在 Claude 上运行无限量 OpenClaw

OpenClaw 是一个多渠道 AI gateway，可以通过 hub-and-spoke 架构把 Claude 接入 50 多种消息渠道。每个渠道都是一个独立的推理入口：Telegram bot、Discord server、Slack workspace、网页 widget，以及各种自定义集成都可以路由到你自己基础设施上运行的中心 gateway。OpenClaw 会把 skills 注入 system prompt，而这些渠道通常不会关闭，所以它代表的是持续在线、不断消耗 API 的使用模式；调用量会随着活跃渠道数和用户数线性增长。对于这种场景，使用 AI Prime Tech Unlimited 这样的 Claude API gateway，可以把 claude api价格 从按 token 波动变成更可控的固定成本。

OpenClaw 的常驻在线架构

OpenClaw 采用 hub-and-spoke gateway 架构。hub 是一个中心进程，通常运行在 VPS 的 18789 端口，负责管理模型配置、skills 注入、请求路由、上下文拼接和响应分发。spoke 则是各个 channel connector，每个 connector 都会与某个消息平台保持持久连接，并把用户发来的消息转发给 hub 做 inference。换句话说，OpenClaw 不是一个只在开发者手动触发时才工作的 CLI 工具，而是一个长期挂在线上的多渠道 Claude API 服务层。

每一个 channel 都可以理解为一个开放的 inference faucet。只要任意已连接平台上有用户发消息，channel connector 就会把消息交给 hub；hub 会构造完整 prompt，包括 system prompt、已启用的 skills、conversation history 和当前 user message，然后发送给 Claude，再把结果 stream 回原始渠道。这里没有传统意义上的集中排队或批处理逻辑，每条消息都希望得到即时推理，因此延迟、稳定性和 API 可用性会直接影响最终用户体验。

OpenClaw gateway 不会“睡眠”。只要进程在运行，50+ channel 都处于可接收消息的状态，任何 incoming message 都可能触发一次 Claude API call。与 IDE 插件、交互式 coding assistant 这类只有开发者工作时才消耗 token 的工具不同，OpenClaw 的消耗来自所有渠道上的所有用户。一个活跃部署每天产生数百到数千次请求很常见，如果每次都按 token 精细计费，成本会很难预测。对严肃生产部署来说，claude无限使用 或 claude无限额度 不是单纯的便利，而是让服务可持续运营的经济前提。

如果你正在评估购买claude api，OpenClaw 是一个很典型的高频、多入口、长期在线场景。普通 per-token 账单适合低频测试，但当 Telegram、Discord、Slack、web widget 同时接入后，真实成本往往来自不可控的用户消息峰值。通过 AI Prime Tech Unlimited 这种 claude api中转，把请求统一转到 https://claudeapikey.dev，可以让团队更专注于渠道体验、skills 设计和模型策略，而不是每次上线新 channel 都重新计算预算。

openclaw.json 中的 Provider 配置

OpenClaw 的模型配置位于 ~/.openclaw/openclaw.json，核心位置是 models.providers block。每个 provider entry 至少需要包含 name、api field、baseUrl 和 apiKey。对于 Claude，api 必须显式设置为 'anthropic-messages'，不要依赖默认值，因为 OpenClaw 不会自动猜到你要使用 Claude Messages API。baseUrl 指向你的 Claude API gateway，apiKey 用于认证，这就是 OpenClaw 发起所有上游请求时使用的 claude api密钥。

baseUrl 应设置为 https://claudeapikey.dev，也就是 root host，不要额外加 /v1。anthropic-messages handler 会自动拼接正确路径；如果你手动加了 /v1，反而可能导致路径重复或请求失败。apiKey 可以直接写入配置，也可以通过环境变量插值使用 ${ENV_VAR} 语法。生产环境更推荐后者，例如把 apiKey 设置为 '${UNLIMITED_API_KEY}'，然后在 shell、Docker env 或 systemd unit 中 export 对应变量，这样密钥不会明文落在配置文件里。

