1. 项目概述为什么我们需要一个专属的AI助理最近几个月我身边不少朋友和同事都在折腾各种AI工具从ChatGPT到Claude再到国内的DeepSeek、Kimi几乎每个都试了个遍。但问题也随之而来每个工具都有自己的特长和短板有的长于代码有的精于写作有的则对中文理解更到位。更麻烦的是我们经常需要在不同的平台、不同的聊天窗口之间来回切换复制粘贴效率低下不说对话的上下文也完全割裂了。这让我萌生了一个想法能不能把这些能力都整合到一个地方打造一个属于我自己的、全能的AI助理它应该能理解我的指令根据任务类型自动调用最合适的模型并且能接入我日常使用的工具比如飞书、钉钉让我在一个地方就能完成所有工作。这就是我花了一周时间深入研究并成功部署OpenClaw (Clawdbot)的初衷。OpenClaw也被称为Clawdbot是一个开源的、可高度定制的AI Agent框架。它的核心魅力在于它不是一个单一的大模型而是一个“调度中心”和“能力中枢”。你可以把它想象成一个智能管家你只需要告诉它“帮我写一份周报”或者“分析一下这个数据”它会自己判断该调用哪个AI模型比如DeepSeek-V4-Pro处理复杂逻辑Kimi处理长文档甚至组合多个模型的能力来完成你的任务。更棒的是它原生支持通过插件Skill接入第三方服务比如日历、邮件、文档库甚至是你自己公司的内部系统。网上关于OpenClaw的讨论很多但信息非常零散。有的教程只讲Docker安装遇到api error: 400就卡住了有的只演示基础对话对如何接入自己的API秘而不宣。我把自己从零开始到成功部署、配置多模型、解决各种报错、并最终接入飞书机器人的完整过程记录下来。这篇文章不是官方文档的翻译而是一个踩过所有坑的实践者为你梳理的一条最清晰、最可靠的路径。无论你是想本地搭建一个私人AI助手还是想为团队部署一个智能协作中枢这篇指南都能帮你绕过我走过的弯路。2. 环境准备与部署方案选择在动手之前我们需要明确目标和选择最适合的部署方式。OpenClaw的部署并不复杂但选对起跑线能省去后面一大堆麻烦。2.1 硬件与基础软件要求OpenClaw本身对资源要求不算苛刻但具体需求取决于你打算连接多少个大模型以及预期的并发量。对于个人或小团队试用我推荐以下起步配置CPU: 4核以上。模型推理本身不在这里进行除非你本地部署了OllamaOpenClaw主要负责调度和通信所以对CPU要求适中。内存: 8GB 是底线16GB 会比较舒适。内存主要被Docker容器、数据库以及OpenClaw自身的服务占用。存储: 至少20GB可用空间。主要用于存放Docker镜像、数据库文件和日志。操作系统:Linux是首选特别是Ubuntu 22.04 LTS或更新版本。在Linux上Docker的安装和管理最为顺畅。当然macOS通过Docker Desktop和Windows 10/11WSL2 Docker Desktop也可以但本文将以Ubuntu 22.04为例进行说明因为这是服务器环境最常见的选择步骤也最具通用性。网络: 能够稳定访问外网。因为你需要从Docker Hub拉取镜像并且OpenClaw需要调用外部的大模型API如DeepSeek、智谱AI等。核心依赖就一个Docker和Docker Compose。OpenClaw官方强烈推荐使用容器化部署这能完美解决环境依赖问题避免“在我机器上好好的”这种尴尬。2.2 部署方案深度对比Docker Compose vs 源码部署你可能会看到两种部署方式Docker Compose一键部署和从源码构建。我强烈、坚决地推荐Docker Compose方案。Docker Compose部署推荐:优点简单、快速、隔离性好。官方提供了写好的docker-compose.yml文件一行命令就能拉起包括OpenClaw主服务、数据库PostgreSQL/MySQL、缓存Redis在内的完整环境。版本管理和升级也异常方便。缺点对Docker不熟悉的话需要一点学习成本。但这点成本相对于源码部署的折磨来说几乎可以忽略不计。源码部署:优点理论上更灵活可以修改每一行代码。缺点你需要手动安装Python指定版本、PostgreSQL、Redis并配置复杂的依赖环境。过程中你会遇到无数个版本冲突、库缺失的错误比如某个Python包需要特定版本的libssl。这纯粹是给自己制造困难除非你是核心开发者否则绝对不要走这条路。对于我们绝大多数想要“用起来”的人来说Docker方案是唯一明智的选择。它把复杂的安装过程封装成了几个简单的命令。2.3 实战第一步安装Docker与Docker Compose如果你的Ubuntu系统是全新的我们首先来安装Docker引擎和Compose插件。打开终端依次执行以下命令。这些命令的作用是更新系统、添加Docker的官方软件源、安装必要的工具包最后安装Docker引擎和Compose插件。# 1. 更新apt包索引并安装一些基础工具 sudo apt-get update sudo apt-get install -y ca-certificates curl gnupg lsb-release # 2. 