Windows 用户 → Docker 一键部署（推荐）或 WSL2 手动安装
下方指令适用于 macOS 和 Linux（Ubuntu）
同一条命令：首次安装 · 版本更新 · 重新启动
curl -fsSL https://wentor.ai/install.sh | bash会定义下一个时代的研究者，不该把时间耗在排版参考文献上。凌晨两点独自面对屏幕的研究生，值得拥有和顶级实验室一样的科研基础设施。
科研龙虾完全运行在你的本机。它替你精读论文，在你入睡时盯着 arXiv，帮你起草方法论、设计实验、管理引文、生成图表，用你的口吻写作——而不是它的。
你的论文库、笔记、实验数据，全部存在你自己的机器上。唯一的外部依赖是你选择的大模型 API。
你：Zotero「未分类」堆了 200 多篇，帮我按主题分类，每篇加一句话摘要 龙虾：已读取 217 篇，聚类分析中……建议分 6 组：LLM Reasoning (43) · Agent (38) · RAG (31) · Multimodal (28) · Eval (19) · Others (58)，可以吗？ 你：可以，Others 超 10 篇同主题的再拆 龙虾：✓ 已分到 8 个 Collection · 每篇已加摘要 · 已同步 Zotero
双向联动 Zotero / EndNote：自动分类、批注摘要、BibTeX 导出，对话式管理整个文献库。
每周五早 8 点，自动汇总一周研究进展，生成汇报材料，通过 Telegram / 飞书 / QQ / 钉钉 发到你手机。你醒来就能看到，一行命令都不用敲。
你：开始写「Multi-Agent Debate for Factual Reasoning」，先构建框架，再把 Related Work 写了 龙虾：基于 proposal + 实验笔记生成框架：1. Intro · 2. Related Work · 3. Method · 4. Experiments · 5. Conclusion，要调整吗？ 你：2.3 改成 Multi-Agent Collaboration & Consensus 龙虾：✓ Related Work 初稿完成（2,800 词 · 47 篇引用）· 已保存至 ~/research/paper/02_related.md · BibTeX 已同步 references.bib
设置追踪关键词、学者、期刊，科研龙虾在后台持续扫描 arXiv、OpenAlex 等学术数据库。有重要更新第一时间推送到你的 Telegram / 飞书 / QQ，你不在电脑前也不会错过。
你：给 Yann LeCun 发邮件，说我们正在复现他的 XXX 论文，遇到一个问题，想请教……语气正式但不生硬 龙虾：[起草完毕，请确认后发送]
起草、确认、发送，全在对话里完成。语气随时可调。
你：帮我跑一下 arxiv:2406.12345 的实验 龙虾：正在 clone 仓库，配置 conda 环境……遇到 CUDA 版本不兼容，已自动切换，正在重试……✓ 实验完成，结果保存至 results/
卡住了自己调试，搞不定给作者发邮件。
真实案例：HiF8 量化实验 —— 以下截图来自一次实际的 Wan2.1 视频生成模型量化实验推进过程。
龙虾每 10 分钟自动汇报：环境验证（GPU / CUDA / PyTorch 全链路检查）→ 逐个运行实验 → 记录遇到的问题与解决方案 → 制定下一步计划。你只需要看汇报，不需要手动执行任何命令。
 |
 |
| 30 分钟完整汇总 — GPU A800 环境全绿，已完成 2 个实验 | 自动排障（5 个问题全部自行解决）并制定后续计划 |
当模型下载被 HuggingFace 限速（~1MB/s，预计 95 分钟）时，龙虾不会傻等——它发出紧急汇报，分析根因，提出三个方案并给出推荐，等你拍板后继续执行。
 |
 |
| 检测到严重阻塞，主动发起紧急汇报 | 给出 A/B/C 三个方案，推荐 B（先用小模型验证流程） |
Human-in-the-Loop 原则：涉及外部凭证（API Token）、不可逆操作、或需要资源决策时，龙虾不会擅自行动，而是带着分析和方案来找你——你做导师，它做执行。
大多数本地 AI Agent 的界面是一个聊天框加几个按钮。科研龙虾不是。
我们为学术工作流专门设计了一套 Dashboard，这是目前所有本地科研 AI 中功能和设计最完整的界面，支持暖色 Paper 与暗色 Terminal 双主题切换。
 |
 |
| 文献库 — 搜索、引用、一键打开 PDF | 任务看板 — Agent / Human 任务分层管理 |
| 面板 | 功能 |
|---|---|
| Chat | 对话主界面，21 种结构化输出卡片，告别纯文本墙 |
| 文献库 | 全文检索 · 标签 · 批注 · 引用图谱 · 阅读统计 |
| 任务 | Agent / Human 任务分层 · 四级优先级 · 48h 截止日期预警 |
| 工作区 | 文件操作与版本历史，Git 追踪每一次变更 |
