本地 AI 部署教學

2025 年 7 月，同事不小心把水潑在我的 MacBook Pro 上。

無法過電開機。送修時維修人員在單子上寫：「泡水，無法過電開機。資料非常重要。」

上面有還沒 commit 的程式碼、沒備份的專案文件。一杯水差點讓一切歸零。

那次之後我重新檢視自己的 AI 工作環境。雲端 AI 很方便，但你的 prompt、文件、商業邏輯全部經過第三方的伺服器。如果我需要一套「本地優先」的 AI 方案，它長什麼樣？這個問題把我帶到了 OpenClaw。

OpenClaw 是一個裝在你電腦上的 AI 程式，24 小時不關機，你從手機下指令，它幫你操作電腦完成任務。

「AI 助理成熟度模型」（AI Assistant Maturity Model），判斷一個 AI 工具成不成熟，看三個指標：自主程度（它能不能自己決定下一步）、持續性（它會不會記住上次對話）、整合度（它能控制多少你的數位環境）。OpenClaw 是 2026 年第一個在三個指標上都拿高分的消費級產品。

這篇會把你所有的問題一次回答完。讀完之後，你不需要再開第二個分頁。

一、30 秒版本：OpenClaw 到底是什麼

OpenClaw（原名 ClawdBot、MoltBot）是一個開源的 AI Agent 軟體。

「AI Agent」跟你平常用的 ChatGPT、Claude 最大的差異：ChatGPT 只能生成文字讓你自己用，OpenClaw 可以直接操作你的電腦。

你在 Telegram 上發訊息：「幫我把桌面上那份 PDF 整理成摘要。」OpenClaw 收到指令，打開檔案，讀取內容，寫好摘要，回傳給你。全自動。你可以在捷運上、在咖啡廳、在床上，遠端指揮家裡的電腦做事。

它還有一個叫 Heartbeat（心跳）的機制：每 30 分鐘自動檢查有沒有該做的事。不用你開口，它自己會主動行動。

關鍵數據

二、從 ClawdBot 到 OpenClaw：改名三次不是混亂

如果你之前聽過「ClawdBot」或「MoltBot」，它們是同一個東西。改名的歷程如下：

改名期間還發生了一件事：ClawdBot 的 X（Twitter）帳號被詐騙者搶走，在 Solana 上發了假代幣，市值衝到 1,600 萬美元然後歸零。這跟 OpenClaw 本身無關，是改名時的社群帳號被劫持。

改名三次看起來混亂，但每個成功的開源專案都經歷過類似的過程。Node.js 改過名字。Kubernetes 到今天還有人念不出來。重要的不是名字，是產品。

三、OpenClaw 能做什麼（和不能做什麼）

它能做的事

操作你的電腦。打開應用程式、瀏覽網頁、讀寫檔案、管理行事曆、整理資料夾。你說目標，它規劃步驟執行。

透過聊天軟體接收指令。Telegram、WhatsApp、LINE、Slack、Discord，50 多個平台。你不需要坐在電腦前，手機就能遠端指揮。

自動化重複任務。每天固定時間整理收件匣、每週產出報告、定時備份檔案。設好一次，之後自動執行。

接本地 AI 模型。用 Ollama 跑本地模型，完全不需要付 API 費，資料不離開你的電腦。這是它跟其他 AI Agent 工具最大的差異化之一。

它做不到的事

它不是萬能的。複雜的多步驟推理，本地模型的品質大約是 GPT-4o 的 70-80%。對品質要求很高的任務，你還是需要用雲端頂級模型。

它偶爾會搞錯。AI Agent 的本質是「自主判斷然後行動」。判斷錯了，行動也會錯。你需要設定安全邊界，高風險操作（刪檔、發信）讓它先問你再執行。

它需要維護。不像 ChatGPT 打開網頁就能用。OpenClaw 跑在你自己的機器上，你要負責更新、監控、偶爾重啟。

四、OpenClaw 跟 ChatGPT / Claude / Cursor 差在哪

這是搜「OpenClaw 是什麼」的人最常問的問題。

一句話區分：ChatGPT 是你的顧問（給建議），Cursor 是你的工程師（寫程式），OpenClaw 是你的助理（替你做事）。

它們不是競爭關係。你可以同時用三個。我自己就是 Claude Code 寫程式 + Ollama 跑批次 + OpenClaw 跑自動化。

五、要花多少錢

OpenClaw 軟體本身免費開源。費用來自兩個地方：AI 模型和硬體。

方案 A：雲端模型（最簡單）

用你已有的 Claude API 或 OpenAI API Key 接 OpenClaw。不需要額外硬體，任何能跑 Node.js 的電腦就行。

月費：取決於使用量。輕度使用 $10-20 USD/月，中度 $30-80，重度 $100+。

方案 B：本地模型（最省長期）

用 Ollama 跑本地 AI 模型。需要一台記憶體夠大的 Mac。

如果你每月 API 花費超過 NT$3,000，Mac Mini M4 Pro 大約 16 到 24 個月回本。之後每月的 AI 使用幾乎免費。

方案 C：混合（我的做法）

80% 的日常任務用本地模型（免費），20% 的高品質任務用雲端 API。月均成本大約 NT$4,500（含硬體折舊）。

想看完整的損益平衡點計算？讀「雲端 vs 本地 AI 成本分析」。

六、安不安全（理性版）

先說事實。

2026 年 2 月，安全公司發現 ClawHub（技能市集）上 341 個技能是惡意的，後續統計逼近 900 個。同月揭露 CVE-2026-25253 漏洞（CVSS 8.8），攻擊者可遠端取得電腦控制權。全球 42,900 個 OpenClaw 實例暴露在公網上。

這些數字嚇人。但你需要知道背景。

惡意技能是開源市集的結構性問題，不是 OpenClaw 獨有的。npm 每年超過 1,000 個惡意套件。PyPI 2024 年移除超過 11,000 個。Chrome 擴充功能商店也有過大規模下架。

CVE 漏洞已在一週內修補。作為對比，Log4Shell 影響了數百萬伺服器，修補花了數個月。

42,900 個暴露實例是用戶的設定問題。OpenClaw 預設只允許本機存取。暴露在公網的，是使用者自己改了設定。

所以結論是什麼？

OpenClaw 不是 100% 安全的。沒有任何軟體是。問題不是「安不安全」，是「你願意花多少風險預算」。用 Docker 隔離、只裝認證技能、設好 allowed_users、定期更新，你的風險就在合理範圍內。

想看完整的安全評估和 5 個必做設定？讀「OpenClaw 安全完整評估」。

七、你到底需不需要 OpenClaw

不是每個人都需要。用 AI 助理成熟度模型的三個指標來判斷：

你需要高自主程度嗎？

如果你的 AI 使用方式是「問一個問題，拿到答案」，ChatGPT 就夠了。如果你想要 AI 自己去做多步驟的任務（查資料→整理→產出報告→寄出），你需要 Agent 級的工具。

你需要持續性嗎？

如果你每次對話都是獨立的，不需要 AI 記住上下文，ChatGPT 就夠了。如果你需要 AI 記住你的偏好、你的專案進度、你的工作脈絡，你需要一個長期在線的系統。

你需要整合度嗎？

如果你只在瀏覽器裡用 AI，ChatGPT 就夠了。如果你想讓 AI 控制你的檔案系統、瀏覽器、行事曆、通訊軟體，你需要 OpenClaw 這樣的全環境整合方案。

三個指標有兩個以上答「是」，你就是 OpenClaw 的目標用戶。

誰不需要

你的公司還在找 product-market fit。把精力放在產品上，不要搞基礎建設。

你每天跟 AI 互動不到 10 次。雲端方案更划算，不值得投入設定時間。

你對終端機操作完全陌生，也不打算學。OpenClaw 的安裝需要基本的命令列操作能力。（不過，讀完我們的「新手入門指南」，零基礎也能搞定。）

八、5 分鐘快速開始

如果你讀到這裡決定要試，以下是最快的路徑。

步驟 1：安裝 OpenClaw

curl -fsSL https://openclaw.ai/install.sh | bash

步驟 2：設定 AI 模型

用雲端（最簡單）：

openclaw config set ai.provider anthropic
openclaw config set ai.api_key YOUR_CLAUDE_API_KEY

或用本地模型（免費但需要硬體）：先裝 Ollama，再：

ollama pull qwen2.5:32b
openclaw config set ai.provider ollama
openclaw config set ai.model qwen2.5:32b

步驟 3：接上 Telegram

在 Telegram 搜尋 @BotFather，建一個 Bot，拿到 Token。

openclaw config set channels.telegram.token YOUR_BOT_TOKEN
openclaw config set channels.telegram.allowed_users YOUR_USER_ID

步驟 4：測試

在 Telegram 跟你的 Bot 說：「幫我看看現在幾點。」看到回覆就成功了。

整個過程大約 10 到 20 分鐘。想要更詳細的步驟？讀「OpenClaw 完整安裝教學」。

九、常見問題

Q: OpenClaw 跟 ChatGPT 有什麼不同？

ChatGPT 是「你問它答」的助手。OpenClaw 是「你說目標，它自己做」的代理。你說「幫我查明天台北天氣」，OpenClaw 打開瀏覽器、查完、回傳結果。ChatGPT 只會告訴你「你可以去中央氣象署查」。

Q: OpenClaw 免費嗎？

軟體免費開源。但你需要 AI 模型驅動它。兩條路：雲端 API 按量付費（$10-100+/月），或 Ollama 本地模型完全免費（需要硬體投資）。

Q: 需要什麼硬體？

最低：能跑 Node.js 22+ 的任何電腦。用雲端 API 不需要好硬體。用本地模型：Mac Mini M4 Pro 48GB 以上推薦，M4 Max 128GB 最佳。

Q: Windows 可以嗎？

可以。Windows 用戶需要先安裝 WSL2（Windows Subsystem for Linux），然後在 WSL2 裡安裝 OpenClaw。步驟比 Mac 多一步，但完全可行。

Q: 安全嗎？

不是 100% 安全（沒有軟體是）。但用 Docker 隔離 + 設好權限 + 只裝認證技能 + 定期更新，風險可以控制在合理範圍。

Q: 跟 n8n 有什麼不同？

n8n 是工作流自動化（你畫流程圖，它照著做）。OpenClaw 是 AI Agent（你說目標，它自己規劃步驟）。n8n 適合固定、重複、不需要判斷的任務。OpenClaw 適合需要理解語境和臨場判斷的任務。兩個可以搭配使用。

