### [AutoClaw](https://hello123.com/)

**Published:** 2026-06-21T08:12:00

**Author:** hello123

**Excerpt:** AutoClaw（澳龙）是智谱AI于2026年3月推出的国内首个一键安装OpenClaw桌面客户端，支持macOS与Windows，内置Pony-Alpha-2模型与50+预制技能。新用户注册即赠2300积分，1分钟完成部署。点击查看使用指南与积分套餐。

## AutoClaw 注册上手：手机号验证后的5分钟与2300积分到账

注册完成后，用户会直接获得2300免费积分（据掘金2026年3月实测数据）。这个额度大致等于约116次内置模型对话（按每次20积分计算），相当于29元积分包价值的46%。此时，屏幕上呈现的是左侧对话列表、中间聊天区、右侧Agent配置面板的三栏布局。对于刚从云端AI工具迁移过来的用户，这种本地运行、按量消耗的模式有点像是在自己电脑上养了一只数字宠物，最初的新鲜感和积分余额带来的成本意识会同时出现。

![AutoClaw截图](https://cdn.hello123.com/wp-content/uploads/2026/06/autoclaw.webp)

1.  **验证登录与积分到账**：下载完桌面端后，打开即进入登录界面，输入手机号获取验证码。未注册的手机号会自动创建账号，登录后立即弹出提示，赠送2300积分（据掘金2026年3月实测，部分早期用户曾获得3200积分，但后续版本统一为2300）。这相当于提供了一次低成本试错的机会——如果只是试试看，几乎不用掏钱。
2.  **界面初览与三栏布局**：主界面采用左侧对话历史、中间聊天窗口、右侧Agent配置区的布局。顶部导航栏固定4个入口：对话、文件、技能、设置。文件栏目会展示Agent曾修改的本地文件历史，方便追溯操作痕迹。右侧Agent面板实时显示当前分身的模型选择、运行状态和配置风格（如“代码助手”或“内容创作”）。第一个Agent分身已默认创建好，名字可修改，头像可替换。
3.  **第一个实操决策：模型选择与API配置**：系统预置了智谱专为任务场景优化的Pony-Alpha-2模型（内测中），可以直接投入对话。但如果不满足于内置模型，可以进入设置页面，填入第三方模型的API Key。设置入口在左下角或顶部齿轮图标。支持DeepSeek、Kimi、MiniMax、GLM等主流模型（据说明）。切换模型不仅影响回答风格，更直接改变积分消耗速度——这是后话。
4.  **工作目录沙箱设置**：在设置中有一项“工作目录”，允许指定龙虾能访问的文件夹范围。比如指定一个项目文件夹后，Agent的读写操作就被限制在这个圈子里，不会误删系统文件。这对于处理敏感文档的用户尤其重要。不过需要注意，这个设置不是全局的，每个Agent分身可以单独绑定不同目录，通过软链接实现共享（后文详述）。

## 积分消耗的真实账本：Pony-Alpha-2对话成本与第三方API接入的价差

核心结论：内置Pony-Alpha-2模型单次对话约消耗20积分（约0.116元），而接入百度千帆Lite等第三方API可将单次成本压缩到原来的几分之一。以下将三种实际付费路径进行对比，再拆解背后的Token消耗逻辑。

| 付费路径 | 特点  | 单次对话成本（约） | 起步投入 | 适合人群 |
| --- | --- | --- | --- | --- |
| 路径一：直接购买积分包 | 使用内置Pony-Alpha-2模型，零配置 | 0.116元/次（20积分） | 29元/5000积分 | 轻度用户，不愿折腾 |
| 路径二：接入第三方API（以百度千帆Lite为例） | 需自行开通API服务并填入Key | 0.01-0.03元/次（取决于调用次数） | 首月7.9元（据掘金2026年3月用户实测） | 高频使用者，愿意前期配置 |
| 路径三：等待Pony-Alpha-2月度会员 | 正式订阅模式，尚未上线（截至2026年5月仍内测） | 待定（预计显著低于积分制） | 待定  | 等待性价比更高方案的用户 |

