OpenClaw 移动节点与硬件集成完整教程

一、节点基础概念

1.1 什么是节点

节点是远程硬件设备，通过网络接入 OpenClaw Gateway，让云端智能体联动物理设备，实现视听、语音、定位、外设控制，打通软件与硬件。

架构示意：

plaintext

硬件节点(手机/树莓派/摄像头) <--网络--> OpenClaw Gateway(服务端)

1.2 主流节点类型与适用设备

表格

节点类型	核心能力	典型硬件
移动节点	摄像头、麦克风、GPS 定位、推送	Android /iOS 手机
音频节点	录音、播放、语音转文字 (STT)、文字转语音 (TTS)	树莓派、USB 麦克风 + 音箱
摄像头节点	拍照、短视频、视频流、图像识别	USB 摄像头、网络 IP 摄像头
通用硬件节点	自定义传感器、继电器、外设控制	Arduino、ESP32、单片机

二、移动节点部署（手机端，入门首选）

手机是一体化全功能节点，无需额外接线，快速上手。

2.1 Android 手机配置

安装客户端 从项目 Releases 下载 OpenClaw 安卓 APK，安装到手机。
填写连接信息 打开 APP，填写网关地址与密钥： plaintextGateway URL: http://你的服务器IP:18789 Token: 你的网关访问令牌
授权权限 依次允许：摄像头、麦克风、位置、通知权限。
建立连接 点击「连接」，连接成功后手机自动注册为网关节点。

2.2 iOS 手机配置

通过 TestFlight / 应用商店安装对应客户端；
填写网关地址、Token，授权权限后连接；

限制说明：iOS 系统后台权限严格，后台常驻录音、持续监听会受限，建议前台运行使用。

2.3 移动节点可用能力

连接完成后，可直接在对话中下发指令：

拍照 / 视频：拍一张当前环境照片
录音：录制10秒环境声音
定位：查看我当前的位置

三、音频节点配置（录音 / 播音 / 语音交互）

负责收音、放音、语音转文字、文字转语音，搭配树莓派、PC、外置麦克风音箱均可使用。

3.1 基础配置（openclaw.json）

json

{
  "nodes": {
    "audio": {
      "enabled": true,
      "inputDevice": "default",
      "outputDevice": "default",
      "sampleRate": 16000,
      "tts": {
        "provider": "edge-tts",
        "voice": "zh-CN-XiaoxiaoNeural"
      }
    }
  }
}

3.2 TTS 语音引擎与音色

表格

引擎	特点	费用
edge-tts（推荐）	中文音色自然、延迟低	完全免费
openai-tts	音色丰富	按调用计费
local	系统本地语音	免费

常用中文音色

女声标准：zh-CN-XiaoxiaoNeural
男声标准：zh-CN-YunxiNeural
活泼女声：zh-CN-XiaoyiNeural

3.3 音频节点功能清单

audio_record：麦克风录音
audio_play：播放音频文件
stt：语音转文字
tts：文字转语音播报

四、摄像头节点配置（拍照 / 视频 / 图像理解）

分为本地 USB 摄像头、网络 IP 摄像头，支持拍照、录视频、图片内容识别。

4.1 基础配置

json

{
  "nodes": {
    "camera": {
      "enabled": true,
      "device": "/dev/video0",
      "resolution": "1280x720"
    }
  }
}

Linux / 树莓派：设备路径一般为 /dev/video0
Windows：自动识别摄像头设备，无需填写路径

4.2 图像理解（视觉分析）

依托大模型实现识图、读文字、场景描述、物体识别，需启用视觉模型。

json

{
  "mediaUnderstanding": {
    "enabled": true,
    "model": "gpt-4o",
    "maxImageSize": "1024x1024"
  }
}

使用流程：摄像头拍照 → 图片上传视觉模型 → 分析结果返回

典型场景：识别物品、读取文档文字、描述环境、异常检测。

五、语音唤醒（免手动激活）

类似语音助手，说出唤醒词即可激活交互，依赖音频节点麦克风持续监听。

5.1 配置示例

json

{
  "voicewake": {
    "enabled": true,
    "wakeWord": "小龙虾",
    "sensitivity": 0.5,
    "audioNode": "default"
  }
}

