上門安裝 OpenClaw，年入百萬？

OpenClaw 最近火到什么程度？火到衍生出一門上門安裝的生意。

海外代裝平臺 SetupClaw 已經給出明碼標價：托管安裝，3000 美元；含 Mac mini 硬件的遠程配置，5000 美元；含 Mac mini 硬件的現場配置，6000 美元。創始人 Michael 更是號稱靠這門手藝，有望年入百萬美元。

國內社交平臺上，上門安裝的帖子也開始冒頭，500 到 1000 元一次，現場驗收。但這門生意能成立，前提是有人愿意掏這個錢。他們是誰，又為什么愿意為一個開源軟件的安裝服務買單？

幫人上門安裝 OpenClaw，年入百萬？

要回答這個問題，得先搞清楚 OpenClaw 究竟是什么。

OpenClaw 是一款開源、本地優先、可自托管的自主 AI 代理與自動化平臺，自開源發布以來已經在 Github 上收獲 24 萬 stars，其核心是用自然語言指令讓 AI 能夠直接在你設備上 「執行任務」，而非像 chatbot 聊天機器人一樣僅提供對話回復。

▲ Github 地址：https://github.com/openclaw/openclaw

它還支持接入各類聊天軟件作為入口，比如你只需在 Telegram 或 WhatsApp、iMessage 等平臺里發一句話，比如「幫我整理今天的郵件并把重要的標出來」，它就會在后臺自動完成，還會主動找你匯報進度。

對于每天要處理大量信息的人來說，這確實是個好幫手。但問題在于，它的安裝過程對普通人極不友好。

OpenClaw 的底層是一套面向開發者的本地網關服務，安裝需要依賴特定版本的 Node.js 環境，用命令行完成配置，還要處理守護進程、端口開放、Webhook 回調等細節。

盡管網上不少人調侃，代裝 OpenClaw 是門「智商稅」——懂技術的人自己就能裝，不懂的人根本用不上——但對于習慣了圖形界面的普通用戶來說，光是那個黑底白字的終端窗口，就足以把人擋在門外。

粗略觀察代裝服務的評論區，付費群體至少可以分出三層：

一類是個體創業者和自由職業者，對效率有強烈訴求，核心動機是省時間；一類是有技術認知但不愿親自動手的職場白領，知道這東西能干什么，只是不想花時間折騰；還有一類是跟風購買的普通消費者，對實際能做什么并沒有清晰預期。

而從公開報價來看，提供 OpenClaw 安裝的服務大致提供三個層級的方案：

• 托管安裝 (3000 美元)： 部署于云端 VPS，包含安全加固、主流應用集成（郵件、日歷等）及 3 個自定義工作流。提供 14 天的專屬售后支持 (Hypercare)。
• Mac Mini 遠程設置 (5000 美元)： 適用于需要 iMessage 集成或本地硬件的用戶。包含 Mac Mini 硬件成本及遠程配置。
• Mac Mini 現場設置 (6000 美元)： 僅限舊金山灣區。提供上門安裝、調試及面對面培訓。
• 額外 Agent (1500 美元/人)： 為其他高管或團隊成員增加獨立身份和工作流的代理。

對比之下，國內上門安裝服務則普遍在 500-1000 元一次，包含系統配置、模型部署調試和基礎使用指導，標注現場驗收、確保可正常運行。

當然，這種安裝復雜嗎？其實并不復雜。OpenClaw 本身是開源的，安裝流程也有詳細文檔，APPSO 也出過類似的手把手教程，歡迎自取。

包括最近有第三方做了一個 OpenClaw 生態工具目錄，收錄了幾十款相關工具，從部署、托管、插件到 token 優化一應俱全，還附帶從入門科普到進階調優的教程庫。

▲ https://openclawdirectory.co.uk/

但對沒有技術背景的人來說，「能學會」和「愿意學」之間，往往差之毫厘謬以千里。于是，大多數不想折騰的人，在 AI Fomo （Fear Of Missing Out，錯失恐懼癥）的情況下，往往選擇了人類面對復雜事物的終極解法：花錢。