| 监控 | 追踪关键词 / 学者 / 期刊 · 自动化任务配置 · IM 推送 |
| 设置 | Setup Wizard · 所有配置在浏览器完成，无需编辑文件 |
技术规格：React 18 + Vite 6 + Ant Design 5 + Zustand 5，中英双语（469 i18n keys），1084 单元测试，TypeScript 零报错，响应式支持桌面 / 平板 / 浮窗三种模式。
科研龙虾内置 438 个学术技能（安装时自动配置，无需手动操作），覆盖科研全流程：
| 类别 | 技能数 | 典型能力 |
|---|---|---|
| 文献检索 | 87 | 多库联搜 · 全文获取 · 文献追踪 |
| 研究方法 | 79 | DID · RDD · IV · 元分析 · 系统综述 |
| 数据分析 | 68 | Python · R · STATA · 可视化 · 面板数据 |
| 学术写作 | 74 | 论文各章节 · LaTeX · 审稿意见回复 |
| 学科领域 | 93 | 16 个学科，从 CS 到法学到生物 |
| 效率工具 | 51 | Terminal · Jupyter · 文档处理 |
| 外部集成 | 35 | Zotero · GitHub · Slack · arXiv |
34 个 Agent 工具直连学术数据库：arXiv · OpenAlex · CrossRef · PubMed · Unpaywall · Europe PMC · DBLP · DOAJ 等
150 个 MCP 配置即插即用：
- 文献管理：Zotero · EndNote · Mendeley
- IM 推送：Telegram · 飞书 · QQ · 钉钉 · Slack（在你惯用的 IM 里收到科研提醒）
- 开发工具：GitHub · Jupyter · VSCode
- AI 服务：OpenAI · Claude · 各类国内模型 API
┌─────────────────────────────────────────────────────────────────────┐
│ Research-Claw │
│ │
│ L0 workspace/ L2 dashboard/ │
│ ├─ SOUL.md React 18 + Vite 6 │
│ ├─ AGENTS.md Ant Design 5 + Zustand 5 │
│ ├─ TOOLS.md 21 卡片类型 · 6 面板 │
│ ├─ HEARTBEAT.md WebSocket RPC v3 客户端 │
│ └─ (8 bootstrap files) 469 i18n keys (EN + ZH-CN) │
│ │ │
│ L1 extensions/ │ ws://127.0.0.1:28789 │
│ └─ research-claw-core │ │
│ ├─ 38 tools │ │
│ ├─ 79 WS RPC interfaces │ │
│ └─ 16 SQLite tables + FTS5 ▼ │
│ ╔═══════════════════════════════════════════════════╗ │
│ ║ OpenClaw (npm dependency) ║ │
│ ║ Gateway · WS RPC v3 · Port 28789 ║ │
│ ╚═══════════════════════════════════════════════════╝ │
│ │ │
│ L3 patches/ ▼ │
│ ~20 lines · 7 files @wentorai/research-plugins │
│ 438 skills · 34 tools │
└─────────────────────────────────────────────────────────────────────┘
| 决策 | 原因 |
|---|---|
| Satellite 而非 Fork | OpenClaw 作为内置 npm 依赖引入（无需单独安装），上游可随时升级，耦合面控制在 ~20 行 pnpm patch |
| 4 层耦合，从外到内 | L0 文件系统 → L1 插件 SDK → L2 WS RPC → L3 patch，每层独立，可单独替换 |
| 本地优先 | SQLite + WAL 模式，无需数据库服务；数据全在本地，唯一外部依赖是 LLM API |
| 技能 > 裸提示词 | 438 个 SKILL.md 结构化封装学术场景，可按研究方向安装/卸载 |
| 端口与上游错开 | 28789（科研龙虾）vs 18789（OpenClaw 默认），两者可并存 |
| 浏览器配置一切 | 无需编辑配置文件，所有设置通过 Setup Wizard 在浏览器完成 |
四层纵深防御，前三层为代码级硬约束：
──────────────────────────────────────────────
