Openclaw(Moltbot /Clawdbot) : Panduan Pemasangan+ Tutorial Pengehosan API

Memimpin gelombang ini ialah Moltbot (dahulunya dikenali sebagai Clawdbot), sebuah projek yang berubah daripada alat pembangun khusus kepada fenomena tular dengan lebih 60,000 bintang GitHub dalam beberapa minggu sahaja. Dicipta oleh Peter Steinberger, Moltbot mewakili “molting” bagi agen AI—menanggalkan batasan antara muka web untuk menghuni aplikasi pemesejan dan sistem fail yang kita gunakan setiap hari.

Perhatian terkini: projek ini menjenamakan semula daripada Clawdbot kepada Moltbot selepas permintaan berkaitan tanda dagangan daripada Anthropic kerana “Clawd” kedengaran terlalu serupa dengan “Claude.”

Apakah itu Moltbot (Clawdbot) dan Mengapa Ia Menjadi Tular?

Moltbot ialah agen AI sumber terbuka yang dihoskan sendiri, direka untuk merapatkan jurang antara Model Bahasa Besar (LLM) berkuasa dan komputer tempatan anda. Berbeza dengan ChatGPT atau Claude.ai, yang wujud dalam tab pelayar “walled garden”, Moltbot berjalan sebagai Gateway pada perkakasan anda (Mac, Linux atau VPS).

Ia menukar mesej bahasa semula jadi daripada platform seperti Telegram, WhatsApp dan Slack kepada tindakan boleh laksana pada mesin anda. Sama ada anda perlu mencari fail di desktop semasa di pasar raya atau mencetuskan skrip pelancaran yang kompleks dari telefon anda, Moltbot bertindak sebagai proksi digital dengan akses penuh ke sistem.

Kenapa ia berbeza

• Pelaksanaan dan alat berasaskan lokal: Moltbot benar-benar boleh menjalankan arahan pada hos anda (dengan kebenaran), memanggil API luar, dan menggunakan “skills” iaitu program kecil atau aliran kerja yang ditakrif melalui Markdown.
• Berbilang saluran: anda menggunakan pembantu yang sama dari Telegram, WhatsApp, Slack, Discord dan lain-lain — ia boleh menghantar mesej kepada anda secara proaktif.
• Memori & ketekalan: Moltbot menyimpan fail memori dalam ruang kerja (Markdown) dan mengindeksnya untuk carian supaya pembantu “mengingati” merentas sesi (butiran di bawah).

Keupayaan Teras Sekilas Pandang

Bagaimana Clawdbot “Mengingati” Segala-Galanya Tanpa Pangkalan Data?

Salah satu aspek paling inovatif Moltbot ialah senibina memori yang telus. Kebanyakan alat AI mengalami “amnesia” antara sesi. Moltbot menyelesaikannya dengan sistem berlapis fail Markdown biasa yang terletak dalam ruang kerja anda. Pendekatan ini memastikan anda boleh membaca, menyunting dan mengaudit dengan tepat apa yang AI anda ketahui tentang anda.

Apakah reka bentuk memori dan bagaimana ia berfungsi?

Mereka bentuk memori Moltbot sengaja ringkas dan boleh diaudit: memori ialah fail Markdown biasa di dalam ruang kerja agen. Fail-fail ini ialah sumber kebenaran — model hanya “mengingati” apa yang ditulis ke cakera. Susun atur lalai menggunakan:

• memory/YYYY-MM-DD.md — log harian tambah-sahaja (pembantu membaca hari ini + semalam ketika memulakan sesi).
• MEMORY.md — memori jangka panjang terkurasi yang anda kawal dan hanya dimuatkan ke sesi peribadi.

Reka bentuk ini mempunyai dua manfaat besar:

1. Kebolehauditan — anda boleh membaca dan menyunting apa yang akan digunakan pembantu sebagai memori.
2. Kesederhanaan untuk peralatan — pemalam memori menyediakan pengindeksan vektor/BM25 supaya agen boleh mencari entri memori berkaitan dengan pantas.

