OpenClaw 深度使用：一周踩坑总结

OpenClaw 出来大概两个月，热度很高，网上到处是入门教程。但装好之后怎么用得更顺手？踩了坑怎么避？这类内容很少。

我用了一周，踩了一些坑，也摸索出一些技巧。比如 Telegram 在国内需要代理才能登录；qwen-portal-auth 每日免费额度用完就 rate_limit；模型说要做什么又戛然而止……这些问题在官方文档里找不到答案。

本文把这些经验整理出来，希望能帮你少走弯路。

> ⚠️ 提醒：目前 WhatsApp 还没解决代理通道问题，国内用户暂时不用考虑。

一、Telegram 代理登录

国内网络环境，Telegram 需要代理才能正常登录。配置分两步：

第一步：修改 openclaw.json

在 channels.telegram 中增加 proxy 配置：

{
  "channels": {
    "telegram": {
      //... others
      "proxy": "http://127.0.0.1:7890"
    }
  }
}

{
  "channels": {
    "telegram": {
      //... others
      "proxy": "http://127.0.0.1:7890"
    }
  }
}

第二步：创建环境变量文件

在 ~/.openclaw/.env 中放入：

https_proxy=http://127.0.0.1:7890
http_proxy=http://127.0.0.1:7890
all_proxy=socks5://127.0.0.1:7891
no_proxy=localhost,127.0.0.1,::1

https_proxy=http://127.0.0.1:7890
http_proxy=http://127.0.0.1:7890
all_proxy=socks5://127.0.0.1:7891
no_proxy=localhost,127.0.0.1,::1

配置完成后，运行以下命令启动登录流程：

openclaw channels add telegram

openclaw channels add telegram

按提示完成 Telegram Bot 的创建和绑定即可。

二、模型接入避坑

qwen OAuth 的问题

用户在执行 openclaw onboard 指令时，看到可以选择 Qwen 这个模型，国内用户大概率会选择它——毕竟是国产模型，文档友好，还有免费额度。

但实际使用中有个坑：qwen-portal-auth 每天额度有限，用完后会触发 rate_limit，进入 cooldown 状态。这时 Agent 基本不可用，只能等第二天重置。

如果你是重度用户，qwen-portal-auth 的额度根本不够用。

推荐方案：阿里云 Coding Plan

阿里云 Coding Plan 提供独立的模型调用额度，与 qwen OAuth 分开计算，更适合长期使用。

https://blog.img.crazyphper.com/2026/03/640-1-800x405.png

接入步骤详见阿里云官方文档：OpenClaw 接入指南、 Coding Plan 首月 7.9 元特惠套餐链接

这样就能绕过 qwen OAuth 的额度限制。

切换模型的方式：

在 Telegram 或 TUI 的 chat 里发送 /models 可以选择切换
或执行命令长期生效：openclaw models set bailian/qwen3-coder-plus

三、模型选错了会怎样？Agent”摸鱼”现象分析

Reddit 上有个帖子讨论这个问题：

用户用 OpenClaw + GPT-5.2 构建一个看板仪表盘，跑了 15 小时后，Agent 汇报进度已完成，但实际结果几乎什么都没有做完。
更离谱的是，htop 显示 CPU 一直是 0%——Agent 在声称”正在工作”的同时，实际上完全空闲。

https://blog.img.crazyphper.com/2026/03/一直要催-462x600.png — 老要催

这不是 OpenClaw 的 bug，而是模型能力差异导致的。

为什么会这样？

核心问题：模型意图是报告，而非验证执行。

GPT 系列模型在长任务中有个特点：善于生成”看起来在工作”的文字，但不善于真正执行工具调用。表现为：

列出一堆计划，但不执行
说”我来帮你查一下”，然后什么都没做
Heartbeat/cron 触发时，给出虚假进度报告
重复确认需求，陷入循环

Reddit 评论区有人指出：”这是经典的 agent 失效模式——它报告意图而不是验证执行，除非你强制每一步进行文件/diff 检查。”