Provider 配置还可以传入 custom headers。你可以使用 headers 字段传 anthropic-beta flags，或者传一些自定义 routing headers。比如 headers: {'anthropic-beta': 'max-tokens-3-5-sonnet-2024-07-15'} 可以为支持的模型启用更长输出。通过 Unlimited gateway 时，常规 Anthropic header 行为不需要额外改造；只要上游模型支持，OpenClaw 就可以继续按 anthropic-messages 格式发送请求。

很多开发者会搜索 免费claude api 来做 PoC，但 OpenClaw 这种常驻在线系统不太适合长期依赖免费额度或临时 key。免费测试可以验证连接方式、prompt 拼接和 channel connector 是否工作，但一旦接入真实用户，你更需要稳定、可续费、额度清晰的方案。AI Prime Tech Unlimited 的价值在于把 OpenClaw 的 provider 变成一个可预测的中转层：本地 OpenClaw 仍然按 Claude API 风格调用，上游由 gateway 负责承接。

Model Entries 与 api 字段要求

OpenClaw 配置里最容易踩坑的一点是：每个 Claude model entry 的 api 字段必须显式设置为 'anthropic-messages'。如果遗漏，OpenClaw 可能会回退到通用 completion 格式，而这个格式与 Claude Messages API 不兼容。表现出来的错误经常很迷惑，例如看起来像连接失败、response parsing failed、unexpected 400，或者 API 返回结构不符合预期；实际根因往往只是 request format mismatch。

Model entries 应定义在 openclaw.json 的 models.models 下。每个 entry 引用一个 provider name，并指定对应的 model ID。你可以为不同 Claude 变体建立多个 entry：例如把 claude-sonnet-4-5 作为大多数 channel 的默认模型，把 claude-opus-4-6 分配给需要更强 reasoning 的技术支持或复杂问答渠道，把 claude-haiku-4-5 用在高并发、重速度、轻深度的通知或简单回复场景。

不同 channel 可以绑定不同模型。客户支持 channel 可以使用 Sonnet，以便在质量、速度和稳定性之间取得平衡；技术文档或工程问答 channel 可以使用 Opus，让复杂解释、代码分析和排障建议更可靠；提醒类、欢迎语、简单 FAQ channel 可以使用 Haiku，获得更快响应。在 per-token 模式下，这种模型分层往往会被成本约束影响；在 claude无限额度 或固定费率方案下，你可以更多根据质量需求和用户体验来分配模型。

建议为每个模型 entry 采用清晰、短小、语义明确的名称，例如 sonnet、opus、haiku，而不是把完整 model ID 复制到 channel 配置里。这样后续升级模型版本时，只需要修改 models.models 中的 model 字段，channel 级别的引用可以保持不变。对于团队协作，这也能减少拼写错误和配置漂移。

运行在 18789 端口的 Hub-and-Spoke Gateway

OpenClaw gateway 默认通常运行在 18789 端口，也可以在 openclaw.json 的 server.port 下调整。它会暴露一个 REST API，供 channel connector 提交消息并接收响应。gateway 内部负责 prompt construction、model selection、conversation history management 和 response streaming；channel connector 不需要理解 Claude 的完整消息格式，只需要把平台消息标准化后交给 hub。

部署时建议把 gateway 放在稳定的 VPS 上，并按 24/7 运行来设计。只要 gateway 停止，所有 channel 的响应能力都会受影响。使用 systemd 或 Docker 来保证 crash 后自动 restart 是基本要求。OpenClaw 本身对 CPU 和内存并不重，瓶颈通常是 upstream API call latency，而不是本地处理能力。一个小型 VPS，例如 1 CPU、1 GB RAM，通常就能支撑几十个并发 channel，前提是网络质量稳定。

gateway 会维护 conversation histories，默认可以在内存中管理，也可以配置持久化到磁盘或 Redis。每个活跃 conversation 都有独立且不断增长的 context；当你同时运行 50 个 channel，并且每个 channel 都有多个活跃用户时，系统可能维护数百个并发 conversation states。OpenClaw 会根据 TTL、history length 等配置自动裁剪旧上下文，避免 context 无限增长。

从架构视角看，AI Prime Tech Unlimited 扮演的是 OpenClaw hub 的上游 Claude API gateway。你的 channel connector 和 hub 都部署在自己的基础设施中，所有 Claude 请求集中从 hub 发往 https://claudeapikey.dev。这样的 claude api中转模式让你可以把平台接入、权限控制、日志、skills 和上下文管理留在本地，同时把 Claude 调用统一接入一个稳定的 unlimited endpoint。

