La guía completa para el control remoto OpenClaw: convierta su teléfono en su control remoto personal con sistema operativo AI

Mientras estaba en la cafetería, tenía una tarea rápida y necesitaba buscar un PDF que estaba en mi escritorio en casa. Saca tu teléfono y envía un mensaje a “ClawBot” en Telegram: “Tómame una captura de pantalla del escritorio”. Diez segundos después recibí una captura de pantalla del escritorio y vi el archivo PDF de un vistazo. Envié otra frase: “Abre este archivo y dime qué está escrito en la tercera página”. Dos minutos después recibí un resumen del contenido de la tercera página.

Para ser honesto, esta escena se ha vuelto común para mí en los últimos seis meses. Desde que configuré OpenClaw como sistema operativo personal de IA, mi iPhone se ha convertido en un verdadero “control remoto”: puedo ajustar la cámara de mi computadora en casa, obtener posicionamiento y tomar capturas de pantalla de forma remota. Lo más importante es que todo esto se logra mediante herramientas de código abierto y los datos están completamente en mis propias manos.

Si también ha pensado en hacer de su teléfono una consola real para su agente de IA, en lugar de limitarse a las funciones proporcionadas por el fabricante, entonces esta guía de OpenClaw Remote Control está escrita para usted. Empecemos sin entrar en el concepto.

Guía de “OpenClaw simplificado” de bajo costo: ArkClaw hace que agente de IA sea verdaderamente civil

¿El recientemente popular OpenClaw (langosta) es fácil de usar pero la configuración es demasiado desalentadora? ArkClaw de Byte Volcano Engine llega al umbral directamente al suelo. No es necesario jugar con la configuración del servidor y del token. Con un clic, puede tener un “asistente de IA” que está en línea las 24 horas del día, puede controlar navegadores, ejecutar scripts y administrar calendarios.

El punto clave es que es realmente barato: la tarifa mensual es de solo 9,9 yuanes y usar mi código de invitación ZLKUK54M (haga clic aquí para registrarse) solo cuesta 8,9 yuanes. Si es programador, puede obtener acceso gratuito a Coding Plan Pro directamente.

Comprender el protocolo de puerta de enlace OpenClaw (conceptos básicos de la Capa 1)

Si quieres convertir tu teléfono móvil en un control remoto de OpenClaw, primero debes entender cómo funciona el sistema. No se asuste por la palabra “protocolo de puerta de enlace”. Para decirlo sin rodeos, se trata de un conjunto de “códigos de conexión” que permiten que diferentes dispositivos se reconozcan entre sí.

OpenClaw utiliza el protocolo Gateway WS (Protocolo Gateway WebSocket). El nombre suena engañoso, pero en realidad el principio es muy simple: todos los dispositivos, ya sea el terminal de control principal de su ordenador, el terminal de nodo de su teléfono móvil o la interfaz de chat de Telegram, están colgados en un plano de control unificado a través del largo canal de conexión de WebSocket. Cuando cada dispositivo está conectado, debe informar su “identidad” y “capacidades”.

Da un ejemplo. Cuando su iPhone se conecte, dirá: “Soy un nodo de iOS. Puedo usar la cámara, tomar capturas de pantalla y posicionarme”. Su computadora dirá: “Soy la puerta de entrada y soy responsable de la coordinación”. Telegram Bot dirá: “Soy el cliente y recibo instrucciones del usuario”.

Hay tres roles centrales en este mecanismo. Una vez que los comprenda, la configuración posterior será sencilla:

Puerta de enlace: Este es el “cerebro” de todo el sistema, que se ejecuta en su dispositivo principal (generalmente una computadora o servidor). Todas las instrucciones vienen aquí primero y luego se distribuyen a cada nodo para su ejecución.

Nodo: Un dispositivo terminal que realiza tareas específicas. Su iPhone, teléfono Android o incluso un teléfono antiguo inactivo se puede registrar como nodo. Cada nodo debe declarar sus propios caps (capacidades), como camera (cámara), screen (captura de pantalla), location (posicionamiento) y voice (voz).

Cliente: La interfaz que utiliza para enviar comandos. Podría ser un cuadro de diálogo de Telegram, un canal de Discord, una aplicación de iOS dedicada o una interfaz web.

Hablando de esto, quizás estés pensando: ¿Es seguro permitir que tu teléfono móvil abra tantos permisos?

Francamente, ésta también fue mi mayor preocupación inicial. OpenClaw es bastante reflexivo al respecto. Se requiere autenticación de token al conectarse, el dispositivo también debe tener verificación de firma y la transmisión debe estar cifrada con TLS. Lo que es más crítico es el control detallado de los permisos: su nodo puede declarar “Tengo capacidades de cámara”, pero la puerta de enlace puede configurar “Este cliente solo puede solicitar capturas de pantalla, no la cámara”.

