在 AI Agent 时代，网页抓取的痛点不再是“怎么抓”，而是“Token 太贵”。OpenClaw Zero Token 是一个旨在通过优化 Context（上下文）和接入低成本/免费模型接口，实现高效率、低消耗甚至零 Token 消耗的自动化框架。
本教程将手把手带你完成从环境搭建到第一个自动化任务的运行。
一、 环境准备
在开始之前，请确保你的电脑已安装 Python 3.10+ 以及 Git。
1. 克隆项目与安装依赖
打开终端（或 CMD），执行以下命令：
Bash
# 克隆仓库
git clone https://github.com/linuxhsj/openclaw-zero-token.git
cd openclaw-zero-token
# 创建并激活虚拟环境 (推荐)
python -m venv venv
source venv/bin/activate # Linux/Mac
# venv\Scripts\activate # Windows
# 安装核心依赖
pip install -r requirements.txt
2. 初始化浏览器内核
OpenClaw 依赖 Playwright 来模拟真实浏览器行为，第一次使用需要安装驱动：
Bash
playwright install chromium
二、 核心配置：开启“零 Token”模式
该项目的强大之处在于它对底层模型（LLM）的灵活调度。
1. 配置文件设置
在项目根目录找到 .env.example，复制并重命名为 .env：
Bash
cp .env.example .env
2. 接入模型（白嫖方案）
打开 .env 文件，你有两种实现“零成本”的选择：
方案 A（本地自建）： 运行 Ollama，本地部署
Llama 3或Qwen 2。将BASE_URL指向http://localhost:11434/v1。方案 B（白嫖 API）： 接入提供免费额度的平台（如 DeepSeek 早期赠送额度或硅基流动等聚合平台的免费模型）。
三、 实战演练：抓取你的第一个网页
项目内置了 example.py。我们可以编写一个简单的逻辑：让 AI 访问某个技术文档并提取关键点。
1. 编写任务脚本
创建一个 my_test.py：
Python
from openclaw import OpenClaw
# 初始化抓取助手
# 如果你在 .env 配置好了，这里会自动读取
claw = OpenClaw()
# 定义你的需求（用自然语言描述）
prompt = """
访问 https://github.com/trending
提取当前排名 Top 5 的项目名称、Star 数以及项目简介。
请以 Markdown 表格形式输出。
"""
# 执行任务
print(">>> 正在启动 AI 自动化抓取...")
result = claw.run(prompt)
print("\n--- 抓取结果 ---")
print(result)
四、 深度解析：OpenClaw 是如何省钱的？
为什么它叫 Zero Token？主要归功于它的 “DOM 瘦身术”。
普通的 AI 抓取会将整个网页 HTML 喂给大模型，这会产生数万 Token 的消耗。OpenClaw 在发送给 AI 之前会进行以下操作：
标签过滤： 自动剔除
<script>、<style>、<svg>等与内容无关的标签。语义提取： 只保留关键的文本节点和交互元素（按钮、输入框）。
坐标映射： 将元素简化为 AI 易于理解的坐标，极大减少了 Prompt 的长度。
五、 常见问题与调试
遇到反爬： 可以在配置中开启
headless=False，观察浏览器是如何被拦截的，必要时更换 User-Agent。模型幻觉： 如果 AI 找不到按钮，尝试在 Prompt 中更具体地描述目标（例如：“点击那个蓝色的登录按钮”）。
六、 总结与展望
OpenClaw Zero Token 不仅仅是一个爬虫，它更像是一个拥有“眼睛”和“手”的本地机器人。通过降低 Token 门槛，它让个人开发者也能低成本构建复杂的自动化工作流。
项目 GitHub: linuxhsj/openclaw-zero-token
进阶方向： 尝试将其集成到你的每日新闻推送或竞品监控脚本中。
评论区