如何使用openclaw写论文

如果希望先完成 OpenClaw 的基础部署，再继续配置论文流程，可优先使用 Claw龙虾部署大师。这样更便于后续按步骤完成模型、渠道和论文任务配置。

在“使用 OpenClaw 写论文”这一场景下，通常涉及两层工具：

• OpenClaw：负责和你聊天、连飞书或微信、调用模型、执行安装和任务
• AutoResearchClaw：负责把一个研究题目变成论文草稿、参考文献、图表和实验产物

更合适的顺序，是先确认 OpenClaw 本身可以正常使用，再让它协助安装和调用 AutoResearchClaw。

推荐使用方案

建议优先采用飞书完成第一篇任务的配置与验证。微信可放在后续渠道扩展阶段处理。

你需要准备什么

请注意以下两点：

• Windows 原生能用，但官方文档明确写了 WSL2 更稳定。
• 不建议将项目放在网络映射盘、中文深层路径或 NAS 同步目录中，这类路径更容易触发虚拟环境和 pip install -e . 的安装异常。

第一步：确认 OpenClaw 基础状态正常

如果已经通过 Claw龙虾部署大师完成部署，可以直接进入下一步。手动安装时可按下面的顺序执行：

openclaw onboard --install-daemon
openclaw gateway status
openclaw dashboard

浏览器中的 Control UI 可以正常打开，才说明 OpenClaw 基础状态正常。建议完成这一步后，再继续配置飞书、仓库和论文流水线。

如果需要让 OpenClaw 代为克隆仓库、修改配置并执行安装，工具权限至少应设置为 coding：

openclaw config set tools.profile coding

这里不建议写成模糊的 “coding/full”。coding 和 full 是两个不同的工具配置档。一般教程场景下，coding 已经足够。

第二步：聊天渠道优先选飞书，微信放到第二阶段

为什么主线推荐飞书

OpenClaw 2026 年的官方文档里，飞书是内置渠道，接入方式是官方维护的；微信则是外部插件路线，当前能力声明以私聊为主，不适合拿来做第一次验证。

因此，建议采用以下顺序：

1. 使用 openclaw dashboard 完成自检
2. 再接飞书
3. 确认论文流程能跑
4. 最后再考虑接微信

飞书怎么接

常用做法有两种：

• 新安装时直接在 openclaw onboard 里选飞书
• 已经装好 OpenClaw 后，运行 openclaw channels add 再选飞书

你需要准备的是飞书开放平台里的：

• App ID
• App Secret

接完后，把飞书事件订阅改成长连接模式，并订阅消息事件。官方文档里给出的关键点是：

• 使用 WebSocket 长连接收消息
• 增加事件 im.message.receive_v1

接入完成后，检查这三个命令：

openclaw gateway status
openclaw logs --follow
openclaw pairing approve feishu <配对码>

第一次给机器人发消息时，系统通常会返回一个配对码。完成批准后，后续论文任务才能正常收发。

微信能不能接

可以接入，但不建议作为第一条主线。

原因很简单：

• 微信在 OpenClaw 体系里属于外部插件路线
• 当前公开能力说明里，以私聊为主
• 第一次配置论文流程时，更适合优先选择官方内置、排障路径清晰的渠道

因此，这篇教程的正式步骤统一采用飞书路径。待第一篇流程完成后，再考虑将入口扩展到微信。

第三步：国内模型怎么选，怎么配

先记住一个大原则：

• OpenClaw 本身已经原生支持国内不少模型提供商
• AutoResearchClaw 自己的 init 向导没有把所有国内模型都列出来

因此，更适合先在 OpenClaw 这一层完成模型配置，再由 OpenClaw 调用 AutoResearchClaw。

推荐模型表

OpenClaw 层的官方接入方式

下面这些命令都来自 OpenClaw 官方文档，能直接当操作入口：

# DeepSeek
openclaw onboard --auth-choice deepseek-api-key
openclaw models set deepseek/deepseek-chat

# GLM（智谱，Z.AI）
openclaw onboard --auth-choice zai-api-key
openclaw models set zai/glm-5.1

# Kimi（Moonshot，中国区）
openclaw onboard --auth-choice moonshot-api-key-cn
openclaw models set moonshot/kimi-k2.5

# 豆包 / 火山引擎
openclaw onboard --auth-choice volcengine-api-key
openclaw models set volcengine-plan/ark-code-latest

# 阶跃 StepFun（中国区标准端点）
openclaw onboard --auth-choice stepfun-standard-api-key-cn
openclaw models set stepfun/step-3.5-flash

如果你还想让 OpenClaw 的网页检索走 Kimi，可以再配一次：

openclaw configure --section web

进去后选择 Kimi 即可。

第四步：不要先手写配置，让 OpenClaw 先帮你安装 AutoResearchClaw

官方仓库对 OpenClaw 的推荐用法很简单：把仓库地址发给 OpenClaw，让它自己读 RESEARCHCLAW_AGENTS.md、自己克隆、自己安装。

建议不要只发送一句“帮我装一下”。更适合的方式，是把安装要求一次说明清楚，例如：

请阅读这个仓库：
https://github.com/aiming-lab/AutoResearchClaw

帮我把它安装到本机可用的工作目录。

要求：
1. 使用本地磁盘英文路径，不要放到网络盘或中文深层目录
2. 使用 Python 3.11 及以上
3. 创建虚拟环境
4. 生成 config.arc.yaml
5. 如果是 Windows，把 experiment.sandbox.python_path 改成 .venv/Scripts/python.exe
6. 先执行 validate 和 doctor 自检，再告诉我缺什么
7. 没有经过我确认前，不要直接跑正式论文任务

这样做的主要作用是：

• 让 OpenClaw 更容易按预期完成安装与自检
• 提前明确 Windows 环境中最容易遗漏的路径设置

第五步：如果你要手动装，按这个顺序做

如果需要手动安装，可按下面的顺序进行。

1. 使用本地英文路径创建目录

例如：

D:\OpenClawResearch\AutoResearchClaw

不建议一开始就放在：

• NAS 映射盘
• 企业同步盘
• 中文深层目录

2. 克隆仓库并创建虚拟环境

git clone https://github.com/aiming-lab/AutoResearchClaw.git
cd AutoResearchClaw
python -m venv .venv

3. 先尝试标准安装

python -m pip install -e .