如何解决？

方案一：换模型

社区反馈，Claude 在长任务、工具调用场景下表现更稳定。如果你用 GPT 系列遇到这个问题，可以尝试切换到 Claude。我自己使用的是 GLM 5.0，它在长任务下也有不错的表现。

https://blog.img.crazyphper.com/2026/03/keepworking-466x600.png — 一口气干完

方案二：强制验证

Reddit 评论区有位用户分享了一段非常有价值的分析：

> “这是典型的 Agent 失效模式——它报告的是’意图’，而不是经过验证的’执行结果’。除非你强制每一步都进行文件检查和差异对比，否则 Agent 会很乐意在空闲时’假装工作’。GPT 模型尤其需要严格的约束，比如断言验证、目录检查。我后来配合 Traycer AI 使用，让进度通过实际的代码变更可见，而不是听信 Agent 的状态汇报，问题就少多了。”

Traycer AI 会产生额外的费用，我还没有往这个方向深入研究。

方案三：拆分任务

长任务容易让模型”迷失”。把大任务拆成小步骤，每步确认结果再继续。

比如跟它说：首先，思考这个任务的核心目标和潜在挑战。然后，将它分解成逻辑顺序的小步骤，每个步骤包括： – 描述 – 所需资源 – 潜在风险 – 完成标志，用表格（或markdown 文档）形式输出任务文档。

后续让 AI 追踪任务文档对比进度，结合 openclaw 的 MEMORY更节省 tokens。

模型选择建议

场景	推荐模型	原因
日常对话、简单任务	qwen-turbo、gpt-4o-mini、Qwen3.5-Plus	响应快、成本低
代码生成、复杂推理	qwen-max、claude-3.5、GLM-5、MiniMax M2.5、Qwen3-Coder-Next	推理能力强、工具调用稳定； GLM-5和MiniMax M2.5在复杂推理和Agent能力上领先，接近顶级性能；Qwen3-Coder-Next专为代码生成优化，工具调用稳定。
长对话、大上下文	claude-3.5-sonnet、Qwen3.5-Plus、Kimi-K2.5	上下文窗口大、记忆稳定； Qwen3.5-Plus上下文窗口极大，支持长对话和大型任务；Kimi-K2.5适合长文本处理和复杂工作流，内存稳定。

关键点： 不是”GPT vs Claude”的问题，而是”基于聊天的 agent 假装是工作者“的问题。直到执行与真实产出绑定之前，模型会继续报告”看起来很忙“而不是实际结果。

四、禁用 WhatsApp

OpenClaw 支持多通道接入，但有个问题：WhatsApp 目前还没解决代理通道问题，国内用户基本用不了。

建议直接禁用，避免不必要的网络请求和资源占用。如果曾经开启过 Whatsapp ，也会导致 Telegram 出现问题，openclaw 总是优先进行 Whatsapp 的登录请求。

禁用方法：

编辑 openclaw.json，将 WhatsApp 通道禁用：

{
  "channels": {
    "whatsapp": {
      "enabled": false
    }
  }
}

{
  "channels": {
    "whatsapp": {
      "enabled": false
    }
  }
}

或者直接删除 whatsapp 配置块。

五、Skill 安装技巧

强烈推荐：安装 ClawHub

ClawHub 是 OpenClaw 的社区技能市场，里面有大量社区贡献的 Skills。

安装方法：

openclaw skill install clawhub

openclaw skill install clawhub

登录 ClawHub

安装后，务必执行登录命令：

clawhub login

clawhub login

不登录的话，会遇到速率限制，无法正常使用搜索和安装功能。登录是免费的，只需要 GitHub 账号。

登录后，可以通过 ClawHub 搜索和安装社区 Skills：

# 搜索技能
clawhub search <keyword>

# 安装技能
clawhub install <skill-name>

# 更新所有已安装技能
clawhub update --all

# 搜索技能
clawhub search <keyword>

# 安装技能
clawhub install <skill-name>

# 更新所有已安装技能
clawhub update --all

官网：https://clawhub.com

必装 Skills 推荐

Skill	用途
gog	Google Workspace 全家桶（Gmail、Calendar、Drive、Sheets 等）
gh	GitHub CLI 封装，方便在对话中操作 GitHub
tmux	远程控制 tmux 会话，适合交互式 CLI
wordpress-publishing-skill-for-claude	WordPress 管理发布技能