表格中的单次对话成本均基于用户实际用量估算。路径二的成本浮动较大：百度千帆Lite首月7.9元提供18000次API调用，如果一次对话只触发少数几次调用，单次成本可低至0.001元级别；但若任务链复杂，调用次数增多，成本会有所上升。总体上，相较于内置模型，第三方API在批量、高频场景下能节省大量积分，这也是许多老用户配置第三方模型的主要原因。

值得注意的是，Pony-Alpha-2在Agent任务场景下的Token消耗远低于通用模型。根据掘金2026年3月用户用量统计页面数据：同一组8条消息仅消耗87.4k token，而百度千帆模型10条消息消耗4.1M token。这表明内置模型针对龙虾场景做了Token效率优化，不能简单地用积分价格推断模型效率。界面顶部的用量统计页面会实时显示Token消耗曲线和积分余额（据手机助手2026年5月说明），用户可以根据数据选择性价比最高的模型组合。

## 50多个预制技能的实际调用：从「小红书图文生成」到「长视频字幕提取」

核心结论：技能库并非抽象的能力列表，而是每个技能对应一个SKILL.md定义文件，定义了该Agent在特定任务中的工作流程和工具调用链（据开心电玩2026年3月软件说明）。用户只需安装技能，对话时Agent会自动识别意图并调用对应的工具组合。

-   **小红书图文生成**：该技能封装了一整套工作流——从文案构思、图片匹配到排版输出。用户只需要在对话中给出主题（如“春季穿搭推荐”），Agent就会自动调用技能内的工具链生成符合平台风格的图文帖子（据实测案例）。整个过程无需手动干预图片软件或排版工具。
-   **长视频字幕提取**：串联了音视频分离、语音识别、时间轴对齐、文本导出等多个步骤。假设有一个40分钟的项目会议录像，用户只需将文件路径提供给Agent，技能会自动完成全部处理并输出带时间戳的字幕文件，随后还可以联动其他技能做翻译或摘要。
-   **股票分析**：自动拉取财报数据、绘制K线图等技术指标图表，生成多维度评估报告。相较于手动搜索财报、建模、制图，这个技能至少节省一个上午的时间。
-   **多源资讯简报生成**：并行抓取多个新闻源，按主题聚合关键信息，最后输出精简摘要。适合需要快速掌握行业动态的用户，例如市场分析师或战略岗。
-   **技能启用与禁用**：每个技能安装后可以随时通过技能面板打开或关闭（据说明）。比如在专注于代码开发时，可以暂时关闭内容创作类技能，避免Agent误判任务范围。这种按需组合的方式让每个Agent分身都能精准地服务于特定工作流。
-   **自动意图识别调用**：技能与插件系统的根本区别在于，用户不需要手动指定该用哪个技能。Agent在对话中会自动判断任务意图并调用相应技能——用户只需要描述需求，选择权在下层。这使得操作门槛极低。
-   **技能库的持续更新**：据途知游戏网2026年5月说明，技能库在持续扩充，既有智谱官方维护的通用技能，也有社区贡献的垂直技能。覆盖范围从编程开发、文档处理到营销推广、金融投研，几乎每周都有新技能上线。

## 飞书对话框里@澳龙派活：IM集成与云龙虾/本地龙虾双执行模式

核心结论：AutoClaw的飞书集成将整个接入流程自动化处理（据watcha.cn 2026年3月评价），用户绑定飞书账号后即可在聊天框@机器人下发任务，执行结果自动回流到对话中——这与传统OpenClaw繁琐的飞书配置流程形成鲜明对比。

AutoClaw在飞书集成上做了大量自动化工作。相比原版OpenClaw需要用户手动创建应用、配置密钥和事件订阅，澳龙的接入过程几乎是傻瓜式的：在桌面端点击“一键接入飞书”，系统自动打开浏览器跳转飞书登录，手机扫码授权后等待约约 45秒到2分钟，配置就完成了。之后，无论在飞书的手机端还是电脑端，只需在聊天框@机器人并输入任务，比如“把这份Excel里的销售数据按地区汇总成图表”，Agent就会在后台执行并将结果发回对话。这个过程让人感觉就像在给同事派活，只不过这位同事不吃不喝，24小时在线。