[Imagen: diagrama de arquitectura del protocolo de puerta de enlace OpenClaw, que muestra la relación entre puerta de enlace, nodo y cliente]
Palabras clave: diagrama de arquitectura técnica que muestra el nodo central de Gateway que conecta múltiples dispositivos iOS y Android, estilo de tecnología azul, conciso, claro y de alta calidad.

Vultr - Servidor cloud NVMe de alto rendimiento, 32 ubicaciones globales, despliegue Docker con un clic

Ver precios →Anuncio

Durante la configuración real, verá este fragmento JSON en los parámetros de conexión del nodo:

{
  "role": "node",
  "caps": ["camera", "screen", "location"],
  "commands": ["camera.snap", "screen.record", "location.get"],
  "permissions": {
    "camera.capture": true,
    "screen.record": false
  }
}

El significado de esta configuración es muy claro: mi nodo puede tomar fotografías, capturas de pantalla y localizar, pero si se puede usar depende de los permisos otorgados por la puerta de enlace. De esta forma, incluso si el nodo de su teléfono móvil es invadido, lo que el atacante puede hacer se limita a un rango pequeño.

Práctica de configuración de nodos móviles (Capa 2 avanzada)

Después de comprender el principio del acuerdo, el siguiente paso es la parte práctica. Dividámoslo en dos líneas: iOS y Android, porque las rutas de configuración de ambos son bastante diferentes.

Configuración del nodo iOS

Hablemos primero del iPhone. OpenClaw no figura oficialmente en la App Store, por lo que debe estar preparado mentalmente: utilice TestFlight (si es elegible para las pruebas internas) o firme e instale la IPA usted mismo. Me autofirmo usando AltStore y vuelvo a firmar cada mes, por lo que no es una molestia.

Después de la instalación, abra la aplicación y verá la interfaz de configuración del nodo. Se deben completar correctamente varios campos clave:

URL de puerta de enlace: la dirección WebSocket de su puerta de enlace. Si está realizando pruebas dentro de una LAN, puede ser ws://192.168.1.100:8080. Si desea acceder a la red externa, debe configurar un proxy inverso y utilizar el protocolo wss://. Utilizo Cloudflare Tunnel, por lo que no necesito exponer mi IP pública.

ID de cliente: asigne un nombre a este nodo, como “iphone-15-main”.

Token de autenticación: token de autenticación generado en la puerta de enlace. Copiar y pegar.

Capacidad: Marque las capacidades que desea abrir. Le sugiero que solo abra la “ubicación” por primera vez y luego abra la “cámara” y la “pantalla” después de pasar la prueba. No lo enciendas todo al principio, ya que será difícil solucionar problemas si surgen.

Después de completar la información, haga clic en Conectar. Si ve el estado verde “Conectado”, felicitaciones, el nodo se ha conectado a la puerta de enlace.

Por cierto, hay un problema de iOS que debo mencionar de antemano: las restricciones en segundo plano. El iPhone tiene un control estricto sobre las aplicaciones que se ejecutan en segundo plano. Si el nodo OpenClaw permanece en segundo plano durante demasiado tiempo, el sistema lo eliminará. Hay dos formas: una es activar la “Actualización de la aplicación en segundo plano” y la otra es activarla ocasionalmente para mantenerla activa. Por lo general, cuelgo el nodo en la máquina de respaldo y lo uso como se debe usar la máquina principal.

Configuración del nodo de Android

Android es mucho más flexible. Tienes dos opciones: usar el APK oficial o ejecutar la versión Node en Termux.

El método APK es similar al de iOS, incluido el empaquetado, la configuración completa y la conexión a la puerta de enlace. La política en segundo plano de Android es más flexible que la de iOS y la tasa de supervivencia del nodo es mayor. Sin embargo, cada una de las ROM domésticas tiene sus propias estrategias de ahorro de energía. Huawei, Xiaomi y OPPO tienen que configurar manualmente “Permitir ejecución en segundo plano”; de lo contrario, se congelarán en minutos.

La solución Termux es adecuada para quienes les gusta perder el tiempo. Instale Node.js en Termux, luego npm install openclaw e inicie el nodo usando la línea de comando. La ventaja es que puede ver registros detallados y solucionar problemas fácilmente. La desventaja es que el backend de Termux también se eliminará, por lo que tendrás que usar herramientas como Termux:Boot y Tasker para mantenerlo vivo.

[Imagen: captura de pantalla del nodo OpenClaw ejecutándose en Android Termux]
Palabras de aviso: captura de pantalla del teléfono móvil, interfaz de terminal Termux que muestra el registro de éxito de la conexión del nodo OpenClaw, modo oscuro, texto verde, alta calidad

Ya sea iOS o Android, la configuración de seguridad se basa en el mismo principio: El principio de privilegio mínimo. ¿Su nodo realmente necesita permiso de la cámara? Si es sólo para posicionarse y tomar capturas de pantalla ocasionales, no encienda la cámara. Cuantos menos permisos abra, menor será la superficie de ataque.

