OpenClaw 入門指南：用 YAML 寫 AI 工作流，不寫一行 Python 也能自動化

你試過讓 ChatGPT 自動查天氣、讀飛書文檔、再把結果發到釘釘嗎？手動復制粘貼太累；用 Python 寫腳本又得處理 API 密鑰、錯誤重試、格式轉換……更別說換模型（Claude/DeepSeek/本地 Ollama）就得改一堆代碼。

OpenClaw 不是聊天機器人——它是「AI 工作流的樂高」。不用寫函數、不碰 SDK，用人類可讀的 YAML 文件，聲明「什么時候觸發」「調哪個服務」「怎么串起來」。它像一份帶執行能力的說明書：告訴電腦「先問 Claude 總結文檔，再讓 DeepSeek 翻譯成英文，最后用飛書機器人推送」，OpenClaw 就照做。

步驟一：3 分鐘跑起第一個工作流

1. 安裝（支持 macOS/Linux/Windows WSL）

pip install openclaw
# 驗證安裝
openclaw --version
# 輸出類似：openclaw 0.8.2

OpenClaw 是純 Python 包，無 GUI、無后臺進程，裝完即用。MIT 協議允許自由修改和嵌入私有系統。

2. 創建最簡工作流 hello-claude.yaml

name: "問候 Claude"
model: "claude-3-haiku"  # 支持 claude/chatgpt/deepseek/ollama:qwen2:7b
steps:
  - action: "llm.chat"
    input: "用中文說一句‘你好，我是 OpenClaw’，加個emoji"

YAML 比 JSON 更易讀（不用引號和逗號），比 Python 更專注邏輯（不寫 def、try）。開發者一眼看懂流程，產品經理也能參與評審。

3. 運行并查看結果

openclaw run hello-claude.yaml

輸出示例：

? 執行完成  
?? 輸出：你好，我是 OpenClaw ??  

OpenClaw 內置主流模型適配器。你只管寫「要什么」，它自動選對 API、加請求頭、解析響應——Claude 的 anthropic-version 頭都不用手動填。

步驟二：接入真實服務（飛書 + 本地模型）

假設你要自動總結飛書文檔，并用本地 Qwen2 模型翻譯：

1. 獲取飛書 token（5 秒）

登錄 飛書開放平臺 → 創建自建應用 → 復制「App ID」和「App Secret」。

2. 編寫 summarize-feishu.yaml

name: "飛書文檔摘要+翻譯"
model: "ollama:qwen2:7b"  # 指向本地 Ollama 模型（需提前運行：ollama run qwen2:7b）

![配圖](http://www.lvxe.net.cn/usr/uploads/covers/cover_guides_20260716_201350.jpg)

steps:
  - action: "feishu.doc.get"
    doc_id: "doct_abc123..."  # 替換為你的飛書文檔ID
  - action: "llm.chat"
    input: |
      請用 3 句話總結以下內容：
      {{ steps[0].output.content }}
  - action: "llm.chat"
    model: "deepseek-chat"  # 切換模型只需改這里！
    input: "把下面中文翻譯成英文：{{ steps[1].output }}"

關鍵點說明：

• {{ steps[0].output.content }} 是變量語法，自動取上一步返回的文檔正文
• 同一工作流里混用 ollama/deepseek/claude，無需改代碼，只改 YAML
• 所有敏感信息（飛書 token、API Key）通過環境變量注入，不硬編碼在 YAML 里

3. 設置密鑰并運行

export FEISHU_APP_ID="cli_xxx"
export FEISHU_APP_SECRET="xxx"
export DEEPSEEK_API_KEY="sk-xxx"

openclaw run summarize-feishu.yaml

驗證：你得到了什么？

• ? 零代碼自動化：飛書文檔更新后，改一行 doc_id 就能復用整個流程
• ? 模型自由切換：想換 Claude 做摘要、Qwen2 做翻譯？改兩行 model: 即可
• ? 100% 本地可控：Ollama 模型跑在你電腦上，飛書 token 存本地環境變量，數據不出內網

常見問題

Q：需要自己搭服務器嗎？
A：不需要。openclaw run 是單機命令行工具，適合個人自動化。企業級部署才需 Kubernetes（官網提供 Helm Chart）。

Q：50+ 服務包括哪些？
A：飛書/釘釘/企微/Notion/GitHub/Slack/MySQL/PostgreSQL/Redis… 連「發送微信消息」都有插件（需配合 WeChat Bot）。所有插件開源在 GitHub，可自行增刪。

Q：和 Dify/Coze 有什么區別？
A：Dify/Coze 是可視化拖拽平臺，適合非技術用戶；OpenClaw 是給開發者的「基礎設施」——YAML 可 Git 版本管理、CI/CD 自動測試、和現有 DevOps 流程無縫集成。

下一步
? 已掌握基礎？試試《OpenClaw + Ollama 本地部署全鏈路》——從 Mac M2 裝 Ollama 到用 Qwen2 跑完整 RAG 工作流
? 想深入工程化？看《用 OpenClaw 構建企業級 AI 中臺》，含審計日志、權限分級、多租戶支持
? 還沒裝好 Ollama？先學《10 分鐘在 Windows 上跑通本地大模型》

OpenClaw 不是讓你「更會用 AI」，而是讓你「把 AI 當成螺絲釘，擰進自己的系統里」。從 YAML 開始，你離真正掌控 AI，只差一個 openclaw run。