添加Docker的官方GPG密钥和软件源 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg echo \ deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable | sudo tee /etc/apt/keyrings/docker.list /dev/null # 3. 再次更新并安装Docker引擎、命令行工具以及Compose插件 sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 4. 验证安装是否成功 docker --version docker compose version如果安装成功你会看到Docker和Docker Compose的版本号。接下来为了避免每次使用docker命令都要加sudo我们可以将当前用户加入docker用户组。# 将当前用户加入docker组 sudo usermod -aG docker $USER # 重要退出当前终端并重新登录或者直接新建一个终端窗口使组权限生效。重新登录后运行docker ps如果不再需要sudo且能正常显示容器列表可能是空的说明配置成功。3. 拉取与配置OpenClaw避开初始化的坑环境准备好了现在开始部署OpenClaw本身。整个过程就像搭积木我们按照图纸配置文件把各个服务组合起来。3.1 获取官方部署文件并初始化OpenClaw的代码托管在GitHub上。我们不需要克隆整个庞大的源码仓库只需要获取部署所需的配置文件。# 创建一个专门的工作目录方便管理 mkdir -p ~/openclaw-deploy cd ~/openclaw-deploy # 从官方仓库下载最新的docker-compose.yml和配置文件示例 # 这里使用curl从GitHub Raw地址下载确保拿到的是最新版本 curl -o docker-compose.yml https://raw.githubusercontent.com/openclaw-ai/clawdbot/main/docker-compose.yml curl -o .env.example https://raw.githubusercontent.com/openclaw-ai/clawdbot/main/.env.example # 将环境变量配置文件复制一份作为我们自己的配置 cp .env.example .env现在你的目录下应该有两个关键文件docker-compose.yml定义了所有服务和.env存放所有配置参数。.env文件是接下来所有配置的核心千万不要把它上传到公开仓库。3.2 关键配置详解数据库、Redis与基础设置用文本编辑器如nano或vim打开.env文件。你会看到很多配置项我们逐一攻破最关键的那些。nano .env第一部分数据库与缓存配置这是OpenClaw的“记忆系统”必须首先正确配置。# PostgreSQL 数据库配置 POSTGRES_DBclawdbot POSTGRES_USERclawadmin POSTGRES_PASSWORDYourStrongPassword123! # 【必须修改】改成高强度密码 POSTGRES_HOSTpostgres # 注意在Docker Compose网络内使用服务名‘postgres’ POSTGRES_PORT5432 # Redis 缓存配置用于会话、限流等 REDIS_HOSTredis # 同样使用服务名‘redis’ REDIS_PORT6379 REDIS_PASSWORDYourRedisPassword456! # 【建议修改】注意POSTGRES_PASSWORD和REDIS_PASSWORD务必修改成你自己生成的复杂密码。POSTGRES_HOST和REDIS_HOST在Docker Compose网络内固定为服务名postgres,redis这是容器间通信的机制不要改成localhost或127.0.0.1。第二部分OpenClaw核心服务配置# OpenClaw 服务自身配置 CLAWBOT_HOST0.0.0.0 # 服务监听地址0.0.0.0表示监听所有网络接口 CLAWBOT_PORT8000 # 服务端口后续通过这个端口访问Web界面和API CLAWBOT_SECRET_KEYYourVeryLongAndSecureSecretKeyForDjango # 【必须修改】用于加密会话等用长随机字符串 CLAWBOT_DEBUGFalse # 生产环境务必设为False CLAWBOT_ALLOWED_HOSTSlocalhost,127.0.0.1,your-server-ip # 【必须修改】允许访问的主机添加你的服务器IP或域名提示CLAWBOT_SECRET_KEY可以用命令openssl rand -hex 32快速生成一个。CLAWBOT_ALLOWED_HOSTS如果你暂时通过服务器IP访问就加上IP如果配置了域名就加上域名。第三部分初始化超级用户管理员这是你第一次登录Web后台的账号。