Una cosa más, la firma del dispositivo. OpenClaw admite la verificación de firmas de dispositivos mediante claves públicas y privadas. Se genera un par de claves durante la configuración, la clave pública se coloca en la puerta de enlace y la clave privada se coloca en el nodo. De esta manera, incluso si alguien obtiene su Token, no podrá conectarse sin la clave privada. Fuerzo la firma del dispositivo en la configuración de mi puerta de enlace, por lo que no tengo miedo de que se produzca una fuga de tokens.

Práctica de control remoto de Telegram

El nodo está montado, ¿cómo controlarlo? La forma más directa es Telegram. Para ser honesto, esta también es mi forma favorita: no necesitas instalar una aplicación adicional, simplemente abre Telegram y úsala.

Railway - Plataforma de despliegue moderna, sin ops complejas, en producción en minutos

Empezar ahora →Anuncio

Configurar Telegram Bot es realmente más fácil de lo que imaginamos. Primero vaya a @BotFather para solicitar un nuevo Bot y obtener el Token. Luego agregue el complemento de Telegram a la configuración del canal OpenClaw y complete el Token. Reinicie la puerta de enlace y su Bot estará vivo.

channels:
  telegram:
    token: "YOUR_BOT_TOKEN"
    mode: polling

El modo de sondeo es el más sencillo y adecuado para uso personal. El modo Webhook requiere que tengas una dirección de red pública y HTTPS, lo cual es un poco más problemático, pero la respuesta es más rápida.

Una vez que el Bot esté conectado, podrás enviarle mensajes. OpenClaw reenviará todos los mensajes a AI para su procesamiento de forma predeterminada, pero lo que queremos hacer es control remoto de hardware, que requiere un formato de comando específico.

En la configuración de habilidades de OpenClaw, puede vincular comandos a las capacidades del nodo. Por ejemplo:

skills:
  remote_control:
    commands:
      camera:
        target: "iphone-15-main"
        action: "camera.snap"
      screenshot:
        target: "iphone-15-main"
        action: "screen.capture"
      where:
        target: "iphone-15-main"
        action: "location.get"

Después de la configuración, ingrese / cámara en Telegram y el Bot le pedirá al iPhone especificado que tome una foto y la envíe. Escriba /dónde y responderá con las coordenadas GPS actuales.

La primera vez que le pedí con éxito a mi teléfono móvil en casa que tomara fotos y las enviara, para ser honesto, me emocioné mucho. Sentí como si de repente tuviera un asistente que siempre estaba disponible y era completamente mío.

[Imagen: captura de pantalla de una conversación de Telegram que muestra el comando /camera y las fotos devueltas]
Palabras de aviso: captura de pantalla de la interfaz de chat de Telegram, el usuario envía el comando /cámara, el bot responde a las fotos tomadas, estilo de interfaz de teléfono móvil, chino, alta calidad

Otro beneficio de Telegram es que admite grupos. Puede arrastrar el Bot a un grupo solo para usted, para que sea más conveniente ver el historial. También puedes compartirlo con tu familia, para que ellos también puedan acceder a las capacidades de tu nodo a través de Bot; por supuesto, los permisos deben estar configurados, no dejes que te tomen capturas de pantalla en medio de la noche (no me preguntes cómo sé esto).

Por cierto, Telegram también admite el envío de imágenes y documentos a Bots. Por ejemplo, si envía una imagen a un teléfono móvil inactivo en casa, Bot puede pedirle a OpenClaw que analice la imagen o la guarde en un directorio específico. Esto logra hasta cierto punto un efecto de “portapapeles entre dispositivos”.

Aplicación dedicada y escenarios avanzados

Aunque Telegram es conveniente, después de todo es una interfaz de chat y no es lo suficientemente conveniente en algunos escenarios. Por ejemplo, desea echar un vistazo rápido a las imágenes de la cámara en casa o desea ver el estado de todos los nodos en una interfaz. En este momento, debes considerar una aplicación dedicada.

OpenClaw tiene oficialmente una interfaz de usuario web, que se ejecuta en http://localhost:3000 de forma predeterminada. Abra esta dirección en el navegador de su dispositivo móvil y verá una interfaz de panel. Sin embargo, de forma predeterminada solo escucha localmente y se requiere un proxy inverso para el acceso a la red externa.

Configuré uno con Nginx, agregué autenticación básica HTTP y lo guardé en el navegador móvil. Funciona bien. La interfaz de usuario web puede ver todos los nodos en línea, su estado de capacidad y registros recientes. Al hacer clic en un nodo se pueden activar capacidades manualmente. Por ejemplo, al hacer clic en el botón Cámara, el teléfono correspondiente tomará una foto.

