实战：Claude Code + OpenClaw + 微信机器人完整搭建

项目背景

需求：每天工作中有大量重复性咨询（工资查询、流程确认、数据核对），希望用 AI 自动回复，释放人力。

约束条件：

必须用手机就能交互（员工不一定有电脑）
成本不能太高（团队预算有限）
部署要简单（没有专职运维）
响应速度要快（等 10 秒以上就没人用了）

最终方案：微信机器人 + OpenClaw 网关 + Claude Code（Kimi 模型）

整体架构

用户微信消息
    ↓
微信机器人插件（OpenClaw WeChat Plugin）
    ↓
OpenClaw 网关（本地运行）
    ↓
Claude Code → Kimi 模型推理
    ↓
返回结果 → 微信回复

为什么选这套方案：

微信：用户零学习成本，所有人都有
OpenClaw：开源免费，插件生态成熟
Claude Code：指令遵循能力强，适合处理结构化任务
Kimi：国内速度快，价格便宜

实施时间线

阶段	耗时	主要工作
方案调研	2 小时	对比了 5 种方案，最终选定 OpenClaw
环境搭建	1.5 小时	安装 Node.js、配置 API Key
网关配置	2 小时	踩坑 3 次才配通（见下文）
微信绑定	1 小时	扫码登录 + 测试消息收发
指令调优	3 小时	让 AI 回复符合业务规范
总计	约 9.5 小时	分两天完成

详细实施步骤

Step 1：安装 Claude Code

参考入门指南，macOS 用户直接：

brew install claude-code
claude --version

注意：Windows 用户建议用 WSL2，原生 Windows 的终端交互体验较差。

Step 2：配置 CC-Switch（接入 Kimi）

npm install -g cc-switch

# 配置环境变量（添加到 ~/.zshrc）
export ANTHROPIC_BASE_URL="https://ark.cn-beijing.volces.com/api/coding"
export ANTHROPIC_AUTH_TOKEN="sk-xxxxxxxx"
export ANTHROPIC_MODEL="Kimi-K2.5"

source ~/.zshrc

验证配置：

claude
# 进入后输入：你是谁？
# 正确回复应包含 "Kimi"，而非 "Claude"

Step 3：安装 OpenClaw

npm install -g openclaw

# 验证
openclaw --version
# 输出：openclaw 0.x.x

Step 4：配置 OpenClaw 网关

创建配置文件 ~/.openclaw/openclaw.json：

{
  "gateway": {
    "mode": "local",
    "port": 18789,
    "auth": {
      "mode": "token",
      "token": "自定义一个复杂令牌"
    }
  },
  "models": {
    "mode": "merge",
    "providers": {
      "volcengine": {
        "baseUrl": "https://ark.cn-beijing.volces.com/api/coding",
        "apiKey": "你的火山引擎 API Key",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "Kimi-K2.5",
            "name": "Kimi-K2.5"
          }
        ]
      }
    }
  },
  "plugins": {
    "entries": {
      "openclaw-weixin": {
        "enabled": true,
        "config": {
          "autoAcceptFriend": false,
          "replyInterval": 1000
        }
      }
    }
  },
  "bindings": [
    {
      "agentId": "main",
      "match": {
        "channel": "openclaw-weixin"
      }
    }
  ]
}

配置要点：

port 不要和系统其他服务冲突（可用 lsof -i:18789 检查）
token 要足够复杂，这是网关的安全密钥
replyInterval 控制回复间隔，防止触发微信风控

Step 5：安装微信插件并绑定

# 安装插件
openclaw plugin install @tencent-weixin/openclaw-weixin

# 启动 ClawX 桌面版（带 GUI，比 CLI 更稳定）
open /Applications/ClawX.app

在 ClawX 界面中：

进入「插件管理」→ 启用微信插件
点击「扫码登录」→ 用手机微信扫码
登录成功后，测试发送一条消息给自己

Step 6：配置 AI 回复规则

默认情况下，AI 会回复所有消息。这很危险——你的微信好友发消息，AI 也会自动回复。

必须配置白名单：

编辑微信插件配置，添加 allowedUsers：

{
  "allowedUsers": [
    "微信号1",
    "微信号2"
  ],
  "defaultReply": "您好，我是AI助手。如需帮助请联系管理员。"
}

踩坑记录（6次失败才成功）

坑 1：网关启动失败，提示端口被占用

现象：

Error: listen EADDRINUSE: address already in use :::18789

排查：

lsof -i:18789
# 发现之前未正常关闭的 openclaw 进程还在运行

解决：

killall openclaw
# 或者换端口：把配置里的 18789 改成 18889

教训：每次调试完用 Ctrl+C 正常退出，不要直接关终端。

坑 2：Kimi 模型返回乱码

现象：AI 回复全是 “��” 乱码，或中英文混杂的无意义内容。

原因：火山引擎的 anthropic-messages API 对消息格式要求严格，少一个字段就崩溃。

解决：升级 openclaw 到最新版（0.3.2+修复了这个问题）。

npm update -g openclaw

坑 3：微信消息能发不能收

现象：从微信发消息，OpenClaw 日志显示收到，但 AI 没有回复。

排查过程：

检查 OpenClaw 日志 → 显示 “message received”
检查 Claude Code 日志 → 显示 “waiting for response”
检查 Kimi API 状态 → 返回 429（请求过多）