L1 网络隔离
loopback only · 无远程端口暴露
无 telemetry · 无云端回传
──────────────────────────────────────────────
L2 Workspace 沙箱
原生 write/edit 工具由 config 层禁用
插件写文件 = 强制路径校验（拒绝 ../）
原生 read 保持开放（可读论文/代码）
──────────────────────────────────────────────
L3 命令执行防护（before_tool_call hook）
拦截：rm -rf / · dd of=/dev/ · fork bomb
放行：python · git · npm · 单文件 rm
──────────────────────────────────────────────
L4 Git 版本控制备份
workspace 变更自动提交（5s debounce）
纯本地 · 无 push · 支持全历史回滚
──────────────────────────────────────────────
L+ 提示词级协议（软约束）
SOUL.md：禁止伪造引用/数据
AGENTS.md：不可逆操作需 Human-in-Loop
──────────────────────────────────────────────
| 平台 | 方案 | 依赖 |
|---|---|---|
| macOS / Linux | 一键安装脚本（推荐） | Git · Node.js 22（均自动安装） |
| macOS / Linux | 手动安装（源码） | Git · Node.js 22+ · pnpm 9 |
| macOS / Linux / Windows | Docker 一键安装 | Docker Desktop |
所有平台均需 LLM API Key（推荐 Anthropic Claude / OpenAI，支持国内中转 API）。
不需要单独安装 OpenClaw。 科研龙虾已内置 OpenClaw 和全部学术技能插件，安装脚本 / Docker 会自动完成所有配置。如果你已有独立安装的 OpenClaw，也可以只安装技能插件：
openclaw plugins install @wentorai/research-plugins，但推荐完整安装以获得 Dashboard 和全部功能。
macOS / Linux — 源码一键安装（推荐）：
curl -fsSL https://wentor.ai/install.sh | bash先安装 Docker Desktop，确保启动后托盘显示 Running，然后：
# macOS / Linux
curl -fsSL https://wentor.ai/docker-install.sh | bash# Windows PowerShell
irm https://wentor.ai/docker-install.ps1 | iex脚本自动完成：检测 Docker → 停止/删除旧容器 → 拉取最新镜像 → 启动 → 打开浏览器。 重复运行即可更新到最新版本，数据不丢失（持久化在 Docker named volumes 中）。
安装完成后浏览器自动打开 http://127.0.0.1:28789，在 Setup Wizard 中配置 API Key，无需编辑任何配置文件。
手动安装 / 大陆网络 / 故障排查
需要 Git、Node.js 22+ 和 pnpm 9。一键脚本会自动安装这些依赖，手动安装需要自行准备。
git clone https://github.com/wentorai/Research-Claw.git
cd Research-Claw # ⚠️ 必须进入项目目录，否则 pnpm install 会报错
pnpm install && pnpm build
cp config/openclaw.example.json config/openclaw.json
pnpm serveGHCR（ghcr.io）在大陆无法直接访问。可以从源码本地构建，Dockerfile 已内置清华 apt 源 + npmmirror：
git clone https://github.com/wentorai/Research-Claw.git
cd Research-Claw
docker compose up -d --build或者在 Docker Desktop → Settings → Resources → Proxies 中配置代理后使用一键脚本。
- 验证端口：
curl http://127.0.0.1:28789/healthz— 返回{"ok":true}说明正常 - 用
127.0.0.1，不用localhost：Windows 上localhost可能解析到 IPv6，导致连接失败 - 检查 Docker：确认 Docker Desktop 状态为 Running，容器状态为绿色
