Openclaw(Moltbot /Clawdbot) : 設定指南+ API 託管教學

引領這股浪潮的是 Moltbot（原名 Clawdbot），一個從小眾開發者工具在短短數週內躍升為爆紅項目、斬獲超過 60,000 個 GitHub 星標的計畫。由 Peter Steinberger 創建，Moltbot 代表了 AI 代理的「蛻變」——擺脫網頁介面的限制，進駐我們日常使用的訊息應用與檔案系統。

近期焦點：該專案因 Anthropic 提出的商標相關要求而將名稱由 Clawdbot 更名為 Moltbot，理由是「Clawd」聽起來與「Claude」過於相似。

什麼是 Moltbot（Clawdbot），為何會爆紅？

Moltbot 是一個開源、可自託管的 AI 代理，旨在銜接強大的大型語言模型（LLM）與你的本機電腦。不同於存在於「圍牆花園」瀏覽器分頁中的 ChatGPT 或 Claude.ai，Moltbot 以**網關（Gateway）**形式在你的硬體（Mac、Linux 或 VPS）上執行。

它會將來自 Telegram、WhatsApp、Slack 等平台的自然語言訊息轉化為在你的機器上可執行的動作。無論你在超市時需要在桌面上尋找檔案，或想用手機觸發複雜的部署腳本，Moltbot 都能以具備完整系統存取權的數位代理為你代勞。

為何與眾不同

• 本地優先的執行與工具：Moltbot 可在你的主機上實際執行命令（需同意）、呼叫外部 API，並使用「Skills」——小型程式或以 Markdown 定義的工作流程。
• 多通道：你可在 Telegram、WhatsApp、Slack、Discord 等使用同一個助手——它還能主動傳訊給你。
• 記憶與持久性：Moltbot 在工作區以 Markdown 儲存記憶檔案並建立索引，以便助手在跨工作階段「記得」內容（詳見下文）。

核心能力一覽

Clawdbot 如何在沒有資料庫的情況下「記住」一切？

Moltbot 最具創新的一面是其透明的記憶架構。多數 AI 工具在工作階段之間存在「失憶」問題。Moltbot 透過位於工作區的純 Markdown 檔案的分層系統加以解決。此作法確保你能精準閱讀、編輯與稽核你的 AI 對你的認知。

記憶體設計是什麼，如何運作？

Moltbot 的記憶刻意保持簡潔且可稽核：記憶是代理工作區中的純 Markdown 檔案。檔案即為事實來源——模型只「記住」寫入磁碟的內容。預設佈局如下：

• memory/YYYY-MM-DD.md — 每日僅追加的日誌（助理在工作階段開始時會讀取今天 + 昨天）。
• MEMORY.md — 可由你掌控、僅在私人工作階段載入的整理後長期記憶。

此設計有兩大優點：

1. 可稽核性——你可以閱讀與編輯助理將用作記憶的內容。
2. 工具化的簡單性——記憶外掛提供向量/BM25 索引，使代理能快速搜尋相關記憶條目。

技術方法

• 對話／工作階段存儲：網關追蹤工作階段並將正確的脈絡轉送至代理執行環境。這讓代理能在跨訊息與通道之間保留對話狀態。
• 已索引的本地資料：Moltbot 可為本地檔案與文件建立索引，並透過搜尋工具（語意或關鍵字）暴露，以供擷取。代理因此能「記得」你的會議筆記、片段或程式碼。
• 工具輸出與記憶基本構件：Skills 與工具可寫入持久儲存（資料庫或檔案系統），Moltbot 可在後續提示中引用這些條目。許多部署使用 SQLite、Postgres 或本地 JSON/YAML 以支援小型場景。
• LLM 嵌入與向量存儲：為了語意回憶，通常的模式是為文件建立嵌入並將向量儲存在向量資料庫中，再擷取最近鄰以納入提示。Moltbot 的架構可容納不依賴特定模型的工具呼叫，因此你可以插入任意嵌入 + 向量存儲組合。

安全警示：由於記憶具持久性且 Skills 可在主機上執行命令，建議採取保守的預設：未知發送者需 DM 配對、非主工作階段採沙盒化，並使用 moltbot doctor 檢查以揭示風險性設定。務必閱讀安全文件，並將入站訊息視為不受信任的輸入。

記憶層級

當你告訴 Moltbot：「記住我喜歡把報告輸出為 PDF 格式」，它不會把這些資料存入隱藏的 SQL 資料庫。它會直接開啟 USER.md 並附加一個新的項目。這讓代理能在數週的對話中維持脈絡，感覺更像真正的個人助理，而不是每天早上重新啟動的一個新實例。

---

Moltbot 設定指南：前置需求與安裝

以下是 macOS/Linux（Ubuntu）上快速啟動基本 Moltbot 實例的實用設定清單與指令。這是一份精簡、以生產為導向的指南——若你需要 GUI 或受管主機，請跳至 API 託管章節。