También hay algunos paneles de control desarrollados por terceros en la comunidad con funciones más sofisticadas. Por ejemplo, existe un proyecto llamado ClawDash que admite un diseño personalizado y puede colocar botones de control de uso común en la página de inicio. Sin embargo, esta herramienta de terceros tiene que evaluar su propia seguridad; después de todo, debe estar conectada a su puerta de enlace.

Flujo de trabajo automatizado

Hablemos de una jugabilidad más avanzada: la automatización. OpenClaw admite la activación de la ejecución de habilidades basada en eventos, lo cual es interesante.

Por ejemplo, configuré una geocerca: cuando el nodo de mi teléfono móvil (es decir, el que llevo conmigo) ingresa al rango geográfico de “casa”, automáticamente activa la computadora en casa para ejecutar “abrir el reproductor de música”. De esta manera, la música ya suena cuando llego a casa.

Otro ejemplo: capturas de pantalla programadas. Dejo que mi teléfono Android inactivo tome una captura de pantalla todos los días a las 8 a. m., y luego la IA analiza la captura de pantalla para ver si hay alguna anomalía (por ejemplo, si olvidé apagar los electrodomésticos en casa) y, de ser así, me enviará un recordatorio de Telegram.

Alibaba Cloud - Opción preferida para desarrolladores, 15 % de descuento exclusivo en Lighthouse

Obtener 15% dto. →Anuncio

Estas reglas de automatización están escritas en el archivo de configuración de OpenClaw y el formato es más o menos así:

automations:
  - name: "arrive_home"
    trigger:
      type: "geofence"
      device: "iphone-15-main"
      location: "home"
    action:
      target: "macbook-pro"
      skill: "music.play"
  - name: "morning_check"
    trigger:
      type: "schedule"
      cron: "0 8 * * *"
    action:
      target: "android-spare"
      skill: "screen.analyze"

Solución de problemas

Es inevitable encontrar problemas durante el proceso de configuración. Permítanme enumerar los obstáculos que he pisado:

No se puede conectar a la puerta de enlace: Primero verifique si la dirección del WebSocket es correcta y si el puerto es accesible. Pruébelo con curl ws://gateway-ip:port. Si es wss, asegúrese de que el certificado esté bien.

El nodo se muestra fuera de línea pero la aplicación se muestra conectada: existe una alta probabilidad de que la declaración de rol sea incorrecta. Compruebe si el rol en la configuración del nodo se completa como "nodo". No complete como "cliente".

El comando no responde: verifique el registro de la puerta de enlace para confirmar que el comando se enruta al nodo correcto. A veces, el ID del dispositivo se ingresa incorrectamente y el comando se envía a un nodo inexistente.

Permiso denegado: verifique la configuración de “permisos” del nodo y la política de permisos de la puerta de enlace. Los permisos de OpenClaw son bidireccionales. Después de que el nodo declara la capacidad, la puerta de enlace debe permitir que el cliente la llame.

en conclusión

Dicho todo esto, en realidad significa tres cosas:

En primer lugar, el protocolo Gateway de OpenClaw proporciona un conjunto unificado de estándares de conexión de dispositivos, lo que permite que su teléfono móvil y su computadora hablen en el mismo “plano de control”. Esto no es magia negra, es simplemente WebSocket junto con un mecanismo conciso de declaración de funciones y capacidades.

En segundo lugar, configurando tu teléfono móvil como nodo, tendrás un sensor portátil y un terminal de ejecución. Cámara, posicionamiento, pantalla: estas capacidades de hardware que originalmente pertenecían solo a los teléfonos móviles ahora pueden ser utilizadas por su agente de IA.

En tercer lugar, Telegram o una aplicación dedicada sirven como interfaz de control, lo que le permite dar órdenes al sistema de inteligencia artificial en casa desde cualquier lugar. Para ser honesto, esta experiencia es más real que cualquier “asistente inteligente” en la nube, porque los datos y el poder de toma de decisiones están completamente en sus propias manos.

Si aún no lo ha probado, mi sugerencia es: busque un teléfono móvil inactivo esta noche y configúrelo de acuerdo con los pasos del Capítulo 2. Incluso si es solo una función de “fotografía remota”, la sensación de “tener un par de ojos en cualquier momento” es asombrosa.

La comunidad de código abierto siempre está iterando en OpenClaw, y todo el tiempo se agregan nuevas habilidades e integraciones. En este momento es solo control de hardware de Capa 2, y tal vez pueda controlar más cosas en el futuro. ¿Quién sabe?

Al menos ahora, mi teléfono es más que un simple teléfono. Es un control remoto para mi sistema operativo AI. El tuyo también.