Pendekatan teknikal

• Storan perbualan/sesi: Gateway menjejak sesi dan meneruskan konteks yang betul ke masa jalan agen. Ini membolehkan agen mengekalkan keadaan perbualan merentas mesej dan saluran.
• Data lokal terindeks: Moltbot boleh mengindeks fail dan dokumen lokal dan mendedahkannya melalui alat carian (semantik atau kata kunci) untuk pengambilan. Inilah cara agen boleh “mengingati” nota mesyuarat, cebisan atau kod anda.
• Hasil alat dan primitif memori: Skills dan alat boleh menulis ke stor kekal (pangkalan data atau sistem fail), dan Moltbot boleh merujuk entri tersebut pada prompt kemudian. Ramai penggunaan menggunakan SQLite, Postgres, atau JSON/YAML lokal untuk set up kecil.
• LLM embeddings & vector store: Untuk ingatan semantik, corak biasa ialah memadankan dokumen dan menyimpan vektor dalam pangkalan data vektor, kemudian mendapatkan jiran terdekat untuk disertakan dalam prompt. Senibina Moltbot menyokong panggilan alat yang tidak bergantung pada model, jadi anda boleh memasang gabungan embedding + vector store anda.

Amaran keselamatan: oleh kerana memori adalah berterusan dan skills boleh menjalankan arahan pada hos, tetapan lalai yang disyorkan adalah konservatif: pasangan DM untuk pengirim tidak diketahui, sandbox untuk sesi bukan utama, dan pemeriksaan moltbot doctor untuk memaparkan konfigurasi berisiko. Sentiasa semak dokumentasi keselamatan dan anggap mesej masuk sebagai input yang tidak dipercayai.

Hierarki Memori

Apabila anda memberitahu Moltbot, “Ingat bahawa saya suka laporan saya dalam format PDF,” ia tidak menyimpannya dalam pangkalan data SQL tersembunyi. Ia benar-benar membuka USER.md dan menambah poin baharu. Ini membolehkan agen mengekalkan konteks merentas minggu perbualan, menjadikannya terasa seperti pembantu peribadi sebenar dan bukannya contoh baharu setiap pagi.

---

Panduan persediaan Moltbot: prasyarat dan pemasangan

Di bawah ialah senarai semak dan arahan persediaan praktikal untuk menjalankan contoh Moltbot asas pada macOS/Linux (Ubuntu). Ini ialah panduan ringkas berorientasikan produksi — jika anda perlukan GUI atau hos terurus, teruskan ke bahagian pengehosan API.

Keperluan (prasyarat)

• Mesin yang menjalankan macOS atau Linux (Windows boleh berfungsi melalui WSL2). Node.js v22+ diperlukan untuk gateway dan CLI.
• Penyunting teks dan kefahaman asas shell.
• Sekurang-kurangnya satu kunci API LLM (OpenAI, Anthropic, Venice, atau model lokal seperti Ollama) — Moltbot sendiri tidak bergantung pada model.
• Pilihan: Docker, jika anda lebih suka pelancaran berkontena.

Pemasangan Langkah demi Langkah

1. Pasang Pakej: Jalankan arahan berikut dalam terminal anda: npm install -g clawdbot@latest
2. Lancar Wizard Onboarding: Wizard ialah teras persediaan. Ia akan membimbing anda melalui pengesahan keselamatan dan pemilihan model. clawdbot onboard --install-daemon
3. Sahkan Risiko Keselamatan: Moltbot akan meminta anda mengakui bahawa ia mempunyai akses “seumpama root” kepada mesin anda. Anda mesti menaip pengesahan untuk meneruskan.
4. Konfigurasi Gateway: Wizard akan memasang clawdbot gateway sebagai servis latar (launchd pada Mac atau systemd pada Linux) supaya ia kekal dalam talian 24/7.

Pemasangan pantas (macOS / Linux)

# Clone and enter repo
git clone https://github.com/moltbot/moltbot.git
cd moltbot

# Install via npm (global CLI) or run locally
npm install -g @moltbot/cli   # or: npm ci && npm run build

# Create environment file from example
cp .env.example .env

# Edit .env and add your API keys (OPENAI_API_KEY, ANTHROPIC_API_KEY, etc.)
# Then run onboarding
moltbot onboard --install-daemon
moltbot start

Docker (asas)

# docker-compose.yml (simplified)
version: "3.8"
services:
  moltbot:
    image: moltbot/moltbot:latest
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - OTHER_KEYS=...
    volumes:
      - ./data:/app/data
    ports:
      - "3000:3000"

Jalankan dengan:

docker compose up -d

Selepas pemasangan: padankan saluran pemesejan

Moltbot menyokong pelbagai saluran. Pemadanan biasanya melibatkan penjanaan token pemadanan daripada UI atau CLI gateway dan menggunakan “URL pemadanan” untuk menyambungkan bot Telegram atau akaun WhatsApp — langkah khusus bergantung pada penyambung saluran yang anda pilih (Telegram Bot API berbanding pembungkus grammY, WhatsApp melalui Baileys, dsb.). Lihat dokumen untuk moltbot connect telegram atau moltbot connect whatsapp.

