AI Agent 工具实操教程：从安装到自动化工作流

教程目标

在 45 分钟内，从零开始搭建一套基于 AI Agent 的自动化工作流，涵盖 OpenClaw 部署、n8n 工作流串联、以及 OpenRouter 模型接入。

你将搭建什么

本地 OpenClaw Agent 环境（5 分钟快速上手）
n8n 工作流串联 AI 工具（自动化任务编排）
OpenRouter 接入多模型（成本优化 + 备用方案）
一个可投入生产的 AI 自动化助手

准备清单

一台联网的电脑（macOS / Linux / Windows）
能访问 GitHub 和 npm/yarn
基本的命令行操作经验
对 AI 工具的好奇心

为什么选择这套组合

我们在实际运营中发现，OpenClaw + n8n + OpenRouter 是中小团队性价比最高的组合：

工具	用途	月成本
OpenClaw	AI Agent 调度 + 任务管理	$0（开源）
n8n	工作流自动化编排	$0（自托管）
OpenRouter	多模型接入 + 成本控制	$20-50

这套组合的优势在于：OpenClaw 负责 AI 逻辑和任务拆解，n8n 负责外接系统和定时触发，OpenRouter 负责按需调用最合适的模型。

如果你只用 OpenAI ChatGPT，单月成本可能在 $100 以上。而 OpenRouter 可以让你在 GPT-4o、Mistral、Claude 之间切换，成本下降 60%。

第 1 步：安装 OpenClaw（5 分钟）

基础环境检查

terminal


# 检查 Node.js 版本（需要 v18+）
node --version

# 预期输出: v18.x.x 或更高

# 检查 npm
npm --version

# 预期输出: 9.x.x 或更高

安装 OpenClaw

terminal


# 使用 npm 全局安装
npm install -g openclaw

# 验证安装
openclaw --version

初始化配置

terminal


# 创建工作目录
mkdir ai-agent-workspace && cd ai-agent-workspace

# 初始化 OpenClaw
openclaw init

# 按提示配置 API 密钥和默认模型

OpenClaw 初始化界面

OpenClaw 会自动创建 SOUL.md、AGENTS.md 等核心文件。如果你用过 Claude Code，会感觉非常亲切——两者都强调"Agent 即服务"的设计理念。

第 2 步：配置 OpenRouter 多模型接入（10 分钟）

为什么需要 OpenRouter

单一模型的问题：

GPT-4o 效果好，但成本高（$5/1M tokens）
Claude 3.5 能力强，但不支持工具调用
遇到服务降级，没有备用方案

OpenRouter 解决了这些问题：统一的 API 接口，按量计费，支持 50+ 模型无缝切换。

获取 OpenRouter API Key

访问 openrouter.ai
注册账号并获取 API Key
充值 $20 起步（支持信用卡）

配置 OpenClaw 使用 OpenRouter

terminal


# 在 OpenClaw 工作目录创建配置文件
cat > openclaw.json << 'EOF'
{
  "model": "openrouter/openai/gpt-4o",
  "fallbacks": [
    "openrouter/mistral/mistral-medium",
    "openrouter/anthropic/claude-3-opus"
  ],
  "api_base": "https://openrouter.ai/api/v1",
  "api_key": "sk-or-v1-your-key-here"
}
EOF

测试多模型切换

terminal


# 测试 GPT-4o
openclaw chat --model openrouter/openai/gpt-4o --prompt "Hello"

# 测试 Claude Opus
openclaw chat --model openrouter/anthropic/claude-3-opus --prompt "Hello"

# 检查成本日志
openclaw cost-log

提示：OpenRouter 控制台提供实时用量监控，你可以在 openrouter.ai/stats 查看各模型的成本消耗。

第 3 步：搭建 n8n 工作流（15 分钟）

安装 n8n

terminal


# 使用 Docker 安装（推荐）
docker run -d \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  n8nio/n8n

# 或使用 npm
npm install -g n8n
n8n start

创建第一个 AI 工作流

在 n8n 界面中（http://localhost:5678）：

新建 Workflow
添加 Schedule Trigger（定时触发）
添加 OpenClaw Node（调用 Agent）
添加 Telegram/Email Node（通知结果）

json

// OpenClaw Node 配置示例
{
  "model": "openrouter/openai/gpt-4o",
  "prompt": "分析今天的 SEO 热搜，输出前 3 条值得撰写的内容方向",
  "api_base": "https://openrouter.ai/api/v1",
  "api_key": "sk-or-v1-your-key"
}

