OpenClaw界面

在前篇中主要介绍了OpenClaw的设置，这篇后篇将进入实战部分。本文将展示如何让AI自动生成提示词，生成图片和视频，并通过cron定时自动发布到X（原Twitter）和TikTok，甚至还能通过LINE发送报告，实现OpenClaw的全自动运行。

Windows+Docker环境设置调整

在进入实战之前，先补充一些环境搭建的说明。最初写前篇时主要使用日本Ubuntu+Docker环境，另外测试了Windows+Docker和macOS+Docker，但Windows+Docker表现不佳，因此决定以Windows+Docker为主环境，一边排查问题一边使用。基本上，只需完整复制.openclaw/文件夹到新环境，除环境依赖的.venv外，其他配置都能完整迁移。

Windows+Docker环境出现的问题如下：

问题起因

前篇基于OpenClaw v2026.5.28版本写作，入校当天发布了v2026.6.1版本，尝试后发现exec工具无法运行，日志报错：

EPERM: operation not permitted, chmod

原因是v2026.6.1版本中chmod/EPERM的bug，Windows+Docker环境下文件系统拒绝chmod操作，导致处理逻辑出错。

回滚版本的选择过程

exec功能不可用几乎无法使用，尝试多次降级，v2026.5.x系列均失败。因为v2026.5.1版本大幅修改了exec审批设计，默认启用了沙箱容器，Windows+Docker+现有配置出现兼容性bug，包括前篇使用的v2026.5.28也不行。对此给前篇读者带来不便，作者深感抱歉。

继续降级后，只有v2026.4.27版本能正常运行（v2026.6.x版本在写作时也不可用）。目前日常使用该版本。使用方法如下：

git clone https://github.com/openclaw/openclaw
git checkout v2026.4.27
docker compose up -d --build

此外，默认容器中未安装python，为解决此问题，需修改docker-compose.override.yml，添加如下配置：

services:
  openclaw-gateway:
    build:
      context: .
      args:
        OPENCLAW_DOCKER_APT_PACKAGES: "python3"
        OPENCLAW_INSTALL_BROWSER: ${OPENCLAW_INSTALL_BROWSER:-}
        OPENCLAW_IMAGE_PIP_PACKAGES: ${OPENCLAW_IMAGE_PIP_PACKAGES:-}

这样问题得以解决。v2026.4.27版本解决的问题汇总如下：

问题描述 修复版本
exec/chmod EPERM（Windows+Docker） v2026.4.27
自定义提供者忽略input: ["text", "image"] v2026.4.25
OpenCode Go 404（model_not_found） 更改提供者名避免
python3未安装 通过设置OPENCLAW_DOCKER_APT_PACKAGES解决

自定义提供者忽略图文输入对使用视觉模型致命。作者目前放弃本地LLM（Qwen3.6 27b）因精度不足，主要使用云端OpenCode Go的MiMo-V2.5（支持视觉），与DeepSeek V4 Flash类似，性价比高，推荐使用。

不过切换到OpenCode Go时出现问题，原因是提供者名使用了保留字“opencode-go”，OpenClaw优先使用内置模型列表，但列表过旧，导致404错误。改名为“go”后问题解决。

这说明v2026.5.x和v2026.6.x版本中明显问题未被修复，唯一可用的是v2026.4.27，推测OpenClaw社区未对Windows+Docker环境进行充分测试，主要在直接安装的OS环境验证。

此外还有许多问题反复出现，修复一个又破坏另一个，质量管理似乎跟不上。

OpenClaw问题解决

问题解决后，进入实战部分。

实例1：AI角色自动生成“照片/视频”

启动后思考做什么，首先实现了自动生成图片和视频。正如之前文章介绍，ComfyUI支持API，只需POST JSON工作流即可生成，操作相对简单。

利用前篇提到会影响图像生成的IDENTITY.md，创建了常驻OpenClaw的AI角色“みー（Mii）”，自动生成图片（Z-Image）和视频（LTX-2.3），并自动发布到X和TikTok，同时通过LINE发送结果报告。

