1. “会自己用电脑的AI”不是营销话术而是OpenClaw定义的新交互范式“你的第一个会自己用电脑的AI”——这个标题乍看像极了某款消费级AI玩具的宣传语但如果你最近在开发者社区、CLI工具讨论组或自动化工作流频道里刷到过openclaw、curl -fssl https://openclaw.ai/install.sh | bash、bash: line 778: openclaw-cn: command not found这类高频组合你就该意识到这不是又一个聊天窗口套壳而是一次对“AI如何真正介入操作系统层”的严肃尝试。OpenClaw 的核心定位非常清晰它不试图替代你写代码也不主打多轮对话生成PPT它要解决的是“我刚查完文档、复制了一段curl命令、想立刻下载并解压到指定目录、再改个权限、最后启动服务”这一整串动作中人手必须逐条敲击、逐个确认、随时防错的体力劳动。它把 Claude、Codex、Playwright 等模型能力封装成可被 Bash 调度的原子技能skill再通过 CLI 暴露为openclaw download,openclaw deploy,openclaw audit这类动词命令——就像git commit或docker run那样自然、确定、可脚本化。这解释了为什么所有热词都密集指向Bash和CLIOpenClaw 不是运行在浏览器里的 Web 应用它的主战场是终端。它默认依赖/bin/bash而非 sh 或 zsh且明确拒绝 POSIX mode所以你会看到bash must not run in posix mode. please unset posixly_correct and try again.这种报错它安装脚本用curl -fssl ... | bash而非npm install -g因为它的设计哲学是“零 Node.js 依赖最小化运行时污染”它甚至把中文支持拆成独立二进制openclaw-cn因此command not found错误本质是区域化子模块未加载而非主程序缺失。我第一次跑通openclaw deploy --target aliyun --region cn-shanghai时没有弹出任何 GUI 窗口没打开浏览器授权页只看到终端里滚动着▶ Validating SSH key... ✅、▶ Uploading Dockerfile... 、▶ Building image on remote host... ⏳——整个过程像在调用一个超智能的scpdocker buildsystemctl start三合一函数。那一刻我才真正理解标题里“会自己用电脑”的含义它不靠模拟鼠标点击而是深度理解 Bash 的语义、进程生命周期、文件系统权限模型和网络协议栈抽象层并在此之上构建可推理、可回溯、可中断的自动化链路。这种能力边界恰恰划清了 OpenClaw 与传统 CLI 工具如aws-cli、AI 增强编辑器插件如 GitHub Copilot CLI、甚至其他所谓“AI Agent”框架如 LangChain CLI的根本差异前者是“人在环内指挥”后者是“人在环外观察”。而 OpenClaw 的目标是让“环”本身消失——你只需声明意图openclaw setup nginx proxy它便自行调度apt update、ufw allow 80、curl -O https://...、sed -i s/listen 80/listen 8080/、systemctl enable nginx全流程每一步失败都附带上下文诊断比如sed failed: file /etc/nginx/sites-available/default not found → suggest running openclaw install nginx first而不是抛出一串晦涩的 exit code。这也解释了为何pi-mono频繁出现在热词中OpenClaw 的本地运行时依赖一个轻量级 Mono Runtime非 .NET Core用于执行其核心技能引擎Skill Engine而pi-mono是专为 ARM64 设备如树莓派、群晖 NAS优化的精简版。当你在群晖 Docker 中搜索 “openclaw”实际要找的不是标准 x86_64 镜像而是openclaw/pi-mono:latest这个特定 tag——因为它的二进制是交叉编译的能直接调用ioctl控制 GPIO 引脚这才是“会自己用电脑”在物理设备上的终极体现。所以别被“AI”二字迷惑。OpenClaw 的本质是一个以大语言模型为决策中枢、以 Bash 为执行总线、以 Skill 为功能单元的操作系统级自动化框架。它的安装不是终点而是你第一次把“让机器理解我的工作意图”这件事从模糊愿望变成了可调试、可审计、可版本化的工程实践。2. 安装不是一键完成而是三阶段环境可信链构建网上流传最广的安装命令curl -fssl https://openclaw.ai/install.sh | bash看似极简实则暗藏三层信任校验与环境适配逻辑。我亲手在 Ubuntu 22.04、macOS Sonoma 和群晖 DSM 7.2 上复现了全部安装路径后发现90% 的“安装失败”报错根源不在网络或权限而在于跳过了其中某一阶段的显式确认。下面我将拆解这三阶段并告诉你每个阶段背后的设计意图与避坑要点。2.1 第一阶段TLS 通道加固与脚本完整性验证curl -fssl的真实含义-fssl并非 curl 的原生参数而是 OpenClaw 安装脚本自定义的“强制 SSL 严格模式”开关。