Skills 注入与 System Prompt 管理

OpenClaw 的 skills system 会在每次请求中把特定能力指令注入 system prompt。Skills 通常定义为 skills 目录下的文本文件，可以分配给特定 channel，也可以设置为全局生效。每个 skill 都会给 Claude 提供额外上下文，帮助它用符合场景的方式回答，例如客户支持语气、技术文档风格、特定产品知识、合规要求、升级路径或某个社区的沟通规则。

需要注意的是，每个 skill 都会给每个分配到它的请求增加 token。一个启用了五个 active skills 的 channel，可能在加入 conversation history 之前，就已经向 system prompt 增加 2,000 到 5,000 tokens。如果你有 50 个 channel，并且不同 channel 启用了不同组合的 skills，每天的 skill overhead 会相当可观。按 token 计费时，团队往往会被迫压缩 skills 内容；使用 unlimited 方案后，你可以更放心地编写完整、清晰、可维护的 skills，而不是为了省钱牺牲行为一致性。

Skills 还可以通过 template variables 注入动态内容。OpenClaw 支持在 skill text 中插入 user information、channel context、time-of-day 和 custom variables。动态注入发生在 request time，因此 skills 能拿到当前用户、当前 channel、当前时间等最新信息。这种设计允许你实现非常细粒度的 per-channel behavior，而不必写大量复杂 routing logic。

对于中文开发者和运营团队来说，skills 也是把 Claude 适配到本地业务语境的关键位置。你可以在 skills 中定义中文客服规范、内部产品术语、SLA 规则、升级工单格式、代码审查标准或社区管理语气。只要 OpenClaw 通过稳定的 claude api密钥 访问 Unlimited gateway，这些复杂 prompt 不会因为单次请求成本过高而被频繁删减。

Channel 配置与扩展方式

OpenClaw 的每个 channel 可以写在 openclaw.json 的 channels section 中，也可以拆到独立 channel config files。一个 channel entry 通常会指定 platform type，例如 telegram、discord、slack、web 或 custom；同时还包括该平台的 authentication credentials、要使用的 model、分配的 skills，以及 conversation management settings，例如 history length、TTL、persona 等。

扩展是线性的：每增加一个 channel，就多一个开放的 inference endpoint。添加一个 Telegram bot，就是新增一个 channel；添加一个 Discord server，如果监控多个频道，可能一次新增十个 channel。每个被监控的 Discord channel 都是独立 conversation stream，有自己的 context。一个包含 Discord、Telegram、Slack 和 web widgets 的大型 OpenClaw 部署，很容易达到 50 到 100 个活跃 inference endpoints。

在 per-token billing 下，扩展 channel 基本等于直接扩展成本。每个新 channel 都会根据消息量带来成比例的 API expense，尤其是包含较长 conversation history 和多个 skills 时更明显。在 unlimited 模式下，你可以在 fair-use rate limits 范围内更自由地扩展 channel：新增平台、新 bot、新 widget、新内部工具入口，都由固定费率覆盖。真正需要关注的约束通常变成每分钟 rate limit，而这个限制对大多数多渠道部署来说已经足够宽松。

如果你正在比较 claude api价格，不要只看单次请求价格，还要把 channel 数、平均消息长度、system prompt 长度、skills token、history token 和峰值并发放到一起估算。OpenClaw 的成本模型不是“一个用户偶尔问一句”，而是“多个平台随时有人问”。因此，购买claude api 时选择支持长期在线和多渠道高频调用的 gateway，会比单纯追求短期免费额度更实际。

OpenClaw 部署排障

最常见的配置错误，是忘记在 model entries 中设置 api: 'anthropic-messages'。没有这个字段时，OpenClaw 会使用错误请求格式，并从 API 收到难以理解的错误。如果你看到 response parsing failures、unexpected 400 errors、Claude 返回结构异常，或者日志里像是 connection failed，第一步应该检查 api 字段。它必须显式设置；对于 Claude models，不存在一个一定正确的默认 API 格式。