# 首次启动时创建超级管理员仅在数据库为空时生效 CLAWBOT_SUPERUSER_USERNAMEadmin CLAWBOT_SUPERUSER_EMAILadminyourdomain.com CLAWBOT_SUPERUSER_PASSWORDAdminPassword789! # 【必须修改】保存并退出编辑器在nano中是CtrlX然后按Y确认再按Enter。3.3 启动服务并验证应对首次启动的常见错误配置完成后激动人心的时刻到了——启动所有服务。# 在 docker-compose.yml 所在目录执行-d 参数让服务在后台运行 docker compose up -d这条命令会依次拉取PostgreSQL、Redis和OpenClaw的镜像然后创建并启动容器。第一次运行需要下载镜像时间取决于你的网速。启动后使用以下命令查看容器状态和日志# 查看所有容器是否都处于运行Up状态 docker compose ps # 查看OpenClaw主服务的日志排查启动问题 docker compose logs -f clawbot如果一切顺利你会看到日志最后出现类似Application startup complete.或Uvicorn running on http://0.0.0.0:8000的信息。此时打开浏览器访问http://你的服务器IP:8000。你应该能看到OpenClaw的Web界面登录页。使用你在.env文件中设置的超级用户账号CLAWBOT_SUPERUSER_USERNAME和CLAWBOT_SUPERUSER_PASSWORD登录。首次启动避坑指南容器启动失败最常见的原因是端口冲突。确保服务器的8000、5432PostgreSQL、6379Redis端口没有被其他程序占用。可以用sudo netstat -tlnp | grep :8000检查。数据库连接错误如果clawbot容器日志显示无法连接到postgres:5432请检查.env中的POSTGRES_HOST是否写成了postgres以及postgres容器是否健康运行 (docker compose logs postgres)。Web页面无法访问检查服务器防火墙是否放行了8000端口。对于云服务器如AWS、阿里云、腾讯云还需要在安全组规则中添加入站规则。4. 核心配置接入你的第一个大模型API登录后台后你会发现界面还很“空旷”因为还没有配置任何AI大脑大模型。这是最关键的一步也是报错最集中的地方。我们以接入DeepSeek和智谱AIGLM为例这两个是国内目前非常主流且效果优秀的模型。4.1 获取并配置API密钥首先你需要去对应的平台申请API Key。DeepSeek: 访问 DeepSeek官网 注册登录后在“API管理”或类似页面创建API Key。注意区分是deepseek-v4-pro还是deepseek-v4-flash的Key通常平台会注明。智谱AI: 访问 智谱AI开放平台 注册登录后在控制台创建API Key。拿到Key之后在OpenClaw后台进行操作。通常路径是系统设置-模型管理-添加模型。界面可能会有所不同但核心配置项是类似的。4.2 添加DeepSeek模型配置在添加模型的表单中你需要填写以下关键信息模型名称 自定义如“DeepSeek-V4-Pro”。模型标识 必须与API支持的名称完全一致例如deepseek-v4-pro或deepseek-v4-flash。这里填错是导致the supported api model names are...错误的根本原因。API类型 选择OpenAI-Compatible因为DeepSeek的API格式与OpenAI兼容。API Base URL 填写DeepSeek的API端点例如https://api.deepseek.com/v1。API密钥 粘贴你申请到的Key。上下文长度 根据模型能力填写例如1048576约100万tokens。这个值必须准确否则可能引发maximum context length错误。其他参数 如温度Temperature、Top_p等可以保持默认或按需调整。保存后OpenClaw会尝试连接验证。如果Key和配置正确状态应该显示为“可用”或“健康”。4.3 添加智谱AIGLM模型配置智谱的API格式也是兼容OpenAI的但Base URL和模型标识不同。模型名称 自定义如“智谱GLM-4”。模型标识 填写智谱的模型名如glm-4。API类型 同样选择OpenAI-Compatible。API Base URL 智谱的端点是https://open.bigmodel.cn/api/paas/v4。API密钥 粘贴智谱的Key。上下文长度 GLM-4通常是1048565约100万tokens。再次强调务必与官方文档核对填错会导致400错误。4.4 理解并解决高频API错误在配置和后续使用中你大概率会遇到以下错误理解其含义至关重要api error: 400 type must be in [enabled, disabled, auto]原因 这个错误通常发生在配置函数调用Function Calling或联网搜索等高级功能时。