运行属于你的 AI Agent。一个二进制，任意大模型。
FastClaw 是一座 Agent 工厂：创建、管理并运行 AI Agent —— 每个都有自己的性格、记忆、技能和工具 —— 再把它们接入网页、你的 API，或九个聊天应用。
$ curl -fsSL https://raw.githubusercontent.com/fastclaw-ai/fastclaw/main/install.sh | bash支持 macOS · Linux · Windows，一条命令装好单个二进制到 ~/.local/bin。
Telegram
Discord
Slack
飞书
企业微信
微信
WhatsApp
LINE
iMessage实际看看。一个控制台，管理所有 Agent。
和 Agent 对话、塑造它的性格、接入渠道、安排定时任务 —— 全部在 FastClaw 控制台完成。
Agent 用富文本和代码回复 —— 这里 Code Reviewer 在合并前发现了 SQL 注入和竞态问题。
Agent 需要的一切，运行时里都有了。
模型调用、工具执行、沙箱隔离、会话和渠道都由 FastClaw 处理 —— 你只需专注于 Agent 要做的事。
Agent
一次安装，跑任意多个 AI Agent——每个都有独立的 SOUL.md 人格、记忆、技能、模型和分享设置。
模型
FastClaw Agent 可运行在 OpenAI、Anthropic、DeepSeek、Ollama、OpenRouter、Groq、Mistral 或任意 OpenAI 兼容接口上，支持按 Agent 覆盖与自动重试。
渠道
任意 FastClaw Agent 都能绑定 Telegram、Discord、Slack、飞书、企业微信、微信、WhatsApp、LINE 和 iMessage，按会话隔离，主人配对后才开始应答。
工具与沙箱
内置命令执行、文件和联网工具，可运行在 E2B 云沙箱或 Docker 容器中，技能和工作区自动注入，产出文件自动回传。
技能与 MCP
从 ClawHub、skills.sh 或 GitHub 安装技能，接入 MCP 服务器和 JSON-RPC 插件，还能让 Agent 读取 Notion、GitHub、Linear。
运行时 API
在任何应用里驱动 FastClaw Agent：OpenAI 兼容的对话接口、Agent 管理、按终端用户隔离、用量上报，以及 ACP 协议。
定时任务
FastClaw Agent 能自己创建定时任务——一次性提醒、固定间隔或 cron 表达式——并把结果发回发起请求的对话。
一个目录，装下 Agent 所需的一切。
无需挂载配置文件。数据库是唯一的事实来源，技能文件就放在它旁边。
- ~/.fastclaw/FastClaw 主目录
- ├── fastclaw.db用户、Agent、会话、密钥、配置
- ├── skills/共享技能 —— 内置 + 已安装
- ├── agents/每个 Agent 一个文件夹
- │ └── <agentId>/agent/skills/Agent 私有技能
- └── users/按账号存放的数据
- └── <uid>/skills/个人技能
仅用环境变量启动
端口、监听地址、存储和沙箱来自 FASTCLAW_* 环境变量，其余配置都在控制台里实时修改。
从 SQLite 到 Postgres
先用一个 SQLite 文件起步；需要多副本时，把 FASTCLAW_STORAGE_DSN 指向 Postgres 即可。
从笔记本到 Kubernetes
同一个二进制，可以前台运行、注册为 launchd / systemd 守护进程，也能跑在 Docker 或 k8s 上。
为那些把 Agent 交付给真实用户的人而生。
从你 Mac 上的私人助理，到多租户 SaaS 的 Agent 后端。
SaaS 开发者
无需自建运行时，就能给每个客户一个专属 AI Agent。FastClaw 通过 API 负责 Agent、终端用户隔离、沙箱工具和用量计量。
开发者
用一个 Go 二进制在笔记本或服务器上运行你自己的 AI Agent。任意模型，本地或云端皆可，终端、网页和聊天软件都能直接对话。
