1. 为什么我要花两周时间整理这98个用例第一次接触 OpenClaw 是在一个自动化需求特别密集的项目里。当时团队要处理大量重复性的浏览器操作——登录后台、抓取报表、填写表单、导出数据人工做一天下来眼睛都花了。我试过用传统的爬虫框架但遇到动态渲染和验证码就卡住了也试过录制回放工具但页面结构一变就全废。后来一个做开源项目的朋友丢给我一个链接说“你试试这个AI代理加浏览器控制能跑真实场景”。那个链接就是 OpenClaw。用下来的第一感受是这东西不是玩具。它把大语言模型的决策能力和浏览器自动化结合到了一起你可以用自然语言描述任务它自己规划步骤、操作页面、处理异常。但问题也很明显——官方文档偏基础社区里的用例散落在各种 issue、discussion 和博客里没有一个系统性的整理。我在两周里翻了大概三百多个讨论帖自己动手跑了其中大部分场景筛出了98个真正有参考价值的用例。这篇文章就是这份整理的完整版。我会按场景分类把每个用例的核心思路、关键配置、踩过的坑都讲清楚。不管你是刚听说 OpenClaw 想试试水还是已经在生产环境里跑了一段时间想找更多灵感应该都能从里面找到能直接抄作业的东西。提示文中涉及的部署和配置基于 OpenClaw 的稳定版本不同版本间 API 可能有差异建议先确认你用的版本号。2. OpenClaw 到底是什么以及它为什么值得折腾2.1 一句话说清楚它的定位OpenClaw 是一个开源的 AI 代理框架核心能力是让大语言模型能够控制浏览器完成真实世界的任务。你可以把它理解成一个“会自己看网页、自己点按钮、自己填表单”的机器人而驱动它的大脑可以是本地模型比如通过 Ollama 部署的模型也可以是云端 API。它和传统自动化工具最大的区别在于传统工具需要你写死每一步操作页面一变就失效OpenClaw 是你告诉它目标它自己决定怎么点、怎么填、怎么翻页。这背后的技术栈主要是 Node.js 加浏览器控制协议部署方式支持 Docker 和裸机两种。2.2 为什么是现在为什么是它我观察到一个趋势大语言模型的能力已经足够强但大多数人的使用方式还停留在“聊天窗口里问问题”。模型能帮你写代码、写文案但它没法帮你操作实际的软件系统。OpenClaw 这类工具补上的就是这一环——让模型从“会说”变成“会做”。另一个原因是本地模型的成熟。以前跑一个能用的模型需要昂贵的显卡现在通过 Ollama 这类工具消费级硬件就能跑起来。OpenClaw 支持对接本地模型意味着你可以完全离线运行自动化任务数据不出本地这对很多场景来说是刚需。还有一点是开源社区的推动。OpenClaw 的 skill 机制让开发者可以把自己的用例封装成可复用的模块社区里已经有不少人贡献了针对特定网站和场景的 skill。你不需要从零开始很多常见任务已经有现成的方案。2.3 适合谁来用开发者想给自己的产品加自动化能力或者想研究 AI 代理的实现原理运维和测试人员需要处理大量重复性的 Web 操作比如批量配置、定时巡检数据分析师要从多个网站采集数据但不想写复杂的爬虫效率工具爱好者喜欢折腾各种自动化方案愿意花时间配置换取长期省事嵌入式和小硬件玩家想在资源受限的设备上跑轻量级代理比如用 Termux 在安卓手机上部署如果你属于以上任何一类接下来的内容应该对你有用。3. 部署方式的选择Docker 还是裸机3.1 两种方式的对比在开始跑用例之前得先把环境搭起来。OpenClaw 支持多种部署方式我主要用过 Docker 和裸机两种各有优劣。对比项Docker 部署裸机部署环境隔离好不污染宿主机差依赖直接装在系统里启动速度稍慢需要拉镜像快直接运行资源占用略高有容器开销低直接使用系统资源调试便利性需要进入容器或挂载日志直接看日志和进程浏览器控制需要额外配置原生支持更好适合场景生产环境、多版本共存开发调试、资源受限设备我个人的习惯是开发阶段用裸机方便调试和改代码部署到服务器上用 Docker环境干净、迁移方便。3.2 Docker 部署的实操要点Docker 部署的坑主要集中在浏览器控制上。OpenClaw 需要控制一个真实的浏览器实例在容器里跑浏览器需要额外的配置。# 拉取镜像 docker pull openclaw/openclaw:latest # 运行容器注意挂载浏览器需要的共享内存 docker run -d \ --name openclaw \ --shm-size2g \ -p 3000:3000 \ -v /path/to/config:/app/config \ openclaw/openclaw:latest--shm-size这个参数很关键。默认的共享内存太小浏览器跑起来会崩溃报错信息通常是“out of memory”或者“browser crashed”。