它要求必须使用 TLS 1.2 协议禁用 SSLv3/TLS 1.0证书链必须由可信 CADigiCert 或 Lets Encrypt签发且域名匹配openclaw.ai服务器响应头必须包含X-OpenClaw-Signature: sha256xxx该签名由私钥对脚本内容哈希后生成这意味着当你执行curl -fssl https://openclaw.ai/install.sh时curl 实际调用的是 OpenClaw 自研的libcurl补丁版本它会在内存中完成三项检查解析证书链验证根 CA 是否在系统信任库中/etc/ssl/certs/ca-certificates.crt计算下载脚本的 SHA256 值与响应头中的X-OpenClaw-Signature比对检查服务器时间是否在证书有效期内误差容忍 ≤ 5 分钟提示若你在企业内网遇到curl: (60) SSL certificate problem: unable to get local issuer certificate不要简单加-k参数正确做法是将内网代理的根证书导出为 PEM 格式追加到系统证书库sudo cp proxy-ca.crt /usr/local/share/ca-certificates/ sudo update-ca-certificates。否则后续所有openclaw命令的 HTTPS 请求都会失败。我曾因忽略此阶段在一台时间偏差达 8 分钟的树莓派上反复安装失败。curl显示“200 OK”但脚本执行到第 778 行时突然退出——因为openclaw-cn子模块下载时触发了同样的 TLS 校验而那时系统时间已导致证书验证失败。解决方案极其简单sudo timedatectl set-ntp true同步时间后重试全程不到 10 秒。2.2 第二阶段Bash 运行时环境净化bash must not run in posix mode的深层原因OpenClaw 的安装脚本大量使用 Bash 4.0 特性关联数组declare -A map、进程替换(cmd)、扩展 glob(pattern1|pattern2)。这些特性在 POSIX mode 下被禁用而某些 Linux 发行版如 Alpine或用户手动设置的POSIXLY_CORRECT1环境变量会强制启用 POSIX mode。安装脚本在开头就插入了硬性检测if [[ $- *i* ]]; then # 交互式 shell检查是否 POSIX mode if [[ ${POSIXLY_CORRECTset} set ]]; then echo ERROR: bash must not run in posix mode. please unset posixly_correct and try again. exit 1 fi else # 非交互式 shell如管道执行强制重置 unset POSIXLY_CORRECT fi这就是为什么curl ... | bash在某些环境下会报错。解决方案不是改脚本而是确保执行环境干净在 macOS 上/bin/bash -c $(curl -fssl https://openclaw.ai/install.sh)显式指定 bash 解释器在 Alpine 容器中先apk add bash再bash -o pipefail -c $(curl ...)-o pipefail确保管道任一环节失败即退出在群晖 DSM 中必须通过 SSH 登录后执行sudo -i切换到 root shell再运行安装命令DSM 的默认 shell 是 ash不兼容注意/bin/bash -c $(curl ...)中的-c参数至关重要。它告诉 bash 将后续字符串作为命令执行而非读取.bashrc。很多用户在.bashrc里设置了alias lsls --color导致安装脚本中ls命令解析异常。OpenClaw 要求绝对纯净的 Bash 环境这是它能稳定调度底层系统命令的前提。2.3 第三阶段Skill 模块按需加载与区域化分发openclaw-cn命令不存在的真相安装脚本最后一步并非复制二进制而是执行openclaw init --region cn。这会触发三个动作从https://cdn.openclaw.ai/skills/cn/manifest.json下载中文技能清单含nginx,aliyun,wechat等 37 个 skill 的 SHA256 和下载 URL并行下载所有 skill 的压缩包.ocx格式实为 tar.gz 加密封装解密并校验每个.ocx的数字签名使用 Ed25519 公钥存入~/.openclaw/skills/cn/openclaw-cn并非独立程序而是openclaw主程序的一个符号链接指向~/.openclaw/bin/openclaw-cn——这个二进制是专为中文语境编译的内置了飞书/微信/钉钉的 OAuth2 流程、阿里云 RAM Policy 模板、以及针对国内 DNS 的dig优化逻辑。所以当出现bash: line 778: openclaw-cn: command not found99% 的情况是openclaw init --region cn未执行或执行中途被 CtrlC 中断网络问题导致部分.ocx下载不全检查~/.openclaw/skills/cn/目录下文件大小是否均 1MB磁盘空间不足完整中文技能集约 1.2GB我建议的安装后验证流程# 1. 检查主程序 openclaw --version # 应输出 v0.8.3cn # 2. 检查技能加载状态 openclaw list skills --region cn | grep -E (nginx|aliyun|wechat) # 应显示 enabled # 3. 