[特殊字符]OpenClaw高级使用经验分享!2026年最强生产力!五分钟打造多Agent协作编程开发团队!模型容灾机制深度配置+云端Gateway操控本地macOS!2026年AI智能体终极形态!

[特殊字符]OpenClaw高级使用经验分享!2026年最强生产力!五分钟打造多Agent协作编程开发团队!模型容灾机制深度配置+云端Gateway操控本地macOS!2026年AI智能体终极形态!

OpenClaw是一款基于开源架构的AI智能体平台,被誉为2026年最具突破性的AI Agent系统。它以强大的多模型调度能力为核心,支持Anthropic、OpenAI、Google等主流AI模型的自动容灾切换,确保服务永不中断。OpenClaw内置智能记忆检索系统,通过Embedding模型实现混合搜索,让Agent在持续使用中不断积累经验、越用越聪明。其最大亮点在于多Agent协作机制——支持线性流水线、依赖图并行、多Agent辩论三种协作模式,可组建由编码、测试、文档、审查等专职AI成员构成的虚拟开发团队,一条指令即可交付生产级代码。此外,OpenClaw还支持云端与本地设备通过SSH反向隧道配对,实现远程操控浏览器、执行命令等跨端能力。用户只需下达指令,OpenClaw便能自主完成从开发到交付的全流程工作,堪称AI Agent的终极形态。

🔥🔥🔥本篇笔记所对应的视频:

https://www.bilibili.com/video/BV1pScgzXEB7/

Team Tasks skill:

https://github.com/win4r/team-tasks

模型容灾机制

文件路径:/home/ubuntu/.openclaw/openclaw.json

{ "agents": { "defaults": { "model": { "primary": "anthropic/claude-opus-4-6", "fallbacks": [ "openai-codex/gpt-5.3-codex", "google-antigravity/claude-opus-4-6-thinking" ] } }, "list": [ { "id": "main", "default": true, "model": { "primary": "anthropic/claude-opus-4-6", "fallbacks": [ "openai-codex/gpt-5.3-codex", "google-antigravity/claude-opus-4-6-thinking" ] } } ] } }

多认证 Profile + Token 轮换

{ "auth": { "profiles": { "openai-codex:default": { "provider": "openai-codex", "mode": "oauth" }, "anthropic:default": { "provider": "anthropic", "mode": "token" }, "anthropic:manual": { "provider": "anthropic", "mode": "token" }, "google-antigravity:[email protected]": { "provider": "google-antigravity", "mode": "oauth", "email": "[email protected]" }, "google-antigravity:[email protected]": { "provider": "google-antigravity", "mode": "oauth" } }, "order": { "anthropic": [ "anthropic:default", "anthropic:manual" ], "google-antigravity": [ "google-antigravity:[email protected]", "google-antigravity:[email protected]" ] } } }

memory_search配置

文件路径:/home/ubuntu/.openclaw/openclaw.json

{ "agents": { "defaults": { "memorySearch": { "sources": ["memory", "sessions"], "experimental": { "sessionMemory": true }, "provider": "gemini", "remote": { "apiKey": "AIzaSy**************************" }, "fallback": "gemini", "model": "gemini-embedding-001", "query": { "hybrid": { "enabled": true, "vectorWeight": 0.7, "textWeight": 0.3 } } } } } }

云端 OpenClaw 与本地 macOS 通过 Node 配对步骤

架构概览

┌─────────────────────────┐ SSH 反向隧道 ┌─────────────────────────┐ │ 云端 AWS (Ubuntu) │ ◄────────────────────── │ 本地 macOS (MacBook) │ │ │ 端口 18790 │ │ │ OpenClaw Gateway │ │ OpenClaw Node │ │ 监听: 127.0.0.1:18789 │ │ 连接: localhost:18790 │ │ 公网 IP: xx.xx.xx.xx │ │ NAT 内网(无公网 IP) │ └─────────────────────────┘ └─────────────────────────┘

核心思路:Mac 在 NAT 内网无公网 IP,无法被 AWS 主动连接。解决方案是 Mac 主动通过 SSH 隧道连到 AWS,在 AWS 本地开一个端口(18790),将流量转发到 Mac 上的 Node 服务。