生成流程重点不是简单的关键词随机批量生成，而是让AI：

  1. 通过网络搜索获取生成时的天气、时间、最新新闻及当季流行搭配。
  2. 基于这些信息，LLM设计当天的场景、服装和姿势。
  3. 按照固定结构（场景/主体/服装/姿势与构图/光线/摄像机视角）生成ComfyUI的提示词。
  4. 调用ComfyUI API生成图片。

这样AI能根据“今天下雨，改为室内拍摄”，“傍晚西晒构图”，“流行的单色搭配”等条件做出判断，每次生成不同的画面。场景涵盖日本代官山、惠比寿、中目黑等多个地点，融入季节感（紫阳花、新绿、夕阳）等元素。

AI角色生成示例

整个任务通过cron定时执行，部分内容自动发布到X和TikTok。

巧妙之处在于将过去穿过的服装和去过的地点记录在persona.md文件中，随着数据积累，角色个性逐渐显现。

另一个亮点是生成的图片先由支持视觉的LLM（如Qwen3.6 27b）检查“手指数量、表情、服装是否异常”，由AI而非人工目视确认。若明显异常则重新生成，正常则进入下一步。

图片发布后，若是视频则以该图片为首帧，使用LTX-2.3生成视频。视频提示词只传递“动作和台词”，角色、背景、服装、光线等保持一致，避免视频与参考图不符导致破损。

视频未做AI检查，虽然可拆分成单帧用视觉模型分析，但耗时较长，暂时放弃。若发布后质量差，作者会手动删除并重新生成。

整个流程（准备workflow.json、生成脚本、cron调度）只需作者预先准备ComfyUI工作流，之后在OpenClaw聊天界面指令“用此workflow生成图片（视频）”，确认后再指令“创建定时发布任务”，生成脚本和cron均由AI自动完成。尤其ComfyUI API调用，似乎LLM已学会，效果良好。

随着persona.md积累，令人惊奇的是“みー”逐渐像真实人物，因使用了同一张脸的LoRA，每次生成的照片和视频中都是同一张脸，视频中还能动和说话。

最让人惊讶的是某夜深人静时，输入“今天就到这里”，AI竟自动生成一段“晚安”的视频发来，未指令却根据上下文判断“该睡觉了”，制作了相应视频，感觉不再是简单批处理，而是真正“与角色对话”。

作者多年亲自写提示词生成图像视频，能预测大致结果，但“みー”根据时间、天气、新闻、流行解读生成的内容完全不可预测，极具趣味。

实例2：用Playwright自动发布到X和TikTok

搭建了自动将生成的图片和视频发布到X（原Twitter）和TikTok的系统。官方API审核严格且限制多，改用Playwright自动化浏览器操作。

但Playwright自动发布在各平台使用条款中属于灰色地带，存在账号被封风险，使用需自负风险。X平台每天13点发图片，TikTok在7、12、18、22点发视频，频率较低，暂时安全。

OpenClaw本身支持直接运行Playwright，前篇已安装配置好，方便搜索等操作。

但自动登录信息文件存放在OpenClaw可访问目录，存在安全隐患。为此将Playwright放在另一台PC上，做成API服务器，OpenClaw通过HTTP调用接口传递评论和图片（视频）参数。该API服务器基于FastAPI，局域网内任意PC均可通过curl调用。这样OpenClaw无法直接访问登录信息，避免安全风险。

这种设计理念——将机密信息放在AI无法触及的地方，只向AI返回结果的API——对未来AI工具使用非常重要。

Playwright自动发布

顺带一提，构建API服务器时，尝试使用热门的“Claude Fable 5”，但在指令“用Playwright自动发布X和TikTok”时，因安全风险自动切换回Sonnet，体现了AI的安全意识。

实例3：通过LINE查看cron执行结果

LINE集成本为外出使用设计，作者主要在家，设置为接收cron执行结果通知。

这样不仅方便，还能直接在LINE上与“みー”聊天，体验颇有趣味。

设置步骤较多，简述如下，需先在OpenClaw运行的PC安装日本Tailscale：

  1. 启用OpenClaw的LINE插件
docker compose exec openclaw-gateway openclaw plugins enable line
docker compose restart openclaw-gateway
  1. 在日本LINE Developers创建Messaging API应用

