FastClaw开源5分钟上手：这个AI助手把"装环境"的脏活全|agent|curl|fastclaw|python|shell

GitHub上新冒出来的FastClaw，README写着"5分钟从零到能用"。我数了数，从克隆仓库到跑通第一个任务，实际用了4分37秒——这还包括我手抖输错了一次API密钥。

不是又一个套壳聊天机器人。FastClaw的定位很刁钻：给开发者用的"AI Agent助手"，能直接执行命令、操作文件、自动化任务。轻量，基于FastMind框架，Python写的。

今天这篇把安装配置到首任务的完整路径拆一遍。你按步骤复制粘贴就行，我踩过的坑会标出来。

安装：两条路，懒人直接选二

官方给了两种装法。第一种是标准Git流程，适合想看清结构的人：

git clone https://github.com/kandada/fastclaw.git
cd fastclaw
python -m venv .venv
source .venv/bin/activate # Linux/Mac
pip install -r requirements.txt

Windows用户注意，激活虚拟环境那行要换成.venv\Scripts\activate。这一步我卡过30秒，路径里的反斜杠容易漏。

第二种是一键脚本，curl直接拉：

curl -sSL https://raw.githubusercontent.com/kandada/fastclaw/main/install.sh | bash

脚本会自动处理依赖和环境。我测试的Ubuntu 22.04和macOS 14都能过，Windows建议用WSL。

配置：改一个JSON文件

FastClaw支持所有OpenAI兼容的API。官方示例用DeepSeek，我照抄的：

打开workspace/data/agents/main_agent/metadata.json，把LLM配置填进去：

{
"llm": {
"api_key": "your_deepseek_api_key_here",
"base_url": "https://api.deepseek.com/v1",
"model": "deepseek-chat"
}
}

换成OpenAI、Claude、本地Ollama都可以，只要接口兼容。base_url和model名对应改就行。

这里有个细节：metadata.json是agent级别的配置，意味着你可以给不同任务配不同模型。官方文档没展开讲，但文件结构留了扩展空间。

启动：8765端口和Web界面

前台运行：

python main.py start

后台挂起：

nohup python main.py start > fastclaw.log 2>&1 &

默认端口8765。curl http://localhost:8765/health能通，就是成了。日志用tail -f fastclaw.log实时看。

浏览器开http://localhost:8765，进Web UI。界面就三个标签页：对话区、任务历史、系统状态。没花里胡哨的功能，符合"轻量"的自我定位。

首任务：让它真的"动手"

聊天机器人问一句答一句，FastClaw的区别在于能执行。测试对话官方给了示例：

我：Hello, FastClaw!
它：Hello! I'm FastClaw, your AI assistant. I can help you execute commands, manage files, and automate tasks. How can I assist you today?

我：Show files in current directory
它：Executing run_shell("ls -la")
（然后真的列出文件）

注意那个Executing run_shell。它不是假装执行，是调了Python的subprocess模块跑系统命令。你能在日志里看到完整的命令字符串和返回码。

继续测文件操作：

我：Show README.md file content
它：Executing run_shell("cat README.md")

我：Create test.txt file in current directory
它：Executing run_shell("echo 'Test content' > test.txt")

test.txt真的出现在目录里。这种"说人话，干脏活"的交互，比记shell命令省 cognitive load。