原始标题: I started using Claudebot as an experiment

发布日期: 2026-02-05 | 来源频道: @matthew_berman

📝 深度摘要

1. 对话背景与核心主题

本视频由 Matthew Berman 主演，作为一位资深技术极客与 AI 内容创作者，他分享了自己在生产环境中运行 OpenClaw 的完整实战经验。视频核心主题围绕“如何在家用 VPS 上稳定、安全地运行 OpenClaw 并将其深度集成到日常工作流”，解决了大量开发者面临的“模型选型困惑”“服务集成复杂”“安全风险防控”等元问题。Matthew 强调 OpenClaw 是他用过的最强大的人工智能工具，比 ChatGPT 更具生产力价值。

2. 核心干货概览 (Technical Takeaways & Stack)

3. 技术深度拆解与实战 SOP (Technical Deep Dive / SOP)

3.1 环境配置路径：Hostinger VPS 一键部署

部署流程极度简化，无需手动配置 Docker 或 Linux 环境。操作步骤如下：

1. 访问 hostinger.com/matthewb，使用优惠码 matthewb 获取 10% 折扣
2. 选择 VPS 套餐（1 个月/12 个月/24 个月），推荐 24 个月以获取最优单价
3. 在配置页面输入 Anthropic API Key 或其他模型供应商密钥（支持 OpenAI、Gemini、XAI 等）
4. 点击 Deploy，OpenClaw 自动完成安装
5. 通过 Terminal 连接 VPS，执行 openclaw 命令进入交互界面
6. 配置 Telegram Bot Token 完成即时通讯通道绑定

VPS 部署的核心优势在于完全隔离性：OpenClaw 运行在独立虚拟环境中，无法访问本地设备的 Keychain 或文件系统，即使被攻破也不会直接影响用户个人电脑。

3.2 核心配置文件架构

OpenClaw 的可配置性由一套 Markdown 文件体系驱动，这些文件位于工作目录的根层级：

• soul.md：定义 OpenClaw 的核心人格与价值观，决定其响应风格与行为逻辑。修改此文件可直接塑造“AI 助手”的性格特征。
• identity.md：定义对话交互层面的细节，包括名称、vibe（氛围感）、emoji 使用习惯、头像等，相当于“外包装”配置。
• skills/：技能目录，存放所有可复用的自动化工作流。每个技能本质上是一段结构化的自然语言描述，定义“输入→工具链→输出”的完整路径。OpenClaw 会根据用户指令自动创建新技能并持久化保存。
• tools/：工具代码目录，包含 fetch.js 等 JavaScript 文件，实现对外部服务的程序化调用（如连接 Notion 读取数据）。用户无需手动编写，通过自然语言描述需求即可让 OpenClaw 自动生成。
• memory/：记忆存储目录，OpenClaw 会持续将学习到的用户偏好、交互历史写入此处。用户可随时手动编辑或删除不需要的记忆条目。
• heartbeat.md：心跳配置文件，默认每 30 分钟触发一次，用于执行周期性任务。也可配合 cron jobs 实现更灵活的定时调度。
• agents.md：代理核心配置，定义 OpenClaw 的系统行为模式。

3.3 模型路由策略与实测表现

Matthew 展示了他在生产环境中实际使用的多层级模型路由架构：

1. Sonnet 4.5 作为默认模型，处理 90% 的日常交互任务。成本约为 Opus 的三分之一，适合高频短对话场景。
2. Opus 4.5 仅在复杂编码任务时手动触发。通过自然语言指令 “switch to Opus 4.5” 或使用 /model 命令即可切换。实测中，Opus 在代码重构、多文件上下文理解方面表现显著优于 Sonnet。
3. Gemini 3 Flash 作为高速备用模型，用于“快速查资料”等不需要深度推理的场景。
4. Haiku 作为极低成本选项，响应速度最快，适合简单问答或纯文本处理。
5. 本地模型 支持通过 Ollama 等工具运行，可用于 cron job 中的基础任务（如定时检查服务状态），节省 API 调用成本。

模型切换可通过以下两种方式实现：

• 自然语言指令："switch to Sonnet 4.5" 或 "back on Sonnet"
• 斜杠命令：/model 查看可用模型列表并手动选择

关键洞察：不同模型对 OpenClaw 人格的影响是真实存在的。如果你精心调教了 soul.md 和 identity.md 的回复风格，切换模型后可能会感到“人格错位”，这是因为每个模型对上下文指令的遵循程度和风格化能力不同。