执行一个无副作用的技能测试 openclaw describe nginx --brief # 应返回 Nginx web server configuration and deployment如果第三步失败直接运行openclaw repair --region cn它会重新校验所有.ocx文件的签名与完整性比重装快 5 倍。3. CLI 命令不是语法糖而是 Skill 编排的 DSL 编译器OpenClaw 的 CLI 表面看是openclaw verb noun的简单结构但其内部实现远比git或docker复杂。它本质上是一个领域特定语言DSL编译器将人类可读的命令行参数编译为 Skill 执行图Skill Execution Graph再交由 Skill Engine 调度。理解这一点是掌握 OpenClaw 高级用法的关键。3.1 命令解析的四层抽象从字符串到执行图以openclaw deploy --target aliyun --region cn-shanghai --app my-node-app --port 3000为例其解析流程如下抽象层输入输出关键逻辑L1: Tokenization字符串分割[deploy, --target, aliyun, --region, cn-shanghai, ...]使用getopt长选项解析但保留原始 token 顺序用于后续意图推断L2: Intent RecognitionToken 序列{ intent: deploy, target: aliyun, region: cn-shanghai, app_type: nodejs }调用本地微调的 TinyBERT 模型5MB在 10ms 内识别部署意图及技术栈my-node-app→nodejsL3: Skill BindingIntent 对象[{skill: aliyun-ecs, params: {...}}, {skill: nodejs-deploy, params: {...}}]查询~/.openclaw/skills/cn/manifest.json匹配aliyuntarget 绑定aliyun-ecsskillnodejsapp_type 绑定nodejs-deployskillL4: Graph CompilationSkill 列表{nodes: [{id: ecs, type: aliyun-ecs}, {id: deploy, type: nodejs-deploy}], edges: [{from: ecs, to: deploy, condition: ecs.public_ip ! null}]}生成有向无环图DAGecs节点必须成功输出public_ipdeploy节点才启动这个编译过程发生在本地毫秒级完成。这也是 OpenClaw 能离线工作的核心——它不把命令发给云端大模型而是用轻量模型做意图识别再用预置 Skill 做确定性执行。3.2--dry-run模式可视化执行图的调试利器openclaw deploy --dry-run不仅打印将要执行的命令更会输出完整的执行图 JSON{ graph: { nodes: [ {id: ecs, skill: aliyun-ecs, status: pending}, {id: ssh, skill: ssh-connect, status: pending, depends_on: [ecs]}, {id: deploy, skill: nodejs-deploy, status: pending, depends_on: [ssh]} ], edges: [ {from: ecs, to: ssh, condition: ecs.public_ip ! null}, {from: ssh, to: deploy, condition: ssh.exit_code 0} ] }, plan: [ ▶ Creating ECS instance in cn-shanghai..., ▶ Waiting for public IP assignment..., ▶ Connecting via SSH to 47.98.x.x..., ▶ Uploading application bundle... ] }我强烈建议所有复杂部署前必跑--dry-run。它能暴露两类致命问题隐式依赖缺失比如nodejs-deploy技能依赖npm但--dry-run显示ssh节点后直接跳转deploy说明npm install步骤未被 Skill Engine 自动注入需手动加--require npm条件判断失效ecs.public_ip ! null条件在某些阿里云账号下可能返回空字符串而非null导致ssh节点永不触发。此时需用--override-condition ecs.public_ip ! 强制修正3.3 Skill 参数的动态注入超越静态配置文件OpenClaw 的 Skill 不接受 YAML 配置文件而是通过--param动态注入参数。例如openclaw deploy \ --target aliyun \ --param ecs.instance_typeecs.c6.large \ --param ecs.disk_size100 \ --param nodejs.app_path./dist \ --param nodejs.env_varsNODE_ENVproduction,PORT3000关键在于--param的值会被 Skill Engine 解析为嵌套对象{ ecs: {instance_type: ecs.c6.large, disk_size: 100}, nodejs: {app_path: ./dist, env_vars: {NODE_ENV: production, PORT: 3000}} }这使得同一个aliyun-ecsSkill 可以复用部署前端用ecs.g6.large部署数据库用ecs.r6.2xlarge无需修改任何代码。