- 重启：
docker restart research-claw
Token 认证：Docker 模式使用 token 认证（容器内无法完成浏览器设备配对）。默认 token
research-claw已内置在 Dashboard 中，直接访问http://127.0.0.1:28789/即可，无需在 URL 中手动添加 token。如需自定义 token，先删除旧容器再手动启动：docker stop research-claw && docker rm research-claw docker run -d --name research-claw -p 127.0.0.1:28789:28789 \ -e OPENCLAW_GATEWAY_TOKEN=your-token \ -v rc-config:/app/config -v rc-data:/app/.research-claw -v rc-workspace:/app/workspace -v rc-state:/root/.openclaw \ ghcr.io/wentorai/research-claw:latest数据持久化：配置、数据库、工作区、会话历史挂载在具名 volume（
rc-config、rc-data、rc-workspace、rc-state），容器删除后数据不丢失。LLM API 代理：如果你的 LLM API（如 OpenAI）需要代理访问，在 Docker Desktop → Settings → Resources → Proxies 中配置 HTTP/HTTPS 代理即可。本地构建用户也可在
docker-compose.yml中取消HTTP_PROXY/HTTPS_PROXY注释。
pnpm serve # 启动（配置保存后自动重启）
pnpm start # 单次启动（不自动重启）
pnpm dev # 开发模式（Dashboard dev: localhost:5175）
pnpm test # 运行单元测试
pnpm health # 检查运行状态
pnpm backup # 备份数据库
pnpm serve是推荐的日常启动方式。修改 API Key / 模型等配置后，网关会自动重启，无需手动操作。
在对话输入框中输入 / 即可触发命令联想菜单，支持键盘导航（↑↓ 选择，Enter 确认，Esc 关闭）。
| 命令 | 说明 |
|---|---|
/compact |
压缩会话上下文（解决 token 超限问题） |
/model [name] |
查看或切换当前模型 |
/think [level] |
设置思考级别（off / low / medium / high） |
/fast [on|off] |
切换快速模式 |
/verbose [on|off|full] |
切换详细模式 |
/usage |
查看当前会话 Token 用量 |
/help |
显示所有可用命令 |
/stop |
停止当前运行 |
/clear |
清空聊天记录 |
/new |
开始新会话 |
curl -fsSL https://wentor.ai/install.sh | bash科研龙虾的所有记忆、会话历史、文献库、任务和工作区文件都可以完整迁移到另一台电脑。
点击展开：完整迁移指南（macOS / Linux / WSL2 / Docker）
| 数据 | 路径 | 说明 |
|---|---|---|
| 文献库 / 任务 / 监控 | ~/research-claw/.research-claw/library.db |
SQLite 数据库（核心数据，17 张表 + FTS5 全文索引） |
| 会话历史 | ~/.openclaw/agents/main/sessions/ |
所有聊天记录（.jsonl 文件） |
| Agent 记忆 | ~/.openclaw/memory/main.sqlite |
长期记忆 FTS 数据库 |
| 工作区文件 | ~/research-claw/workspace/ |
MEMORY.md、.ResearchClaw/、用户上传的文件、Git 历史 |
| API Key / 模型配置 | ~/research-claw/config/openclaw.json |
项目级配置（API Key、模型、代理等） |
| 浏览器数据 | ~/.openclaw/browser/ |
已登录的学术网站 session |
| IM 渠道凭证 | ~/.openclaw/credentials/ |
Telegram / 飞书 / QQ 等 token |
不需要迁移的：
node_modules/、dashboard/dist/（重新安装会自动生成）；~/.openclaw/openclaw.json（全局配置含机器相关绝对路径，新机器上会自动生成）；~/.openclaw/gateway/、~/.openclaw/cron/（运行时数据，自动重建）。