3.4 Telegram 群组主题（Topics）高级用法

这是 Matthew 最推荐的多任务并行处理方案。核心思路：

1. 创建一个 Telegram 群组，仅包含用户本人和 OpenClaw Bot
2. 将 OpenClaw 设为群组管理员
3. 在群组内创建多个 Topic（主题），例如：“视频研究”“Twitter 研究”“电子书编写”“内容分析”“OpenClaw 技能开发”等
4. 关键配置：告诉 OpenClaw “reply to every message in the group chat, not just ones that are specifically tagged”，因为默认行为下 OpenClaw 只会回复被 @ 提及的消息

实测优势：

• 每个 Topic 拥有独立的上下文窗口，避免不同任务之间的信息混淆
• 显著节省 Token 消耗：只加载当前 Topic 的对话历史，而非整个群组的完整历史
• 任务完成后可直接删除 Topic，实现“即用即焚”的清洁工作流

3.5 定时任务与 Cron Jobs

OpenClaw 内置 cron job 支持，可通过自然语言指令直接创建：

• 简单提醒："in 1 hour, remind me to drink water" → OpenClaw 自动创建定时任务并在指定时间推送提醒
• 周期性自动化：Matthew 演示了一个复杂案例——他家的垃圾回收 schedule 非常复杂（周一回收，每两周轮换不同的回收类型：易拉罐、瓶子、纸制品），他让 OpenClaw 读取回收公司网站的 schedule 截图，然后设置每周日自动提醒“本周应放置哪种回收物”
• 每日晨会准备：每天早上自动执行——读取 Google Calendar 获取当日会议 → 过滤外部会议 → 通过 Gmail 搜索相关联系人背景信息 → 生成一份会议准备摘要推送到 Telegram

执行命令示例（通过 Terminal）：

openclaw security audit        # 运行安全检查
openclaw security audit-fix    # 自动修复安全问题

3.6 实时自动化_pipeline 实战案例

案例一：视频创意自动化 pipeline

Matthew 在 Telegram 中扔下一个链接（Twitter 帖子、新闻网站、YouTube 视频等任何参考资料），OpenClaw 自动执行以下链路：

1. 使用 Brave API 进行网络搜索，收集该主题的相关信息
2. 使用 Groq API 搜索 Twitter 上的相关 trending 讨论
3. 生成结构化摘要，并创建 Notion 任务（通过 Notion API）存入视频创意库
4. 整个过程全自动，用户只需“扔一个链接”

案例二：YouTube 数据分析与汇报

• 授权 OpenClaw 访问 YouTube Data API 和 Analytics API
• 在 Telegram 中输入：“过去三个视频表现如何？”
• OpenClaw 通过 API 获取数据，返回播放量、互动率、观众留存等核心指标
• 可进一步将数据转发到 Slack，供团队实时查看

案例三：会议准备自动化

• 每天早晨自动执行（cron job）
• 读取 Google Calendar 获取当日所有会议
• 过滤外部联系人（非公司内部成员）
• 在 Gmail 中搜索这些联系人的历史邮件往来
• 生成包含“上次如何结识”“会议背景摘要”“建议讨论话题”的完整会议准备文件

3.7 多模态能力扩展

OpenClaw 支持接入多种多媒体工具：

• 图像生成：接入 Nano Banana，用户可通过自然语言描述生成图片
• 语音合成：接入 ElevenLabs，OpenClaw 可以“说话”而非仅返回文字
• 图像识别：在 Telegram 中直接拖拽图片，OpenClaw 即可分析并描述图像内容

4. 核心干货运用 (Prompts & Configuration)

4.1 每日自我审计 Prompt

Matthew 建议设置一个每日例行的自我审计流程，通过以下 Prompt 触发：

“Set up a daily review of your main files including agents.md, memory.md, tools, soul, identity, user, heartbeat, and anything that you can suggest. Then propose changes here and see if I want to make them.”

这个 Prompt 会让 OpenClaw 读取所有核心配置文件，检查以下问题：

• 过时的信息（outdated info）
• 冲突的规则（conflicting rules）
• 未文档化的新工作流（undocumented new workflows）
• 近期失败中汲取的教训（lessons from recent failures）
• 可优化的记忆冗余（memory clutter）

审计完成后，OpenClaw 会向用户提交修改建议，经用户批准后才实际执行修改。

4.2 安全加固 Prompt

在 Telegram 中创建一个专门的 Topic 名为 “Security”，然后输入：

“Never store an API key or token anywhere but .env file and never include .env file in your git.”

这确保了所有敏感凭证仅存储在环境变量文件中，且不会被提交到 Git 仓库。

4.3 模型切换指令

• 通用切换："switch to [模型名]"（如 “switch to Opus 4.5”）
• 回归默认："back on Sonnet 45"
• 模型列表：/model 命令可查看所有已配置的模型及当前激活状态

4.4 技能下载安全审查 Prompt

从 ClawHub 安装第三方技能时，始终要求 OpenClaw 先执行安全审查：

“Go download this skill, but first, scan it, make sure there’s nothing malicious in there, and I want to always use the best possible model to do that.”