十、接下來讀什麼

你現在知道 OpenClaw 是什麼了。接下來取決於你想做什麼：

想動手裝裝看？讀「OpenClaw 完整安裝教學」。從零到 24 小時 AI 助理的每一步。

想先搞懂硬體？讀「Mac Mini M4 能跑 AI 嗎」。M4 Max 128GB 的完整 AI 實測數據。

想比較其他工具再決定？讀「OpenClaw vs n8n vs Claude Code」。三大 AI 自動化工具的實戰比較。

想算清楚要花多少錢？讀「雲端 vs 本地 AI 成本分析」。真實帳單 + 損益平衡點計算。

想確認安不安全？讀「OpenClaw 安全完整評估」。5 個必做設定和風險評估框架。

想從 CEO 角度看 AI 投資？讀「CEO 該不該自架 AI」。三個月實戰的三個商業洞察。

OpenClaw 不是 ChatGPT 的替代品。ChatGPT 是你的顧問，OpenClaw 是你的助理。你不會用顧問取代助理，也不會用助理取代顧問。

但你應該兩個都有。

因為在 2026 年，只有顧問沒有助理的 CEO，等於只用嘴巴做決策但沒有人幫你執行。而 OpenClaw 就是那個不用付薪水、不會請假、24 小時待命的執行者。

這篇教學不是翻譯官方文件。它來自一台 MacBook Pro M4 Max 128GB 上七個月、每天超過八小時的實際使用。

選這個規格不是炫耀。跑本地 AI 模型（32B 參數以上）需要至少 48GB 記憶體，128GB 讓你同時開著開發環境、瀏覽器、和 25 個並發推理請求也不會卡。這台機器上的每一個故障排除步驟、每一組效能數據、每一個自動化工作流，我都親手踩過。

你搜「OpenClaw 教學」會找到很多文章。問題是，大部分教學沒有實測數據、沒有故障排除、沒有告訴你裝完之後拿來做什麼。所以很多人裝好 OpenClaw，用三天就放著了。

「五階段成長路徑」（Five-Stage Growth Path），OpenClaw 的使用不是一次性設定。從「裝好」到「有用」到「離不開」，有五個明確的階段。多數人卡在第二階段就放棄，因為沒有人告訴他們第三階段之後才是真正的回報開始。

這篇教學涵蓋五個階段的全部內容。從安裝到你的第一個自動化工作流，每一步都有真實指令和故障排除。

階段一：安裝（30 分鐘）

前置條件

Mac 用戶：確認 Node.js 版本 22.12.0 以上。

node --version

如果版本不對或還沒裝：

brew install node

Windows 用戶：先裝 WSL2。

# PowerShell（管理員模式）
wsl --install

重啟電腦後，打開 Ubuntu 終端機，然後所有後續步驟跟 Mac 一模一樣。

Linux 用戶：確認 Node.js 22+ 和 git 已安裝。

安裝 OpenClaw

curl -fsSL https://openclaw.ai/install.sh | bash

安裝完成後驗證：

openclaw --version

看到版本號就成功了。

故障排除：安裝失敗

問題：curl 指令沒反應

檢查網路連線。如果在公司網路後面，可能被防火牆擋住。換用手機熱點試一次。

問題：Node.js 版本太舊

# 用 nvm 管理 Node.js 版本
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
source ~/.bashrc
nvm install 22
nvm use 22

問題：permission denied

不要用 sudo。如果出現權限問題，通常是 npm 的全域安裝路徑設定問題。

mkdir ~/.npm-global
npm config set prefix '~/.npm-global'
echo 'export PATH=~/.npm-global/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

階段二：基本設定（20 分鐘）

選擇 AI 模型

選項 A：雲端模型（最簡單、最快）

# 用 Claude
openclaw config set ai.provider anthropic
openclaw config set ai.api_key sk-ant-xxxxx

# 或用 GPT
openclaw config set ai.provider openai
openclaw config set ai.api_key sk-xxxxx

選項 B：本地模型（免費、隱私）

先裝 Ollama：

# Mac
brew install ollama

# 啟動
ollama serve

下載模型（推薦 qwen2.5:32b，需要 48GB 以上記憶體）：

ollama pull qwen2.5:32b

接上 OpenClaw：

openclaw config set ai.provider ollama
openclaw config set ai.model qwen2.5:32b

如果你的記憶體不夠跑 32B，用 qwen2.5:14b（需要 16GB 以上）或 qwen2.5:7b（需要 8GB 以上）。

想要更完整的模型選擇指南和效能調校？讀「Ollama 教學 2026」。

連接 Telegram（必做）

OpenClaw 裝在電腦上沒有接聊天軟體，等於買了手機不裝 SIM 卡。

打開 Telegram，搜尋 @BotFather，發送 /newbot。

# 拿到 Token 後
openclaw config set channels.telegram.token 7123456789:AAHxyz...

# 查你的 User ID（搜尋 @userinfobot）
openclaw config set channels.telegram.allowed_users 123456789

allowed_users 是安全設定，不要跳過。不設定的話，任何人找到你的 Bot 都能控制你的電腦。

測試

在 Telegram 裡找到你的 Bot，發送：

「現在幾點？」

看到回覆，恭喜。你的 AI 助理上線了。

故障排除：Telegram 連不上

問題：Bot 不回覆

檢查 Token 有沒有貼錯（多一個空格就會失敗）。確認 OpenClaw 正在運行。用 openclaw status 檢查狀態。

問題：Bot 回覆但是亂碼或錯誤

通常是 AI 模型沒設好。openclaw config get ai 確認 provider 和 api_key 正確。

階段三：日常使用（第 1 週）

這是多數人放棄的階段。因為裝好之後不知道要用來做什麼。

以下是我實際用過、確認好用的 10 個指令：

檔案管理

「幫我看看桌面上有哪些檔案。」

「把桌面上所有 PDF 搬到文件/PDF 資料夾。」

「桌面上那份 budget.xlsx，幫我讀一下裡面的數字，整理成文字摘要。」

資訊查詢

「幫我查明天台北的天氣。」

「查一下最近 Apple 的股價。」

「幫我找三家台北的日本料理餐廳，要有包廂的。」

文字處理

「把這段英文翻成中文：[貼上英文]」

「幫我寫一封回覆信給客戶，告訴他會議改到下週三。語氣要專業但友善。」

「幫我把昨天的會議筆記整理成待辦清單。」

提醒和排程

「明天早上九點提醒我打電話給 Amy。」

從簡單的開始。用了一週，你會自然發現哪些重複性工作可以交給它。

階段四：自動化（第 2-4 週）

這是 OpenClaw 從「偶爾用的工具」變成「離不開的系統」的轉折點。

Heartbeat 自動化

OpenClaw 的 Heartbeat 機制：每 30 分鐘讀取 HEARTBEAT.md 檔案，判斷是否需要主動行動。

在你的 OpenClaw 資料目錄裡建一個 HEARTBEAT.md：

# 每日任務
- 早上 8:00：查看今天的行事曆，用 Telegram 發給我
- 每 2 小時：檢查有沒有新的重要信件
- 晚上 10:00：整理今天的待辦進度

這不是 cron job，是用自然語言定義的自動化。OpenClaw 讀了之後自己判斷該不該執行。

搭配 n8n 做複雜工作流

OpenClaw 擅長需要判斷的任務。n8n 擅長固定流程的任務。兩個搭配是最強組合。

例如：n8n 設定一個工作流，每天固定時間觸發，呼叫 OpenClaw 去做「需要判斷」的步驟（分析信件內容、決定是否需要回覆、草擬回覆），然後 n8n 負責「不需要判斷」的步驟（格式化、寄出、存檔）。

想看完整的一人公司自動化架構？讀「一人公司 AI 團隊架構」。

階段五：進階調校（第 2 個月起）

到了這個階段，你已經每天在用 OpenClaw，開始在意回應品質和速度。

效能調校（本地模型）

如果你用 Ollama 跑本地模型，M4 Max 用戶必做：

# GPU Wired Memory 上限（M4 Max 128GB）
sudo sysctl iogpu.wired_limit_mb=121000

# Ollama 環境變數
export OLLAMA_NUM_PARALLEL=25
export OLLAMA_NUM_GPU=99
export OLLAMA_FLASH_ATTENTION=1

第一行是 90% 的教學不會告訴你的。不設這個，你的 M4 Max 跑 AI 只能用到一半的記憶體。

我的實際效能數據

我的主力機是 MacBook Pro 16″ M4 Max（規格見本文開頭）。以下是實際跑出來的數字。

實測數據（qwen2.5:32b，25 並發請求）：

• 推理速度：30 到 45 tok/s（MLX 加速）
• 批次處理：400 個請求約 16 分鐘完成
• 成功率：96.5%
• 記憶體使用：模型約 35GB + 運行約 15GB，還有 78GB 的餘裕

546 GB/s 的記憶體頻寬是關鍵。AI 推理的瓶頸不是算力，是記憶體頻寬（Memory Bandwidth）。M4 Max 的頻寬比 M3 Max 高 33%，直接反映在推理速度上。

想要完整的效能調校指南？讀「Mac Mini M4 能跑 AI 嗎？128GB 統一記憶體實測」。

24/7 持續運行

Mac 用戶用 launchd 讓 OpenClaw 開機自動啟動：

# 建立 plist
cat > ~/Library/LaunchAgents/com.openclaw.agent.plist << 'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>Label</key>
    <string>com.openclaw.agent</string>
    <key>ProgramArguments</key>
    <array>
        <string>/usr/local/bin/openclaw</string>
        <string>start</string>
    </array>
    <key>RunAtLoad</key>
    <true/>
    <key>KeepAlive</key>
    <true/>
</dict>
</plist>
EOF

# 載入
launchctl load ~/Library/LaunchAgents/com.openclaw.agent.plist

如果你用的是 MacBook 而不是 Mac Mini，可以設定蓋上螢幕不休眠（clamshell mode）：系統設定 → 電池 → 選項 → 關閉「當蓋上螢幕時讓電腦睡眠」。接上電源和外接螢幕，蓋上螢幕就變成一台不關機的 AI 伺服器。我自己就是用這個方式讓 MacBook Pro M4 Max 24/7 運行 OpenClaw 和 Ollama。

想看完整的伺服器設定？讀「Mac Mini 24/7 伺服器全記錄」。

安全加固

五件必做的事：

1. 用 Docker 跑 OpenClaw（隔離主系統）
2. 設好 allowed_users（每個平台都要）
3. 只裝 verified 標誌的技能
4. 用 Tailscale VPN 取代直接暴露端口
5. 每週檢查一次更新

想看完整的安全設定指南？讀「OpenClaw 安全完整評估」。

五個階段的時間軸

80% 的 OpenClaw 用戶停在階段 2 就放棄了。原因是他們裝好之後不知道拿來做什麼。階段 3 的「10 個真實指令」就是為了幫你跨過這個門檻。

一旦你到了階段 4，你會突然發現自己每天多出 2 到 3 小時。因為那些「花五分鐘就能做完但每天都要做」的事，全部被自動化了。

這篇教學比市面上任何一篇都長。因為「教學」不是告訴你怎麼按安裝鈕。教學是帶你從零走到你自己能跑起來，包括中間會踩到的坑。

如果你在某一步卡住了，先看那個步驟下面的故障排除。90% 的問題都是那幾個原因。

剩下的 10%？歡迎來 Dean Today 的其他文章找答案。每一篇都是從真實使用經驗裡寫出來的。

想先了解 OpenClaw 是什麼？讀「OpenClaw 是什麼？完整解析」。
想看更多應用場景？讀「一人公司 AI 團隊架構」。
想知道值不值得投資？讀「雲端 vs 本地 AI 成本分析」。