旧机器 — 打包：
# 1. 停止科研龙虾
pkill -f "run.sh" 2>/dev/null; pkill -f openclaw 2>/dev/null
# 2. 等待 SQLite WAL 落盘（重要！否则可能丢数据）
sleep 3
# 3. 一键打包所有数据
tar -czf ~/rc-migration.tar.gz \
-C / \
"$HOME/.openclaw/agents" \
"$HOME/.openclaw/memory" \
"$HOME/.openclaw/browser" \
"$HOME/.openclaw/credentials" \
-C "$HOME/research-claw" \
.research-claw \
config/openclaw.json \
workspace新机器 — 恢复：
# 1. 先在新机器上全新安装（安装脚本会创建目录结构）
curl -fsSL https://wentor.ai/install.sh | bash
# 2. 停止刚安装好的科研龙虾
pkill -f "run.sh" 2>/dev/null; pkill -f openclaw 2>/dev/null
# 3. 将 rc-migration.tar.gz 复制到新机器后解压覆盖
cd /
tar -xzf ~/rc-migration.tar.gz
# 4. 启动
cd ~/research-claw && pnpm serve如果新旧机器的用户名不同（如旧机器
alice，新机器bob），解压后需要手动修正 tar 中的路径。可以用分步复制替代：# 在新机器上逐个复制 scp -r old-mac:~/.openclaw/agents/ ~/.openclaw/agents/ scp -r old-mac:~/.openclaw/memory/ ~/.openclaw/memory/ scp -r old-mac:~/.openclaw/browser/ ~/.openclaw/browser/ scp -r old-mac:~/.openclaw/credentials/ ~/.openclaw/credentials/ scp -r old-mac:~/research-claw/.research-claw/ ~/research-claw/.research-claw/ scp old-mac:~/research-claw/config/openclaw.json ~/research-claw/config/ scp -r old-mac:~/research-claw/workspace/ ~/research-claw/workspace/
WSL2 中的路径与 Linux 相同，但传输文件需要通过 Windows 文件系统中转。
旧机器 — 打包（在 WSL2 终端中）：
pkill -f "run.sh" 2>/dev/null; pkill -f openclaw 2>/dev/null
sleep 3
# 打包到 Windows 桌面（方便拷贝）
tar -czf /mnt/c/Users/$USER/Desktop/rc-migration.tar.gz \
-C / \
"$HOME/.openclaw/agents" \
"$HOME/.openclaw/memory" \
"$HOME/.openclaw/browser" \
"$HOME/.openclaw/credentials" \
-C "$HOME/research-claw" \
.research-claw \
config/openclaw.json \
workspace新机器 — 恢复（在 WSL2 终端中）：
# 1. 先安装科研龙虾
curl -fsSL https://wentor.ai/install.sh | bash
pkill -f "run.sh" 2>/dev/null; pkill -f openclaw 2>/dev/null
# 2. 将 rc-migration.tar.gz 复制到新机器桌面，然后在 WSL2 中解压
cd /
tar -xzf /mnt/c/Users/$USER/Desktop/rc-migration.tar.gz
# 3. 启动
cd ~/research-claw && pnpm serveDocker 的数据在具名 Volume 中，需要用 docker run 导出/导入。
旧机器 — 导出：
# 1. 停止容器
docker stop research-claw
# 2. 导出 4 个 Volume 到 tar 文件
for vol in rc-config rc-data rc-workspace rc-state; do
docker run --rm -v ${vol}:/data -v ~/:/backup alpine \
tar -czf /backup/${vol}.tar.gz -C /data .