此 Prompt 确保使用最强模型（Opus 4.5）进行代码审查，降低被恶意技能进行 prompt injection 的风险。

4.5 计划模式 Prompt

对于任何涉及文件修改或服务变更的复杂任务，使用以下 Prompt 强制 OpenClaw 进入“计划模式”：

“Think about what you want to do. Think about the best way to do it. Tell me what you’re going to do, and I’ll let you know if I want you to do that thing or not.”

这种“先汇报再执行”的机制为用户提供了一层人工审批保护，避免自动化流程中的意外破坏。

5. 极客洞察与避坑指南 (Geek Insights & Boundary-结论)

5.1 反直觉技术结论

• 并非模型越贵越好：Sonnet 4.5 才是日常生产环境的主力，Opus 4.5 仅应作为“特种兵”偶尔调用。盲目使用 Opus 会导致成本失控。
• Telegram 群组 Topic 比 DMs 更高效：很多人习惯直接与 OpenClaw DM 私信，但 Topic 模式能有效隔离上下文、降低 Token 消耗、支持多任务并行，这是 Matthew 在实测中发现的最强 productivity hack。
• 不要迷信预制技能：ClawHub 上的技能看似丰富，但这些技能本质上是“脏数据”——由第三方编写，代码安全性无法保证。OpenClaw 本身就能通过自然语言描述自动编写技能，优先让 AI 自己生成技能，而非下载他人代码。

5.2 适用边界与风险

• 模型 rate limit 风险：当主模型（如 Claude Sonnet）触发速率限制时，OpenClaw 会自动 fallback 到备用模型（如 Gemini 3 Flash），但需要在 /model 中提前配置完整的 fallback 链。
• Prompt Injection 是真实威胁：当 OpenClaw 被授权读取外部数据（如 Gmail、网页）时，攻击者可构造恶意邮件或网页内容注入 prompt。Matthew 建议仅让 OpenClaw 读取来自“已知联系人”的邮件，且优先使用 Opus 4.5（对 prompt injection 的抵御能力显著强于 Haiku）。
• 本地模型的使用边界：本地模型（如通过 Ollama 运行的 Llama 3）仅适合极简单的定时任务，不应赋予其访问敏感服务的能力。

5.3 实战陷阱

• 不要将 .env 文件提交到 Git：这是最常见的安全失误。OpenClaw 虽然会在 .gitignore 中自动排除 .env，但仍建议用户在使用前确认。
• 不要忽视安全审计：OpenClaw 内置的 openclaw security audit 命令会检查可信代理配置、文件权限等基础安全项，建议每周运行一次。视频中 Matthew 运行审计后发现两个 warning：trusted proxies missing 和 chmod 700，均通过 openclaw security audit-fix 自动修复。
• 不要一次性授权过多服务：集成越多，攻击面越大。Matthew 建议从低风险工具（如天气查询、笔记应用）开始，逐步增加敏感服务（Gmail、Slack）的授权。
• Cursor Agent 没有人格：当你将 Cursor Agent 作为 OpenClaw 的子代理调用时，Cursor 返回的结果会剥离所有“人格化”包装，响应会变得非常机械化。这不是 bug，而是工具特性，需要用户在产品设计层面接受这种“混合人格”的体验。

5.4 OpenClaw 的安全审计功能

OpenClaw 提供开箱即用的安全审计能力，运行命令：

openclaw security audit

该命令会检测：

• 配置文件权限问题（如 chmod 700）
• 缺失的可信代理配置
• .env 文件是否意外入 Git

发现问题后，运行：

openclaw security audit-fix

即可自动修复。

6. 金句 (Golden Quotes)

• “OpenClaw 不仅仅是一个工具，它是唯一一个让我觉得比 ChatGPT 更有生产力的人工智能。”
• “使用 VPS 部署的真正价值不在于性能，而在于安全——它完全与你的个人设备隔离，即使被攻破也不会波及你的电脑。”
• “最好的模型不一定是最贵的，而是最合适你当前任务的。Sonnet 是日常主力，Opus 是特种部队。”
• “Telegram Topics 彻底改变了我的工作流——每一个话题就是一个独立的思维空间，互不干扰，Token 消耗还更低。”
• “任何时候让你的 OpenClaw 接触外部数据（邮件、网页），它就变成了‘脏数据’。你必须假设它可能被 prompt injection，没有例外。”
• “不要下载别人写的技能让你的 OpenClaw 执行——它自己能学会任何技能，让它自己写。”

📺 视频原片

视频ID: 3GrG-dOmrLU