Hack1t3r's Blog

本文主要目标为构建出Abstract网络上的智能代理，能够完成多种自动化任务，如：自动化签到、交易代币、聪明钱跟踪等。

前置条件

操作系统：Windows

软件：OpenClaw、Vmware Workstation、Clash Verge

关键节点

安装Ubuntu虚拟机

下载安装Vmware Workstation：https://www.vmware.com/products/desktop-hypervisor/workstation-and-fusion
下载Ubuntu ISO镜像：https://ubuntu.com/download/desktop
在Vmware Workstation中安装Ubuntu（详细步骤可自行谷歌搜索或询问Deepseek或者豆包）

其中值得注意的是，硬件配置尽量大于等于如下配置：

配置Ubuntu 代理

1
2
3

echo 'export http_proxy="http://代理IP:端口"' >> ~/.bashrc
echo 'export https_proxy="http://代理IP:端口"' >> ~/.bashrc
source ~/.bashrc

安装OpenClaw

直接通过官网：https://openclaw.ai/ 给出的命令一键安装：
1
curl -fsSL https://openclaw.ai/install.sh | bash
安装过程中出现提示：

则需要在Openclaw配置完成以后，在命令行中运行如下命令：
1
export PATH="/home/neo/.npm-global/bin:$PATH" >> ~/.bashrc && source ~/.bashrc
安装结束后会自动出现提示信息，可根据提示信息完成 OpenClaw 配置，参考配置如下：

接下来重点在于配置OpenClaw的大模型。推荐大家购买阿里云的Coding Plan计划，每个月200元，可调用9万次请求，并且支持多个国内大模型切换，详情可见：https://help.aliyun.com/zh/model-studio/coding-plan 。在购买了Coding Plan服务以后，在OpenClaw中配置阿里Coding Plan步骤如下：

在终端执行以下命令，浏览器将自动打开 OpenClaw 的操作界面（即Web UI，地址通常为 http://127.0.0.1/:xxxx），然后在该页面进行对话和配置。
1
openclaw dashboard

在 Web UI 的左侧菜单栏中选择配置 > RAW（或Config > RAW）。

a. 首次配置：复制以下内容到Raw JSON5输入框，替换已有内容。

{
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
        "apiKey": "YOUR_API_KEY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-plus",
            "name": "qwen3.5-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "qwen3-max-2026-01-23",
            "name": "qwen3-max-2026-01-23",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 65536,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "qwen3-coder-next",
            "name": "qwen3-coder-next",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 65536
          },
          {
            "id": "qwen3-coder-plus",
            "name": "qwen3-coder-plus",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "MiniMax-M2.5",
            "name": "MiniMax-M2.5",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 196608,
            "maxTokens": 32768
          },
          {
            "id": "glm-5",
            "name": "glm-5",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 202752,
            "maxTokens": 16384,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "glm-4.7",
            "name": "glm-4.7",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 202752,
            "maxTokens": 16384,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 32768,
            "compat": {
              "thinkingFormat": "qwen"
            }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.5-plus"
      },
      "models": {
        "bailian/qwen3.5-plus": {},
        "bailian/qwen3-max-2026-01-23": {},
        "bailian/qwen3-coder-next": {},
        "bailian/qwen3-coder-plus": {},
        "bailian/MiniMax-M2.5": {},
        "bailian/glm-5": {},
        "bailian/glm-4.7": {},
        "bailian/kimi-k2.5": {}
      }
    }
  },
  "gateway": {
    "mode": "local"
  }
}

已有配置：若需保留已有配置，请勿直接全量替换，仅需将不同的内容替换即可。

b. 将YOUR_API_KEY替换为Coding Plan 专属 API Key。

单击右上角 Save 保存，然后单击 Update使配置生效。
完成所有配置以后，新开一个终端，运行以下命令，浏览器将自动打开 OpenClaw 的操作界面（Web UI）：
1
openclaw dashboard
接下来就可以直接在Web UI中开始对话，同时切换大模型为glm5（推荐）

构建智能代理

使用你自己喜欢的钱包插件，新建一个钱包A，然后往该钱包地址充入至少0.005的eth，然后使用Relay跨链桥，将0.004 eth跨链到abstract网络上。
然后打开OpenClaw的web ui，将Sauciii为大家准备的skill文档：https://claw-council.vercel.app/skill.md ，发给AI Agent，让它学习该技能：
接下来，你可以要求AI Agent知道你按步骤加入Claw Council。AI Agent首先会需要你提供钱包A的私钥来创建AGW智能代理钱包，并告诉你这个生成的智能代理钱包地址B
然后你可以使用钱包A登录Abstract Portal，通过转账的方式向智能代理钱包B转账至少0.003eth
接下来，你可以要求Agent完成 Claw Council 验证，出现以下的输出表明成功完成了验证：
接下来，可以按照提示加入Discord，并发送验证贴（截图形式），然后要求Agent完成8004协议注册：

注册完成以后，在8004scan网站上：https://www.8004scan.io/agents?chain=2741 ，可以看到你创建的Agent信息：

至此，独属于你的智能代理就创建好了！