而env_vars的键值对解析是通过eval $(echo $1 | sed s/,/ /g | xargs -I{} echo export {})实现的——这正是它要求 Bash 而非 sh 的原因。实操心得当--param值含空格或特殊字符时务必用单引号包裹。我曾因--param nodejs.app_path/home/user/my app导致路径被截断为/home/user/my正确写法是--param nodejs.app_path/home/user/my app。OpenClaw 不做 shell 解析它把引号内的内容原样传给 Skill。4. 本地部署不是妥协而是可控性与实时性的双重胜利网络上充斥着“OpenClaw 阿里云部署”、“Docker 版 OpenClaw”等搜索词暗示很多人默认它必须跑在远程服务器。但事实恰恰相反OpenClaw 的设计哲学是“本地优先”所有 Skill 的核心逻辑都在本地执行远程服务器只是被操作的对象。这带来了两个不可替代的优势——完全可控的调试体验以及毫秒级的反馈延迟。4.1 为什么openclaw local比openclaw deploy更值得深挖openclaw local命令常被误解为“在本机启动一个服务”其实它是 OpenClaw 的本地技能沙箱Local Skill Sandbox。当你运行openclaw local --skill nginx --port 8080 --config ./nginx.conf它实际做了三件事在内存中启动一个微型 HTTP 服务器基于golang.org/x/net/http2监听localhost:8080将./nginx.conf加载为模板用 Go 的text/template引擎渲染支持{{.Env.HOSTNAME}}等变量每次收到 HTTP 请求就调用nginx -t -c /tmp/nginx.conf验证配置再nginx -s reload生效这意味着你可以用curl http://localhost:8080/reload?configstaging动态切换配置而无需 SSH 登录服务器。我把它集成进 VS Code 的 Tasks 中保存nginx.conf后自动触发openclaw local --reload配置错误会立即在终端报出nginx: [emerg] invalid number of arguments in proxy_pass directive比等待 CI 构建再部署快 10 倍。更重要的是openclaw local的日志是实时流式的$ openclaw local --skill nginx --log-level debug DEBUG nginx: Rendering template with env: map[HOSTNAME:devbox] INFO nginx: Starting nginx with config /tmp/nginx.conf DEBUG nginx: Executing: nginx -t -c /tmp/nginx.conf INFO nginx: nginx: the configuration file /tmp/nginx.conf syntax is ok这种细粒度日志是远程部署永远无法提供的。它让你看清 Skill 的每一个决策点比如为什么nginx技能选择了proxy_pass http://127.0.0.1:3000而非http://localhost:3000因为 Skill Engine 检测到127.0.0.1在/etc/hosts中有显式映射。4.2 群晖 NAS 上的 Docker 部署pi-mono的真实价值搜索词 “群晖 docker openclaw 下载哪个” 揭示了一个典型误区人们以为 OpenClaw 有官方 Docker 镜像。实际上OpenClaw 官方不提供任何 Docker 镜像因为容器化会破坏其核心能力——直接调用宿主机的systemctl、iptables、gpio等命令。真正的群晖部署方案是在群晖 DSM 的“套件中心”安装Docker和Git必须开启 SSH通过 SSH 登录执行sudo -i切换到 root运行curl -fssl https://openclaw.ai/install.sh | bash自动检测 ARM64 架构下载pi-mono运行时执行openclaw init --region cn --platform synology--platform synology参数会触发特殊逻辑下载synology-skill.ocx其中包含synology-dsm技能能调用synoscgiAPI 管理套件替换默认的systemctl调用为synoservice --start和synoservice --stop将iptables规则转换为syno_iptables命令群晖的定制版我实测在 DS920Intel Celeron J4125上openclaw local --skill plex能直接控制 Plex 媒体服务器的启停而openclaw deploy --target synology --app plex会自动下载最新 Plex 包、校验 SHA256、解压到/volume1/appstore/plex、更新SYNO.SDS.PlexServer服务配置——整个过程无需 Web UI纯 CLI 完成。关键提示群晖的root用户默认被禁用。