前置条件

项目

要求

AWS 服务器

OpenClaw Gateway 已安装并运行

macOS

Node.js ≥ 22, npm

SSH

Mac 能 SSH 到 AWS(公钥已添加到 ~/.ssh/authorized_keys)

网络

Mac 有互联网访问(不需要公网 IP)


步骤 1:Mac 安装 OpenClaw

npm install -g openclaw

验证安装:

openclaw --version


步骤 2:获取 Gateway Token

在 AWS 上查看配置文件中的 Gateway Token:

cat ~/.openclaw/openclaw.json | grep -A2 '"auth"'

找到 gateway.auth.token 的值,后续步骤需要用到。

也可以通过 OpenClaw 工具获取:

openclaw gateway config | grep token


步骤 3:建立 SSH 反向隧道

在 Mac 终端执行:

ssh -N -L 18790:127.0.0.1:18789 ubuntu@<AWS公网IP>

参数

说明

-N

不执行远程命令,只做端口转发

-L 18790:127.0.0.1:18789

Mac 本地 18790 → AWS 的 127.0.0.1:18789(Gateway)

ubuntu@<IP>

AWS 服务器 SSH 地址

⚠️ 首次连接需要确认 SSH 指纹(输入 yes)。

验证隧道是否通:

curl -s <http://localhost:18790/health>

如果返回内容,说明隧道已通。


步骤 4:启动 Node 服务

在 Mac 另一个终端执行:

OPENCLAW_GATEWAY_TOKEN="<你的Gateway Token>" \\ openclaw node run \\ --host 127.0.0.1 \\ --port 18790 \\ --display-name "Master-Mac"

参数

说明

OPENCLAW_GATEWAY_TOKEN

Gateway 认证令牌

--host 127.0.0.1

连接到本地(通过 SSH 隧道转发)

--port 18790

SSH 隧道的本地端口

--display-name

Node 的显示名称(方便识别)

启动后会看到类似输出:

🔗 Connecting to gateway at ws://127.0.0.1:18790 ... ✅ Connected! Waiting for pairing approval...


步骤 5:AWS 端批准配对

在 AWS 终端或通过 OpenClaw Agent 执行:

# 查看待批准的 Node openclaw node pending # 批准配对(使用 Node ID 或名称) openclaw node approve <node-id>

或者通过 Agent 工具:

# 查看待配对 nodes(action="pending") # 批准 nodes(action="approve", node="Master-Mac")

批准后 Mac 终端会显示:

✅ Paired successfully! Node is now active.


步骤 6:配置执行权限

在 Mac 上设置 Node 的执行权限:

# 通过 OpenClaw 命令设置(推荐) openclaw node exec-approvals set defaults.security full

或者手动创建配置文件 ~/.openclaw/exec-approvals.json:

{ "defaults": { "security": "full" } }

⚠️ 关键:defaults.security 必须设为 "full",否则即使 allowlist 配了 * 也会拒绝执行命令。


步骤 7:验证连接

从 AWS 的 OpenClaw Agent 测试远程执行:

# 查看 Node 状态 nodes(action="status") # 在 Mac 上执行命令 nodes(action="run", node="Master-Mac", command=["echo", "Hello from Mac!"]) # 查看 Mac 系统信息 nodes(action="run", node="Master-Mac", command=["sw_vers"])


Read more

AI入门系列:AI新手必看:人工智能发展历程与现状分析

AI入门系列:AI新手必看:人工智能发展历程与现状分析

写在前面:为什么AI发展历史很重要? 记得刚开始学习AI的时候,我总觉得历史这种东西很枯燥,不如直接学习最新的技术来得实在。但后来我发现,了解AI的发展历程,就像了解一个人的成长经历一样,能帮助我们更好地理解现在的AI是如何走到今天的,也能帮助我们预测未来可能的发展方向。 有一次,我和一位从事AI研究多年的教授聊天,他告诉我:"现在的学生总想直接学习深度学习,但如果不了解符号主义AI的兴衰,就无法理解为什么深度学习会成功,也无法预见它可能面临的挑战。"这句话让我深受启发。 所以,在这篇文章中,我想和大家一起回顾一下AI的发展历程,不是为了考试背诵那些枯燥的年代和事件,而是为了让我们能够站在历史的高度,更好地理解现在的AI技术,以及它在我们生活中的应用。 人工智能的诞生:一个充满想象力的开始 说起AI的诞生,我们不得不提到1956年的达特茅斯会议。这次会议被公认为人工智能学科的诞生标志。 想象一下那个场景:一群来自不同领域的顶尖科学家,包括约翰·麦卡锡、马文·明斯基、克劳德·香农等,聚集在一起,讨论着一个看似疯狂的问题:"机器能思考吗?"他们相信,只要给机器输入足够多的规则