我一开始没注意这个排查了半天才发现是共享内存不够。另一个常见问题是 Docker Desktop 在 Windows 上的虚拟化支持。如果你在 Windows 上跑 Docker Desktop需要确保 BIOS 里开启了虚拟化否则会报“virtualization support not detected”。这个报错在社区里出现频率很高解决办法就是进 BIOS 打开 VT-x 或 AMD-V。3.3 裸机部署的依赖处理裸机部署需要先装 Node.js。OpenClaw 对 Node.js 版本有要求建议用 LTS 版本。我试过用最新的 v24 版本结果报错说“node.js v24.21.0 is not yet released or is not available”换回 LTS 就正常了。# 安装 Node.js LTS以 Ubuntu 为例 curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash - sudo apt-get install -y nodejs # 验证版本 node -v npm -v装完 Node.js 之后克隆仓库、安装依赖、启动服务基本就是标准流程。但有一个细节OpenClaw 需要控制浏览器所以系统里得有一个可用的浏览器。在 Linux 服务器上通常需要装 Chromium 或者 Chrome并且要确保有对应的驱动。注意如果你在 WSL 环境里部署需要先在 PowerShell 里运行wsl --status确认 WSL 版本和状态。有些问题出在 WSL 的网络配置上导致浏览器控制端口不通。3.4 本地模型的对接OpenClaw 可以对接本地模型最常见的是通过 Ollama。Ollama 的部署很简单装完之后拉一个模型下来就能用。# 安装 Ollama curl -fsSL https://ollama.com/install.sh | sh # 拉取模型以 llama3 为例 ollama pull llama3 # 启动服务 ollama serve然后在 OpenClaw 的配置里把模型地址指向 Ollama 的接口。这里有个坑Ollama 默认只监听本地回环地址如果 OpenClaw 跑在 Docker 里需要把 Ollama 的监听地址改成0.0.0.0否则容器里访问不到。本地模型的优势是数据不出本地、没有调用费用、响应速度稳定。劣势是对硬件有要求模型越大需要的显存越多。我的经验是7B 到 13B 参数的模型在消费级显卡上就能跑得不错足够应付大多数自动化任务。4. 98个用例的分类与精选解析4.1 用例的整体分布我把这98个用例按场景分成了六大类每类的数量和典型代表如下类别数量典型场景数据采集与监控24价格监控、舆情追踪、库存检查表单填写与提交18批量注册、信息录入、工单提交内容发布与管理16多平台分发、定时发布、评论管理测试与巡检15网站可用性检查、功能回归、链接有效性信息聚合与整理14多源新闻汇总、竞品分析、报告生成创意与实验性11游戏自动化、艺术生成、社交互动这个分类不是绝对的很多用例跨多个类别。比如“竞品价格监控”既涉及数据采集也涉及信息聚合和报告生成。4.2 数据采集类从简单抓取到智能筛选数据采集是用得最多的一类。传统的爬虫需要针对每个网站写解析规则OpenClaw 的方式是你告诉它“去这个网站找到所有商品的价格整理成表格”它自己理解页面结构。我跑过的一个典型用例是监控某个电商平台的商品价格。配置大概是这样的task: 价格监控 target: https://example.com/product/12345 schedule: 0 */6 * * * actions: - 打开商品页面 - 找到当前价格元素 - 记录价格和时间戳 - 如果价格低于阈值发送通知这个用例的关键在于“找到当前价格元素”这一步。OpenClaw 会分析页面结构识别出价格所在的区域。但不同网站的页面结构差异很大有时候需要给一些提示比如“价格通常在带有 currency 符号的文本附近”。我踩过的一个坑是有些网站的价格是动态加载的页面打开后需要等几秒才显示。OpenClaw 默认的等待时间可能不够需要在配置里加一个显式的等待条件比如“等待价格元素出现后再读取”。另一个经验是对于需要登录才能访问的页面可以把登录态保存下来复用。OpenClaw 支持持久化浏览器上下文这样不需要每次任务都重新登录。4.3 表单填写类批量操作的效率革命表单填写是另一个高频场景。我帮一个做电商的朋友处理过批量上传商品信息的任务原来需要运营人员一条条手动填现在用 OpenClaw 可以批量处理。核心思路是把数据准备好通常是 CSV 或 JSON然后让 OpenClaw 逐条读取、打开表单页面、填写字段、提交。