done
# 结果：~/rc-config.tar.gz ~/rc-data.tar.gz ~/rc-workspace.tar.gz ~/rc-state.tar.gz新机器 — 导入：
# 1. 先用一键脚本安装（会创建容器和 Volume）
curl -fsSL https://wentor.ai/docker-install.sh | bash
# 2. 停止容器
docker stop research-claw
# 3. 将 4 个 tar.gz 复制到新机器后，逐个导入
for vol in rc-config rc-data rc-workspace rc-state; do
# 清空现有 Volume 内容
docker run --rm -v ${vol}:/data alpine sh -c "rm -rf /data/*"
# 导入旧数据
docker run --rm -v ${vol}:/data -v ~/:/backup alpine \
tar -xzf /backup/${vol}.tar.gz -C /data
done
# 4. 启动
docker start research-clawWindows Docker 用户：在 PowerShell 中将 for vol in ... 替换为逐条执行，Volume 名和命令相同。
启动后在 Dashboard 中检查：
- 文献库：论文列表、标签、笔记是否完整
- 任务：待办事项和截止日期是否存在
- 工作区：文件树和版本历史是否正常
- 设置：API Key 和模型配置是否保留
- 对话历史：点击
/new后能否通过历史会话列表回看之前的聊天
如果 API Key 丢失：进入 Settings 面板重新填写即可，其余数据不受影响。
如果连接了 Telegram / 飞书等 IM：迁移后 bot token 会保留，但可能需要在新机器上重新验证网络连通性。
research-claw/
├── config/ # OpenClaw 配置覆盖层
├── dashboard/ # React + Vite Dashboard
│ └── src/
│ ├── components/ # TopBar, LeftNav, ChatView, panels, cards
│ ├── gateway/ # WS RPC v3 client + hooks
│ ├── i18n/ # en.json + zh-CN.json
│ ├── stores/ # Zustand stores × 7
│ └── types/ # 21 Card type definitions
├── extensions/
│ └── research-claw-core/ # 28 tools · 52 RPC · 13 tables
├── patches/ # pnpm patch (~20 lines, 7 files)
├── scripts/ # install / health / backup / sync
├── skills/ # 自定义 SKILL.md 文件
└── workspace/ # Bootstrap files (SOUL.md, AGENTS.md …)
如果你在安装科研龙虾后遇到以下问题，说明安装脚本修改的全局设置影响了你原有的 OpenClaw：
openclaw命令启动的是科研龙虾，而非原始 OpenClaw- 端口被固定为 28789，原始 OpenClaw 无法正常启动
openclaw config读写的是科研龙虾的配置，而非~/.openclaw/openclaw.json
修复方法（两步即可，无需卸载科研龙虾）：
# 1. 删除 CLI wrapper（安装脚本在 ~/.local/bin/ 创建了指向科研龙虾的启动脚本）
rm -f ~/.local/bin/openclaw
# 2. 清除 shell 配置中的环境变量覆盖
# 查看哪些文件被修改过：
grep -n "OPENCLAW_CONFIG_PATH\|# Research-Claw\|\.local/bin.*Research-Claw" ~/.zshrc ~/.bashrc ~/.bash_profile 2>/dev/null
# 找到带 "Research-Claw" 注释的行，删除即可。清理后重开终端，openclaw 命令即恢复为原始版本。科研龙虾不受影响——通过 cd ~/research-claw && pnpm serve 启动即可，run.sh 会在进程内自行设置正确的配置路径，两者可以并存。
为什么会冲突？ 安装脚本在
