选的 GPT-4 兜底调用，所有处理都在本地闭环。
- 开源代码审计：每一行代码接受全球开发者审查，没有隐藏后门。
- 细粒度权限：可以为它设定严格权限——只读
~/Documents/Public，或者禁止访问互联网。
和同类工具对比
| 维度 | ChatRTX | LM Studio | Clawdbot (OpenClaw) |
|---|---|---|---|
| 定位 | 技术 Demo | 模型下载与运行器 | AI 助理 / 自动化代理 |
| 交互 | Web UI | 聊天窗口 | IM 集成（Slack/微信等） |
| 扩展性 | 弱 | 中等 | 强（支持自定义 Python Action） |
| 自动化 | 无 | 无 | 原生支持 Shell/文件操作 |
| 部署难度 | 低 | 低 | 中（需要 Docker 基础） |
如果你只是想体验本地跑大模型，LM Studio 够用；如果你想要一个能干活、能接入工作流、并且注重隐私的”AI 队友”，Clawdbot 是目前为数不多的选择。
写在最后
Clawdbot 的出现标志着”个人 AI 计算”时代的开始。我们不再需要把灵魂出卖给云端巨头来换便利——一台高性能笔记本，甚至一个树莓派，就能搭出属于自己的 Jarvis。
下一篇我会写一份手把手的部署教程。