M系列Mac保姆级教程:Clawdbot安装+API配置,30分钟解锁AI自动化!

前言

Clawdbot作为超实用的AI自动化工具,能帮你实现网页自动操控、办公流程自动化、本地文件管理等功能,搭配M系列Mac的低功耗特性,堪称效率神器!很多Mac用户安装时会遇到「架构不兼容」「API配置失败」「插件加载报错」等问题,这篇教程专为M4/M1-M3芯片MacBook定制,全程ARM原生适配,从环境准备到功能验证一步到位,新手也能轻松上手~

image

一、安装前准备(必看!避坑核心)

1. 系统与工具要求

  • 系统版本:macOS 13 Ventura 及以上(M4芯片默认满足,低于该版本先升级:系统设置→通用→软件更新)
  • 核心依赖:Node.js ≥ 22(必须ARM架构版,避免转译卡顿)
  • 辅助工具:终端(Launchpad→其他→终端)、Chrome浏览器(ARM原生版)
  • 网络:需访问外网(对接Claude/Gemini)或国内网络(对接DeepSeek)

2. 提前检查并安装Node.js

打开终端,输入以下命令检查Node版本:

node -v
  • ✅ 若显示v22.x.x且标注arm64:直接跳过下一步;
  • ❌ 若版本低于22/无输出/显示 x64:按以下步骤安装ARM版Node.js:
    • 访问Node.js官网,下载「macOS Arm64 Installer」;
    • 双击安装包,按引导完成安装(默认路径即可);
    • 重启终端后再次执行node -v,确认版本达标。

二、第一步:安装Clawdbot核心程序(CLI)

Clawdbot官方提供M芯片适配的一键安装脚本,全程自动完成,无需手动适配:

1. 执行安装脚本

在终端输入以下命令(复制粘贴即可,避免手输错误):

curl -fsSL https://clawd.bot/install.sh | bash
  • 执行后会提示输入「Mac管理员密码」(输入时终端无显示,输完按回车即可),用于授权文件写入;
  • 等待1-2分钟,脚本会自动下载ARM架构的Clawdbot核心文件,耐心等待进度完成。

2. 验证安装成功

输入以下命令,若显示版本号(如 clawdbot v1.8.2),说明CLI安装成功:

clawdbot --version

3. 初始化后台服务(适配M4低功耗)

执行「入职向导」,自动配置后台守护进程(不占用过多M4芯片资源):

clawdbot onboard --install-daemon
  • 过程中会弹出「系统权限请求」(如“终端想要控制辅助功能”),必须点击「允许」,否则后续无法操控浏览器/文件;
  • 若弹出「防火墙提醒」,同样选择「允许」,确保Clawdbot正常联网。

三、第二步:配置大模型API密钥(核心!Clawdbot需对接模型)

Clawdbot本身无“思考能力”,需对接大模型才能实现自动化,推荐3款适配M4芯片的模型,按需选择:

1. 模型选择与API密钥获取

模型
适用人群
API密钥获取地址
配置难度
Claude
海外用户/有外网权限
⭐⭐
Gemini
谷歌生态用户
⭐⭐
DeepSeek
国内用户(无外网)

2. 启动图形化配置向导

终端输入命令,进入可视化配置界面(M4芯片原生支持,无需额外设置):

clawdbot setup --wizard

3. 填入API密钥并验证

  1. 按向导提示选择你要使用的模型(如国内用户选DeepSeek);
  2. 复制对应平台的API密钥(注意:密钥不要泄露给他人),粘贴到终端输入框(粘贴后按回车);
  3. 向导会自动测试连接,显示「Connection Success」即配置成功;
    1. 若失败:检查API密钥是否正确(有无多余空格)、网络是否能访问模型服务器(国内用户用DeepSeek需确保无网络限制)。

四、第三步:安装浏览器插件(让Clawdbot操控网页)

Clawdbot需通过Chrome插件挂载网页,M4芯片需确保Chrome是ARM原生版:

1. 下载插件到本地

终端输入命令,自动下载插件文件并保存到Clawdbot目录:

clawdbot browser extension install

2. 获取插件路径

执行命令,复制插件所在文件夹路径(后续加载插件需用到):

clawdbot browser extension path
  • 示例输出:/Users/你的用户名/.clawdbot/browser-extension(复制完整路径,包括/Users/...)

3. Chrome加载本地插件

  1. 打开Chrome浏览器,在地址栏输入 chrome://extensions/,右上角开启「开发者模式」(开关按钮滑到右侧);
  2. 点击左上角「加载已解压的扩展程序」,粘贴刚才复制的插件路径,选择文件夹后点击「确定」;
  3. 加载成功后,Chrome右上角会出现「红色太空龙虾」图标(Clawdbot标志),点击图标显示「ON」即代表挂载成功。

五、第四步:验证安装(功能测试,确保能用)

1. 启动本地网关(终端与插件通信)

终端输入命令,启动本地网关(默认端口18789,M4芯片无需修改):

clawdbot gateway --bind lan --port 18789
  • 终端显示「Gateway running on http://0.0.0.0:18789」即启动成功,不要关闭这个终端窗口。

2. 测试网页自动操控

  1. 保持网关运行,打开新的Chrome窗口,访问百度首页(https://www.baidu.com);
  2. 若Chrome自动在百度搜索框输入关键词并执行搜索,说明安装完成且功能正常!