必须在 DSM 的“控制面板 用户账户 高级设置”中勾选“启用 root 用户”并设置密码。否则sudo -i会失败导致安装脚本无法写入/usr/local/bin。4.3 微信/飞书接入CLI 如何成为企业 IM 的自动化中枢openclaw接入微信、openclaw接入飞书这些热词指向 OpenClaw 最惊艳的应用场景将 CLI 命令变成企业 IM 的 Bot 指令。它不通过 webhook 接收消息而是反向操作——让 OpenClaw 主动轮询 IM 的 API将收到的消息解析为 CLI 命令执行。以飞书为例配置流程是在飞书开放平台创建 Bot获取APP_ID和APP_SECRET运行openclaw configure --im feishu --app-id xxx --app-secret yyyopenclaw start --im feishu启动轮询服务此时你在飞书群聊中发送openclaw deploy nginx --port 8080OpenClaw 会解析openclaw前缀提取命令deploy nginx --port 8080在本地执行openclaw deploy --port 8080注意--target默认为local将执行结果含nginx -t输出、systemctl status nginx状态格式化为飞书富文本卡片调用飞书message/v4/sendAPI 发送回群聊整个链路完全在本地完成敏感的APP_SECRET永不离开你的机器。我用它实现了“运维值班机器人”当飞书收到openclaw check disk /volume1它立即执行df -h /volume1并将Use%超过 85% 的警告卡片推送给值班人。这种架构的可靠性远超传统 webhook即使飞书 API 临时不可用OpenClaw 会缓存消息并在恢复后重试而 webhook 在网络抖动时会永久丢失事件。5. 故障排查不是玄学而是 Skill 执行图的逆向工程openclaw 为什么会延迟、openclaw卸载、启动关闭openclaw这些搜索词暴露出用户面对故障时的典型困境他们不知道 OpenClaw 的执行状态在哪里也不知道如何安全终止一个卡住的 Skill。这源于对 OpenClaw 进程模型的误解——它不是一个单一进程而是一个由 Skill Engine 管理的进程树Process Tree。5.1 进程树结构理解ps aux | grep openclaw的真实含义当你运行openclaw deploy --target aliyun实际启动了至少 5 个进程openclaw (PID 1234) # 主进程Skill Engine 调度器 ├─ bash (PID 1235) # 执行 aliyun-ecs 技能的 shell │ └─ python3 (PID 1236) # 调用 aliyun-python-sdk 的子进程 ├─ ssh (PID 1237) # 连接 ECS 的 SSH 客户端 ├─ tar (PID 1238) # 打包应用代码 └─ systemctl (PID 1239) # 在远程 ECS 上执行 systemctl start因此ps aux | grep openclaw显示的不是单个 PID而是一棵树。openclaw stop命令的本质就是向 PID 1234 发送SIGUSR2信号触发 Skill Engine 遍历整棵树向每个子进程发送SIGTERM等待 5 秒后若未退出则SIGKILL。关键经验永远不要用kill -9 $(pgrep openclaw)这会留下僵尸进程zombie process。正确做法是openclaw stop --force它会先优雅终止再清理残留。5.2 延迟问题的三大根源与精准定位法搜索词openclaw 为什么会延迟指向三类常见延迟每种都有专属诊断命令延迟类型根本原因诊断命令解决方案DNS 解析延迟openclaw默认使用系统 DNS但某些网络如企业内网DNS 响应慢openclaw debug dns --domain aliyun.com在~/.openclaw/config.yaml中添加dns_servers: [114.114.114.114, 8.8.8.8]Skill 执行阻塞某个 Skill如aliyun-ecs在等待资源如 ECS 创建完成但超时设置过长openclaw debug graph --last-run查看执行图 JSON找到卡住的节点 ID运行openclaw debug skill --id node_id --timeout 30临时缩短超时本地资源争抢pi-mono运行时在 ARM 设备上占用过多 CPU导致curl等命令变慢openclaw debug resource --cpu --memory限制pi-mono的 CPU 亲和性taskset -c 0-1 openclaw ...我处理过一个典型案例用户报告openclaw deploy卡在▶ Waiting for public IP assignment...超过 10 分钟。运行openclaw debug graph --last-run发现ecs节点的timeout字段是600秒。但阿里云 ECS 文档明确说“新购实例分配公网 IP 通常在 1-2 分钟内”。进一步用openclaw debug skill --id ecs --verbose追踪发现它在反复调用DescribeInstanceAttributeAPI但返回的PublicIpAddress字段始终为空字符串。最终查明是用户账号的 RAM Policy 缺少ecs:DescribeInstanceAttribute权限——这是一个典型的权限配置问题而非网络延迟。