为什么选 GitHub Codespaces
多数 OpenClaw 教程的前置条件是一台闲置的 Mac mini，或者在阿里云、腾讯云上开一台服务器长期挂着。对于只想验证可行性的人来说，这个成本门槛不合理。GitHub Codespaces 本质上是一台浏览器里的云端电脑，自带完整的 VS Code 开发环境，个人用户享有免费额度，用来跑 OpenClaw 这类轻量级服务刚好够用。
创建云端环境
登录 GitHub，新建一个空仓库（名字随意，比如 clawdbot-space），点击 Create。仓库建好后，在页面左上角点击 Create a codespace，再点 Create new codespace。等网页加载出类似 VS Code 的界面，云端环境就绑定好了。
安装 OpenClaw
在 Codespaces 下方的终端里粘贴官方安装命令，一路回车同意协议，模式选择 Quick Start。
到选择模型这一步有个实用建议：先选 Qwen 登录。Qwen 目前支持免费试用且效果不错，优先跑通整条链路比纠结模型选择更重要。验证流程没问题之后再切换到更强的模型。
接入飞书
飞书在群组协作场景下的体验明显优于其他 IM 工具，推荐作为 OpenClaw 的 Channel 首选。具体接入步骤涉及飞书开放平台的机器人配置，这部分流程相对标准化，按官方文档操作即可。
配置国产模型和第三方 API
这是很多人关心的问题：能不能用 DeepSeek，或者接入其他中转平台的 API Key？可以，但配置上有细节要注意。
在 Codespaces 里打开配置文件 ~/.clawdbot/clawdbot.json，修改 models 部分。
配置 DeepSeek（OpenAI 兼容模式）： DeepSeek 官方兼容 OpenAI 协议，但这里有一个常见的坑——api 字段必须填 openai-completions，填错会直接报错。
配置 Claude： 如果使用 Anthropic 中转服务，api 字段必须填 anthropic-messages，逻辑和 DeepSeek 一致，只是协议不同。
对齐 Primary 模型（关键步骤）： 很多人配完模型就以为结束了，结果启动后发现还在调用旧模型。需要在配置文件的 agents 字段里，把 defaults 中的 primary 指向新配置的模型，格式为 供应商名称/模型ID，比如 deepseek/deepseek-chat。
启动与验证
保存配置文件后，回到终端输入启动命令。观察终端日志，重点确认两件事：刚配置的模型名字（比如 deepseek-chat）是否出现，以及飞书的连接状态是否正常。
Web 控制台的两个常见报错
Codespaces 会自动把 OpenClaw 的内网端口映射到公网。在终端旁边的 PORTS 标签页找到端口 18789，点击地址旁的图标即可打开 Web 控制台。但第一次打开大概率会遇到两个问题。
Gateway token missing： Web 控制台默认开启了 Token 验证。回到配置文件 ~/.clawdbot/clawdbot.json，找到 gateway -> auth 部分，复制 token 值，粘贴到网页的 Gateway Token 输入框，点击 Connect。
Pairing required： OpenClaw 检测到新设备接入，需要后台确认。两种解法：
- 改配置文件： 在终端用编辑器打开验证文件，将
"silent": false改为"silent": true，保存即可一劳永逸。 - 命令行批准： 在终端查看请求列表，找到 Pending 状态的 Request ID，执行批准命令。
两个问题解决后刷新页面，就能看到完整的控制面板，包括运行状态、链路连接情况和基本管理功能。
进阶：让 OpenClaw 操控代码仓库
这套方案有一个容易被忽略的优势。Codespaces 本身就是一个完整的 IDE，意味着 OpenClaw 不只是一个聊天机器人，它可以直接在这个环境里写代码、提交到仓库、甚至触发部署。在飞书里发一句「帮我写个贪吃蛇游戏」，它可以完成编码、部署，并把试玩链接发回来。这把 AI Agent 从「对话工具」升级成了「开发协作者」。
需要注意的限制
GitHub Codespaces 的免费额度有上限，长时间不操作会自动休眠。这意味着它更适合验证和轻量使用场景，不适合需要 7×24 小时在线的生产环境。但作为零成本的入门方案，它解决了最核心的问题：让任何人都能在五分钟内跑通 OpenClaw 的完整流程，再决定是否值得投入更多资源。
对于想快速验证 AI Agent 可行性的独立开发者来说，先用免费资源把链路跑通，再考虑是否需要长期部署，这个顺序比一上来就投入基础设施成本要合理得多。