工作流串联示意

code


## Schedule Trigger
       ↓
[OpenClaw Agent] → 分析 SEO 热词
       ↓
[Condition] → 是否超过阈值？
   Yes → [Email Notification]
   No  → [Log & Skip]

n8n 工作流示意

第 4 步：集成 LangChain 实现高级编排（10 分钟）

为什么需要 LangChain

OpenClaw 负责 Agent 逻辑，n8n 负责任务编排，但如果要做复杂的 RAG（检索增强生成）或 Memory 系统，LangChain 是最好的选择。

基础集成示例

python


# 安装 langchain-openai 和 langchain-community
pip install langchain-openai langchain-community

# 简单的 RAG 流程
from langchain_openai import ChatOpenAI
from langchain_community.retrievers import TavilySearchAPIRetriever

llm = ChatOpenAI(
    model="gpt-4o",
    openai_api_base="https://openrouter.ai/api/v1",
    openai_api_key="sk-or-v1-your-key"
)

# 结合搜索结果生成答案
retriever = TavilySearchAPIRetriever(k=5)
docs = retriever.get_relevant_documents("OpenClaw 最佳实践")
response = llm.invoke(f"基于以下文档回答: {docs}")

与 OpenClaw 联动

LangChain 负责知识检索，OpenClaw 负责任务执行，两者结合可以实现：

实时查询最新数据
基于文档的智能问答
自动生成内容并发布

第 5 步：监控与成本优化（5 分钟）

设置成本告警

在 OpenRouter 仪表盘设置：

月度预算上限：$50
单日花费上限：$5
告警阈值：80%

成本优化策略

策略	效果
使用 gpt-4o-mini 替代 gpt-4o	成本降 95%，速度升 3 倍
添加 Claude Haiku 作为快速响应模型	简单任务平均 $0.001
设置每日前缀预算	避免意外超支

terminal


# 查看本周成本
openclaw cost-log --period week

# 查看模型使用分布
openclaw cost-log --model-breakdown

常见问题排查

Q1：OpenClaw 启动报 "Permission denied

terminal


# 修复权限
chmod +x $(which openclaw)

# 或重新安装
npm uninstall -g openclaw && npm install -g openclaw

Q2：OpenRouter API 返回 401

检查 API Key 是否正确
确认账户是否有足够余额
查看 openrouter.ai/keys 状态

Q3：n8n 工作流卡住不动

检查 OpenClaw Agent 是否在运行
查看 n8n 日志：docker logs n8n
确认 Webhook URL 可达

工具词条速查

工具	用途	成本
OpenClaw	AI Agent 调度	开源免费
n8n	工作流自动化	开源免费
OpenRouter	多模型接入	$0.5-5/1M tokens
LangChain	RAG + 知识库	开源免费
Claude Code	代码编写辅助	$3-15/1M tokens

下一步行动

完成上述 5 步安装
运行第一个自动化工作流
监控一周成本，优化模型选择
将这套流程接入你的内容发布系统

如果你遇到问题，欢迎在 waytoclawearn.com 留言，我会更新常见问题部分。

相关工具: OpenClaw, n8n, OpenRouter, LangChain, Claude Code

AI Agent 工具实操教程：从安装到自动化工作流

AI Agent 工具实操教程：从安装到自动化工作流

教程目标

你将搭建什么

准备清单

为什么选择这套组合

第 1 步：安装 OpenClaw（5 分钟）

基础环境检查

安装 OpenClaw

初始化配置

第 2 步：配置 OpenRouter 多模型接入（10 分钟）

为什么需要 OpenRouter

获取 OpenRouter API Key

配置 OpenClaw 使用 OpenRouter

测试多模型切换

第 3 步：搭建 n8n 工作流（15 分钟）

安装 n8n

创建第一个 AI 工作流

工作流串联示意

第 4 步：集成 LangChain 实现高级编排（10 分钟）

为什么需要 LangChain

基础集成示例

与 OpenClaw 联动

第 5 步：监控与成本优化（5 分钟）

设置成本告警

成本优化策略

常见问题排查

Q1：OpenClaw 启动报 "Permission denied

Q2：OpenRouter API 返回 401

Q3：n8n 工作流卡住不动

工具词条速查

下一步行动

相关推荐

AI Agent 驱动内容自动化：n8n MCP 从零搭建指南

DeepClaude搭建教程：用DeepSeek跑Claude Code省90%