技术拆解:P2P组网如何一键远程AI

技术拆解:P2P组网如何一键远程AI

文章目录 * **远程访问AI服务的核心是什么?** * **从暴露服务到连接设备** * **核心组件与交互解析** * **安全架构深度剖析** * **一键安装脚本的技术实现** * **# Windows** * **#macOS** * **#Linux** * **与AI工作流的结合实践** 远程访问AI服务的核心是什么? 你自己在电脑或者服务器上装了AI服务,比如大语言模型、Stable Diffusion这些,但是有个头疼的事儿:外面的人或者你在别的地方,怎么既安全又方便地连上这些本地的服务?以前的办法要么得有公网IP,还得敲一堆命令行用SSH隧道,要么就是直接开端口映射,等于把服务直接晾在公网上,太不安全了。 今天咱们就好好说说一种靠P2P虚拟组网的办法,还拿个叫节点小宝的工具举例子,看看它怎么做到不用改啥东西,点一下就装好,还能建个加密的通道,实现那种“服务藏得好好的,想连就能直接连上”的安全远程访问方式。 从暴露服务到连接设备 核心思路转变在于:不再尝试将内网服务端口暴露到公网(一个危险的攻击面),而是将外部访问设

人工智能:自然语言处理在教育领域的应用与实战

人工智能:自然语言处理在教育领域的应用与实战

人工智能:自然语言处理在教育领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在教育领域的应用场景和重要性 💡 掌握教育领域NLP应用的核心技术(如智能问答、作业批改、个性化学习) 💡 学会使用前沿模型(如BERT、GPT-3)进行教育文本分析 💡 理解教育领域的特殊挑战(如多学科知识、学生认知差异、数据隐私) 💡 通过实战项目,开发一个智能问答系统应用 重点内容 * 教育领域NLP应用的主要场景 * 核心技术(智能问答、作业批改、个性化学习) * 前沿模型(BERT、GPT-3)在教育领域的使用 * 教育领域的特殊挑战 * 实战项目:智能问答系统应用开发 一、教育领域NLP应用的主要场景 1.1 智能问答 1.1.1 智能问答的基本概念 智能问答是通过自然语言与用户进行交互,回答用户问题的程序。在教育领域,智能问答的主要应用场景包括: * 课程问答:回答课程相关的问题(如“什么是机器学习”

AI时代人人都是产品经理:落地流程:AI 核心功能,从需求到上线的全流程管控方法

AI时代人人都是产品经理:落地流程:AI 核心功能,从需求到上线的全流程管控方法

AI的普及正在重构产品经理的工作模式——不再依赖传统的跨部门协作瓶颈,AI可以成为产品经理的"全职助手",覆盖需求分析、原型设计、开发协同、测试验证全流程。本文将拆解AI时代产品核心功能从0到1落地的完整管控方法,让你用AI能力提升300%的落地效率。 一、需求阶段:AI辅助的需求挖掘与标准化 需求是产品的起点,AI可以帮你从海量信息中精准定位用户真实需求,避免"伪需求"浪费资源。 1. 需求挖掘:AI辅助用户洞察 传统需求调研依赖问卷、访谈,效率低且样本有限。AI可以通过以下方式快速完成用户洞察: * 结构化处理非结构化数据:用AI分析用户在社交媒体、客服对话、应用评论中的碎片化反馈,自动提炼高频需求点 * 需求优先级排序:基于KANO模型,AI可以自动将需求划分为基础型、期望型、兴奋型、无差异型四类,输出优先级列表 实战工具与示例: 使用GPT-4+Python脚本批量处理应用商店评论: import openai import pandas as