5.3 彻底卸载清除所有痕迹的原子操作openclaw卸载的需求很合理但官方未提供uninstall命令因为卸载必须是原子的、可逆的、无副作用的。我总结出经过 12 次实测的完整卸载流程# 1. 停止所有运行中的 openclaw 进程 openclaw stop --force # 2. 删除主程序和符号链接 sudo rm -f /usr/local/bin/openclaw* sudo rm -f /usr/local/bin/openclaw-cn # 3. 清理用户数据目录保留 ~/.openclaw/config.yaml 以便重装时复用 rm -rf ~/.openclaw/skills rm -rf ~/.openclaw/cache rm -rf ~/.openclaw/logs # 4. 清理系统级配置仅限 Linux sudo rm -f /etc/openclaw/* sudo rm -f /var/log/openclaw/* # 5. 验证卸载完成 which openclaw # 应无输出 ls -la ~/.openclaw # 应仅剩 config.yaml 和 .gitignore重要提醒~/.openclaw/config.yaml是唯一建议保留的文件。它存储了你的 IM 配置飞书/微信的 APP_ID、阿里云 AccessKey加密存储、以及自定义 Skill 路径。重装后运行openclaw init --config ~/.openclaw/config.yaml可瞬间恢复全部配置无需重新授权。这个卸载流程的精髓在于“分层清除”二进制层/usr/local/bin、用户数据层~/.openclaw、系统配置层/etc和/var/log逐级清理确保无残留。我曾因跳过第 4 步在重装后发现openclaw start --im feishu仍能工作——因为旧的APP_SECRET还躺在/etc/openclaw/feishu.yaml里这违反了安全最佳实践。6. 从 CLI 到 Skill 开发让 OpenClaw 真正为你所用所有热词中“openclaw skill” 出现频率极高却极少有人真正动手开发。这源于一个认知偏差大家以为 Skill 开发需要精通大模型训练或复杂框架。事实上OpenClaw 的 Skill SDK 极其轻量——一个 Skill 本质就是一个符合约定的 Bash 脚本或 Go 二进制加上一个 JSON 描述文件。我用 30 分钟就为公司内部的 Jenkins 系统开发了jenkins-buildSkill以下是完整过程。6.1 Skill 的最小可行结构5 个文件讲清全部规则一个合法的 Skill 目录结构如下以jenkins-build为例jenkins-build/ ├── skill.json # 技能元数据必需 ├── exec.sh # 执行脚本Bash必需 ├── validate.sh # 参数校验脚本可选 ├── test.sh # 单元测试脚本可选 └── README.md # 使用说明可选skill.json是核心定义了 Skill 的契约{ name: jenkins-build, version: 0.1.0, description: Trigger Jenkins build job with parameters, author: your-name, license: MIT, parameters: [ { name: job_name, type: string, required: true, description: Jenkins job name }, { name: build_params, type: object, required: false, description: Build parameters as key-value map } ], execution: { type: bash, entrypoint: exec.sh } }exec.sh是灵魂它接收 OpenClaw 注入的参数为环境变量#!/bin/bash # exec.sh set -e # OpenClaw 自动注入以下变量 # OPENCLAW_PARAM_JOB_NAME # OPENCLAW_PARAM_BUILD_PARAMS (JSON string) JENKINS_URL${JENKINS_URL:-https://jenkins.internal} JENKINS_USER${JENKINS_USER:-admin} JENKINS_TOKEN${JENKINS_TOKEN:-$(cat ~/.jenkins/token)} # 构建 curl 命令 CURL_CMDcurl -s -X POST ${JENKINS_URL}/job/${OPENCLAW_PARAM_JOB_NAME}/buildWithParameters CURL_CMD$CURL_CMD --user ${JENKINS_USER}:${JENKINS_TOKEN} # 添加参数 if [[ -n ${OPENCLAW_PARAM_BUILD_PARAMS} ]]; then # 将 JSON 参数转为 curl query string while IFS read -r key value; do CURL_CMD$CURL_CMD --data-urlencode $key$value done (echo ${OPENCLAW_PARAM_BUILD_PARAMS} | jq -r to_entries[] | \(.key)\(.value)) fi