新建一个终端窗口,输入以下指令:

clawdbot browser search "Clawdbot M4芯片测试"

六、M4芯片专属避坑指南(新手必看)

1. 安装脚本报错「Permission denied」

终端输入以下命令提升权限后,重新执行安装脚本:

sudo curl -fsSL https://clawd.bot/install.sh | bash

2. Chrome插件加载失败

  • 确认Chrome是「ARM原生版」:打开Chrome→关于Google Chrome→显示「Apple M系列」即正确;
  • 若显示「Intel」:卸载Chrome,从官网下载「Mac with Apple chip」版本重新安装。

3. 网关启动失败「端口被占用」

修改端口号重新启动(如改用18790):

clawdbot gateway --bind lan --port 18790

4. API配置失败「Connection timeout」

  • 国内用户:优先选择DeepSeek模型,无需外网;
  • 有外网权限:检查代理设置,关闭代理后重新测试连接。

七、常用基础指令(安装后快速上手

功能
终端指令
启动Clawdbot后台
clawdbot daemon start
停止后台服务
clawdbot daemon stop
查看插件状态
clawdbot browser extension status
重新配置API密钥
clawdbot config set api_key 你的新密钥
测试网页截图
clawdbot browser screenshot "https://www.baidu.com"

结语

M系列Mac安装Clawdbot的核心是「ARM原生依赖+官方适配脚本」,按教程步骤操作,30分钟内就能解锁AI自动化办公!安装完成后,Clawdbot可帮你自动处理网页数据采集、定时执行办公流程、批量操作文件等重复工作,搭配M4芯片的低功耗特性,长期运行也不耗电~如果遇到其他问题,可参考 Clawdbot官方文档,或在评论区留言,我会第一时间帮你解答!

Read more

人工智能、机器学习和深度学习,其实不是一回事

人工智能、机器学习和深度学习,其实不是一回事

一、人工智能、机器学习与深度学习的真正区别 在当今科技领域,我们经常听到人工智能、机器学习和深度学习这三个词。它们虽然相关,但含义不同。 1.1 人工智能 人工智能是计算机科学的一个分支,旨在研究如何合成与分析能够像人一样行动的计算主体。简单来说,AI 的目标是利用计算机来模拟甚至替代人类大脑的功能。 一个理想的 AI 系统通常具备以下特征:像人一样思考、像人一样行动、理性地思考与行动。 1.2 机器学习 机器学习是实现人工智能的一种途径。它的核心定义是:赋予计算机在没有被显式编程的情况下进行学习的能力。 与传统的基于规则的编程不同,机器学习不依赖程序员手写每一条逻辑指令,而是通过算法让机器从大量数据中寻找规律,从而对新的数据产生预测或判断。 1.3 深度学习 深度学习是机器学习的一种特殊方法,也称为深度神经网络。它受人类大脑结构的启发,通过设计多层的神经元网络结构,来模拟万事万物的特征表示。 1.4 三者之间的层级关系 厘清这三者的关系对于初学者至关重要。人工智能 AI是最宏大的概念,包含了所有让机器变聪明的技术。机器学习 ML是 AI

【AI】大语言模型 (LLM) 产品的开发流程参考

【AI】大语言模型 (LLM) 产品的开发流程参考

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《AI》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、个人开发者的大语言模型 (LLM) 产品的开发流程参考 * 1.1 准备工作 * 1.2 构建知识库索引 * 1.3 定制大模型 * 1.4 用户交互界面开发 * 1.5 测试与部署上线 * 1.6 监控结果 * 二、组织/商用级别的大语言模型 (LLM) 产品开发流程参考 * 2.1 准备工作 * 2.2 定制大模型 * 2.3 模型部署与集成 * 2.4

本地 AI Agent 平台实战:DeerFlow Windows 全栈部署与架构深度解析

本地 AI Agent 平台实战:DeerFlow Windows 全栈部署与架构深度解析

目录 1. 痛点直击:为什么我们需要在本地部署 AI Agent 平台? 2. 核心方案:总体架构与设计思路 2.1 架构拓扑图 2.2 核心技术选型理由 2.3 设计意图解析 3. 实战演练:一步步实现 (Step-by-Step) 3.1 环境准备:工欲善其事 3.2 项目克隆与配置 3.3 安装依赖与启动服务 4. 原理深挖:黑盒之下发生了什么 4.1 请求生命周期时序图 4.2 状态管理核心 (LangGraph State) 4.3 沙箱隔离原理 5. 避坑指南:生产环境的血泪教训

人工智能:大语言模型(LLM)原理与应用实战

人工智能:大语言模型(LLM)原理与应用实战

人工智能:大语言模型(LLM)原理与应用实战 1.1 本章学习目标与重点 💡 学习目标:掌握大语言模型的核心原理、训练流程与微调方法,学会基于开源大语言模型完成定制化对话与文本生成任务。 💡 学习重点:理解大语言模型的Transformer decoder-only架构,掌握指令微调与RLHF技术,能够使用LoRA高效微调开源LLM。 1.2 大语言模型的核心概念与发展历程 1.2.1 什么是大语言模型 💡 大语言模型(Large Language Model, LLM)是参数量达到十亿级甚至万亿级的Transformer-based模型。它通过在海量文本数据上进行预训练,学习语言的语法、语义、常识和推理能力。 LLM的核心能力包括文本生成、理解、翻译、摘要、问答等。它可以处理复杂的自然语言任务,无需针对每个任务单独设计模型结构。 LLM与传统NLP模型的核心区别: * 参数量级:传统模型参数量通常在千万级,LLM参数量可达十亿到万亿级。 * 训练数据:传统模型依赖标注数据,LLM使用海量无标注文本进行预训练。 * 能力边界:传统模型只能处理单一任务,LL