~/.local/bin/openclaw创建了一个 wrapper 脚本，并将OPENCLAW_CONFIG_PATH写入 shell profile，使所有终端中的openclaw命令都指向科研龙虾的配置（端口 28789 等）。这是为了让纯科研龙虾用户可以在任意目录使用openclawCLI，但对已有 OpenClaw 安装的用户会造成覆盖。
# 1. 停止运行中的进程
pkill -f "openclaw.*gateway" 2>/dev/null
# 2. 删除项目目录
rm -rf ~/research-claw
# 3. 删除本地数据（数据库、配置、记忆）
rm -rf ~/.research-claw
# 4.（可选）删除 OpenClaw 全局配置
rm -rf ~/.openclaw
# 5. 删除 CLI wrapper 和 shell 环境变量
rm -f ~/.local/bin/openclaw
# 编辑 ~/.zshrc 或 ~/.bashrc，删除包含 OPENCLAW_CONFIG_PATH 和
# "Research-Claw" 注释的行（通常 2-3 行），然后重开终端
# 6.（可选）清除 pnpm 全局缓存
pnpm store prune# 1. 停止并删除容器
docker stop research-claw && docker rm research-claw
# 2. 删除镜像
docker rmi ghcr.io/wentorai/research-claw:latest
# 3.（可选）删除持久化数据（配置、数据库、工作区）
docker volume rm rc-config rc-data rc-workspace rc-stateWindows PowerShell 命令相同，在 PowerShell 中逐行执行即可。
注意：执行第 3 步将永久删除所有数据（论文库、任务、工作区文件、会话历史）。如需保留数据，跳过此步。
Docker 安装不会修改宿主机的 shell 配置或 CLI wrapper，无需额外清理。
# 1. 在 WSL2 中停止并删除（同 Linux 步骤）
wsl -e bash -c "pkill -f 'openclaw.*gateway' 2>/dev/null; rm -rf ~/research-claw ~/.research-claw ~/.openclaw ~/.local/bin/openclaw"
# 2. 清理 shell 环境变量（在 WSL2 Ubuntu 终端中）
wsl -e bash -c "sed -i '/OPENCLAW_CONFIG_PATH/d;/Research-Claw/d' ~/.bashrc 2>/dev/null"
# 3.（可选）如果 WSL2 仅用于科研龙虾，可以完全卸载 WSL 发行版
wsl --unregister Ubuntu卸载 WSL 发行版会删除该发行版内的所有数据，请确认无其他用途后再操作。
遇到 Bug？在 GitHub Issues 提交报告，标题格式：[Bug] 一句话描述。
一份有效的 Bug 报告需要四样东西：
| 要素 | 怎么提供 |
|---|---|
| 复现步骤 | 写清楚你做了什么、点了什么、说了什么，让开发者能重现问题 |
| 后端日志 | 从终端 / Docker 复制日志文字（见下方命令），不要只截图 |
| 浏览器控制台 | Cmd+Option+J（macOS）或 Ctrl+Shift+J（Windows）打开，复制错误信息 |
| 环境信息 | 系统、安装方式（install.sh / Docker / WSL2）、RC 版本（Dashboard 左下角）、模型 |
为什么日志要文字复制？ 截图里的日志无法搜索、无法复制到代码中定位、容易截不全。截图展示界面异常 + 文字复制日志内容，两者配合。
各平台获取后端日志的命令
# macOS / Linux 原生安装
tail -50 ~/.openclaw/openclaw.log
# Docker（macOS / Linux / Windows）
docker logs --tail 50 research-claw
# WSL2（systemd 服务模式）
journalctl --user -u research-claw --no-pager -n 50也可以在 Dashboard → Settings → Logs 标签中查看和筛选日志。
功能建议和讨论请用 GitHub Discussions。
- ppt-master — PPT 生成引擎，为科研龙虾的 PPT 导出功能提供了核心支持
BSL 1.1 — 个人及学术研究免费使用。商业用途需单独授权，联系 [email protected]。2030-03-12 自动转为 Apache 2.0 开源。