如果这一步报错，不必立即判断为仓库不可用。在 Windows 映射路径环境下，pip install -e . 更容易出现安装异常。

4. 安装失败时的保底做法

建议将项目移动到本地英文路径后，再执行下面这组保底命令：

python -m pip install pyyaml rich arxiv numpy
python -m researchclaw.cli --help
python -m researchclaw.cli init --force
python -m researchclaw.cli validate --config .\config.arc.yaml
python -m researchclaw.cli doctor --config .\config.arc.yaml

这组命令的目的，不是立即生成论文，而是先确认三件事：

• CLI 能不能启动
• 配置文件能不能生成
• 当前机器还缺哪些前置条件

5. Windows 用户一定要改这个路径

config.researchclaw.example.yaml 里已经写了提示：Windows 不应继续用 Linux 的 Python 路径。

如果你是 Windows，把：

sandbox:
  python_path: ".venv/bin/python3"

改成：

sandbox:
  python_path: ".venv/Scripts/python.exe"

否则 researchclaw doctor 会直接给你报沙箱 Python 不存在。

第六步：首次任务建议从综述草稿或轻实验开始

首次任务建议优先选择以下两种类型：

方案 A：先做综述草稿

可参考下面的任务描述：

请用 AutoResearchClaw 帮我做一篇综述草稿。

主题：
大语言模型在企业知识库问答中的应用综述

要求：
1. 只做文献检索、结构化分析和初稿整理
2. 不做真实实验
3. 不要生成虚构实验结果
4. 需要我确认时，停在 Gate Stage
5. 输出 deliverables 路径给我

这里需要特别强调的是：不要生成虚构实验结果。

因为 simulated 模式在官方示例里明确写的是“只用于框架开发调试，不应用于论文生成”。如果你只是想做综述，就应该把产物定义成“综述草稿”或“调研报告”，而不是拿假数据去凑实验论文。

方案 B：做一个轻实验对比

如果已经具备稳定的模型 Key，并且允许本机执行代码，可先从轻量实验开始：

请用 AutoResearchClaw 帮我完成一篇轻实验论文草稿。

主题：
不同提示词策略对中文客服分类任务的影响

要求：
1. 只做轻量实验，不做长时间训练
2. 使用 sandbox 模式
3. 给出准确率、F1 和耗时
4. 需要我审批时暂停
5. 输出 Markdown 草稿、参考文献和图表

实验模式怎么选

常见配置提醒

以下问题在首次配置时较为常见：

1. Python 版本应为 3.11+

AutoResearchClaw 仓库的 pyproject.toml 写的是 requires-python = ">=3.11"。如果仍使用 3.10，后续更容易出现兼容性问题。

2. researchclaw init 不会把所有国内模型都列给你选

researchclaw init 当前直接列出的交互项主要是：

• openai
• openrouter
• deepseek
• minimax
• acp

这意味着，GLM、Kimi、豆包、阶跃这些更本地化的方案，不适合完全依赖它的默认向导。更合适的方式是：

• 先在 OpenClaw 层配置模型
• 或者手动改 config.arc.yaml

3. ACP 路线不是“装了 codex 就自动能用”

仓库里的 ACP 客户端还依赖 acpx。如果你机器上只有 codex、gemini，却没有 acpx，那条路还是跑不起来。

因此，ACP 更适合作为进阶方案，而不是首次配置的默认选项。

4. 论文自动推送不是默认就有

官方示例配置里，notifications.channel 默认是 console，openclaw_bridge.use_message 默认也是 false。这说明“论文做好后自动把 PDF 发回聊天工具”不是零配置默认行为，需要你额外把消息桥接和交付动作配好。

常见问题

OpenClaw 会聊天，但一到论文步骤就停住了

先查这几项：

• openclaw gateway status
• openclaw models status
• openclaw config get tools.profile

如果 tools.profile 不是 coding，OpenClaw 往往没有足够权限帮你克隆仓库、改配置和执行安装。

doctor 通过不了

最常见的几种原因是：

• API Key 还没填
• Windows 里 sandbox.python_path 还是 Linux 路径
• 没装 matplotlib，所以图表会被跳过

飞书机器人不回消息

优先检查：

• 网关是否还在运行
• 飞书事件订阅是不是 WebSocket 长连接
• 事件里有没有 im.message.receive_v1
• 你有没有先批准配对码

微信更适合作为后续扩展渠道

微信并不是不能接入，而是这条路线更偏插件接入。首次配置更适合优先完成主流程，再扩展其他聊天入口。

最后怎么判断自己成功了

是否配置成功，可以先按下面几项判断：

• OpenClaw 能在 Control UI 或飞书里正常回复你
• 所选模型已经配好，models 状态正常
• AutoResearchClaw 已经生成 config.arc.yaml
• validate 能通过
• doctor 只剩少量可解释的提醒
• 你已经拿到第一份综述草稿或轻实验草稿

如果不希望逐项处理 Node、Python、飞书、模型 Key 和仓库安装这些细节，可优先使用 Claw龙虾部署大师 完成 OpenClaw 的主体部署，再继续论文流水线配置。对大多数用户来说，这会更便于后续按步骤完成整套教程。