听起来简单但实际操作中有几个关键点字段映射表单里的字段名和你的数据列名不一定一致需要建立映射关系。比如你的数据里叫“product_name”表单里叫“商品标题”得告诉 OpenClaw 怎么对应。必填项处理有些字段是必填的如果数据里缺失需要决定是跳过这条还是填默认值。提交后的验证提交后要检查是否成功有时候会弹出确认框或者报错提示需要处理这些分支。频率控制批量提交时要注意频率太快可能触发风控。我一般会在每条之间加一个随机延迟。// 批量填表的伪代码逻辑 const records loadCSV(products.csv); for (const record of records) { await openclaw.goto(https://example.com/upload); await openclaw.fill(商品标题, record.product_name); await openclaw.fill(价格, record.price); await openclaw.fill(库存, record.stock); await openclaw.click(提交); await openclaw.waitFor(提交成功); await sleep(random(2000, 5000)); // 随机延迟 }这个模式可以套用到很多场景批量注册账号、批量提交工单、批量录入客户信息等等。核心逻辑是一样的只是字段和页面不同。4.4 内容发布类多平台分发的自动化做自媒体的朋友应该深有体会一篇文章要发到多个平台每个平台都要登录、粘贴、调整格式、选封面、填标签一套流程下来半小时没了。OpenClaw 可以把这套流程自动化。我配置过一个多平台发布的工作流大致流程是从本地读取文章内容和配图打开平台 A 的发布页面填写标题、正文、上传图片、设置标签发布打开平台 B重复类似操作记录每个平台的发布状态和链接这里面的难点在于每个平台的编辑器都不一样。有些是富文本编辑器有些是 Markdown有些对图片尺寸有要求。OpenClaw 的优势是它能“看懂”页面你不需要为每个平台写一套适配代码只需要告诉它“在标题框里填标题在正文区域填内容”。但也不是完全不用管。我的经验是对于特别复杂的编辑器比如带有很多工具栏和弹窗的还是需要给一些具体的操作指引比如“点击工具栏上的图片按钮然后选择上传”。提示多平台发布时要注意各平台的内容规范避免因为格式问题导致发布失败或内容被截断。4.5 测试与巡检类让机器帮你盯着网站可用性检查、功能回归测试、链接有效性验证这些工作人工做很枯燥但机器做很合适。OpenClaw 可以模拟真实用户的操作路径比简单的 HTTP 状态码检查更深入。我配置过一个巡检任务每天早上跑一遍检查核心业务流程是否正常打开首页检查关键元素是否加载登录账号检查登录流程是否通畅进入商品列表检查分页和筛选是否工作加入购物车检查购物车逻辑走到支付页面不实际支付检查支付流程这个巡检跑下来大概五分钟能发现很多人工不容易注意到的问题比如某个按钮的点击事件失效了、某个接口返回变慢了、某个页面的布局错位了。关键配置是设置合理的超时和重试。网络波动可能导致偶发失败如果一失败就报警会误报太多。我的做法是失败后重试两次两次都失败才记录为异常。4.6 信息聚合类从多个源头汇总信息聚合的典型场景是你关注多个信息源每天需要花时间浏览和整理。OpenClaw 可以自动抓取这些源的内容按照你的规则筛选和排序生成一份摘要。我做过一个技术资讯聚合的任务从几个技术社区抓取当天的热门文章按热度排序提取标题和摘要生成一份 Markdown 报告。整个流程全自动早上到公司就能看到。这个用例的扩展性很强。你可以把信息源换成行业新闻、竞品动态、政策更新、学术论文等等。核心逻辑都是抓取、筛选、排序、呈现。4.7 创意与实验类一些好玩的尝试这类用例不一定有直接的商业价值但很有意思也能启发思路。比如用 OpenClaw 玩网页游戏自动完成日常任务让它在社交平台上自动点赞和评论注意频率别被封号控制它在一个绘图网站上根据描述生成图片用它来测试自己开发的网站模拟各种用户行为我试过让 OpenClaw 自动玩一个策略类网页游戏它需要理解游戏规则、评估局势、做出决策。虽然玩得不如人类好但整个过程不需要写游戏逻辑全靠模型自己理解这本身就挺有意思的。5. 实操中的常见问题与排查技巧5.1 环境类问题问题一Docker 启动失败报虚拟化不支持这个在 Windows 上特别常见。错误信息通常是“virtualization support not detected”或“Docker Desktop failed to start”。