Bagaimana saya mengawal PC saya dari Telegram melalui Moltbot (langkah demi langkah)?

Di bawah ialah panduan yang selamat dan praktikal untuk mengawal hos melalui mesej Telegram — berguna untuk pentadbiran jauh, menjalankan skrip, mendapatkan log atau meminta Moltbot menjalankan tugas kecil. Nota keselamatan penting: jangan dedahkan Gateway anda ke Internet terbuka tanpa token API dan tembok api; hanya benarkan pengguna Telegram yang dipercayai berbual dengan bot anda.

1) Cipta bot Telegram dengan BotFather

1. Dalam Telegram, mesej @BotFather.
2. Hantar /newbot dan ikut arahan.
3. Salin token bot 123456789:ABC-... (BotFather akan memaparkannya).

2) Tambah token ke gateway anda

Set pembolehubah persekitaran atau konfigurasi:

export TELEGRAM_BOT_TOKEN="123456789:ABC-..."
# or add to your gateway's config file:
# channels:
#   telegram:
#     botToken: "123456789:ABC-..."

Anda juga boleh menambah token melalui arahan moltbot channels add atau moltbot configure bergantung pada versi CLI anda. Dokumen Telegram menunjukkan laluan persediaan pantas ini.

3) Jalankan wizard onboarding dan pilih Telegram

Jalankan:

moltbot onboard --install-daemon

Masa wizard:

• Pilih penyedia model anda (Anthropic Opus, OpenAI atau lokal).
• Apabila diminta untuk saluran, pilih Telegram dan tampal token.
• Konfigurasi pemadanan/senarai benarkan untuk mengehadkan siapa boleh menghantar mesej kepada bot (penting — tetapkan ID pengguna anda supaya hanya anda boleh mengawalnya).

Tutor komuniti dan proses onboarding akan meminta anda menampal sedikit output arahan daripada hos anda untuk membuktikan pemadanan nod — ikut prompt tersebut.

4) Dayakan alat exec dan kelulusan (dengan selamat)

Moltbot boleh menjalankan arahan sistem melalui alat exec, tetapi ia beroperasi di bawah model kelulusan yang jelas:

• Kelulusan exec direkodkan dalam ~/.clawdbot/exec-approvals.json.
• Sistem akan memaparkan prompt dalam chat untuk kelulusan kali pertama tindakan diminta; anda boleh membalas /approve untuk meneruskan (atau menolak).
• Untuk aliran kerja automatik sepenuhnya anda boleh mencipta senarai benarkan terhad bagi arahan atau “bin” skrip pra-diluluskan.

Contoh: dayakan alat exec dalam konfigurasi moltbot (atau melalui UI/pemalam):

{
  "tools": {
    "exec": {
      "enabled": true,
      "allowlist": ["/usr/local/bin/backup.sh", "/usr/bin/uptime"]
    }
  }
}

Projek ini mempunyai aliran kelulusan exec yang jelas dan meneruskan prompt kelulusan ke saluran chat apabila diminta, menjadikannya lebih mudah untuk menyemak dan meluluskan operasi.

5) Cuba arahan yang selamat dari Telegram

Dari akaun Telegram anda (pengguna dibenarkan) hantarkan:

@YourMoltbot Hi — please run: uptime

Pembantu akan:

1. Meminta pengesahan (jika exec memerlukan kelulusan).
2. Menjalankan arahan yang dibenarkan pada hos.
3. Mengembalikan output ke chat.

6) Cipta tindakan lebih selamat melalui skills

Daripada memberikan akses shell terus melalui chat, lebih baik gunakan skills yang mengenkapsulasi tindakan (cth., skill backup yang memanggil skrip dan mengembalikan hasil yang diformat dengan kemas). Skills boleh dipasang/dinyahpasang dan lebih selamat untuk disemak.

