OpenClaw 實測：10 分鐘架好 Self-Hosted AI Agent，串接 Discord 隨時下指令

TL;DR

• 一行指令安裝 OpenClaw，10 分鐘內在 terminal 跟 AI agent 對話
• 目前可透過 ChatGPT 方案使用 Codex（配額依方案而定），多數個人實測情境不需另外申請 API Key
• Agent 具備檔案讀寫、shell 執行、持續記憶能力，24/7 背景運作
• 串接 Discord 後，手機傳訊息即可觸發任務
• 務必安裝在隔離環境 ——agent 擁有系統級權限，風險不可忽視

為什麼技術主管該關注 Self-Hosted Agent

雲端 AI 服務（ChatGPT、Claude、Gemini）解決了「能不能用」的問題，但企業場景還有三個未被滿足的需求：

1. 資料主權：操作記錄、檔案存取、agent 記憶留在自己的機器上（但對話推論仍需送往模型供應商，除非串接自架 LLM）
2. 持續性：agent 24/7 運作，不是開一個 session 用完就斷，能累積 context 和工作記憶
3. 系統整合：直接操作檔案系統、執行指令、串接內部工具，不受 API sandbox 限制

OpenClaw 是目前這個方向上最活躍的開源方案之一。以下是實際部署的過程與觀察。

OpenClaw 是什麼

OpenClaw 是一個開源 AI agent 框架，定位是跑在自有基礎設施上的 personal AI assistant。跟雲端服務的關鍵差異：

換句話說，它有系統級權限，能真正執行任務，不只是陪你聊天。

部署前的風險隔離策略

Part 1：安裝 OpenClaw

以下是在 Ubuntu VM 上從零到跑起 agent 的完整流程。

事前準備

執行安裝腳本

進入 VM，執行一行指令：

curl -fsSL https://openclaw.ai/install.sh | bash

安裝腳本會自動偵測環境、安裝 Node.js（如果需要），接著進入互動式 onboarding。

第一個畫面會確認風險聲明——畢竟你在給一個 AI agent 系統存取權限：

◇ I understand this is powerful and inherently risky. Continue?
│ Yes

接著選擇 onboarding 模式，QuickStart 適合大多數場景：

◇ Onboarding mode
│ QuickStart

QuickStart 會設定以下預設值：

Gateway port: 18789
Gateway bind: Loopback (127.0.0.1)
Gateway auth: Token (default)
Direct to chat channels

選擇模型：OpenAI Codex OAuth 登入

OpenClaw 支援多種模型（OpenAI、Gemini、Claude 等），可透過 API Key 串接。目前摩擦最小的路徑是 OpenAI Codex + ChatGPT OAuth：

• OpenClaw 官方文件直接提供 ChatGPT 帳號登入的整合方式
• 目前可透過 ChatGPT 方案（Plus / Pro / Business 等）使用 Codex，多數情境不需另外申請 API Key 計費——但配額與政策可能變動，建議以官方文件為準
• 預設模型 gpt-5.3-codex，實測效果穩定

登入方式是透過 ChatGPT OAuth：

1. 安裝程式會產生一組 OAuth URL
2. 因為 VM 上通常沒有瀏覽器，把這段 URL 複製到你本機的瀏覽器打開
3. 用你的 ChatGPT 帳號授權登入

4. 授權後瀏覽器會 redirect 到 localhost:1455/auth/callback?code=...
5. 把這整段 redirect URL 貼回 terminal

完成後會看到模型設定確認：

◇ Model configured
│ Default model set to openai-codex/gpt-5.3-codex

Channel 設定（先跳過）

Onboarding 會問要串接哪個 channel（Discord、Telegram 等），這一步可先 Skip，安裝完成後隨時可補設定。

Hooks 設定

Hooks 在特定事件觸發時自動執行動作，以下三個值得啟用：

◆ Enable hooks?
│ ◼ 🚀 boot-md
│ ◼ 📝 command-logger
│ ◼ 💾 session-memory

Systemd Service

在 Linux 上，OpenClaw 會自動設定 systemd user service，並啟用 lingering 確保登出後 agent 持續運作：

Installed systemd service: ~/.config/systemd/user/openclaw-gateway.service
Enabled systemd lingering for ubuntu.