安全检查

安装第三方 Skill 时，建议先让 AI 检查代码：

请帮我分析这个 Skill 的代码，有没有安全风险？

请帮我分析这个 Skill 的代码，有没有安全风险？

AI 会帮你检查是否存在：

敏感数据外传
恶意命令执行
不必要的权限请求

养成这个习惯，能避免很多潜在风险。

六、多 Agent 协作

OpenClaw 支持多个 Agent，每个 Agent 可以有不同的配置和专长。

应用场景

**main**（默认的）：日常对话、通用任务
**writer**（我自建的）：写作专用，熟悉博客风格
**price-tag**（我自建的）：机票查询等专业任务

切换方法

手动切换：

/agent writer

/agent writer

或者

/agent writer
你可以帮我写一篇关于 OpenClaw 的使用指南吗？

/agent writer
你可以帮我写一篇关于 OpenClaw 的使用指南吗？

七、会话管理命令

⚠️ 不要随便用 `/new`

/new 会清空当前会话的所有历史记录，包括：

Agent 记住的所有上下文
之前的对话内容
正在进行的任务状态

后果很严重哇， 如果没有备份，这些内容无法恢复。

如何避免？

官方建议对 ~/.openclaw/ 目录进行 Git 版本控制：

cd ~/.openclaw
git init
git add -A
git commit -m "backup: session state"

cd ~/.openclaw
git init
git add -A
git commit -m "backup: session state"

这样即使误用 /new，也可以通过 Git 恢复会话历史。

压缩会话

长对话会消耗大量 tokens，用压缩命令清理：

/compact Focus on key facts, decisions, preferences

# 会得到这样的response：
Compacted (202k → 21k) • Context 21k/180k (12%)

/compact Focus on key facts, decisions, preferences

# 会得到这样的response：
Compacted (202k → 21k) • Context 21k/180k (12%)

这条命令会保留关键信息，删除无关内容，可以放心使用。

查看 tokens 使用量

/content

/content

会显示当前会话的 token 消耗情况，帮助你判断是否需要压缩或切换模型。

切换模型

连续工作时，可以在对话中切换模型：

/model bailian/glm5

/model bailian/glm5

为什么要切换？

当前模型 rate_limit 了
任务需要更强的推理能力
简单任务用便宜模型省钱

八、命令速查表

命令	用途
`/agent `	切换 Agent
`/model `	切换模型
`/compact `	压缩会话
`/content`	查看 token 使用量
`/status`	查看会话状态

Shell 命令速查：

# 查看历史 openclaw 相关命令
history | grep -E "(openclaw|agent)" | tail -30

# 新建 Agent
openclaw agents add writer --model bailian/qwen3-max-2026-01-23 --workspace ~/.openclaw/workspace/writer

# 重启网关，常用！
openclaw gateway restart

# 查看历史 openclaw 相关命令
history | grep -E "(openclaw|agent)" | tail -30

# 新建 Agent
openclaw agents add writer --model bailian/qwen3-max-2026-01-23 --workspace ~/.openclaw/workspace/writer

# 重启网关，常用！
openclaw gateway restart

扩展阅读

[OpenClaw 官方文档](https://docs.openclaw.ai)
[ClawHub 技能市场](https://clawhub.com)
[OpenClaw GitHub](https://github.com/openclaw/openclaw)

—

感谢阅读！有问题欢迎留言讨论。

OpenClaw 深度使用：一周踩坑总结

OpenClaw 深度使用：一周踩坑总结

一、Telegram 代理登录

二、模型接入避坑

qwen OAuth 的问题

推荐方案：阿里云 Coding Plan

三、模型选错了会怎样？Agent”摸鱼”现象分析

为什么会这样？

如何解决？

模型选择建议

四、禁用 WhatsApp

五、Skill 安装技巧

强烈推荐：安装 ClawHub

必装 Skills 推荐

安全检查

六、多 Agent 协作

应用场景

切换方法

七、会话管理命令

⚠️ 不要随便用 `/new`

压缩会话

查看 tokens 使用量

切换模型

八、命令速查表

扩展阅读

团哥

文章作者