不止于对话：如何在 Cherry Studio 中一键部署 OpenClaw 实战指南

自 Peter Steinberger 开发的 OpenClaw（社区昵称“AI 小龙虾”）横空出世以来，AI 领域正在经历从“聊天机器人 (Chatbot)”向“智能体 (AI Agent)”的范式转移。与仅能生成文本的 ChatGPT 不同，OpenClaw 这类 Agent 具备了“执行力”——它们能像人类一样操作电脑、编写代码并与各类软件交互。

然而，早期 OpenClaw 的部署往往依赖于复杂的命令行界面 (CLI)，那些黑底绿字的终端窗口劝退了不少试图尝鲜的普通用户。好消息是，随着 Cherry Studio v1.7.17 版本的发布，这一门槛被彻底打破。这款集成了 AI 编程、多模型对话与知识库管理的开源平台，现在允许用户通过图形化界面一键安装并运行 OpenClaw。

在 Peter Steinberger 宣布加入 OpenAI 并推动下一代 Agent 开发的背景下，现在正是体验这一未来技术的最佳时机。本文将以 Windows 系统为例，详细拆解如何在 Cherry Studio 中部署你的第一只“AI 小龙虾”，并配置免费的高性能模型使其运转。

核心工具准备：Cherry Studio

Cherry Studio 本质上是一个强大的 AI 开发与对话容器。对于资深玩家，它是一个聚合了各类 LLM API 的控制台；对于新手，它则是通往本地 AI Agent 的捷径。

要运行 OpenClaw，首先确保你的 Cherry Studio 版本在 v1.7.17 及以上。

• 下载地址: Cherry Studio 官网

安全提示：OpenClaw 是一款在本地运行且具有系统操作权限的 Agent。虽然 Cherry Studio 提供了封装，但出于数据安全考虑，建议在非核心生产环境的电脑、虚拟机 (VM) 或沙盒环境中运行此类具有“执行能力”的 AI 程序。

第一阶段：一键安装 OpenClaw 环境

Cherry Studio 的优势在于其“开箱即用”的体验。安装并以管理员身份运行软件后，我们无需手动配置复杂的 Python 环境或 Docker 容器。

1. 进入 Agent 中心：
   打开软件左侧菜单底部的“小龙虾”图标（OpenClaw 入口）。

   

2. 环境自检与依赖安装：
   系统会自动检测本地环境。OpenClaw 的运行依赖于 Node.js (建议 v22.0+)。如果你的电脑尚未安装，Cherry Studio 会直接提供下载指引。

   

   下载 Node.js 安装包后，保持默认选项完成安装即可。这是 OpenClaw 在后台运行逻辑判断与代码执行的基础引擎。

   

3. 执行安装：
   环境就绪后，回到 Cherry Studio 点击“安装”按钮。

   

   安装小贴士：

   • 如果你是首次在纯净系统上安装，过程通常会非常顺畅。
   • 若系统中存在多个 Node.js 版本（例如开发者环境），可能会遇到版本冲突报错。此时建议使用 nvm (Node Version Manager) 切换版本，或直接在纯净的虚拟机中进行部署。

   当看到如下界面时，说明 OpenClaw 已成功植入你的 Cherry Studio。

   

第二阶段：配置模型层（获取免费 API）

OpenClaw 只是“身体”，它需要接入大语言模型（LLM）作为“大脑”才能思考。我们可以使用本地模型（如 Ollama），但在性能受限的设备上，使用云端 API 是更优解。

这里推荐使用 推理时代 (AiHubMix) 提供的聚合 API 服务，它提供了包括 GPT-4、GLM-5 等主流模型的访问接口，且对开发者有一定的免费额度支持。

1. 获取 API 密钥：
   访问 推理时代官网 (aihubmix.com)，注册账号后即可获得默认的 API 调用额度。
   • 免费策略：该平台提供的免费模型系列包含 coding-glm-5-free (适合代码编写)、Gemini 3 Flash 等。
   • 速率限制：国产系列模型通常限制为 5 RPM (每分钟 5 次请求) / 500 RPD (每天 500 次请求)，足以满足个人测试与简单的 Agent 交互需求。

   

   请在后台获取你的 sk-xxxxxxxx 格式的 API 密钥 (API-Key)。

2. 在 Cherry Studio 中对接服务：
   点击软件左下角的齿轮图标进入设置，在“模型服务”列表中找到或搜索 AiHubMix。

   

   • API 地址：系统通常会自动预填 (https://aihubmix.com)。
   • API 密钥：粘贴刚才获取的 Key。

   

3. 筛选与添加特定模型：
   开启右上角的“服务商开关”（变绿），然后点击底部的“管理”按钮。

   

   在模型管理界面，建议删除多余的收费模型以避免误操作。进入“免费”分类，添加 coding-glm-5-free。这点至关重要，因为 OpenClaw 在执行任务时会消耗大量 Token，使用针对代码优化的免费模型能显著降低试错成本。

   

4. 连通性测试：
   在 API 密钥右侧点击“检测”，输入 coding-glm-5-free 进行握手测试。提示“连接成功”即代表大脑与身体已建立神经连接。

   

第三阶段：启动与交互

回到 OpenClaw 界面，在模型选择栏中指定我们刚才配置的 coding-glm-5-free，点击启动。

此时，你可以像从前与 Chatbot 聊天一样输入指令，但结果将大不相同。
试着输入：“你好啊，小龙虾。”

OpenClaw 不仅会回复文本，还可能在后台通过编写代码来解析你的意图。随着你进一步探索（例如要求它“帮我整理桌面文件”或“爬取某个网页的数据”），你会发现 Agent 的真正魅力——它不再只是说话，而是开始替你干活。

结语

通过 Cherry Studio，我们成功将复杂的 OpenClaw 部署流程压缩到了几次点击之中。这不仅是一个技术工具的安装过程，更是通过 AI 改变工作流的开始。无论是安装技能插件，还是利用更强大的模型（如 GPT-4）处理复杂任务，这个本地化的 Agent 平台都提供了无限的可能性。

如果在探索过程中遇到报错（例如 Python 环境依赖缺失或 API 额度耗尽），利用好手边的 AI 助手（如豆包、ChatGPT）上传错误截图进行诊断，是每一位 AI 开发者解决问题的高效路径。