TL;DR：Windows 上装 OpenClaw 不难，但每一步都有坑。配置不是命令行参数，是交互式向导。Web 工具默认没开，模型会静默降级到训练数据假装联网。
为什么写这篇
AgentAnatomy 连载第一天。先把 OpenClaw 跑起来，有第一手感受再读源码——空谈架构没意思。
部署过程
环境：Windows 10，Node 24.14，Git Bash。
安装没问题：
1 | npm install -g openclaw@latest |
8 分钟，481 个包。第一个坑：配置 API key。文档写的是：
1 | openclaw config set api-key YOUR_KEY |
实际报错 value/json mode requires <value>。正确做法是跑 openclaw config 进交互式向导，选 Model → DeepSeek，在里面填 key。命令行那条根本不对。
配完启动 Gateway：
1 | openclaw gateway start |
又报错：Gateway service missing，要先跑 openclaw gateway install。装完再 start，起来了，但日志有一条 model-pricing bootstrap failed: TimeoutError，pricing 服务超时。不影响用，但留着心里有点不踏实。
浏览器打开 127.0.0.1:18791 显示 Unauthorized。找了半天才发现要跑：
1 | openclaw dashboard |
它自动带 token 打开。这条命令在 openclaw --help 里才看得到，文档没有重点提。
实际使用
让它在 Workspace 创建一个 txt 文件，秒完成，文件操作没问题。
然后让它搜今天的 AI 新闻。它调用了 web_fetch，但返回的是”截至2024年”的内容。原因：配置时 Web tools 那步跳过了，默认没启用，fetch 失败后模型静默降级到训练数据，用户完全感知不到。这个设计有点问题，失败就应该明确报错。
Workspace 的文件
E:\openclaw-workspace 里自动生成了：AGENTS.md、SOUL.md、USER.md、TOOLS.md、IDENTITY.md。这是 Agent 的行为和记忆定义，后面会细读，今天先记住它们在这。
和 SAGE-Code 的关联
OpenClaw 把 Agent 状态外化成文件，而不是藏在内存里。文件可读、可版本控制、可手动干预。SAGE-Code 的记忆设计可以借鉴这个思路。
我的判断
Windows 体验比预期粗糙：报错不友好，命令和文档有出入，Web 工具失败不报错只静默降级。但核心的文件操作和 Gateway 架构跑通了，值得继续读源码。
别对 Windows 上的 OpenClaw 体验抱太高期望。