2025 年 7 月，我的舊 MacBook Pro 泡水壞了。為了跑本地 AI 模型，我在 Apple 官網下單了一台 MacBook Pro M4 Max 128GB。十八萬台幣。銀行拒絕授權。

打電話給銀行、調額度、隔天重新下單，一週後才拿到機器。

我花了十八萬和一週的折騰，才搞定硬體這一關。但你不需要。

這篇教學假設你不會寫程式、沒用過終端機、不知道 API Key 是什麼。你只需要一台電腦和 30 分鐘。用 Claude API 的話連硬體投資都不用。我會從「打開終端機」這個動作開始，帶你一步一步裝好 OpenClaw，30 分鐘後你就能在手機上指揮電腦做事。

「三道門檻」（Three Thresholds），新手用 OpenClaw 會遇到三道門檻：終端機（我看不懂黑底白字的畫面）、API Key（這是什麼東西）、聊天平台串接（為什麼不能直接用）。多數人不是學不會，是被第一道門檻嚇退了。

跨過這三道門檻，後面全是坦途。我們一道一道過。

門檻一：終端機（5 分鐘）

終端機就是一個可以讓你用打字的方式告訴電腦做事的工具。平常你用滑鼠點按鈕，在終端機裡你打字下指令。效果一樣，只是方式不同。

Mac 怎麼打開終端機

按 Command + 空白鍵，打「終端機」或「Terminal」，按 Enter。

出現一個黑色（或白色）的視窗，裡面有一行字和一個閃爍的游標。這就是終端機。

Windows 怎麼打開終端機

按 Windows 鍵，打「PowerShell」，右鍵選「以系統管理員身分執行」。

先裝一個叫 WSL 的東西（讓 Windows 可以跑 Linux 指令）：

wsl --install

電腦會重啟。重啟後，從開始選單打開「Ubuntu」。看到終端機畫面就成功了。

你只需要學一件事

在終端機裡，你不需要打字寫程式。你只需要做一件事：把指令複製，貼上，按 Enter。

本文接下來所有的指令，都是你直接複製貼上就好的。

門檻二：安裝 OpenClaw 和設定 AI 模型（15 分鐘）

步驟 1：安裝 OpenClaw

在終端機裡貼上這行，按 Enter：

curl -fsSL https://openclaw.ai/install.sh | bash

等它跑完。可能需要 2 到 5 分鐘。看到「Installation complete」就成功了。

如果出現錯誤說 Node.js 版本不對，貼上這三行（一行一行貼，每行按 Enter）：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash

關掉終端機，重新打開，再貼：

nvm install 22

然後重新跑安裝指令。

步驟 2：設定 AI 模型

OpenClaw 需要一個 AI 大腦來思考。你有兩種選擇：

最簡單的方式：用 Claude API

去 console.anthropic.com 註冊帳號，建一個 API Key（一串以 sk-ant- 開頭的文字）。

拿到之後，在終端機貼上：

openclaw config set ai.provider anthropic
openclaw config set ai.api_key sk-ant-你的key貼在這裡

免費的方式：用 Ollama 本地模型

這需要你的電腦記憶體至少 16GB（建議 48GB 以上）。Mac 用戶去 ollama.ai 下載安裝 Ollama（就像裝一般 App 一樣）。

裝好後在終端機：

ollama pull qwen2.5:14b

等模型下載完（大約 10 到 20 分鐘，取決於網速）。然後：

openclaw config set ai.provider ollama
openclaw config set ai.model qwen2.5:14b

如果你不確定選哪個：先用 Claude API。$10 美元可以用很久。等你熟了再考慮本地模型。

門檻三：連上 Telegram（10 分鐘）

這是最後一道門檻。跨過去，你就可以在手機上指揮電腦了。

步驟 1：建 Telegram Bot

打開手機上的 Telegram App（沒有的話去 App Store 或 Google Play 下載，免費的）。

搜尋 @BotFather，點進去，發送：

/newbot

它會問你兩個問題：

Bot 的顯示名稱：隨便取，例如「我的 AI 助理」。

Bot 的 username：必須以 bot 結尾，例如 my_ai_helper_bot。

回答完後，BotFather 會給你一串 Token（長得像 7123456789:AAHxyz…）。複製這串 Token。

步驟 2：查你的 User ID

在 Telegram 搜尋 @userinfobot，點進去。它會自動回覆你的 User ID（一串數字）。記下這串數字。

步驟 3：告訴 OpenClaw

回到電腦的終端機，貼上（把 YOUR_TOKEN 和 YOUR_USER_ID 換成你的）：

openclaw config set channels.telegram.token YOUR_TOKEN
openclaw config set channels.telegram.allowed_users YOUR_USER_ID

步驟 4：測試

在 Telegram 裡搜尋你剛建的 Bot 名稱，點進去，發送：

「幫我看看現在幾點。」

等幾秒鐘。看到回覆了嗎？

恭喜。你剛跨過了三道門檻。

從現在開始，你可以在手機上隨時隨地跟你的 AI 助理對話，它會操作你家裡的電腦幫你做事。

裝好了，然後呢？

最常見的新手問題：「裝好了但不知道拿來幹嘛。」

從這五個開始：

1. 查天氣

在 Telegram 跟 Bot 說：「幫我查明天台北的天氣。」

2. 整理桌面

「幫我看看桌面上有哪些檔案。」

然後：「把所有 .pdf 檔案搬到文件資料夾。」

3. 翻譯

「幫我把這段翻成中文：[貼上英文]」

4. 摘要

「桌面上有一個叫 report.pdf 的檔案，幫我整理成三句話的摘要。」

5. 提醒

「明天早上九點提醒我寄信給客戶。」

用了一週，你會自己想到更多用法。因為一旦你習慣了「用手機指揮電腦」這個模式，你會開始把所有重複性的瑣事都丟給它。

常見問題

Q: 裝完之後電腦可以關機嗎？

技術上可以。但 OpenClaw 在電腦關機後就不會回覆了。如果你想 24 小時都能用，需要一台不關機的電腦（例如 Mac Mini）。

Q: 用 Claude API 一個月大概花多少？

輕度使用（每天十幾次對話）大約 $10-20 USD。如果帳單讓你不舒服，之後可以改用本地模型。

Q: 其他人可以跟我的 Bot 對話嗎？

如果你有設 allowed_users（上面步驟 3 有教），只有你可以。沒設的話，任何人找到你的 Bot 都能用。所以一定要設。

Q: 我用 Windows，上面的步驟都適用嗎？

適用。你只需要先裝 WSL（上面門檻一有教），之後所有步驟一模一樣。

Q: LINE 可以嗎？

可以。但 LINE 的設定比 Telegram 複雜很多，需要申請 LINE Developers 帳號。建議新手先用 Telegram。等你熟了再加 LINE。

接下來讀什麼

你已經跨過三道門檻了。接下來取決於你想走多遠：

想深入學更多功能？讀「OpenClaw 完整教學 2026」。從自動化到效能調校的進階路線圖。

想了解 OpenClaw 的背景？讀「OpenClaw 是什麼？完整解析」。它是什麼、花多少、安不安全、跟 ChatGPT 差在哪。

想看別人怎麼用？讀「一人公司 AI 團隊架構」。一個人用四個 AI 工具做完十人團隊的工作。

多數 OpenClaw 教學文章寫給「已經會用終端機的人」。但真正需要 AI 助理的人，往往不是工程師。是每天被瑣事淹沒的創業者、自由工作者、一人公司老闆。

如果你讀完這篇，從零到在手機上成功指揮電腦做了第一件事，你已經比 90% 聽過 OpenClaw 的人走得更遠了。

剩下的，只是把越來越多的重複性工作交給它。你的時間，應該花在只有你才能做的事情上。

我的自動化飛輪是被一杯水潑出來的。

2025 年 7 月，同事不小心把水潑在我的 MacBook 上，整台無法開機。上面有還沒 commit 的程式碼、沒備份的專案文件。換了一台 M4 Max 128GB，從零重建工作環境。

重建的過程中我意識到一件事：那些以前手動做的事情（備份、檔案整理、信件檢查），只要有一次忘記做，就可能再出一次大問題。所以我把每一個「不能忘記做」的任務都寫進了 OpenClaw 的 Heartbeat。第一個是自動備份。第二個是桌面檔案整理。第三個是信件初篩。一個月後，我有十幾個自動化配方在跑。省下的時間讓我有餘裕去設計更多自動化。

「自動化飛輪」（Automation Flywheel），AI 自動化不是一次性設定。你自動化一個任務，省下時間，用省下的時間自動化下一個任務，省更多時間。飛輪轉得越快，你自動化的速度也越快。第一圈最慢，但一旦轉起來就停不下來。我的飛輪是被一杯水逼出來的，但你不需要等到被痛到。

這篇是給已經裝好 OpenClaw 但還沒真正發揮它潛力的人。從三個方向把它從「偶爾用的工具」升級成「離不開的系統」：自動化工作流、技能擴充、效能調校。

一、Heartbeat：讓 AI 自己做事

OpenClaw 最強大也最被忽略的功能是 Heartbeat。每 30 分鐘，它自動讀取 HEARTBEAT.md 檔案，判斷是否有任務需要執行。

你不需要下指令。它自己會看、自己會想、自己會做。

基本設定

在 OpenClaw 的資料目錄建一個 HEARTBEAT.md：

# 每日排程
- 每天 08:00：查看今天的行事曆事件，用 Telegram 發摘要給我
- 每天 12:00：檢查桌面有沒有新檔案，有的話整理到對應資料夾
- 每天 22:00：整理今天所有 Telegram 對話，產出日報

# 條件觸發
- 如果收到標題含「urgent」或「緊急」的信件，立刻通知我
- 如果系統記憶體使用超過 90%，重啟 Ollama

OpenClaw 讀到這些指示後，會自己判斷時間到了該做什麼。不是 cron job 那種死板的排程，是帶有理解力的排程。

進階技巧

動態更新。你可以隨時修改 HEARTBEAT.md，不需要重啟 OpenClaw。下一個 30 分鐘檢查時它就會讀到新指示。

條件邏輯。你可以寫「如果今天是週一，整理上週的所有工作紀錄」。OpenClaw 會理解條件，只在週一執行。

多層排程。日排程、週排程、月排程可以寫在同一個檔案裡。用標題分隔就好。

二、技能擴充：教 AI 新能力

OpenClaw 的 Skills（技能）系統讓你可以教它做新的事情。每個技能就是一個定義檔，描述這個技能做什麼、怎麼做。

安裝社群技能

ClawHub 上有超過 2,800 個社群技能。只裝帶有 verified 標誌的。

# 搜尋技能
openclaw skills search "calendar"

# 安裝
openclaw skills install calendar-manager --verified

自訂技能

你可以用自然語言寫自己的技能。在 OpenClaw 的 skills 目錄建一個資料夾：

mkdir -p ~/.openclaw/skills/daily-report

建 SKILL.md：

# Daily Report Generator

## 描述
每天結束時，整理今天所有的 Telegram 對話、完成的任務、未完成的任務，
產出一份簡潔的日報。

## 觸發方式
手動觸發或 Heartbeat 排程

## 輸出格式
- 今日完成：[列表]
- 今日未完：[列表]
- 明日待辦：[列表]
- 關鍵數字：[統計]

OpenClaw 讀了 SKILL.md 之後就知道怎麼執行這個技能。不需要寫程式碼。

技能組合

技能可以串聯。例如：

「用 calendar-manager 查看明天的行程，然後用 daily-report 整理成摘要，最後用 telegram-notifier 發給我。」

三個技能串成一個工作流，一句話觸發。

三、OpenClaw + n8n：確定性和自主性的結合

OpenClaw 擅長需要判斷的任務。n8n 擅長固定流程。兩個搭配是「確定性光譜」（Determinism Spectrum）上最強的組合。

實際案例：自動處理客戶信件

n8n 的部分（確定性，不需要判斷）：
1. 每 15 分鐘檢查 Gmail 有沒有新信件
2. 如果有，把信件內容傳給 OpenClaw
3. 收到 OpenClaw 的回覆後，格式化成固定樣式
4. 存入 Google Sheets 紀錄