团队
把共享 AI Agent 部署到团队已经在用的聊天工具里。自托管，每人独立会话，共享技能，自动定时汇报。
社区
为你的社区在 Telegram、Discord 或 LINE 上运行 AI Agent。每位成员都有独立会话，不受信任的用户始终在沙箱中。
服务商
做好一个 Agent，为每个客户复制一份，再通过微信、WhatsApp 或网页交付——全部在一个 FastClaw 部署中完成，并按客户设置配额。
一分钟内跑起来
安装二进制、运行设置向导、打开控制台。无需配置文件——启动项仅靠环境变量。
- 01
安装
一条命令即可把 fastclaw 二进制安装到 ~/.local/bin 并加入 PATH。
$ curl -fsSL https://raw.githubusercontent.com/fastclaw-ai/fastclaw/main/install.sh | bash - 02
首次运行
运行 fastclaw 打开设置向导——配置 LLM 提供商后会自动创建第一个 Agent。
$ fastclaw - 03
打开控制台
在 http://localhost:18953 管理 Agent、技能、模型、渠道和 API 密钥。
$ open http://localhost:18953
接入任意模型，触达每一个渠道。
OpenAI、Anthropic、DeepSeek、Ollama、OpenRouter 以及任何 OpenAI 兼容接口 —— 搭配 E2B 或 Docker 沙箱、Postgres 和 MCP。
OpenAI
用 OpenAI 模型驱动 FastClaw Agent：设置全局默认模型、按 Agent 单独覆盖，并通过 OpenAI 兼容 API 对外提供 Agent。
Anthropic
通过 Anthropic 原生 Messages API 让 FastClaw Agent 跑在 Claude 上，完整保留提示缓存、扩展思考和图片输入。
DeepSeek
用 DeepSeek 驱动 FastClaw Agent：内置预设、支持思考模式、可按 Agent 覆盖模型，低成本也能跑出好效果。
Ollama
把 FastClaw 接到 Ollama，用本地开源模型运行 AI Agent：不需要 API Key，数据不出本机。
OpenRouter
把 FastClaw 接入 OpenRouter，用一个 API Key 让每个 Agent 都能使用多家厂商的模型。
E2B
让 FastClaw Agent 的每条命令都在隔离的 E2B 云沙箱中运行：技能和工作区自动注入，每次调用后文件自动同步回来。
Docker
把 Docker 作为 FastClaw 的沙箱后端，在自己的机器上隔离 Agent 命令；也可以用 Docker Compose 部署 FastClaw 本身。
PostgreSQL
把 FastClaw 默认的 SQLite 换成 PostgreSQL，在负载均衡后运行多个实例，并自动执行数据库迁移。
MCP
通过模型上下文协议（MCP）为 FastClaw Agent 扩展外部工具：在控制台中按 Agent 添加 http 或 stdio 类型的 MCP 服务器。
还在比较方案？
坦诚的横向对比 —— 也会告诉你什么时候别的工具更合适。
博客精选
全部文章15 分钟部署你自己的 Telegram AI 机器人
手把手教程：安装 FastClaw、接入模型供应商、为 Agent 设定人设、绑定 Telegram 机器人并与你的账号配对 —— 不需要公网地址，也不需要 Webhook。
不自建 Agent 平台，也能给你的 SaaS 加上 AI Agent
让每个客户都拥有自己的 AI Agent 的实操指南：用户级 API Key、按用户创建 Agent、终端用户隔离、流式输出、文件返回，以及基于 FastClaw /v1 API 的按量计费。
什么是 AI Agent 运行时？它和框架、聊天应用有什么区别
框架帮你写出一个 Agent，聊天应用让你和 Agent 对话，而 Agent 运行时负责为真实用户运行大量 Agent —— 会话、工具、沙箱、记忆和渠道一应俱全。
常见问题
关于运行 FastClaw 你需要了解的一切。