这页适合谁？ 适合第一次听说 OpenClaw、还没准备看官方文档的人。
怎么用？ 先看前 5 个问题；如果还想继续深入，再回主导学页看“进阶 / 专业展开”部分。
最常被问到的 7 个问题
1. OpenClaw 到底是什么？
最简单的说法：OpenClaw 是一个装在你自己电脑或服务器上的 AI 中控系统。它本身不是大模型，而是负责接消息、调模型、调工具、保存工作状态。
2. 它和 ChatGPT 有什么区别？
ChatGPT 更像现成的云端聊天产品，打开就能用。OpenClaw 更像你自己搭的 AI 系统底座，要自己部署、自己接模型、自己管安全。
所以两者差别不只是“界面不同”，而是谁在运维、谁在控权限、谁在管工作状态都不同。
3. 它和 Claude Code 有什么区别？
Claude Code 更偏向“代码代理助手”。OpenClaw 更偏向“通用 AI 系统中控”，不只是代码，还可以接聊天渠道、技能、工作区、远程节点。
如果你主要是写代码，Claude Code 更直接；如果你想搭自托管 AI 系统和多入口工作流，OpenClaw 更合适。
4. 4 核 8 GB 的 ECS 能跑吗？
能跑 OpenClaw 本身，作为管理层、编排层、会话层都没问题。
但不适合把大型本地模型也塞进去一起跑。更现实的做法是：ECS 跑 OpenClaw，模型走云 API 或独立 GPU 机器。
5. 能不能做到“完全本地”？
理论上可以尽量靠近“全本地”，但前提很多：你要用本地模型、本地工具、本地消息入口，还要控制所有插件来源。
只要你调用了云模型、第三方渠道或外部插件，数据就可能离开本机。所以更准确的说法是：可以做自托管，但不一定等于全本地。
6. 它为什么会有安全风险？
因为它不是“只会说话”的聊天框，而是可能具备调用工具、接文件、保存状态、连接外部渠道的能力。
一句话就是：能力越强，权限风险越高。 这也是为什么管理面不能乱暴露、技能不能乱装、生产数据不能乱碰。
7. 适合初学者系统学习吗？
很适合，前提是别把它当成一堆术语来背。更自然的学习顺序是：先弄懂它是什么，再看它怎么部署，最后再看 Skills、权限和安全。
如果你只是第一次接触 OpenClaw，这页 FAQ 加上导学页，已经够你完成第一轮入门。
继续阅读
看导学页
openclaw-guide.html 适合系统了解 OpenClaw 的架构、部署和安全。
做测试题
ai-language-test.html 可以边做题边检查自己是否已经理解了核心概念。