OpenClaw 的部分（自主性，需要判斷）：
1. 讀信件內容，判斷是不是需要回覆的
2. 如果需要，判斷緊急程度
3. 草擬回覆
4. 回傳給 n8n

n8n 負責「什麼時候做、格式是什麼、存在哪裡」。OpenClaw 負責「這封信重不重要、該怎麼回」。

設定方式

n8n 用 webhook 節點呼叫 OpenClaw 的 API：

# OpenClaw 開啟 API 模式
openclaw config set server.api_enabled true
openclaw config set server.api_port 3100

n8n 的 HTTP Request 節點指向 http://localhost:3100/api/chat，傳送信件內容，接收分析結果。

想了解 OpenClaw 跟 n8n 的完整比較？讀「OpenClaw vs n8n vs Claude Code」。

四、效能調校：壓榨最後一滴性能

如果你用 Ollama 跑本地模型，以下設定讓推理速度提升 30% 到 50%。

GPU Wired Memory（Apple Silicon 必做）

sudo sysctl iogpu.wired_limit_mb=121000

這行指令把 GPU 可用記憶體上限從預設值提高到 121GB。不設這個，你的 M4 Max 128GB 只能用到一半的記憶體跑 AI。

每次重開機都要重新執行。建議寫進啟動腳本。

Ollama 環境變數

export OLLAMA_NUM_PARALLEL=25
export OLLAMA_NUM_GPU=99
export OLLAMA_FLASH_ATTENTION=1
export OLLAMA_GPU_DRIVER=metal
export OLLAMA_NUM_THREADS=12

逐一解釋：

NUM_PARALLEL=25：允許 25 個並發推理請求。M4 Max 的頻寬足以支撐。

NUM_GPU=99：把盡可能多的模型層載入 GPU。越多層在 GPU 上，推理越快。

FLASH_ATTENTION=1：啟用 Flash Attention 加速。免費的速度提升。

GPU_DRIVER=metal：指定用 Apple 的 Metal GPU 加速。

NUM_THREADS=12：CPU 線程數。M4 Max 有 16 核，留一些給系統。

模型選擇指南

原則：用你記憶體 60-70% 能裝下的最大模型。留 30-40% 給系統和 OpenClaw 本身。

想看完整的效能基準測試？讀「Mac Mini M4 能跑 AI 嗎？128GB 統一記憶體實測」。

五、API 管理：當你同時用雲端和本地

混合策略（80% 本地 + 20% 雲端）的設定：

# 預設用本地
openclaw config set ai.provider ollama
openclaw config set ai.model qwen2.5:32b

# 備用雲端（高品質任務時手動切換）
openclaw config set ai.fallback_provider anthropic
openclaw config set ai.fallback_api_key sk-ant-xxxxx

當本地模型回答品質不夠時，你可以在對話中說「用 Claude 重新回答」，OpenClaw 會切換到雲端模型。

成本控制

# 設定每月 API 花費上限
openclaw config set ai.monthly_budget 50

到達上限後 OpenClaw 自動切回本地模型，不會超支。

六、飛輪怎麼轉起來

回到「自動化飛輪」的概念。你的第一圈可能是這樣：

第 1 週：自動化一件事。例如每天早上的行事曆摘要。設好 Heartbeat，讓 OpenClaw 每天 8 點自動發。省下 5 分鐘。

第 2 週：自動化第二件事。用省下的 5 分鐘來設定「每天整理桌面」的自動化。又省 10 分鐘。

第 3 週：連結兩個自動化。「整理桌面時如果發現新的 PDF，自動讀取並產出摘要。」省 20 分鐘。

第 4 週：加入 n8n。把 OpenClaw 跟 n8n 串起來，自動處理信件。省 1 小時。

一個月後，你每天多出 1 到 2 小時。這些時間可以用來設定更多自動化。飛輪就是這樣轉起來的。

CEO 決策思考裡的「一人飛輪」（Solo Flywheel）就是這個道理。不是一次做完，是每一圈都比上一圈更快。

裝好 OpenClaw 只是起點。真正的價值在第三個月開始浮現。那時候你已經自動化了十幾個日常任務，每天省下兩三個小時，而且飛輪還在加速。

多數人在第一週就放棄了。因為他們把 OpenClaw 當作一個「問答工具」來用，結果覺得跟 ChatGPT 差不多。

差別在自動化。ChatGPT 等你開口。OpenClaw 自己做事。這個差別需要設定 Heartbeat、串接工作流、調校效能之後才會體現。

把第一個自動化工作流跑起來。你就回不去了。

想看完整的基礎安裝教學？讀「OpenClaw 完整教學 2026」。
想了解一人公司怎麼用？讀「一人公司 AI 團隊架構」。
想從 CEO 角度看 AI 投資？讀「CEO 該不該自架 AI」。

OpenClaw 是 2026 年最值得關注的開源 AI Agent 工具。它裝在你的電腦上，透過 Telegram 或 WhatsApp 操控，能主動執行任務、讀取本地檔案、串接各種服務。跟 ChatGPT 不同，OpenClaw 不只是回答問題，它會替你做事。這篇懶人包把十幾篇深度文章的精華壓縮成一篇，15 分鐘建立完整認知。

你搜「OpenClaw」會找到很多文章。有的講技術架構、有的講安裝步驟、有的講商業分析。讀完十篇，你可能還是不確定一件事：

這東西到底適不適合我？

「三分鐘決策法」（Three-Minute Decision），花三分鐘回答三個問題，就能判斷 OpenClaw 適不適合你。不需要先讀完所有教學。這篇把你需要知道的全部濃縮成一篇。

三分鐘決策：你需要 OpenClaw 嗎？

回答三個問題：

問題一：你有沒有每天重複做的工作？

整理信件、查行事曆、搬檔案、翻譯文件、整理筆記。如果你每天花超過 30 分鐘在這類事情上，OpenClaw 可以幫你自動化。

問題二：你願意花 30 分鐘設定嗎？

安裝大約 10 分鐘，接 Telegram 大約 10 分鐘，基本設定 10 分鐘。總共 30 分鐘。之後就是在手機上說話就好。

問題三：你的電腦夠力嗎？

最低門檻：8GB 記憶體（用雲端 AI 模型）。想跑本地模型不花 API 費用，需要 16GB 以上。想要最佳體驗，48GB 以上。

三個都是「是」？往下讀。有一個是「否」，這篇最後會告訴你替代方案。

OpenClaw 是什麼（30 秒版）

OpenClaw 是一個開源的 AI Agent 工具。裝在你的電腦上，接上 Telegram 或 WhatsApp，就變成你的 AI 助理。

跟 ChatGPT 的差別：ChatGPT 等你發問。OpenClaw 可以主動做事。

跟 Siri 的差別：Siri 只能操作手機功能。OpenClaw 能讀你的檔案、跑程式、連接各種服務。

跟請一個助理的差別：人類助理一個月 NT$30,000 起。OpenClaw 一個月 NT$0 到 NT$500。24 小時不休息。

想看更完整的產品解析？讀「OpenClaw 是什麼？AI 助理時代完整解析」。

AI Agent 不是炒作：三組數據看懂市場

你可能在想：AI Agent 會不會又是一波科技泡沫？看三組數據。

第一組：Zapier 的規模。這家自動化平台 2024 年估值突破 50 億美元，服務超過 220 萬家企業，每月處理 20 億次自動化流程。Zapier 證明了一件事：企業願意為「讓軟體替人做事」付錢。但 Zapier 的自動化是規則驅動的，你必須事先設定觸發條件和動作。AI Agent 把這個門檻打掉了，你只需要用自然語言描述你要什麼。

第二組：Anthropic 的 Claude。2025 年 Claude 的年化營收突破 20 億美元，其中 Computer Use 功能讓 AI 能直接操作你的電腦畫面，點擊、輸入、截圖、判斷。OpenClaw 建構在這類大型語言模型之上，把 Claude 的原始能力包裝成中文友善的 Agent 介面。你不需要懂 API，不需要寫 Python，在 Telegram 上打字就能調度 Claude 等級的 AI 能力。

第三組：開源社群的速度。OpenClaw 在 GitHub 上的 star 數從 2025 年中開始指數成長，社群開發的技能（Skills）已超過 200 個。對比 2023 年的 AutoGPT 熱潮（大量關注但缺乏實用性），OpenClaw 走的是務實路線：先解決小問題，再擴展能力邊界。

三組數據指向同一個結論：AI Agent 的基礎設施已經成熟。差別只在於你什麼時候開始用。

OpenClaw 能做什麼（10 個真實場景）

不是功能清單，是你真的會用到的場景：

1. 在手機上說「幫我看看桌面有什麼新檔案」，它回你一份清單
2. 說「把這段英文翻成中文」，貼上去，5 秒回覆
3. 說「明天早上九點提醒我打電話給 Amy」，到時候會收到通知
4. 設定 Heartbeat 排程，每天早上 8 點自動發行事曆摘要給你
5. 收到緊急信件時，自動判斷並通知你
6. 每天晚上自動整理桌面散落的檔案
7. 搭配 n8n，自動分析客戶信件並草擬回覆
8. 查股價、查天氣、查餐廳，一句話搞定
9. 讀 PDF 或 Excel 檔案，自動產出文字摘要
10. 用本地模型跑完全私密的 AI 助理，資料不出你的電腦

前五個是基本用法，後五個需要進階設定。

誰適合、誰不適合

要花多少錢

三種方案，根據你的需求選：

方案 A：零成本（純本地）

OpenClaw 免費。AI 模型用 Ollama 跑在自己電腦上，也免費。需要 16GB 以上記憶體。品質不如 Claude 或 GPT-4，但日常任務夠用。

方案 B：低成本（雲端 API）

OpenClaw 免費。AI 用 Claude 或 GPT-4 的 API，按使用量付費。輕度使用每月 NT$150 到 500。品質最好。

方案 C：一次投資（本地硬體 + 雲端備援）

買一台 Mac Mini M4（NT$25,000 起），跑本地模型處理 80% 日常任務，複雜任務切換雲端。長期最省。

想看完整的成本分析和損益平衡點？讀「雲端 vs 本地 AI 成本分析」。

安全嗎

三句話：

OpenClaw 是開源的，程式碼在 GitHub 上任何人都能審查。但開源不等於安全。你需要做五件事：用 Docker 隔離、設好 allowed_users、只裝 verified 技能、用 VPN 取代暴露端口、定期更新。