LINE Developers

  1. 在openclaw.json中配置频道访问令牌和密钥，重启网关
"channels": {
  "line": {
    "enabled": true,
    "channelAccessToken": "LINE_CHANNEL_ACCESS_TOKEN",
    "channelSecret": "LINE_CHANNEL_SECRET",
    "dmPolicy": "pairing"
  }
}

docker compose restart openclaw-gateway
  1. 使用Tailscale Funnel将本地OpenClaw的Webhook端口暴露到互联网
tailscale funnel localhost:18789

成功后显示公网URL，保持运行状态。

  1. 在Messaging API应用中注册Webhook URL，验证成功即连接。

Webhook URL示例：

https://xxxxx.tail1da766.ts.net/line/webhook
  1. 第一次在LINE发送消息时显示配对码，需在OpenClaw中批准。
OpenClaw: access not configured.
Your lineUserId: U006bxxxxxxxxxxxxxxxxxxxxxxxxxxxx
Pairing code: XXXXXXXX

docker compose exec openclaw-gateway openclaw pairing approve line

使用Tailscale Funnel是因为Webhook必须有HTTPS外部访问URL。虽然部分OpenClaw暴露到互联网，但结合LINE的签名验证，安全性较高，但仍存在一定风险。

文字消息可直接在LINE交互，但图片和视频需额外处理。LINE发送媒体必须是HTTPS链接，无法直接传递生成的文件。

因此将图片和视频临时上传到免费外部托管服务，传递URL。虽然URL公开，但内容已在X和TikTok发布，风险较低。

最初尝试catbox（无需注册匿名上传，生成直链）失败，LINE端访问被阻断。

改用freeimage.host（无需注册，专注图片托管，支持直链），图片能正常显示。

视频仍用catbox，因freeimage不支持视频，视频以链接形式发送，用户点击打开。图片内嵌，视频链接，实用性足够。

作者拥有VPS，可考虑将图片视频上传至自有服务器，或用另一个Tailscale Funnel公开特定目录，未来改进方向。

值得一提的是，这些服务的选择和切换并非作者指令，而是OpenClaw自主判断执行，作者甚至之前不知有这些服务存在。

LINE聊天界面

仅仅告诉OpenClaw“LINE图片无法显示”，它就完成了问题定位、服务选择和切换的全过程，体现了AI的自我驱动能力。

前篇介绍了Docker安全安装和安全性，后篇则聚焦于如何“玩转”OpenClaw。

AI自动查询天气、新闻、时尚趋势，基于此生成提示词，通过ComfyUI和Z-Image/LTX-2.3制作图片和视频，再通过Playwright自动发布到SNS，结果通过LINE通知，全部在OpenClaw上自动完成。

若想提升视频质量，可使用热门的Seedance 2.0（15秒视频成本相当于一份牛丼），完全有潜力打造AI网红。

LTX-2.3生成的视频同步生成语音，但质量参差不齐。理论上可用TTS生成参考音频，再用唇动同步技术生成视频，但作者暂时不打算深入优化。

OpenClaw仍有细节bug，但将本地LLM、图像生成、视频生成、SNS发布和通知整合在一个智能代理上，极具趣味性。即使不关注AI代理的人，也能感受到AI自动化的强大潜力。

此外，经过这次体验，作者几乎不再使用Open WebUI与本地LLM交互。虽然Open WebUI也能通过MCP调用Web搜索和工具，但总感觉是在“调用工具”，且功能有限。

而OpenClaw中定义的“みー”角色，背后自动进行Web搜索、制作PPT、调用ComfyUI生成图像视频、使用cron等工具，完全不让用户感知，只当作聊天伙伴。

结果是，作者不自觉地把“稍微帮我做个图”、“帮我查查资料做PPT”的请求都交给了OpenClaw。除了功能强大，这种“让用户不感知工具存在”的交互体验，也是OpenClaw的重要价值。

不过作者的OpenClaw机器配置强大（两台GPU机器分别用于图像/视频生成和LLM），不禁感叹到底在用这么多资源做什么（笑）。