解决办法是进 BIOS 开启虚拟化支持然后在 Windows 功能里确保“虚拟机平台”和“适用于 Linux 的 Windows 子系统”都勾选了。问题二Node.js 版本不兼容OpenClaw 对 Node.js 版本有要求太新或太旧都可能出问题。我遇到过用 v24 报错的情况换回 LTS 版本就正常了。建议直接用 LTS不要追最新版。问题三浏览器控制端口不通如果 OpenClaw 跑在容器里浏览器控制端口可能没有正确暴露。检查 Docker 的端口映射确保控制端口和宿主机是通的。另外有些系统防火墙会拦截这些端口需要放行。5.2 任务执行类问题问题四页面元素找不到这是最常见的报错。原因可能是页面还没加载完、元素被遮挡、选择器不对。解决办法是加等待条件比如“等待某个元素出现”或“等待网络空闲”。如果还是找不到可以截图看看页面实际状态有时候是弹窗挡住了。问题五任务执行到一半卡住可能是遇到了验证码、登录失效、或者页面跳转到了预期之外的地方。我的做法是给任务设置超时超时后自动截图并记录当前页面状态方便排查。另外对于可能出现的验证码可以配置人工介入的机制。问题六批量任务频率过高被限制这个在批量操作时很常见。解决办法是加随机延迟模拟人类操作的节奏。我一般会在每条操作之间加 2 到 5 秒的随机等待连续操作一定数量后休息更长时间。5.3 模型相关类问题问题七本地模型响应太慢如果模型太大而硬件跟不上响应会很慢。解决办法是换小一点的模型或者用量化版本。7B 的量化模型在大多数场景下够用了。问题八模型理解不了页面结构有时候模型对页面的理解不准确导致操作错误。可以在提示词里给更多上下文比如“这是一个电商网站的商品详情页价格通常在页面右侧的购买区域”。另外把页面简化一下也有帮助比如先关闭弹窗和广告再操作。5.4 常见问题速查表问题现象可能原因排查方向容器启动即退出共享内存不足加 --shm-size 参数浏览器崩溃内存不够或版本不匹配检查资源占用和浏览器版本元素定位失败页面未加载完或被遮挡加等待条件截图确认任务超时网络慢或页面卡住增加超时时间检查网络模型无响应服务未启动或地址不对检查模型服务状态和配置批量操作被限制频率过高加随机延迟降低并发登录态失效会话过期配置持久化上下文或重新登录6. 一些让我少走弯路的经验6.1 从简单任务开始逐步增加复杂度我一开始就想做一个全自动的复杂工作流结果各种报错排查起来很痛苦。后来改变策略先跑通一个最简单的任务——打开一个页面读取一个标题。确认环境没问题后再逐步增加步骤。这样每加一步都能快速定位问题。6.2 日志和截图是你的好朋友OpenClaw 支持记录详细日志和截图。我习惯在关键步骤后都加一个截图这样出问题的时候能直观看到页面状态。日志级别调到 debug能看到模型每一步的决策过程对理解它的行为很有帮助。6.3 不要追求100%自动化有些环节人工介入反而更高效。比如遇到验证码与其花时间研究怎么自动识别不如配置一个通知让人工点一下。自动化是为了省时间不是为了炫技。6.4 关注社区但不要照搬OpenClaw 的社区很活跃经常有人分享新的 skill 和用例。但每个项目的环境不同别人的配置直接拿来用不一定能跑通。我的做法是参考思路然后根据自己的实际情况调整。6.5 定期维护和更新网站会改版接口会变化模型会更新。自动化任务不是配好就一劳永逸的需要定期检查和维护。我一般每个月会跑一遍所有任务看看有没有失效的及时修复。7. 这套东西还能怎么扩展7.1 和 ROS 结合做机器人控制社区里有人把 OpenClaw 和 ROS 结合用 AI 代理来控制机器人。思路是用 OpenClaw 做高层决策ROS 做底层控制。比如让代理理解“去厨房拿一瓶水”这样的指令然后分解成 ROS 能执行的导航和抓取动作。这个方向还在早期但想象空间很大。7.2 在嵌入式设备上跑轻量代理有人尝试在安卓手机上用 Termux 部署 OpenClaw跑一些轻量级的任务。虽然性能有限但胜在便携和低功耗。类似的思路可以用在树莓派或者其他嵌入式设备上做一些边缘侧的自动化。7.3 多代理协作单个代理能做的事情有限多个代理协作可以完成更复杂的任务。比如一个代理负责采集数据一个负责分析一个负责生成报告。OpenClaw 的架构支持这种模式可以通过消息队列或者共享存储来协调。7.4 垂直领域的深度定制通用代理什么都能做但什么都不精。针对特定领域做深度定制效果会好很多。比如针对电商场景预置常见的商品页面结构和操作模式针对政务场景预置表单填写规范。社区里已经有人在往这个方向做。我在实际使用中最大的体会是OpenClaw 这类工具的价值不在于替代人而在于把人从重复劳动中解放出来让人去做更需要判断力和创造力的事情。98个用例只是一个起点真正的价值在于你根据自己的需求去创造新的用例。如果你也在用 OpenClaw欢迎交流你的用法和踩坑经验。