做了這五件事，風險可控。沒做，你的電腦對外開放。

補充一個常見誤解：「開源 = 不安全」。事實相反。OpenClaw 的安全模型跟 Linux 一樣，因為程式碼公開，漏洞被發現和修補的速度遠快於閉源軟體。全球開發者在幫你審查程式碼，這比信任某家公司的閉源黑盒子可靠得多。關鍵不是開源或閉源，是你有沒有做好基本的安全設定。

想看完整的安全性評估？讀「OpenClaw 安全完整評估」。

怎麼裝（3 步驟濃縮版）

步驟一：安裝 OpenClaw（2 分鐘）

curl -fsSL https://openclaw.ai/install.sh | bash

步驟二：設 AI 模型（3 分鐘）

# 用雲端（最快）
openclaw config set ai.provider anthropic
openclaw config set ai.api_key sk-ant-xxxxx

步驟三：接 Telegram（5 分鐘）

在 Telegram 找 @BotFather，建 Bot，拿 Token。

openclaw config set channels.telegram.token YOUR_TOKEN
openclaw config set channels.telegram.allowed_users YOUR_ID

打開 Telegram 跟 Bot 說話，看到回覆就成功了。

這是濃縮版。卡住了？讀「OpenClaw 完整教學 2026」，每一步都有故障排除。

裝完之後做什麼

多數人裝完 OpenClaw，用三天就放著了。因為不知道拿來幹嘛。

解法：從一件重複性工作開始。不是「什麼都自動化」，是「先自動化一件事」。

推薦的第一件事：設定 Heartbeat，讓它每天早上 8 點發你當天的行事曆摘要。

做到了，你會自然想到第二件、第三件。飛輪就是這樣轉起來的。

第一週行動計畫

Day 1-2：裝好 OpenClaw，設定 Telegram Bot，跟它聊幾句確認能動。

Day 3：設定第一個 Heartbeat 排程。建議從「每天早上 8 點發行事曆摘要」開始，因為你每天都會驗證它有沒有正常運作。

Day 4-5：把一件你最討厭的重複工作交給它。整理信件、翻譯文件、搬檔案，選一個你每次做都覺得浪費時間的。

Day 6-7：回顧這一週省下多少時間。如果超過 2 小時，恭喜，你已經回本了（以雲端 API 月費 NT$300 計算，你的時薪只要超過 NT$150 就划算）。如果沒省到時間，檢查你是不是選錯了自動化的任務。

OpenClaw vs ChatGPT vs Claude vs Cursor

不是誰比誰好，是定位不同。ChatGPT 和 Claude 是你的顧問，你問它答。Cursor 是你的工程師，幫你寫程式。OpenClaw 是你的助理，你不在的時候它也在做事。

實際的使用組合通常是這樣：你用 ChatGPT 或 Claude 做策略思考和寫作，用 Cursor 寫程式和改 Bug，用 OpenClaw 處理所有不需要你動腦的重複性事務。三者不互斥，是分工。一人公司的 AI 團隊架構就是靠這種分工建立的。

接下來讀什麼

根據你的需求選：

想深入了解 OpenClaw 的產品定位和發展方向？讀「OpenClaw 是什麼？完整解析」。

想要 step-by-step 的完整安裝教學？讀「OpenClaw 完整教學 2026」。

連終端機都不知道是什麼？讀「OpenClaw 新手入門：零基礎指南」。

想看 Dean 怎麼用 OpenClaw 跑一人公司？讀「一人公司 AI 團隊架構」。

想知道硬體怎麼選？讀「Mac Mini M4 能跑 AI 嗎？128GB 統一記憶體實測」。

這篇是懶人包，不是淺層介紹。它是把十幾篇深度文章的精華壓縮成一篇，讓你在 15 分鐘內建立完整的認知框架。

用「三分鐘決策法」判斷了、用 30 分鐘裝好了、用第一個 Heartbeat 排程跑起來了。然後你就會明白，AI Agent 跟 AI 聊天機器人是兩個完全不同的物種。

我用 OpenClaw 60 天了。不是寫教學用的那種「裝完截圖就結束」的 60 天，是每天都在用、踩過坑、調過參數、真的靠它跑工作的 60 天。

這篇是我的真實心得。好的壞的都說。

「期望校準」（Expectation Calibration），AI Agent 的最大問題不是不好用，是你的期望錯了。把期望從「什麼都能做的超級 AI」校準到「擅長重複任務的智能助理」，滿意度會從 40% 跳到 90%。

第一週：驚豔

裝好 OpenClaw 接上 Telegram 的那天，我在外面吃飯時用手機跟它說：「幫我看看桌面上有什麼新檔案。」

它回了一份清單。

那個瞬間你會覺得：這就是科幻片裡的 AI 助理。你人在外面，電腦在家裡，你用手機叫它做事，它做完回報。

第一週我做了這些事：

遠端查檔案、翻譯文件、查天氣、設提醒、整理桌面。全部用 Telegram 完成。感覺像多了一個不會累的實習生。

第二週：撞牆

新鲜感退了之後，問題開始出現。

問題一：本地模型會幻覺。

我用 Ollama 跑 qwen2.5:32b。大部分時候沒問題。但偶爾它會「創造」不存在的檔案名稱，或者把 A 資料夾的內容說成 B 資料夾的。

這不是 OpenClaw 的問題，是 AI 模型本身的限制。但如果你把工作交給它又不驗證結果，會出事。

問題二：設定比想像中麻煩。

基本安裝 30 分鐘搞定。但要讓它真的好用（Heartbeat 排程、n8n 串接、本地模型調校），我前兩週花了大概 8 到 10 小時在摸索。

教學文章不會告訴你這個。

問題三：不知道拿來幹嘛。

裝好之後最大的困惑不是「怎麼用」，是「用來做什麼」。這個問題比技術問題更致命。很多人就是卡在這裡放棄的。

第三週到第四週：轉折

轉折點是我設好了第一個 Heartbeat 排程：每天早上 8 點發行事曆摘要到 Telegram。

看起來很小的事。但當你連續七天每天早上打開手機就看到今天的行程整理好了，你會開始想：還有什麼可以自動化？

然後我加了第二個：每天晚上 10 點整理桌面散落的檔案。

第三個：收到含「urgent」的信件時立刻通知我。

到第四週結束，我每天有 5 到 6 個自動化任務在跑。開始能體感到「省時間」了。

兩個月後：離不開

到了第二個月，OpenClaw 已經變成我工作流程裡的基礎設施。不是「偶爾用」，是「一直在跑」。

目前我每天在用的功能：

早上：自動行事曆摘要 + 天氣提醒（Heartbeat 排程）

白天：遠端檔案管理 + 即時翻譯（Telegram 指令）

下午：信件初篩 + 摘要（OpenClaw + n8n 工作流）

晚上：桌面整理 + 日報生成（Heartbeat 排程）

每天省下的時間：大約 1.5 到 2 小時。

優點（真的好用的地方）

Heartbeat 自動化。這是 OpenClaw 最被低估的功能。用自然語言寫排程，它自己判斷什麼時候該做什麼。比 cron job 直覺十倍。

Telegram 整合。在手機上指揮電腦做事，不需要遠端桌面、不需要 SSH。說人話就行。

本地運行。資料不出你的電腦。對在意隱私的人來說，這是唯一的選擇。ChatGPT 和 Claude 的資料都在他們的伺服器上。

可擴充性。技能系統讓你可以教它做新的事。自訂技能不需要寫程式碼，用自然語言就行。

開源免費。核心功能完全免費。社群活躍，更新頻繁。

缺點（真正的問題）

入門門檻不是零。雖然不需要寫程式碼，但你要會用終端機。很多人看到黑色畫面就放棄了。

本地模型有天花板。日常任務夠用，但需要深度推理或精準分析的任務，本地模型的表現跟 Claude 有明顯差距。混合策略（本地為主、雲端為輔）是目前最好的解法。

初期時間投資不小。官方說 10 分鐘裝好。沒錯，但「裝好」跟「好用」之間有 8 到 10 小時的距離。你需要摸索 Heartbeat、調 Ollama 參數、理解什麼任務適合交給它。

社群技能品質參差。ClawHub 上有 2,800 多個技能，但只有帶 verified 標誌的品質可靠。裝到有問題的技能會浪費你很多除錯時間。

中文支援不完美。OpenClaw 本身的介面和指令是英文的。用中文跟它對話沒問題（取決於 AI 模型），但設定檔和錯誤訊息都是英文。

期望校準：把期望放對位置

用了 60 天後，我整理出一個「期望校準」清單：

OpenClaw 擅長的事：重複性任務自動化、檔案管理、資訊查詢、簡單的文字處理、排程執行、跨平台通知。

OpenClaw 不擅長的事：深度分析、創意寫作、即時多輪對話（延遲比 ChatGPT 高）、圖片處理、需要精準數字的計算。

OpenClaw 跟 ChatGPT 的定位完全不同。ChatGPT 是你的顧問，你問它答。OpenClaw 是你的助理，你不在的時候它也在做事。用顧問的標準評價助理，當然會失望。

真實成本

兩個月的實際花費：

硬體：Mac Mini M4 Pro 48GB（NT$52,900，原本就有）

AI 模型：Ollama qwen2.5:32b（免費）+ Claude API 備援（兩個月 NT$1,200）

時間投資：前兩週約 10 小時設定和學習，之後每週約 30 分鐘微調

每天省下時間：1.5 到 2 小時

損益平衡：如果你把時間換算成錢，大約 3 週回本。

更詳細的成本分析？讀「雲端 vs 本地 AI 成本分析」。

適合誰、不適合誰

最適合的三種人：

一人公司老闆。你沒有助理，但有大量重複性工作。OpenClaw 就是你的虛擬助理。想看完整的一人公司 AI 架構？讀「一人公司 AI 團隊架構」。

遠端工作者。你經常不在電腦前但需要操作電腦。Telegram 控制比遠端桌面方便十倍。

隱私重視者。你不想把公司文件傳到 OpenAI 或 Anthropic 的伺服器上。本地模型是你唯一的選擇。

不適合的三種人：

偶爾用 AI 的人。一週用不到三次 AI，ChatGPT 免費版就夠了。不需要為了偶爾的需求架一套系統。

完全不碰終端機的人。OpenClaw 的安裝和設定需要在終端機操作。如果你連複製貼上指令都不願意，這不適合你。

期望「裝好就完美」的人。OpenClaw 需要調教。不是裝好就能完美運作，是用兩到三週讓它越來越懂你的需求。

我會推薦嗎

有條件地推薦。

如果你符合「適合」的三種人之一，而且願意花兩週的學習曲線，強烈推薦。兩個月後你會跟我一樣覺得離不開。

如果你只是好奇想玩玩，先裝起來用雲端 API 試一週。不滿意就刪掉，損失不過 NT$50 的 API 費用。

想裝？讀「OpenClaw 完整教學 2026」。想先了解進階玩法？讀「OpenClaw 進階指南」。

最後一句真話。AI Agent 在 2026 年還是早期。OpenClaw 不完美。本地模型會幻覺、設定需要時間、中文支援還有進步空間。

但它是目前開源 AI Agent 裡面，最接近「個人 AI 助理」這個願景的產品。兩個月前我是帶著懷疑裝的，現在我每天打開電腦第一件事是確認它在跑。

這就是「期望校準」的意思。不要期望它什麼都能做。期望它把你每天那些無聊、重複、但不做不行的事情自動處理掉。它做得到。

你的閱讀筆記在哪裡？

有些在 Notion，有些在 Google Docs，有些在手機備忘錄，有些是拍照存在相簿裡的書頁，有些是下載後從沒打開過的 PDF。

散落各處。你知道自己讀過什麼，但找不到自己寫過什麼。

「知識漏斗」（Knowledge Funnel），知識管理有四層。資訊進來、筆記記下、知識沉澱、行動產出。多數人卡在第一層：收藏了 500 個書籤但從來不回頭看。OpenClaw 能自動化的，是第二層和第三層。