请求中某个参数的type字段值不在API允许的范围内enabled,disabled,auto。解决 检查OpenClaw中该模型的配置页面是否有关于“联网搜索”、“函数调用”的开关确保其设置值是上述三者之一。或者暂时在模型配置中关闭这些高级功能。api error: 400 this models maximum context length is ... tokens. however, your messages resulted in ...原因上下文超长错误。你发送的消息包括历史对话总tokens数超过了该模型支持的上限。解决核对配置首先确认你在OpenClaw中为该模型设置的“上下文长度”是否与官方文档一致。清理对话在Web界面开始新的对话或者使用“总结上下文”等功能缩短历史记录。模型选择对于超长文档处理可以配置一个专门的长上下文模型如Kimi并在Skill或工作流中指定使用它。api error: connection closed mid-response原因连接中断错误。API服务器或你的网络在流式输出响应过程中断开了连接。解决检查你的服务器网络稳定性。可能是API服务端临时问题稍后重试。在OpenClaw模型配置中尝试调大“超时时间”参数。unable to connect to api (econnreset)原因连接被重置。完全无法建立到API服务器的连接。解决检查API Base URL是否拼写正确。检查服务器是否能正常访问外网curl https://api.deepseek.com。如果是国内服务器调用海外API或反之考虑网络延迟或防火墙问题。核心心得 遇到API错误第一反应是看错误信息本身和状态码400 429 500等。400通常是请求参数问题对照官方文档429是频率限制500是服务端问题。善用OpenClaw的日志查看功能docker compose logs -f clawbot里面会有更详细的错误堆栈是排查问题的金钥匙。5. 技能Skill开发与第三方服务接入配置好模型你的OpenClaw已经能和你聊天了。但它的真正威力在于“技能”Skill—— 这些是可插拔的插件让AI能操作外部系统。比如让AI帮你查天气、发邮件、操作数据库或者接入飞书/钉钉。5.1 Skill的工作原理与结构一个Skill本质上是一个Python类它定义了触发器 什么情况下这个Skill会被激活可以是一个关键词如“查天气”一个正则表达式或者一个API调用。执行逻辑 被激活后做什么这里写你的业务代码调用第三方API。返回结果 如何处理结果并返回给用户或AIOpenClaw的Skill存放在特定的目录中通常是在容器内的/app/skills或通过卷映射的本地目录。官方和社区会提供一些示例Skill。5.2 实战编写一个简单的天气查询Skill我们通过一个最简单的例子来理解流程。假设我们要创建一个“天气查询”Skill。步骤一创建Skill文件在服务器上找到你映射的OpenClaw技能目录如果你按照标准docker-compose.yml部署可能需要在本地创建目录并映射。更简单的方式是直接在容器内创建用于测试# 进入clawbot容器内部 docker compose exec clawbot bash # 在容器内进入技能目录路径可能因版本而异请参考官方文档 cd /app/skills # 创建一个新的技能文件例如 my_weather_skill.py cat my_weather_skill.py EOF #!/usr/bin/env python3 一个简单的天气查询技能示例。 import requests from typing import Dict, Any from clawbot.skill import Skill, SkillResult class WeatherSkill(Skill): 根据城市名称查询天气的技能。 # 技能的唯一标识和名称 id my_weather name 天气查询 description 查询指定城市的当前天气情况。 # 定义触发器当用户消息以“天气”开头时触发 triggers [ { type: prefix, # 前缀匹配 keyword: 天气 # 触发关键词 } ] async def execute(self, context: Dict[str, Any]) - SkillResult: 执行技能的核心逻辑。 context中包含了用户输入等信息。 user_input context.get(message, ).strip() # 简单的解析假设用户输入是“天气 北京” parts user_input.split() if len(parts) 2: return SkillResult( successFalse, output请提供城市名称例如天气 北京 ) city parts[1] # 获取城市名 # 这里使用一个假设的免费天气API实际使用时请替换为真实API # 例如和风天气、OpenWeatherMap等需要申请API Key api_url fhttps://api.example.com/weather?city{city}keyYOUR_API_KEY try: # 注意在生产环境中API Key应存储在环境变量或配置文件中不要硬编码。 