为了适应不同使用场景，澳龙提供了本地龙虾和云龙虾两种执行模式。本地龙虾模式依赖用户自己的电脑保持在线，任务实际在本地设备上运行，数据不经过云端，适合处理敏感文件或需要访问本地资源的任务，比如批量处理本地文件夹内的图片。云龙虾模式则在云端执行，即使电脑关机、手机熄屏，任务也能继续跑，特别适合定时数据采集、长时爬虫等任务（据手机助手2026年5月说明）。手机端创建Agent后，用户不仅可以用文字下指令，还能发送截图让Agent识别页面内容并整理待办，或者直接语音描述需求。群聊协作功能允许多个Agent同时处理同一个复杂任务的不同环节——比如一个Agent负责搜集资料，另一个负责排版输出（据517游戏网2026年5月推荐理由）。这种设计让移动办公的想象力大增。

不过，两种模式各有代价。云龙虾模式会消耗额外积分，而且如果云端排队任务多，执行速度可能不如本地。本地龙虾模式虽然稳定，但电脑一旦休眠或断网，任务可能中断。虽然内置了断点续传功能（据说明），但在跨网页操作的长任务中，续传成功率并非100%——比如正在抓取一个需要登录的网站，断网后重新连接，有时会卡在登录环节。对于关键任务，老用户通常会选择在本地网络稳定的环境下执行，并开启自动重试。

## 少有人提的快捷操作与一个仍未解决的跨平台同步难题

核心结论：老用户常用的效率技巧集中在Agent分身的命名管理与工作目录软链接配置上，但跨平台同步时本地文件缺失的静默失败是一个亟待改善的问题。

-   **分身命名与软链接共享**：为不同项目创建独立的Agent分身（如“自媒体运营”、“Python开发”、“数据清洗”），每个分身绑定不同的工作目录和技能组合。再通过软链接（symbolic link）让多个分身共享同一组项目文件，却互不干扰——修改一个文件后，所有分身看到的都是最新版本，避免了复制带来的版本混乱。这种配置简单但有效，特别适合同时用多个分身协作完成大型项目（据掘金2026年3月用户教程）。
-   **利用Token消耗曲线选模型**：在用量统计页面，可以查看每个模型历次对话的Token消耗曲线。有经验的用户会对比不同模型在同一任务类型下的消耗速度和输出质量，再决定哪个模型性价比最高——例如，对于长文档摘要，Pony-Alpha-2的单条消息token消耗远低于Kimi，但后者可能输出更符合阅读习惯的文本，此时选择取决于用户更在意成本还是流畅度。这种基于数据的决策比凭直觉切换模型更能控制预算（据掘金2026年3月用户教程）。
-   **仍未解决的跨平台同步难题**：AutoClaw在PC端与手机端的Agent配置信息确实可以实时同步（据手机助手2026年5月说明），但存在一个隐蔽的问题：当用户在手机端通过云龙虾模式启动了一个依赖本地文件的任务后，如果该文件仅存在于PC端且PC处于离线状态，任务会静默失败——不会主动提醒用户文件缺失。用户可能以为任务正在后台运转，实际上什么也没发生，直到检查进度才发现。当前版本的错误反馈机制对跨端文件缺失场景的处理不够透明，这容易导致工作延误。对于经常在两台设备间切换的用户来说，这或许是本地优先架构必须面对的一个现实矛盾。

## 参考资料

-   [AutoClaw官方网站](https://autoglm.zhipuai.cn/autoclaw/) — 智谱AI官方产品页，提供Windows/macOS下载入口、积分套餐定价及版本更新日志。
-   [掘金](https://juejin.cn/post/7615224961280802879)（2026-03-10）— 提供了注册积分赠送、对话消耗积分、百度千帆Lite成本对比、Pony-Alpha-2 Token消耗数据及用户实用教程。



---