這篇教你用 OpenClaw 建一套自動化的個人知識庫。不是教你用 Notion 手動分類，是教你讓 AI 自動做這件事。

痛點：為什麼你的知識管理總是失敗

你試過的方法：

在 Notion 建了一個精美的資料庫模板，用了三天就懶得維護。在 Evernote 剪了 200 篇文章，再也沒打開過。在桌面建了一個「待整理」資料夾，現在裡面有 300 個檔案。

問題不是工具不好。問題是你用的是「手動系統」。任何需要你每次手動做的事，最終都會被放棄。

解法：讓 AI 自動做。你只負責「丟進去」，OpenClaw 負責「整理好」。

架構：知識漏斗的四層

第一層：收集（你做）

把任何你想保存的東西丟到一個固定的資料夾。PDF、文字筆記、網頁截圖，全部丟進去。不分類、不整理。

建一個收集資料夾：

mkdir ~/Knowledge/inbox

第二層：處理（OpenClaw 自動做）

OpenClaw 定期掃描 inbox，讀取每個檔案，產出摘要，自動分類。

第三層：結構化（OpenClaw 自動做）

把處理過的筆記整理成結構化的知識卡片，存入對應的主題資料夾。

第四層：應用（你做）

需要某個主題的知識時，問 OpenClaw，它從你的知識庫裡找答案。

你只需要做第一層和第四層。中間兩層全自動。

設定步驟

步驟一：建立資料夾結構

mkdir -p ~/Knowledge/{inbox,processed,library}
mkdir -p ~/Knowledge/library/{business,tech,leadership,reading-notes}

inbox 是收集箱。processed 是 OpenClaw 處理中的暫存區。library 是最終的知識庫。

步驟二：寫 Heartbeat 排程

在 HEARTBEAT.md 加入：

# 知識庫自動整理（每天 14:00 和 22:00）
- 每天 14:00 和 22:00：掃描 ~/Knowledge/inbox 資料夾
  - 如果有新檔案：
    1. 讀取檔案內容（PDF 提取文字、Word/Excel 解析內容、圖片 OCR）
    2. 產出 200 字以內的摘要
    3. 判斷主題分類（business/tech/leadership/reading-notes）
    4. 建立一個 Markdown 筆記卡片，格式如下：
       # [原檔名]
       日期：[today]
       分類：[分類]
       摘要：[200字摘要]
       關鍵概念：[3-5個]
       ---
       [原文重點節錄]
    5. 把筆記卡片存到 ~/Knowledge/library/[分類]/
    6. 把原檔案移到 ~/Knowledge/processed/
    7. 在 Telegram 通知我：「整理了 N 個新檔案」

OpenClaw 會每天兩次自動處理你丟進 inbox 的所有東西。

步驟三：建立搜尋技能

在 ~/.openclaw/skills/ 建一個知識搜尋技能：

mkdir -p ~/.openclaw/skills/knowledge-search

SKILL.md 內容：

# Knowledge Search
## 描述
在 ~/Knowledge/library/ 資料夾中搜尋指定主題的筆記。
回傳相關筆記的摘要和關鍵概念。

## 使用方式
使用者說「找 [主題] 的筆記」時觸發。
搜尋所有子資料夾中的 .md 檔案，找出包含相關關鍵字的筆記，
按相關度排序，回傳前 5 筆的摘要。

設好之後，你在 Telegram 上說「找商業模式相關的筆記」，OpenClaw 就會從你的知識庫裡搜尋並回傳結果。

實際操作範例

場景一：整理一本書的閱讀筆記

你讀完一本書，在手機上打了幾段心得。把文字檔丟進 inbox。

下午兩點，OpenClaw 自動處理。產出一張筆記卡片：

# running-lean-notes.txt
日期：2026-02-18
分類：business
摘要：Running Lean 的核心是在資源耗盡前找到 product-market fit。
三步驟：Document Plan A → Identify Riskiest Parts → Systematically Test。
MVP 的重點不是最小功能，是最小的驗證範圍。
關鍵概念：MVP, Product-Market Fit, Lean Canvas, 風險排序
---
- 最大的浪費是做出沒人要的東西
- Plan A 永遠是錯的，但你需要一個起點
- 客戶訪談比問卷調查有效 10 倍

你什麼都不用做。晚上打開 Telegram 看到通知：「整理了 1 個新檔案」。

場景二：批量處理研究 PDF

你下載了 10 篇研究報告。全部拖進 inbox。

OpenClaw 一次處理 10 個檔案，每個產出摘要和分類。一個小時後你的 library 裡多了 10 張結構化的筆記卡片。

你不需要打開任何一份 PDF 來「讀」。需要用到的時候，在 Telegram 上問 OpenClaw：「上週那些 AI 相關的研究報告，有哪些提到 hallucination 的？」

它從你的知識庫搜尋，回你三篇摘要和關鍵段落。

場景三：Word/Excel 報告自動歸檔

客戶寄來 5 份 Word 合約和 3 份 Excel 報表。全部拖進 inbox。

OpenClaw 讀取 Word 裡的文字內容，抓 Excel 裡的欄位標題和關鍵數據，各自產出摘要。合約類的歸到 business/contracts，報表類的歸到 business/reports。你不需要一份一份打開讀。

需要查某個客戶的條款時，問 OpenClaw 就好。「上週那個供應商的合約，交期寫幾天？」它從歸檔的摘要裡直接找到答案。

場景四：日常碎片整理

白天看到一個好觀點，在手機上打三行字存進 inbox。聽到一個有用的數據，打五行字存進去。晚上回家發現 OpenClaw 已經把這些碎片整理好了。

一個月後你的知識庫裡有 60 到 90 張筆記卡片。全部結構化、可搜尋、自動分類。你沒有花任何時間「整理」。

跟 Notion 比起來

Notion 是很好的筆記工具。但它需要你「手動整理」。OpenClaw 的價值在於把「整理」這個最花時間、最容易放棄的步驟自動化。

進階：知識庫搭配內容創作

如果你是內容創作者，這套系統的價值會更大。

當你要寫一篇文章時，不需要從零開始。在 Telegram 上說：「找 AI 決策相關的筆記，幫我整理出可以用在文章裡的觀點和案例。」

OpenClaw 從你過去幾個月的閱讀筆記裡挖出相關內容，整理成一份「寫作素材包」。

你的知識庫越大，這個功能越強。因為它搜尋的範圍是你所有的閱讀積累，不是臨時 Google 找的資料。

常見問題

本地模型處理 PDF 品質夠嗎？

看 PDF 的長度和複雜度。10 頁以內的報告，qwen2.5:32b 處理得很好。超過 50 頁的長文件，建議切換雲端模型。或者讓 OpenClaw 先分段處理，再合併摘要。

更完整的模型配置？讀「Ollama 教學 2026」。

inbox 丟什麼格式都可以嗎？

PDF、Word（.docx）、純文字（.txt, .md）、Excel（.xlsx）都可以。圖片檔（.png, .jpg）需要有 OCR 能力的模型。建議主要用 PDF 和純文字。

分類不準怎麼辦？

在 HEARTBEAT.md 裡加上更具體的分類指引。例如：「如果內容提到商業模式、營收、獲利，分類到 business。如果提到程式碼、API、部署，分類到 tech。」越具體，分類越準。

知識管理的核心困難從來不是「怎麼記」，是「怎麼持續」。任何需要手動做的系統都會被放棄。OpenClaw 把這個問題解決了：你只負責丟東西進去，AI 負責整理。

「知識漏斗」的四層，你做第一層和第四層，OpenClaw 做第二層和第三層。這不是懶，是把精力放在該放的地方。收集和應用需要你的判斷力。整理和分類不需要。

想了解 OpenClaw 的其他場景應用？讀「OpenClaw 懶人包」。想從零開始設定？讀「OpenClaw 完整教學 2026」。

「裝好 OpenClaw 之後不知道拿來幹嘛」是最常見的問題。不是工具不好，是你缺配方。

「配方思維」（Recipe Thinking），把重複性工作轉成可複製的配方。好的配方有三個特徵：可複製（直接貼上就能用）、可調整（改幾個參數就能客製）、有明確的輸入和輸出。

以下 10 個配方，從 CEO 和一人公司老闆的日常工作場景提煉出來。直接複製到你的 HEARTBEAT.md 就能跑。從簡單到進階排列。

配方 1：每日行程摘要

難度：入門｜省時：每天 10 分鐘

# 每日行程摘要
- 每天 07:30：
  查看今天 Google Calendar 的所有事件。
  查今天的天氣。
  整理成摘要發到 Telegram，格式：
  「今天 [星期]，[天氣]。你有 [N] 場會議。
  [時間] [事件]
  ...
  今日待辦：[從 TODO.md 讀取]」

效果：每天早上打開手機就看到整理好的一天。不需要開三個 App。CEO 的一天從這裡開始，不是打開行事曆，是看一條 Telegram。

想看完整設定？讀「用 OpenClaw 管理你的一天」。

配方 2：桌面自動整理

難度：入門｜省時：每天 5 分鐘

# 桌面自動整理
- 每天 22:00：
  掃描桌面上的所有檔案。
  按類型分類：
  - PDF → ~/Documents/PDF/
  - 圖片（.png, .jpg） → ~/Pictures/Screenshots/
  - 文件（.docx, .xlsx） → ~/Documents/
  - 其他 → ~/Downloads/Unsorted/
  整理完後通知我：「整理了 [N] 個檔案。」

效果：第二天早上桌面永遠是乾淨的。

配方 3：PDF 自動摘要

難度：入門｜省時：每份 PDF 15 分鐘

# PDF 自動摘要
- 每天 14:00：
  掃描 ~/Knowledge/inbox/ 資料夾。
  如果有新的 PDF 檔案：
  1. 讀取內容
  2. 產出 200 字摘要
  3. 列出 3-5 個關鍵概念
  4. 存成 .md 檔案到 ~/Knowledge/library/
  5. 原檔移到 ~/Knowledge/processed/
  通知我：「處理了 [N] 份文件。」