你需要準備什麼（前置需求）

• 一台執行 macOS 或 Linux 的機器（Windows 可透過 WSL2 運作）。網關與 CLI 需要 Node.js v22+。
• 一個文字編輯器與基本 shell 操作常識。
• 至少一個 LLM API 金鑰（OpenAI、Anthropic、Venice，或如 Ollama 的本地模型）——Moltbot 本身對模型不設限。
• 選用：Docker（若你偏好容器化部署）。

逐步安裝

1. 安裝套件：在終端機執行以下指令：npm install -g clawdbot@latest
2. 啟動導入精靈：精靈是設定的核心，會引導你完成安全確認與模型選擇。clawdbot onboard --install-daemon
3. 確認安全風險：Moltbot 會要求你承認其對你的機器擁有「類 root」的存取權。你必須輸入確認才能繼續。
4. 設定網關：精靈會將 clawdbot gateway 安裝為背景服務（Mac 使用 launchd，Linux 使用 systemd），讓它 24/7 保持上線。

快速安裝（macOS / Linux）

此範例使用推薦的 git + npm 方法，與官方文件一致。

# 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（基礎）

# 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"

執行方式：

docker compose up -d

安裝後：配對一個訊息頻道

Moltbot 支援多種通道。配對通常涉及從網關 UI 或 CLI 產生配對 token，並使用一個小型「配對 URL」來連結 Telegram 機器人或 WhatsApp 帳號——具體步驟取決於你選用的通道連接器（Telegram Bot API vs. grammY 包裝、WhatsApp 透過 Baileys 等）。請參見文件中的 moltbot connect telegram 或 moltbot connect whatsapp。

我如何透過 Telegram 使用 Moltbot 控制我的電腦（逐步）？

以下是一份安全、實用的操作流程，可透過 Telegram 訊息控制主機——適用於遠端管理、執行腳本、擷取日誌或請 Moltbot 執行小型任務。重要安全提醒：在沒有 API token 與防火牆的情況下，請勿將你的網關暴露於公開網路；僅允許受信任的 Telegram 使用者與你的機器人對話。

1) 透過 BotFather 建立 Telegram 機器人

1. 在 Telegram 中，傳訊給 @BotFather。
2. 送出 /newbot 並依照提示操作。
3. 複製機器人 token 123456789:ABC-...（BotFather 會顯示）。

2) 將 token 加入你的網關

設定環境變數或配置：

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

你也可透過 moltbot channels add 或 moltbot configure 指令加入，具體取決於 CLI 版本。Telegram 文件提供此快速設定路徑。

3) 執行導入精靈並選擇 Telegram

執行：

moltbot onboard --install-daemon

在精靈過程中：

• 選擇你的模型供應商（Anthropic Opus、OpenAI 或本地）。
• 當提示選擇通道時，選擇 Telegram 並貼上 token。
• 設定配對／允許清單以限制誰能訊息你的機器人（很重要——設定你的使用者 ID，確保只有你能控制它）。

社群教學與導入流程會要求你貼上一段來自主機的命令輸出以完成節點配對——依照提示操作即可。

4) 安全地啟用 exec 工具與核准流程

Moltbot 可透過其 exec 工具執行系統指令，但採用明確的核准模型：

• 首次請求動作時，系統會在聊天中提示取得核准；你可回覆 /approve 以繼續（或拒絕）。
• 對於完全自動化的工作流程，你可以建立受限的允許清單或一個預先核准腳本的「bin」。

範例：在 moltbot 配置中（或透過 UI/外掛）啟用 exec 工具：

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

該專案具備明確的 exec 核准流程，且在需要時會將核准提示轉送至聊天頻道，便於你審閱並同意操作。

5) 從 Telegram 嘗試安全的指令

從你的 Telegram 帳號（已允許的使用者）傳送：

@YourMoltbot Hi — please run: uptime

助理將：

1. 要求確認（若 exec 需要核准）。
2. 在主機上執行允許的指令。
3. 將輸出回傳至聊天。

6) 透過 Skills 建立更安全的動作

與其透過聊天直接提供 shell 存取，建議使用封裝動作的 Skills（例如 backup Skill 會呼叫腳本並回傳格式化的結果）。Skills 可安裝／卸載，且更便於審閱。

我如何託管 Moltbot API（網關）並使用 HTTP API？

Moltbot 是否能提供供其他程式呼叫的 API？

可以。Moltbot 的網關可暴露 OpenResponses 相容的 HTTP 端點（如 POST /v1/responses）以及 OpenAI 風格的 /v1/chat/completions 適配。這些端點預設關閉，必須在網關配置中啟用。OpenResponses HTTP 端點直接對應網關的代理執行路徑，因此請求會作為真實代理工作階段執行（具備相同的路由／權限）。

什麼是 Moltbot 中的 API Proxy？

在 Moltbot 中，API proxy 是位於 Moltbot 代理執行環境與上游 LLM 供應商之間的中介服務，例如：

• OpenAI
• Anthropic
• Venice
• Azure OpenAI
• 自託管的 OpenAI 相容端點

Moltbot 不直接呼叫供應商，而是所有請求都透過 proxy 路由，proxy 可以：

• 重寫請求與回應
• 強制速率限制
• 追蹤 token 使用量與成本
• 動態切換模型
• 對 Moltbot 隱藏真實 API 金鑰
• 增加驗證、記錄與快取