原因：新注册的火山引擎账号默认有 QPS 限制（每秒 1 次），微信消息并发时触发限流。

解决：

短期：在 OpenClaw 配置中增加 replyInterval: 2000（2秒间隔）
长期：在火山引擎控制台申请提升配额

坑 4：AI 回复太啰嗦

现象：用户问"今天工资发了吗"，AI 回复 300 字，把工资计算逻辑全讲了一遍。

解决：在 Claude Code 的 ~/.claude/settings.json 中添加系统提示：

{
  "env": {
    "CLAUDE_SYSTEM_PROMPT": "你是企业客服助手。回复要求：1. 简洁，不超过50字；2. 不知道的直接说不知道；3. 不要解释原理。"
  }
}

坑 5：ClawX 自动退出

现象：ClawX 运行几小时后突然退出，微信机器人掉线。

原因：macOS 的 App Nap 功能会在后台应用闲置时暂停其运行。

解决：

# 对 ClawX 禁用 App Nap
caffeinate -i /Applications/ClawX.app/Contents/MacOS/ClawX

或者用 pm2 持久化运行 CLI 版本：

npm install -g pm2
pm2 start openclaw -- gateway start
pm2 save
pm2 startup

坑 6：API 账单暴涨

现象：第二天收到火山引擎账单通知，一晚花了 80 多元。

原因：测试阶段忘记限制白名单，AI 回复了一个群聊里的几百条消息。

解决：

立即配置 allowedUsers 白名单
在火山引擎控制台设置每日消费上限（建议 20 元）
开启用量告警（超过 10 元发邮件通知）

最终效果与数据

运行数据（上线 30 天）：

指标	数值
日均消息量	120-150 条
平均响应时间	2.8 秒
准确率（用户满意度）	约 85%
需要人工介入的比例	约 15%
系统稳定性（无故障运行）	28/30 天

节省的人力：

之前：1 人专职处理重复咨询（月薪 4000）
现在：AI 处理 85%，人工只处理复杂问题（占用 0.2 人）
每月节省约 3200 元

真实成本（第一个月）

项目	费用	说明
Kimi API	￥47	约 95 万 token
OpenClaw	免费	开源工具
ClawX	免费	开源工具
Claude Code	免费	客户端免费
服务器	0 元	跑在个人 Mac 上
首月总计	￥47	远低于预期

第二个月优化后（限制白名单 + 缩短上下文）：￥23

仍然存在的问题

微信群消息处理不稳定：微信群消息偶尔收不到，私聊更可靠
多轮上下文消耗大：长对话的 token 消耗是单轮的 5-8 倍
Claude Code 重启后需重新登录：每次重启电脑要重新 claude login
手机端无法查看 AI 的思考过程：只能看到最终回复，不知道它怎么想的

下一步优化计划

优先级	优化项	预期效果
P0	接入语音输入/输出	方便不识字员工使用
P1	开发定制化 Skills	自动查工资、查考勤
P2	接入更多模型备用	GPT-4 作为 Kimi 的 fallback
P3	部署到云端服务器	不再需要本地 Mac 24 小时开机

给后来者的建议

先配通再走：每个组件单独验证，不要一次性全装完再调试
白名单必须配：否则 API 账单可能失控
设置消费上限：所有云平台都要设，这是血泪教训
别追求 100% 自动化：85% 的准确率已经能节省大量人力，剩下的 15% 人工处理更稳妥
做好日志记录：OpenClaw 和 Claude Code 的日志是排障的唯一线索

项目状态：已上线运行，稳定服务中
维护成本：每月约 30 元 API 费用 + 偶尔调优 1-2 小时
投资回报：首月即收回成本（节省人力 3200 元 vs 成本 47 元）

如果你有类似需求，可以参考这个案例。具体配置细节因环境而异，有问题建议查看 OpenClaw 官方文档或社区 Issue。

项目背景#

整体架构#

实施时间线#

详细实施步骤#

Step 1：安装 Claude Code#

Step 2：配置 CC-Switch（接入 Kimi）#

Step 3：安装 OpenClaw#

Step 4：配置 OpenClaw 网关#

Step 5：安装微信插件并绑定#

Step 6：配置 AI 回复规则#

踩坑记录（6次失败才成功）#

坑 1：网关启动失败，提示端口被占用#

坑 2：Kimi 模型返回乱码#

坑 3：微信消息能发不能收#

坑 4：AI 回复太啰嗦#

坑 5：ClawX 自动退出#

坑 6：API 账单暴涨#

最终效果与数据#

真实成本（第一个月）#

仍然存在的问题#

下一步优化计划#

给后来者的建议#