参数说明：

wakeWord：自定义唤醒词，支持中文 / 英文
sensitivity：灵敏度 0~1，数值越高越容易触发
audioNode：绑定使用的音频节点

5.2 运行流程

持续监听麦克风 → 识别到唤醒词 → 启动录音 → 语音转文字 → 智能体处理 → TTS 语音回复

提示：持续监听麦克风会增加设备功耗，移动设备建议按需开关。

六、Talk 实时语音对话模式

全双工语音交互，全程语音问答，无需手动点击，适合长时间语音聊天。

6.1 完整配置

json

{
  "talk": {
    "enabled": true,
    "stt": {
      "provider": "whisper",
      "model": "whisper-1"
    },
    "tts": {
      "provider": "edge-tts",
      "voice": "zh-CN-XiaoxiaoNeural"
    },
    "vadSensitivity": 0.6
  }
}

vadSensitivity：语音活动检测灵敏度，自动判断说话起止。

6.2 语音唤醒 vs Talk 模式

表格

模式	激活方式	交互形式	资源消耗	适用场景
语音唤醒	唤醒词触发	单次问答	低	偶尔下发语音指令
Talk 模式	手动开启	连续对话	高	长时间语音聊天

七、GPS 定位功能（位置获取）

依托移动设备 GPS，获取实时地理位置，支持定时刷新位置。

7.1 配置

json

{
  "nodes": {
    "location": {
      "enabled": true,
      "updateInterval": 300
    }
  }
}

updateInterval：位置刷新间隔，单位秒，默认 300 秒（5 分钟）

7.2 使用场景

查询当前位置、基于位置推荐周边服务、位置状态播报。

八、硬件组合方案（从入门到进阶）

8.1 入门方案（零额外硬件）

闲置安卓 / 苹果手机

优势：即装即用，集成摄像头 + 麦克风 + GPS，无需接线
用途：日常拍照、语音指令、定位、移动监控

8.2 进阶方案（树莓派 + 外设，固定点位）

plaintext

树莓派4B
├─ USB麦克风阵列（语音唤醒、收音）
├─ 有源音箱（TTS语音播报）
└─ USB摄像头（监控、拍照）

适用：居家固定监控、全屋语音助手、桌面语音交互

8.3 企业 / 全屋多节点方案

plaintext

Gateway 服务端
├─ 门口节点：独立摄像头（门禁监控）
├─ 客厅节点：树莓派+音视频（语音助手）
├─ 卧室节点：手机（移动语音/定位）
└─ 办公区节点：电脑客户端（文字+语音）

九、常见问题排查

9.1 节点频繁断开

检查网关 18789 端口是否放行、防火墙规则；
确认设备与网关在同一网络，公网访问检查端口映射；
查看日志： bash运行openclaw gateway status openclaw logs | grep node

9.2 摄像头拍照模糊 / 黑屏

核对配置里的分辨率与设备匹配；
检查摄像头物理连接、光线环境；
Linux 确认设备路径 /dev/video0 正确。

9.3 语音识别准确率低

更换降噪麦克风，减少环境噪音；
优先使用 whisper 作为 STT 引擎；
调整麦克风音量与 VAD 灵敏度。

9.4 语音唤醒不触发

确认音频节点正常工作，麦克风可正常收音；
适当调高 sensitivity 灵敏度；
缩短唤醒词，避免生僻词汇。

十、总结

节点系统是 OpenClaw 软硬结合的核心，让 AI 脱离纯文本交互，控制物理硬件；
手机是最简单的一体化移动节点，零基础可快速落地；
音频、摄像头、定位、语音唤醒、Talk 模式可按需组合配置；
树莓派 + 外设适合搭建固定场景的语音 / 监控节点；
多节点组网可实现全屋、多区域智能化联动，拓展能力上限。