概念上：

Moltbot → API Proxy → LLM Provider

此架構大幅提升安全性、可觀測性與成本控制。

🚀 快速開始：我們推薦使用 CometAPI (apiyi.com) 取得你的 API 金鑰。註冊即可獲得免費額度。它支援所有主流模型，如 Claude Sonnet 4.5、Claude Opus 4.5、GPT-5.2，且通常比官方價格便宜 10–20%。

步驟 1：取得你的 API Proxy 金鑰

方法 1：設定環境變數。在你的 Moltbot .env 檔案中：

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

重點：

• OPENAI_API_BASE 指向你的 proxy，而非 OpenAI
• OPENAI_API_KEY 是由 proxy 發行的 token
• 實際使用的供應商／模型由 proxy 決定

更新後請重新啟動 Moltbot。

方法 2：透過 config.json 進行設定：

• 尋找 Moltbot 設定檔
• 開啟你的設定檔，新增或更新 models.providers

設定檔通常位於以下位置：

你也可以用命令列找到它：

# See your current config
moltbot config list

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

---

步驟 2：驗證連線

執行一個簡單的測試提示：

moltbot test llm

若設定正確，Moltbot 將正常接收回應——而無需直接聯絡上游供應商。

使用託管模型運行 Moltbot 的成本估算

使用託管模型的成本取決於 API 價格，因此選擇較便宜的 API 供應商非常重要，這也是我推薦 CometAPI 的原因。

影響定價的因素通常包括：

• 供應商定價。使用託管模型的成本取決於 API 價格，因此選擇更便宜的供應商至關重要，這也是我推薦 CometAPI 的理由。
• 主力模型與輕量模型的取捨；例如 Claude Opus 4.5 與 GLM 4.7 的價格差異十分顯著。
• 處理內容的複雜度。若工作流程偏重文字（檔案解析、長回覆），請考慮 token 增加。

大致範例（僅供參考，2026 年 1 月社群貼文所述價格）：

• 偶爾的個人使用（每月數百次回應，混合本地模型與便宜 API 呼叫）：$0–$50/月。
• 重度個人／專業開發者使用（檔案索引、許多工具呼叫）：$100–$1,000/月。
• 團隊或長期在線生產（多使用者 + 網頁擷取 + 連鎖流程）：$1,000+/月，除非你積極優化模型使用。

降低成本的方法

• 模型路由：將輕量任務送往更便宜的模型或本地 LLM，把昂貴模型留給長程推理——社群測試顯示可降低約 50% 以上成本。
• 中繼與批量定價：使用提供更佳每 token 單價的 API 中繼或私有模型託管（Venice、私有端點）。
• 積極快取與截斷：快取 LLM 輸出、截斷長歷史，並以摘要替代重複傳送完整脈絡。

Moltbot 的進階 API Proxy 功能

依任務類型進行模型路由

你可以檢查請求負載並動態路由：

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

此模式可在不犧牲品質的情況下降低成本。

---

Token 與成本限制

你可以強制硬性限制：

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

有些團隊也會按 Moltbot 使用者 ID 追蹤累計用量。

---

讓 AI 取得我電腦的 Shell 存取是否安全？

這是任何 Moltbot 使用者最關鍵的問題。讓 LLM 能夠執行 rm -rf 本質上具有風險。Moltbot 包含多項護欄以降低風險：

1. 沙盒化：你可以在 Docker 容器內執行 Moltbot。這會將代理的「世界」限制在特定資料夾，防止其接觸系統檔案。
2. 明確核准：預設情況下，「主工作階段」（直接與你的聊天）具有較高信任，但你可以設定機器人在執行任何具破壞性的 shell 指令前都需要取得你的許可。
3. 密碼保護：若你暴露 Moltbot 的 Web UI，請務必在 config.json 中啟用密碼驗證：

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

最後想法：

Moltbot 不僅只是聊天機器人；它是支撐個人數位員工的基礎設施。透過自行託管，你既能重獲資料掌控權，也能獲得永不休眠的 AI 帶來的生產力。無論你用它透過 Telegram 管理行事曆，或是在沙發上自動化你的 DevOps 流程，Moltbot 都是對未來的一瞥——每個人都在房間角落的 Mac Mini 上運行自己的「Jarvis」。

若你想要一個擁有多家供應商模型（例如 Chatgpt-5.2、Claude opus 4.5 等）且定價低於官方的 API 平台，CometAPI 是最佳選擇。開始之前，請在 Playground 探索模型能力，並參考 API guide 取得詳細說明。存取前請確保你已登入 CometAPI 並取得 API 金鑰。CometAPI 提供遠低於官方的價格，協助你整合。

準備好了嗎？→ 立即註冊 CometAPI！

若想了解更多 AI 的技巧、指南與新聞，請在 VK、X 與 Discord 關注我們！