如何使用openclaw写论文
用 OpenClaw 写论文，要把选题、资料整理、提纲、初稿、引用核验和查重修改分开处理，不能让模型一次性替代完整学术流程。
一、先看整体关系
论文工作流的重点是可追溯和可核验。OpenClaw 可以帮你整理和生成，但资料来源、引用和最终判断仍要人工把关。
OpenClaw 配置关系
OpenClaw 配置关系
1
选题
2
资料整理
3
提纲
4
初稿
5
引用核验
6
修改
按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。
二、把风险边界先拆开
复杂任务要先看输入、权限、执行和输出的边界。边界清楚后，再写命令、接模型或接渠道，排错会更可控。
任务边界拆分
任务边界拆分
输入与控制面
执行与数据面
资料库
提纲
初稿
核验
修改稿
把输入、权限和输出边界拆开，能更快判断哪里需要收紧。
推荐使用方案
项目推荐选择原因第一次自检入口openclaw dashboard不用先接聊天渠道，先确认 OpenClaw 自己能用正式聊天渠道飞书OpenClaw 官方内置渠道，接入和排障都比微信稳第一个模型DeepSeek 或 GLM更便于完成基础配置，成本和稳定性更平衡联网检索Kimi 搜索更适合中文资料检索与摘要整理第一次任务类型综述草稿或轻实验便于先完成基础验证和流程检查系统环境WSL2 或本地英文路径比网络盘、中文路径、映射盘稳定得多
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
项目最低建议OpenClaw 运行环境Node 24 推荐，Node 22.14+ 也支持AutoResearchClaw 运行环境Python 3.11 及以上，不是 3.10Git需要克隆仓库模型 Key至少准备一组可用模型 API Key本地目录尽量用本地磁盘英文路径，例如 D:\OpenClawResearchDocker可选，做真实实验时更稳
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：
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：
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：
使用 openclaw dashboard 完成自检再接飞书确认论文流程能跑最后再考虑接微信
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 IDApp 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：
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
需求推荐模型适用场景优先完成基础配置deepseek/deepseek-chat首次接入论文流程中文写作与说明文整理zai/glm-5.1更关注中文表达效果联网检索与长文资料整理moonshot/kimi-k2.5 + Kimi 搜索资料搜集和综述整理需求明显火山体系接入volcengine-plan/ark-code-latest 或 volcengine/*已有豆包或火山引擎账号体系阶跃接口接入stepfun/step-3.5-flash已有阶跃 API 配置
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：
如果你还想让 OpenClaw 的网页检索走 Kimi，可以再配一次：
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：
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：
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
3. 先尝试标准安装
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：
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：
改成：
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：
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：
实验模式怎么选
模式什么时候用是否适合作为首次任务sandbox真实运行 Python 代码适合docker需要更干净、更稳定的隔离环境适合，但前提是已具备 Docker 环境ssh_remote已有 GPU 服务器不建议作为首次任务simulated仅用于流程调试，不做正式论文不建议作为正式论文结果来源
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：
openaiopenrouterdeepseekminimaxacp
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。
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.yamlvalidate 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。
常见误区
直接生成全文
一次性生成容易出现引用不准、论证跳跃和结构失衡。
引用不核验
模型给出的文献和页码必须回到原始来源确认。
忽略学校规范
格式、查重和引用标准要按学校要求执行。
方法对比
处理项适合场景确认重点
资料整理阅读阶段提取观点和证据
提纲生成写作前建立章节结构
引用核验定稿前降低学术风险
用「Claw龙虾部署大师」减少前置配置成本
一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。
模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。
本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
OpenClaw教程
AutoResearchClaw
飞书机器人
2026/05/29
提示