这两周在 Ubuntu 24 上折腾 OpenClaw，重启后后台总出现警告，让我一直不踏实。
作为产品经理，我更在意环境的可控性和可复现性，于是趁着Openclaw的新版更新，从卸载—重装—最小化配置—按需扩展的全流程再走一遍
并记录我在飞书接入、图像理解、联网搜索上的实际配置路径与注意事项。
OpenClaw 能胜任多渠道的任务编排，但前提是你把基础环境、模型选择、权限与成本控制三件事理顺。
这篇文章覆盖哪些场景
- 你在 Ubuntu 24 上已有残留/异常，需要干净卸载并重装 OpenClaw。
- 希望通过最小可用的配置，让 OpenClaw 先跑起来，再逐步扩展能力。
- 需要把 OpenClaw 接入飞书，并在私聊/群聊里稳定使用。
- 希望补齐图像理解和联网搜索能力，并结合自身模型资源（如智谱）来配置。
适配性与使用门槛
- 功能范围：OpenClaw 提供 Gateway、技能（Skill）与插件（Plugin）扩展，适合 IM 场景下的任务编排。
- 技术特征：基于 Node.js 运行；支持多模型、Hook、技能与 Web UI 配置。
- 使用门槛：需要基本的 Linux/Node 操作能力、对 IM 平台开发配置有耐心。
- 适合人群：需要把 LLM 能力串到即时通讯平台，且愿意承担多方 API 成本的团队或个人。
一、干净卸载 OpenClaw
参考官方文档：https://docs.openclaw.ai/zh-CN/install/uninstall
停止服务：
openclaw gateway stop卸载组件：
openclaw uninstall
# 根据提示选择要卸载的组件
npm rm -g openclaw # 清理全局 CLI
核查卸载是否干净：
# 1) 命令是否还在
openclaw --version
openclaw --help
# 2) 命令路径
which openclaw # Linux/macOS
where openclaw # Windows
# 3) 服务状态
systemctl --user status openclaw-gateway.service期望状态：命令不存在/服务未注册。清理到这个程度再重装，后续更稳定。
二、重新安装 OpenClaw（最小可用配置）
1. 准备 Node.js 24
我用 nvm 管理 Node 版本，按官方建议装 24.x：
nvm install 24.11.0
nvm use 24.11.0
nvm alias default 24.11.0
2. 安装 OpenClaw 并完成引导
curl -fsSL https://openclaw.ai/install.sh | bash
# 如需重新进入引导
openclaw onboard --install-daemon
引导向导中的我的选择：
风险告知：选择 Yes；
模式选择 QuickStart。
模型配置：先接入一个可用的文本大模型（我用智谱 GLM-5）
输入 API Key 并选择模型。
即时通讯平台：此处跳过，待服务稳定后再接入。
Web Search：先跳过，后续按需接入。
Skills：先不选，后续在 Web UI 配置更直观。
Hooks：建议启用：
command-logger（记录过网关的请求与指令）
session-memory（基础对话记忆）
这样基本配置就算完成了
以在命令行中来初始化你的bot
3. 局域网访问（可选）
如果希望在局域网内访问管理面板，修改配置文件：
openclaw configure
# 或直接编辑 ~/.openclaw/openclaw.json
{
"gateway": {
"bind": "lan",
"port": 18789,
"controlUi": {
"allowedOrigins": [
"http://localhost:18789",
"http://127.0.0.1:18789",
"http://192.168.0.179:18789" // 替换为你的局域网 IP
],
"allowInsecureAuth": true,
"dangerouslyDisableDeviceAuth": true
}
}
}重启网关后生效。