這代表你 SSH 斷線後，agent 仍然會繼續在背景運行。

啟動 Agent

最後一步，選擇如何「孵化」你的 bot：

◆ How do you want to hatch your bot?
│ ● Hatch in TUI (recommended)
│ ○ Open the Web UI
│ ○ Do this later

TUI 是最直接的選項——在 terminal 裡即可互動，不需額外設定。Web UI 需要 port forwarding 才能從本機瀏覽器存取，多一道手續。

進入 TUI 後，OpenClaw 會送出第一句「Wake up, my friend!」開始初始化 agent。這個階段會詢問一系列偏好設定，回答越詳細，後續 agent 的表現越貼近需求。

到這裡，安裝完成。

常用指令

# 查看 agent 狀態
openclaw status

# 健康檢查
openclaw doctor

# 文字介面
openclaw tui

# 開啟 Web UI（token會顯示在輸出的訊息當中）
openclaw dashboard

# 重啟 Gateway service
openclaw gateway restart

Part 2：串接 Discord Bot（選用）

Agent 裝好之後，下一步是讓它連上一個你日常使用的溝通管道，這樣不用 SSH 進 VM 也能隨時下指令。OpenClaw 支援多種 channel：

本文選擇 Discord 做示範，原因是它的 Bot 權限模型最完整——可以設定 channel allowlist、requireMention、thread 隔離。其他 channel 的串接邏輯類似，差異主要在各平台的 Bot 申請流程。

建立 Discord Application

到 Discord Developer Portal 操作：

1. New Application → 命名（例如 openclaw）
2. 進入 Bot 頁面 → Reset Token → 複製 token（之後用 CLI 設定，不要貼在 chat 中）

開啟 Privileged Gateway Intents

在 Bot 頁面下方，依需求開啟 Intents：

設定 OAuth2 Scope & 權限

進入 OAuth2 頁面 → URL Generator：

Scopes 勾選：

• bot
• applications.commands

Bot Permissions — 依 least privilege 原則，先開最低可用權限：

邀請 Bot 到你的 Server

頁面最下方會產生邀請 URL，選擇 Guild Install，複製 URL 在瀏覽器打開，選擇你的 Server 完成邀請。

在 OpenClaw 中設定 Discord

Bot 建好、邀請進 Server 之後，剩下的設定可以直接交給 OpenClaw 自己來。

先用 CLI 設定 token：

openclaw config set channels.discord.token '"YOUR_BOT_TOKEN"' --json
openclaw config set channels.discord.enabled true --json
openclaw gateway restart

接著開啟 TUI，讓 agent 完成後續設定：

openclaw tui

例如你可以說：

「我已經設好 Discord token，請幫我完成 Discord setup。只在 #ai-assistant 頻道回覆，被 @ tag 的時候才回應。」

OpenClaw 會自己修改設定檔、設定 channel allowlist、重啟 Gateway。你只需要確認它的操作結果。

這就是 self-hosted agent 的好處——它能直接改設定檔、重啟服務，省掉手動操作。關於「讓 AI 存取你的系統」這件事的更多思考，可以參考：當 AI 學會翻你的抽屜。

設定過程中 agent 可能會需要 Channel ID、Server ID、User ID 等資訊。在 Discord 開啟開發者模式後，對頻道、伺服器、使用者按右鍵就能複製 ID：

設定成功後，在 Discord 頻道 @ tag agent 就能開始互動：

實測觀察：適合誰、不適合誰

跑了一輪下來，幾個觀察：

適合的場景：

• 個人或小團隊的 AI 助手，需要持續記憶與系統存取
• 已有 VM 基礎設施，想把 AI agent 整合進既有工作流
• 對資料主權有要求——操作記錄、檔案存取留在本機，但要注意：除非串接自架的 LLM（如 Ollama），對話內容仍會送到模型供應商（OpenAI、Google 等）

權限模型的現實：

在 OS 層面仍接近 all-or-nothing——agent 可執行 shell、讀寫檔案。OpenClaw 在 channel routing、pairing、guild/channel allowlist、requireMention、action gates 等層面提供了一些治理機制，但這些不能取代 VM / container 隔離 。

已有的治理基礎 vs 企業級仍缺的能力：

Discord 記憶行為的差異（容易踩的坑）：

Guild channel 預設不會自動載入 MEMORY.md（DM 行為不同）。如果希望 agent 在 Discord server 中也能維持穩定的指令與偏好，需要把關鍵設定放到 AGENTS.md 或 USER.md，或透過 memory tools 主動管理。這會直接影響「持續記憶」的實際體驗。

導入門檻分級：

核心取捨： self-hosted agent 換來的是控制權與客製化空間，代價是維運責任。如果團隊沒有人能管 VM 和排查問題，雲端方案可能更務實。

這是 OpenClaw 系列的第一篇，後續會繼續寫 BOOT.md 客製化、Skills 擴充、Web Search 設定等進階主題。

想導入 AI Agent 但不想自己管基礎設施？

如果你正在評估為團隊或企業導入 self-hosted AI agent——從環境規劃、安全隔離到 channel 串接，我們都有實戰經驗。

預約諮詢 → 荔枝智慧