response requests.get(api_url, timeout10) data response.json() if response.status_code 200: # 解析天气数据这里根据实际API响应结构调整 weather data.get(weather, 未知) temp data.get(temp, 未知) output_text f{city}的天气{weather}温度{temp}℃ return SkillResult(successTrue, outputoutput_text) else: return SkillResult(successFalse, outputf查询失败{data.get(message)}) except Exception as e: # 记录日志 self.logger.error(f天气查询API调用失败: {e}) return SkillResult(successFalse, output天气服务暂时不可用请稍后再试。) # 技能工厂函数必须提供 def create_skill(): return WeatherSkill() EOF步骤二注册并启用Skill创建文件后OpenClaw通常需要重新加载或重启才能识别新技能。有些版本可以通过管理界面“技能市场”或“本地技能”模块扫描并启用。更直接的方式是在docker-compose.yml中我们已经将本地一个目录如./skills映射到了容器的/app/skills。那么你只需要在宿主机你的服务器的./skills目录下创建这个my_weather_skill.py文件然后重启OpenClaw服务# 在宿主机docker-compose.yml所在目录 docker compose restart clawbot重启后在OpenClaw的Web对话界面输入“天气 北京”理论上就会触发这个技能当然因为API是假的会返回错误或固定信息。你需要将其中的api_url和解析逻辑替换成真实的天气API。5.3 高级接入配置飞书机器人将OpenClaw接入飞书、钉钉或Slack才能让它从“玩具”变成“生产力工具”。这里以飞书为例概述核心步骤。在飞书开放平台创建机器人登录 飞书开放平台 创建企业自建应用。在“权限与事件”中为机器人添加“获取单聊、群组消息”和“发送消息”等权限。在“事件订阅”中设置请求网址Request URL。这里需要填写你部署的OpenClaw提供的、用于接收飞书事件的API地址例如https://your-domain.com/feishu/events。在“凭证与基础信息”中获取App ID和App Secret。在OpenClaw中配置飞书技能通常OpenClaw会提供官方的飞书LarkSkill或适配器。你需要将其配置启用。在Skill的配置页面填入从飞书平台获取的App ID和App Secret。配置加密密钥Encrypt Key和校验令牌Verification Token这些也在飞书应用的事件订阅页面。配置OpenClaw接收事件的URL路径如/feishu/events并确保此URL能被飞书服务器访问到即公网可访问且HTTPS。验证与交互保存配置后在飞书平台点击“重新加载”或“验证”请求网址。OpenClaw的后端需要正确处理飞书发来的验证请求。验证通过后将机器人发布到企业并拉入群聊或开始私聊。当你在飞书中机器人或发送消息时消息会通过飞书服务器转发到你的OpenClawOpenClaw处理后再将回复通过飞书API发回。部署关键点 让飞书能访问到你的OpenClaw是最大的挑战。如果你没有公网IP或域名可以使用内网穿透工具如ngrok、frp将本地的8000端口临时暴露给公网用于飞书验证和回调。生产环境强烈建议使用域名并配置HTTPS可以通过Nginx反向代理实现。6. 生产环境优化与维护指南让OpenClaw稳定、安全地运行还需要一些额外的步骤。6.1 使用Nginx反向代理与配置HTTPS直接暴露8000端口是不安全且不专业的。我们应该用Nginx作为反向代理并配置SSL证书。# 在服务器上安装Nginx sudo apt install -y nginx创建一个Nginx配置文件例如/etc/nginx/sites-available/openclawserver { listen 80; server_name your-domain.com; # 替换为你的域名 # 将HTTP请求重定向到HTTPS可选但推荐 return 301 https://$server_name$request_uri; } server { listen 443 ssl http2; server_name your-domain.com; # SSL证书路径通过Certbot等工具获取 ssl_certificate /etc/letsencrypt/live/your-domain.com/fullchain.pem; ssl_certificate_key /etc/letsencrypt/live/your-domain.com/privkey.pem; # SSL优化配置可参考Nginx官方最佳实践 ssl_protocols TLSv1.2 TLSv1.3; ssl_ciphers ECDHE-RSA-AES256-GCM-SHA512:DHE-RSA-AES256-GCM-SHA512; ssl_prefer_server_ciphers off; # 反向代理到OpenClaw location / { proxy_pass http://127.0.0.1:8000; # 指向Docker Compose暴露的端口 proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; # 以下两行对于WebSocket连接很重要如果OpenClaw使用了WS proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection upgrade; } # 静态文件处理如果OpenClaw有前端静态资源 location /static/ { alias /path/to/your/static/files/; expires 1y; add_header Cache-Control public, immutable; } }启用该配置并测试sudo ln -s /etc/nginx/sites-available/openclaw /etc/nginx/sites-enabled/ sudo nginx -t # 测试配置语法 sudo systemctl reload nginx # 重载Nginx关于SSL证书可以使用Let‘s Encrypt的Certbot免费获取sudo apt install certbot python3-certbot-nginx sudo certbot --nginx -d your-domain.com6.2 数据备份与恢复策略你的所有对话、配置都存储在PostgreSQL数据库中。定期备份是必须的。备份数据库# 进入postgres容器执行备份 docker compose exec postgres pg_dump -U clawadmin clawdbot ~/clawdbot_backup_$(date %Y%m%d).sql恢复数据库# 首先确保OpenClaw服务已停止避免数据不一致 docker compose stop clawbot # 将备份文件复制到postgres容器内并恢复 docker compose exec -T postgres psql -U clawadmin clawdbot ~/clawdbot_backup_20231027.sql # 重启服务 docker compose start clawbot备份整个项目 除了数据库还应备份你的.env配置文件、自定义的Skill文件目录以及docker-compose.yml。可以将整个项目目录定期打包。6.3 日志监控与故障排查OpenClaw的日志是运维的生命线。查看实时日志docker compose logs -f clawbot-f参数可以持续跟踪。查看特定时间段的日志docker compose logs --since 1h clawbot查看最近1小时。查看所有服务的日志docker compose logs。日志文件 Docker的日志默认由容器引擎管理。你也可以在docker-compose.yml中配置将日志输出到宿主机文件便于用ELK等工具收集。常见维护命令# 更新OpenClaw到最新版本先拉取新镜像 docker compose pull docker compose up -d # 重启单个服务如只重启clawbot docker compose restart clawbot # 停止并删除所有容器、网络数据卷会被保留 docker compose down # 停止并删除所有容器、网络、数据卷危险会丢失数据 docker compose down -v # 查看资源占用 docker stats6.4 性能调优与扩展随着用户增多你可能需要考虑增加资源 在docker-compose.yml中为clawbot服务设置资源限制deploy.resources.limits。数据库优化 考虑为频繁查询的表如消息记录添加索引。水平扩展 OpenClaw本身可能支持多实例部署通过负载均衡器如Nginx分发请求这需要共享的Redis和数据库。这属于高级部署模式需要仔细设计。部署和配置OpenClaw的过程就像在组装一个高度定制化的机器人。从最基础的躯干Docker环境到大脑大模型API再到四肢和感官Skill每一步都需要耐心和细致的调试。我最大的体会是日志是你的最佳朋友遇到任何问题第一个动作就是打开日志。其次理解错误信息大部分问题在错误提示里已经给出了答案。最后从一个简单的Skill开始看到AI通过你的代码与真实世界交互那种成就感是无可替代的。这个框架的生态还在快速成长期待看到你用它创造出更强大的智能体。