注意：上述 Insecure/DisableDeviceAuth 配置会降低安全性，仅限内网演示与开发环境，生产环境谨慎使用。
这样就可以用：http://192.168.0.179:18789（我的局域网ip）打开 OpenClaw 的管理面板了。
登入后页面：
三、飞书接入（官方插件已内置）
流程梳理（个人实测）：
登录飞书开放平台：https://open.feishu.cn
企业自建应用：创建应用
记录 App ID 和 App Secret。
添加「机器人」能力后保存。
权限设置
搜索并开通 IM 相关权限（im: 开头）
注意选择“应用身份权限”
事件订阅：选择“使用长连接接收事件”。
添加事件：至少开启“接收消息”相关事件。
通讯录权限：开通基础信息权限，便于识别与处理消息上下文。
版本发布：创建版本并发布（飞书客户端会收到发布提醒）。
在 OpenClaw 配置 App ID/Secret：我用 Web Chat 直接让“总管”执行配置
配置后重启 Gateway。
首次私聊配对：
openclaw pairing approve feishu或在 Web Chat 让 Bot 执行配对
之后可在飞书里与机器人对话。
四、补齐图像理解能力（多模态）
关键点：OpenClaw 是否能识别图片，取决于你接入的模型是否支持多模态
我用的智谱 GLM-5 为纯文本模型，因此需要额外配置视觉理解模型。
配置 imageModel：在 Web Chat 里直接指令“配置 imageModel 为 X 模型”，由“总管”完成配置并写入到配置文件。
验证：上传一张图片让其描述/抽取信息，确认响应格式与准确性。
建议：多模态模型的调用单价通常高于文本模型，务必关注调用频次与费用上限。
五、补齐 Web Search 能力（结合智谱搜索）
初始化时我跳过了内置 Web Search（可选项有限、且存在额外 API 成本）
因为我有智谱 Coding Plan Max（每月含网页搜索额度），于是采用 Skill 的方式封装智谱的搜索与网页读取。
选型：当前 OpenClaw 对 MCP 的集成有限，更稳妥的路径是创建 Skill 来适配智谱的 Search API。
创建 Skill：在 Web UI 或 Web Chat 与“总管”多轮沟通，确定输入参数、调用逻辑与返回格式。
搜索验证：通过 Bot 触发 Skill，检查命中率、多轮追问的可用性与返回内容结构。
网页读取能力：再创建一个 Skill 用于抓取与解析网页正文，补齐“检索-阅读-总结”的闭环。
提示：不论是内置 Brave/Google，还是第三方搜索/抓取 API，都会产生额外费用。请在网关层设置限流或在 Skill 内加上安全阈值与错误处理。
六、过程中的决策点与踩坑
- 为什么重装：残留警告多半来自不完整卸载或多版本冲突，重装能快速回到可控状态。
- 先接入文本模型再扩展：把“可用的对话”先跑起来，再逐步开 IM、图像、搜索，排障粒度更清晰。
- 安全配置分环境：开发环境可适度放宽控制台访问；生产需要关闭 Insecure 选项并限制来源。
- 成本管理：大模型 Token、搜索 API、网页抓取 API 都会叠加计费，务必估算月度预算并设置限额。
- 技能迭代：Skill 由“总管”协助创建后，建议通过样例对话和失败案例持续打磨入参/错误处理。
谁更适合现在就尝试 OpenClaw
- 需要把 LLM 能力稳定接入 IM（飞书/钉钉等）的团队。
- 具备基本 Linux/Node 运维能力的个人或小团队。
- 对多模态、搜索、网页抓取等能力有明确需求，并能承担对应 API 成本。
- 愿意把任务能力沉淀为 Skill/Hook，并保持持续维护的人。
结语（我的实践感受）
从产品视角看，OpenClaw 的定位更像“把模型能力放到组织的沟通流里”，它并不追求“全能”，而强调可扩展的任务编排。我的建议是：
- 先做“最小可用”：干净安装、文本模型连通、基础 Hook 启用。
- 按需扩展：IM 接入→图像理解→搜索/网页读取，逐步验证与限流。
- 把常用流程固化为 Skill，并用样例与监控完善质量与成本控制。
以上是我在 Ubuntu 24 上重装 OpenClaw 并扩展到飞书、图像、搜索的完整过程。
希望这份记录能帮助你少走几步弯路，也欢迎你结合自身场景做取舍。