如果某些 channel 失败而其他 channel 正常，问题通常出在 channel-level model assignment。常见情况是 channel 指向了一个不存在的 model entry，或者 model 名称有拼写错误。OpenClaw 启动时不一定会完整验证所有 model references，错误可能直到该 channel 真的发请求时才暴露。排查时要确认每个 channel 的 model reference 与 models.models 中的 entry name 完全一致，包括大小写和连字符。

在多 channel 高负载下遇到 rate limit errors 时，要记住所有 channel 通常共享同一个 API key 和 rate limits。如果 50 个 channel 在高峰期同时活跃，合并后的 request rate 可能超过 fair-use limits。gateway 会通过 queue 和 retry 处理 429 responses，这会增加延迟，但通常不会丢消息。对于非常高流量的生产部署，可以联系 AI Prime Tech 申请更高的 rate allocations。

另一个常见问题是环境变量没有被 OpenClaw 进程读取。你在交互式 shell 中 export 了 UNLIMITED_API_KEY，并不代表 systemd service 或 Docker container 内也能访问它。用 systemd 时应在 unit 文件中配置 Environment 或 EnvironmentFile；用 Docker 时应通过 env_file 或 -e 注入。确认 claude api密钥 是否生效时，可以先查看 OpenClaw 启动日志，再用单个低风险 channel 发送测试消息。

最后，建议把 OpenClaw 的日志、gateway upstream error、channel connector 状态和重启策略一起纳入监控。OpenClaw 是常驻系统，问题经常不是一次性配置错误，而是网络抖动、平台 webhook 变化、上游 rate limit、密钥轮换或单个 channel 消息暴涨导致。稳定的 claude api中转 能减少上游接入复杂度，但本地 hub 和各个 spoke 的运行状态仍然需要持续观测。

// ~/.openclaw/openclaw.json
{
  "models": {
    "providers": {
      "unlimited": {
        "api": "anthropic-messages",
        "baseUrl": "https://claudeapikey.dev",
        "apiKey": "${UNLIMITED_API_KEY}"
      }
    },
    "models": {
      "sonnet": { "provider": "unlimited", "model": "claude-sonnet-4-5" },
      "opus":   { "provider": "unlimited", "model": "claude-opus-4-6" },
      "haiku":  { "provider": "unlimited", "model": "claude-haiku-4-5" }
    }
  },
  "server": { "port": 18789 }
}

# 重要：必须配置 api: "anthropic-messages"
# 如果缺少它，OpenClaw 会使用错误的请求格式

FAQ

为什么必须显式把 api 设置为 anthropic-messages？
因为 OpenClaw 不会自动默认到某个特定 API 格式。没有 api: 'anthropic-messages' 时，它可能使用与 Claude Messages API 不兼容的通用 completion 格式。结果看起来像连接错误或解析失败，实际是格式不匹配。每个 Claude model entry 都应显式设置该字段。

OpenClaw 在 unlimited 方案下能承载多少 channel？
gateway 侧没有固定的硬性 channel 数限制。实际约束主要是 fair-use rate limit，因为所有 channel 通常共享同一个 API key。大多数 50-100 个 channel 的部署，在正常使用量下都能保持在限制内；遇到流量峰值时，gateway 会排队多余请求，并在 rate window 重置后重试。

每个 channel 都会维护独立 conversation history 吗？
会。每个 channel 以及 channel 内的每个用户都有独立 conversation context。gateway 会在内存中管理这些 histories，并支持配置 TTL。一个 50 个 channel、每个 channel 多个活跃用户的部署，可能同时维护数百个 conversation states。

可以用环境变量插值配置 API key 吗？
可以。在 openclaw.json 中把 apiKey 设置为 '${ENV_VAR_NAME}'，OpenClaw 启动时会从进程环境变量中解析它。这样可以避免把 claude api密钥 写进配置文件，尤其适合 Docker、systemd 或 CI/CD 注入 secrets 的部署方式。

如果 gateway 进程崩溃会怎样？
所有 channel 都会断开，直到进程重启前消息可能无法处理。建议使用 systemd 的 Restart=always，或 Docker 的 restart: unless-stopped 来保证自动恢复。如果 conversation histories 只存在内存中，崩溃后会丢失；重要部署应启用磁盘或 Redis 持久化。