效果：丟 PDF 進資料夾，下午自動收到摘要。不用自己讀。CEO 每週要消化的產業報告和投資備忘錄，全部自動摘要。

想看完整的知識管理系統？讀「用 OpenClaw 打造個人知識庫」。

配方 4：信件初篩

難度：中等｜省時：每天 30 分鐘

# 信件初篩（簡易版）
- 每天 09:00 和 17:00：
  檢查 Gmail 未讀信件。
  對每封信件判斷：
  - 不需回覆（廣告、通知、CC）→ 跳過，不通知我
  - 需回覆 → 產出 50 字摘要 + 回覆建議，發 Telegram
  - 緊急 → 完整內容 + 建議動作，立刻發 Telegram

效果：只看需要你處理的信件。70% 的垃圾信自動被過濾。CEO 每天 100 封信，真正需要你回覆的不到 10 封。讓 AI 幫你做第一層篩選。

想看完整的信件自動化？讀「用 OpenClaw 自動處理 Email」。

配方 5：翻譯助手

難度：入門｜省時：每次 5 分鐘

這個不用 Heartbeat，直接在 Telegram 上說就行：

「把以下英文翻成中文，保持專業語氣：[貼上英文]」

「把這封中文信翻成英文，語氣正式但友善。」

「把 ~/Desktop/report.pdf 的英文內容翻成中文摘要。」

效果：即時翻譯，不需要開 Google Translate。而且能指定語氣和風格。

配方 6：會議紀錄整理

難度：中等｜省時：每場會議 20 分鐘

# 會議紀錄整理
- 每天 18:00：
  掃描 ~/Meeting-Notes/ 資料夾。
  如果有今天新增的會議紀錄檔案：
  1. 讀取內容
  2. 整理成結構化格式：
     - 會議主題
     - 參與者
     - 決議事項（action items）
     - 待確認事項
     - 下次會議時間
  3. 把 action items 加入 TODO.md
  4. 發 Telegram 摘要

效果：開完會把筆記丟進資料夾，晚上自動收到整理好的紀錄，action items 自動加入待辦。

配方 7：競品監控

難度：中等｜省時：每週 1 小時

# 每週競品監控
- 每週一 08:00：
  搜尋以下關鍵字的最新消息：
  - [你的產業關鍵字]
  - [競品名稱 A]
  - [競品名稱 B]
  整理成一份週報：
  - 本週重要新聞（3-5 條）
  - 競品動態
  - 值得關注的趨勢
  發到 Telegram。

效果：不用自己刷新聞。每週一早上收到產業動態摘要。CEO 必備配方，你不盯對手，對手在盯你。

配方 8：社群內容排程

難度：進階｜省時：每週 2 小時

# 社群內容靈感
- 每週一 09:00：
  根據本週的文章發布計畫（從 ~/Content/plan.md 讀取），
  為每篇文章產出三個社群貼文版本：
  - Twitter/X 版（280 字以內，含 hook）
  - LinkedIn 版（500 字，專業語氣）
  - Instagram 版（圖說風格，含 hashtags）
  存到 ~/Content/social/ 資料夾。
  發 Telegram 通知：「本週社群內容已準備好。」

效果：文章寫好後，社群貼文自動產出。你只需要確認和發布。

配方 9：系統健康監控

難度：進階｜省時：節省除錯時間

# 系統監控
- 每小時：
  檢查以下項目：
  - 系統記憶體使用率
  - Ollama 服務狀態
  - OpenClaw 運行狀態
  如果記憶體超過 90%：重啟 Ollama，通知我。
  如果 Ollama 停止運行：嘗試重啟，通知我。
  如果 OpenClaw 有錯誤：發送錯誤訊息到 Telegram。

效果：系統問題在你發現之前就被處理了。

配方 10：一人公司晨間流程

難度：進階｜省時：每天 45 分鐘

# 一人公司晨間自動化
- 每天 07:00：
  1. 查今天的行事曆事件
  2. 查天氣和交通狀況
  3. 檢查 Gmail 是否有緊急信件
  4. 讀取 TODO.md 的待辦清單
  5. 掃描 ~/Knowledge/inbox/ 有沒有新檔案
  6. 整合成一份「晨間簡報」：

  早安。[日期] [星期]
  天氣：[天氣]

  今日行程：[N 場]
  [列表]

  緊急信件：[有/無]
  [如果有，附摘要]

  待辦事項：[N 項]
  [前 5 項]

  新文件待處理：[N 份]

  發到 Telegram。

效果：把五個不同的早晨查看動作濃縮成一條 Telegram 訊息。一人公司 CEO 的完美早晨：一條訊息，全局掌握。

怎麼使用這些配方

步驟一：選一個你最需要的配方。不要一次全裝。

步驟二：把配方的內容複製到你的 HEARTBEAT.md 檔案裡。

步驟三：根據你的需求修改細節（時間、資料夾路徑、通知格式）。

步驟四：用一週。確認穩定後再加第二個配方。

不確定 Heartbeat 怎麼設定？讀「OpenClaw 完整教學 2026」。想了解更多進階自動化？讀「OpenClaw 進階指南」。

多數人裝好 OpenClaw 之後停在「偶爾問它一個問題」。這 10 個 CEO 配方的目的是讓你跨過那個門檻，從「偶爾用」變成「天天用」。

不需要一次全裝。選一個最有感的，跑一週。省到時間了，你自然會想加第二個。

「配方思維」的核心不是這 10 個配方。是你開始用「配方」的方式思考你的工作：哪些事情是重複的？哪些可以變成配方？哪些可以自動化？

一旦你開始這樣想，你會自己設計出第 11 個、第 12 個配方。飛輪就是這樣轉起來的。

你搜「OpenClaw」之後第一個問題大概是：免費的嗎？

簡短回答：核心功能免費。但「免費」有邊界。

「付費轉換點」（Payment Tipping Point），每個工具都有一個免費版夠用到不夠用的臨界點。對 OpenClaw 來說，這個點是你開始自動化超過 5 個任務，或者你開始在意 AI 回應品質而不只是有回應。在轉換點之前，免費版完全夠用。在轉換點之後，不升級反而是在浪費時間。

這篇幫你判斷你在哪個位置。

三種方案一覽

注意：以上是 OpenClaw 平台本身的費用。AI 模型的費用另計（本地模型免費、雲端 API 按量付費）。

免費版能做什麼

比你想像的多。

完整的 AI Agent 功能。安裝、設定 AI 模型、跟它對話、讓它操作你的檔案。核心功能沒有閹割。

一個聊天平台。Telegram 或 WhatsApp，選一個接上。對大多數個人用戶來說，一個就夠了。

5 個 Heartbeat 排程。夠你設定：每日行程摘要、桌面整理、PDF 摘要、信件初篩、系統監控。五個已經能覆蓋最核心的自動化需求。

3 個自訂技能。例如知識搜尋、日報生成、信件分類。三個夠用嗎？看你的需求，很多人三個就夠了。

10 個社群技能。從 ClawHub 安裝 10 個社群開發的技能。精挑細選的話夠用。

免費版不能做什麼

不支援 API 存取。這意味著 n8n 串接不了。你的自動化只能在 OpenClaw 內部完成，不能跟外部工具連動。

Heartbeat 上限 5 個。如果你的自動化需求超過 5 個排程，就會碰到天花板。

只能接一個聊天平台。如果你想同時用 Telegram 和 WhatsApp 控制 OpenClaw，需要升級。

自訂技能上限 3 個。當你開始深入使用，3 個很快就不夠。

什麼時候該升級

用「付費轉換點」判斷。回答這五個問題：

1. 你的 Heartbeat 排程是否已經用滿 5 個，而且還想加更多？
2. 你是否需要 OpenClaw 跟 n8n 或其他外部工具連動？
3. 你的自訂技能是否已經用滿 3 個？
4. 你是否需要同時在多個聊天平台使用？
5. 你是否每天使用 OpenClaw 超過 3 次？

如果有 3 個以上回答「是」，你已經過了付費轉換點。升級 Plus 的 $9/月會讓你的效率提升遠超過這個價格。

如果只有 1 到 2 個回答「是」，免費版繼續用。等更多條件成立再說。

Plus 值不值得

$9 美元一個月，大約 NT$280。

你用 Plus 解鎖的核心功能是 API 存取和無限 Heartbeat。API 存取讓你能串接 n8n，這是自動化的質變：從「OpenClaw 內部的簡單排程」升級到「跨工具的複雜工作流」。

如果你是一人公司老闆，每天用 OpenClaw 處理信件、管理行程、自動化內容創作，Plus 幾乎是必要的。因為這些場景都需要 n8n 串接或超過 5 個排程。

$9/月 vs 每天省 1 到 2 小時。這個 ROI 不用算。

想看更完整的成本效益分析？讀「AI 成本完整分析」。

Team 誰需要

Team 方案的核心功能是多用戶管理。

如果你是個人用戶，不需要 Team。Plus 就夠。

如果你有團隊（哪怕只有 2 到 3 人），Team 方案讓每個人都能用同一個 OpenClaw 實例，但有各自的權限和設定。例如：行政助理只能存取信件相關功能，技術人員可以存取系統監控功能。

$25/月/人的價格，如果團隊裡每個人每天省 1 小時，一週就回本。

純免費方案（不花一毛錢）

如果你完全不想付費，可以這樣組合：

OpenClaw Free（免費）+ Ollama 本地模型（免費）+ Telegram（免費）= 總費用 $0。

你能得到：一個裝在自己電腦上的 AI 助理，用 Telegram 操作，有 5 個自動化排程。

限制：AI 模型品質比 Claude 差一截、不能串 n8n、排程和技能有上限。

這對「先試試看 AI Agent 是什麼感覺」的人來說，已經很夠了。先用免費版兩週，覺得真的好用再考慮升級。

我的建議

第一個月：免費版。安裝、設好基本功能、用 5 個 Heartbeat 跑最核心的自動化。先確認 OpenClaw 適合你。

第二個月：評估。如果你發現自己每天都在用、而且想要更多自動化或 n8n 串接，升級 Plus。如果用得不多，繼續免費版或乾脆不用。

不要一開始就買 Plus。因為你可能還不知道自己需要什麼功能。免費版的限制反而幫你聚焦在最重要的 5 個自動化上。

想看真實的使用評價？讀「60 天真實使用評價」。想看 OpenClaw 的完整概覽？讀「OpenClaw 完整概覽」。

「免費版夠不夠用」的答案取決於你的「付費轉換點」在哪裡。

如果你只是想試試 AI Agent 的感覺，免費版綽綽有餘。如果你已經把 OpenClaw 當成工作流程的一部分，$9/月的 Plus 會讓你的效率倍增。

不要被「免費」綁住。也不要被「付費」嚇到。看你的使用量和需求，在正確的時間做正確的決定。

這就是「付費轉換點」的意義：不是「該不該花錢」，是「什麼時候花錢最有價值」。

你裝好了 OpenClaw。接上了 Telegram。問了它「今天天氣如何」，它回了。然後你關掉了對話框。

三天後你想起來：「那個 AI 助理，好像只會聊天？」

不是它只會聊天。是你只讓它聊天。

「七刀流」（Seven Blade Flow），OpenClaw 像一把瑞士刀，多數人只打開了第一片。「七刀流」是 30 分鐘打開七片刀的體驗路徑 – 對話、檔案、知識、行程、信件、寫作、排程。打開越多片，你對 AI 助理的想像就越具體。這篇帶你 30 分鐘跑完全部。

