我把 OpenClaw 跑在本地三周后，发现它根本不是聊天机器人
作者在本地部署并深度使用 OpenClaw 三周后，将其定位从 AI 工具重新认识为一套持续运转的“本地 AI 调度层”与工作系统。OpenClaw 的核心价值在于能够串联消息入口、定时任务、本地与云端模型、长期记忆及知识库（如 Obsidian），将信息流自动化、知识整理、日报复盘、工程协作等重复性、跨工具工作从依赖个人意志转为系统默认执行，从而实质性地推动工作流进展。 文章详细阐述了作者的实践配置与心得：采用 Mac Studio 高配硬件实现云端与本地模型混合调度；通过 SOUL.md、USER.md 等核心文件建立“文件化人格与规则”以实现稳定运行；管理 Skill 扩展以获取具体能力；在 Telegram 中按职责拆分多个 Agent 以保持上下文清晰；并始终将安全边界置于前置条件。 OpenClaw 的直接成果体现在 Obsidian 中持续积累的数百篇自动化任务文档、上千篇整理后的知识库内容以及标准化的研究资料。同时，作者也坦诚分享了其初期不稳定性、环境配置陷阱（如 Node 环境混用、文件路径处理）及自动化过度等踩坑经验。总结而言，OpenClaw 适合有持续工作流、愿意构建系统并深度整合 AI 的工程师与创作者，其最终效果是让系统从背后推动工作，产生工作流层面的复利。