回頭看過去幾波 AI 熱潮，幾乎每一次都是同樣的路數。2023 年 ChatGPT 在國內掀起狂潮時，第一批賺到錢的人，不是用它寫文案做分析的，而是幫人代注冊賬號的賣家。

生成式 AI 剛走進大眾視野時，如何寫出好 Prompt 是一門真實的技藝，早期創作者靠這個知識差賣課、建社群，數百元的課程輕松售出數千份；DeepSeek 爆火后教程書甚至賣出 18 萬冊，1999 元的課程仍有人買。

那么，代裝這門生意本身賺不賺？SetupClaw 創始人 Michael 聲稱，單靠安裝 OpenClaw，一年能賺一百萬美元。不過，這個數字沒有任何訂單量和交付成本支撐，更像是一句專門寫給同行看的招商廣告：兄弟，這行有搞頭，快來。

裝上之后，才僅僅是「入門」

很多人以為代裝生意的壁壘是安裝，實則不然，OpenClaw 只是一個框架，本身不包含語言模型，必須接入外部模型才能讓它運轉，費用按使用量計費。

OpenClaw 為了模擬全天候助理的待命狀態，內置了一套心跳（Heartbeat）機制：每隔 30 分鐘自動醒來，檢查郵箱有沒有新郵件、日歷有沒有變動、Slack 頻道有沒有消息需要處理。

問題是，每次后臺喚醒都不是一次簡單的檢查——系統需要向云端 API 發送一個完整請求，里面裝著冗長的系統提示詞、數十個工具的參數定義以及近期會話的全部歷史記錄，體積龐大。

有開發者復盤后發現，系統在沒有太多實際產出的狀態下，僅靠心跳機制維持每天就消耗 20 美元，一個月白白燒掉近 750 美元。

也正是這個痛點，網絡上催生了圍繞 OpenClaw 的一批省錢攻略。

常見做法包括：

• 按任務類型路由不同模型，簡單檢索和狀態檢查用便宜模型，復雜推理再調用昂貴模型。
• 控制每次請求的最大 tokens，避免一次對話失控。
• 對長時間運行的會話做上下文裁剪，只保留必要的歷史信息。
• 把部分任務下沉到本地模型（如通過 Ollama 部署）以減少對外部 API 的依賴。

此外，OpenClaw 要真正發揮作用，得拿到郵件、日歷、通訊軟件等高權限渠道的訪問權限。這意味著一旦出了問題，你的隱私數據和核心賬號就有可能全部「裸奔」。

現實中的安全災難已經接連發生。一個專門針對此漏洞的掃描器，在短時間內就發現了超過 4.2 萬個暴露在公網的 OpenClaw 實例，其中九成以上可以被攻擊者直接繞過身份驗證，竊取 API 密鑰和私人通訊記錄。

在插件生態層面，OpenClaw 有一個名為 ClawHub 的插件市場。思科安全團隊審計發現，一個被人為刷到排行榜第一名的插件，實為偽裝的惡意軟件，在后臺竊取用戶數據并植入惡意腳本。

甚至一些用戶還因為將 Google 賬號接入 OpenClaw，觸發平臺異常負載檢測，導致整個 Google 賬號被封，Gmail、YouTube 一并被斷開。

最具代表性的案例，發生在今年 2 月。Meta 旗下專門研究 AI 對齊問題的負責人 Summer Yue，甚至犯了一個新手的錯誤，給了 OpenClaw 真實郵箱的訪問權限。很快，OpenClaw 由于丟失了最初收到的限制指令，開始批量清空她的收件箱。

她在手機上連發停止指令，沒有任何反應。最后她不得不沖到 Mac mini 面前強制斷電，才讓它住手。

如果連最懂 AI 風險邊界的人，都能在這里翻車，這大概不是個例。而把一個還不夠穩定的 Agent，直接綁在郵件、日歷、賬號這類核心資產上，然后期待它乖乖聽話——本身就是一件需要打一個很大問號的事。