每個功能 4 分鐘。不需要額外安裝任何東西。你只需要一台裝好 OpenClaw 的電腦和 Telegram。

還沒裝好？先讀「OpenClaw 新手入門：零基礎指南」，30 分鐘搞定安裝，再回來。

開始之前：確認你的環境

打開 Telegram，找到你的 OpenClaw Bot，發送：

你好，告訴我現在的日期和時間。

收到回覆了？你的環境沒問題。收不到？回去檢查 OpenClaw 是不是還在運行。終端機裡打 openclaw status 確認。

環境確認完畢。計時開始。

第一刀：基本對話（4 分鐘）

讓 OpenClaw 回答問題、分析資訊、給你建議。跟 ChatGPT 一樣，但它跑在你自己的電腦上。

在 Telegram 發送：

我正在準備一場給投資人的 pitch，主題是 AI 在中小企業的應用。幫我列出 5 個投資人最可能問的問題，每個問題附一句建議的回答方向。

等幾秒。你會看到一份結構清晰的清單。

再試一個：

用三句話解釋什麼是 RAG（Retrieval-Augmented Generation），講給不懂技術的老闆聽。

對話是最基礎的功能，但重點不是「它會回答問題」，重點是它跑在你的電腦上。你的對話紀錄不會存在 OpenAI 或 Anthropic 的伺服器上。如果你接的是本地模型，連 API 都不經過。

這片刀你已經會了。往下。

第二刀：檔案操作（4 分鐘）

讓 OpenClaw 讀取、移動、整理你電腦上的檔案。這是 ChatGPT 做不到的。

先讓它看看你的桌面。

幫我列出桌面上所有的檔案，按類型分類。

你會看到一份依照 PDF、圖片、文件、其他分類的檔案清單。

然後讓它動手：

把桌面上所有的截圖檔案（.png）搬到「文件/截圖整理」資料夾。如果資料夾不存在就建一個。

去桌面看一眼。截圖檔案不見了。打開「文件/截圖整理」，全在裡面。

你用一句自然語言，讓 AI 執行了「建立資料夾 + 篩選檔案 + 批次搬移」三個動作。這不是對話，這是操作。OpenClaw 不只是回答你的問題，它會動手做事。

第三刀：知識搜尋（4 分鐘）

讓 OpenClaw 讀一份文件，然後你可以對它提問。不用自己翻 50 頁的 PDF。

找一份你手邊的 PDF。合約、報告、論文都可以。假設檔案在桌面，叫 report.pdf。

讀桌面上的 report.pdf，告訴我這份文件的三個重點。

等它跑完。你會看到三個摘要重點。

接著追問：

這份文件裡有沒有提到任何金額或數字？幫我全部列出來。

它會掃過整份文件，把所有數字摘出來。

你讓 AI 讀了一份完整文件，提取了結構化資訊。傳統做法是你自己翻，找重點，做筆記。現在是一句話。想看知識庫功能的完整教學？讀「用 OpenClaw 打造個人知識庫」。

第四刀：行程管理（4 分鐘）

讓 OpenClaw 讀取你的行事曆，告訴你今天要做什麼、什麼時候有空。

前提：你需要先在 OpenClaw 裡設定行事曆連接。如果你用 Google Calendar，在設定檔裡加上 Google Calendar 的整合。還沒設定的話，跳到下一刀，等設定好再回來。

幫我看看今天的行事曆，有哪些會議？用條列式列出來，包含時間和地點。

你會看到今天所有行程的清單。

再試：

今天下午 2 點到 5 點之間，有沒有空的時段？我需要一個小時寫報告。

它會分析你的行程，找出空檔。

你不再需要自己打開行事曆 App 滑來滑去。問一句話，它幫你分析。這在一人公司的場景特別有用 – 你同時要管開發、管行銷、管客戶，行程塞滿的時候，讓 AI 幫你找空檔比自己看快得多。

第五刀：信件處理（4 分鐘）

讓 OpenClaw 掃描你的收件匣，篩選重要信件，幫你草擬回覆。

跟行程管理一樣，需要先設定 Email 整合。支援 Gmail 和 IMAP。還沒設定？跳到下一刀。

檢查我的信箱，過去 24 小時有沒有看起來需要馬上處理的信件？只列出重要的，忽略電子報和廣告。

它會掃過收件匣，過濾掉垃圾，列出需要你關注的信件。

對其中一封追問：

第一封信的內容是什麼？幫我草擬一封回覆，語氣專業但友善，告訴對方我們下週三再討論。

你會拿到一封寫好的回覆草稿。滿意就直接發，不滿意就改。

你把「打開 Gmail、掃過 50 封信、判斷哪些重要、逐封回覆」這個流程壓縮成兩句話。一天省 20 分鐘，一個月省 10 小時。想看完整的 Email 自動化？讀「用 OpenClaw 自動處理 Email」。

第六刀：內容輔助（4 分鐘）

讓 OpenClaw 幫你寫社群貼文、Email、文案、大綱。用你的電腦上的檔案作為素材。

幫我寫一則 LinkedIn 貼文，主題是「為什麼一人公司需要 AI 助理」。300 字以內，語氣是專業但不教條，結尾要有一個引發討論的問題。

等幾秒。你會拿到一則可以直接貼的 LinkedIn 貼文。

再試一個複合型的：

桌面上有一個叫 meeting-notes.txt 的檔案，讀一下。根據會議紀錄的內容，幫我寫一封跟進信件給與會的人，條列出三個待辦事項和負責人。

第二個指令是關鍵。它同時做了「讀檔案 + 理解內容 + 生成新內容」三件事。你把 OpenClaw 的檔案操作能力跟內容生成能力串起來了。這才是 AI 助理跟 AI 聊天機器人的差距 – 它能讀你的東西，然後根據你的東西做事。

第七刀：自動化排程（6 分鐘）

讓 OpenClaw 在你沒有下指令的時候，主動幫你做事。這是跟前六刀的本質差異。前六刀都是你主動叫它，這一刀是它主動找你。

OpenClaw 的 Heartbeat 機制：它每 30 分鐘會讀取一個叫 HEARTBEAT.md 的檔案，根據裡面的指示判斷要不要主動行動。

在 Telegram 裡發送：

幫我建立一個 HEARTBEAT.md 檔案，放在 OpenClaw 的資料目錄裡。內容如下：

每天早上 8:00，檢查今天的天氣，用 Telegram 發給我。
每天晚上 9:00，列出桌面上今天新增的檔案。

OpenClaw 會建好這個檔案。從明天早上 8 點開始，你不用做任何事，它就會主動發天氣給你。

如果你不確定 Heartbeat 有沒有在運作：

讀一下 HEARTBEAT.md 的內容，告訴我現在設了哪些自動任務。

你設定了第一個自動化排程。這是 OpenClaw 的核心價值所在。ChatGPT 等你問。OpenClaw 不等你問，時間到了自己做。

想建立完整的自動化系統？讀「OpenClaw 進階指南：自動化飛輪」。

30 分鐘到了。回顧一下你做了什麼。

七片刀全部打開：

• 對話 – 讓它回答問題、做分析（跟 ChatGPT 一樣，但跑在你電腦上）
• 檔案 – 讓它整理桌面、搬移文件（ChatGPT 做不到）
• 知識 – 讓它讀 PDF、提取重點（不用自己翻 50 頁）
• 行程 – 讓它查行事曆、找空檔（不用自己滑）
• 信件 – 讓它篩信、草擬回覆（一天省 20 分鐘）
• 寫作 – 讓它根據你的檔案寫內容（讀 + 寫一條龍）
• 排程 – 讓它主動做事（你不在，它也在）

前六刀是被動的 – 你叫它才動。第七刀是主動的 – 時間到了它自己動。

這就是 AI 助理跟 AI 聊天機器人的分界線。

下一步：從七刀流到飛輪

「七刀流」讓你知道 OpenClaw 能做什麼。但知道不等於用起來。

建議的路徑：

第 1 週：選一片刀深入。七個功能裡，哪個最能解決你現在的痛點？如果你每天花 30 分鐘處理信件，就深入信件那片刀。如果你的桌面永遠很亂，就深入檔案那片刀。不要七個同時深入，選一個。

第 2 週：設定第二個 Heartbeat。第一個排程（天氣/新檔案通知）跑了一週，你會開始想到更多可以自動化的事。設第二個。可能是每天早上發行事曆摘要，可能是每週五整理一次下載資料夾。

第 3 週開始：飛輪轉起來。你自動化了一件事，省下的時間讓你想到第二件可以自動化的事。自動化第二件又省出更多時間。這就是「自動化飛輪」（Automation Flywheel），轉一圈就停不下來。

功能對照表：什麼時候用哪片刀

常見問題

Q: 行程和信件功能需要額外設定嗎？

需要。OpenClaw 要連上你的 Google Calendar 和 Gmail（或其他 IMAP 信箱）才能讀取行程和信件。設定方法在「OpenClaw 完整教學」裡有完整步驟。如果你今天跳過了第四刀和第五刀，設定好之後再回來做。

Q: 讀 PDF 有大小限制嗎？

取決於你用的 AI 模型的 context window。用 Claude API，大約能處理 100 頁以內的 PDF。用本地模型（例如 qwen2.5:32b，context 8192），建議一次不超過 20 頁。超過的話，讓它分批讀。

Q: Heartbeat 的「每 30 分鐘」是固定的嗎？

預設是 30 分鐘。可以在設定裡改頻率。但不建議設太短，設成 5 分鐘之類的會消耗很多 API 額度或本地運算資源。30 分鐘是日常使用的甜蜜點。

Q: 檔案操作會不會誤刪東西？

OpenClaw 在執行檔案操作前會先告訴你它打算做什麼，你確認後才執行。除非你在設定裡關掉了確認機制。建議新手前兩週都保持預設的確認模式，等你對它的判斷有信心了再考慮關掉。

七刀流之後

裝好 OpenClaw 只是第一步。跑完七刀流是第二步。

第三步才是關鍵：你要找到那個你每天重複做、但其實不需要你親自做的事，然後把它交給 OpenClaw。

不是「什麼都自動化」。是找到那一件事。

一件事自動化了，飛輪就開始轉了。

多數人用 AI 的方式是打開 ChatGPT，問一個問題，得到一個答案，關掉。這是把 AI 當搜尋引擎用。OpenClaw 的「七刀流」告訴你另一種可能：AI 不只回答你，它讀你的檔案、管你的行程、替你寫信、在你睡覺的時候整理你的桌面。

你不缺一個更聰明的搜尋引擎。你缺一個不休息的助理。