Bagaimana saya mengehos API Moltbot (Gateway) dan menggunakan API HTTP?

Bolehkah Moltbot menyediakan API yang boleh dipanggil oleh program lain?

Ya. Gateway Moltbot boleh mendedahkan titik akhir HTTP serasi OpenResponses (seperti POST /v1/responses) dan shim gaya OpenAI /v1/chat/completions. Titik akhir ini dinyahtaktifkan secara lalai dan mesti didayakan dalam konfigurasi gateway. Titik akhir HTTP OpenResponses dipetakan terus ke laluan larian agen gateway, jadi permintaan dilaksanakan sebagai sesi agen sebenar (dengan penghalaan/kebenaran yang sama).

Apakah itu Proksi API dalam Moltbot?

Proksi API dalam Moltbot ialah servis perantara yang duduk di antara runtime agen Moltbot dan penyedia LLM hulu seperti:

• OpenAI
• Anthropic
• Venice
• Azure OpenAI
• Titik akhir serasi OpenAI yang dihoskan sendiri

Daripada Moltbot memanggil penyedia secara terus, semua permintaan dirutekan melalui proksi, yang boleh:

• Menulis semula permintaan dan respons
• Menguatkuasakan had kadar
• Menjejak penggunaan token dan kos
• Menukar model secara dinamik
• Menyamarkan kunci API sebenar daripada Moltbot
• Menambah pengesahan, pembalakan (logging), dan caching

Secara konseptual:

Moltbot → API Proxy → LLM Provider

Senibina ini meningkatkan keselamatan, kebolehcerapan dan kawalan kos dengan ketara.

🚀 Permulaan Pantas: Kami mengesyorkan menggunakan CometAPI (apiyi.com) untuk mendapatkan kunci API anda. Pendaftaran memberikan kredit percuma. Ia menyokong semua algoritma utama, seperti Claude Sonnet 4.5, Claude Opus 4.5 dan GPT-5.2, dan biasanya 10–20% lebih murah daripada harga rasmi.

Langkah 1: Dapatkan Kunci Proksi API anda

Kaedah 1: Tetapkan Pembolehubah Persekitaran. Dalam fail .env Moltbot anda:

OPENAI_API_BASE=https://cometapi.com/v1
OPENAI_API_KEY=moltbot-internal-token
OPENAI_MODEL=gpt-4.1-mini

Perkara penting:

• OPENAI_API_BASE menunjuk ke proksi anda, bukan OpenAI
• OPENAI_API_KEY ialah token yang dikeluarkan proksi
• Proksi memutuskan penyedia/model yang sebenarnya digunakan

Mulakan semula Moltbot selepas mengemas kini nilai ini.

Kaedah 2: Konfigurasi melalui config.json:

• Mencari Fail Konfigurasi Moltbot
• Buka fail konfigurasi anda dan tambah atau kemas kini models.providers

Fail konfigurasi biasanya berada di salah satu lokasi ini:

Anda juga boleh mencarinya menggunakan baris arahan:

# See your current config
moltbot config list

# Get the exact path to your config file
moltbot config path

---

Langkah 2: Sahkan Kesambungan

Jalankan prompt ujian ringkas:

moltbot test llm

Jika dikonfigurasi dengan betul, Moltbot akan menerima respons seperti biasa — tanpa menghubungi penyedia hulu secara langsung.

Anggaran kos untuk menjalankan Moltbot menggunakan model dihoskan

Kos menggunakan model terurus bergantung pada harga API, jadi memilih penyedia API yang murah agak penting, sebab itu saya mengesyorkan CometAPI.

Faktor harga biasanya bergantung pada:

• Harga vendor. Kos menggunakan model terurus bergantung pada harga API, jadi memilih vendor API yang lebih murah adalah penting, sebab itu saya mengesyorkan CometAPI.
• Pilihan antara model perdana atau ringan; sebagai contoh, perbezaan harga antara Claude Opus 4.5 dan GLM 4.7 adalah ketara.
• Kerumitan kandungan yang diproses. Jika aliran kerja anda berat teks (penghurai fail, balasan panjang), tambahkan token.

Contoh anggaran (sekadar gambaran, harga Jan 2026 dilaporkan dalam siaran komuniti):

• Penggunaan peribadi sekali-sekala (beberapa ratus respons/bulan, gabungan model lokal dan panggilan API murah): $0–$50/bulan.
• Penggunaan berat peribadi/pro pembangun (pengindeksan fail, banyak panggilan alat): $100–$1,000/bulan.
• Pasukan atau produksi sentiasa hidup (ramai pengguna + pengikisan web + rantaian): $1,000+/bulan kecuali anda mengoptimumkan penggunaan model secara agresif.

Cara mengurangkan kos

• Perutean model: hantar tugas ringan kepada model yang lebih murah atau LLM lokal, simpan model mahal untuk penaakulan jangka panjang — ujian komuniti menunjukkan ini boleh mengurangkan kos sekitar ~50% atau lebih.
• Relay & harga pukal: gunakan relay API yang menawarkan kadar per token lebih baik atau pengehosan model peribadi (Venice, titik akhir peribadi).
• Caching & pemotongan agresif: cache output LLM, potong sejarah panjang, dan ringkaskan daripada menghantar semula konteks penuh.

Ciri Proksi API Lanjutan untuk Moltbot

Perutean Model mengikut Jenis Tugas

Anda boleh memeriksa payload permintaan dan merutekan secara dinamik:

function selectModel(messages) {
  const systemPrompt = messages[0]?.content || "";
  if (systemPrompt.includes("shell") || systemPrompt.includes("automation")) {
    return "gpt-4.1";
  }
  return "gpt-4.1-mini";
}

Pola ini mengurangkan kos tanpa menjejaskan kualiti.

---

Had Token dan Kos

Anda boleh menguatkuasakan had tegar:

if (req.body.max_tokens > 2000) {
  return res.status(400).json({
    error: "Token limit exceeded"
  });
}

Sesetengah pasukan juga menjejak penggunaan kumulatif bagi setiap ID pengguna Moltbot.

---

Adakah Selamat Memberi AI Akses Shell kepada Komputer Saya?

Ini ialah soalan paling kritikal untuk mana-mana pengguna Moltbot. Memberi LLM keupayaan untuk menjalankan rm -rf sememangnya berisiko. Moltbot menyertakan beberapa penghadang untuk mengurangkan risiko ini:

1. Sandboxing: Anda boleh menjalankan Moltbot di dalam Docker container. Ini mengehadkan “dunia” agen kepada folder tertentu, menghalangnya daripada menyentuh fail sistem anda.
2. Kelulusan Jelas: Secara lalai, “Sesi Utama” (chat terus dengan anda) mempunyai kepercayaan lebih tinggi, tetapi anda boleh mengkonfigurasi bot untuk meminta kebenaran sebelum menjalankan sebarang arahan shell yang merosakkan.
3. Perlindungan Kata Laluan: Jika anda mendedahkan UI Web Moltbot, sentiasa dayakan pengesahan kata laluan dalam config.json:

{
  "gateway": {
    "auth": {
      "mode": "password",
      "password": "YOUR_STRONG_SECURE_PASSWORD"
    }
  }
}

Pemikiran Akhir:

Moltbot lebih daripada sekadar chatbot; ia ialah infrastruktur untuk pekerja digital peribadi. Dengan mengehosnya sendiri, anda mengembalikan kawalan ke atas data anda sambil memperoleh produktiviti daripada AI yang tidak pernah tidur. Sama ada anda menggunakannya untuk mengurus kalendar melalui Telegram atau mengautomasikan talian paip devops dari sofa, Moltbot ialah sekilas masa depan di mana setiap orang mempunyai “Jarvis” mereka sendiri yang berjalan pada Mac Mini di sudut bilik.

Jika anda mahukan platform API dengan pelbagai model vendor (seperti Chatgpt-5.2, Claude opus 4.5, dsb.) pada harga yang lebih rendah daripada rasmi, maka CometAPI ialah pilihan terbaik. Untuk bermula, terokai keupayaan model dalam Playground dan rujuk panduan API untuk arahan terperinci. Sebelum mengakses, pastikan anda telah log masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga jauh lebih rendah daripada harga rasmi untuk membantu anda mengintegrasi.

Bersedia untuk Bermula?→ Daftar CometAPI hari ini !

Jika anda ingin mengetahui lebih banyak tip, panduan dan berita tentang AI ikuti kami di VK, X dan Discord!