OpenClaw 智能家居实战：用 WhatsApp 语音自然语言控房全攻略

“把卧室灯调暗一点。”

我对着手机重复了第三遍，Siri 依然固执地回复：“抱歉，我没听懂你在说什么。”

那一刻我躺在床上，盯着天花板，突然意识到一个荒谬的事实：我家花了大几千装的 Philips Hue 智能灯具，居然听不懂这种最基础的人话。

说实话，这种场景你可能也遇到过。我们装了一堆智能家居设备，下载了五六个 App，折腾了无数自动化规则，最后发现——想关个灯还得精确地说出”关闭主卧吸顶灯”这种机器语言。稍微含糊一点，比如”太亮了，暗一些”，系统就懵了。

这就是传统语音助手的死结：它们在做关键词匹配，而不是真正理解你的意图。

直到我遇到了 OpenClaw。

第一次用它控制灯光时，我只是随手在 WhatsApp 里发了条语音：“客厅灯有点刺眼，帮我调成暖黄色，亮度大概六成吧。” 三秒后，灯光变了。不是预设的场景模式，而是 AI 真的听懂了我的描述，自动计算出色温和亮度值，然后执行了。

那种感觉挺奇妙的。就像家里突然多了个懂行的管家，你不用教它每个设备的名称，不用记特定的指令格式，直接用平时说话的方式告诉它就行。

今天我想和你聊聊，怎么把这个”管家”请回家。

什么是 OpenClaw？为什么选它做智能家居大脑？

OpenClaw（以前叫 Moltbot、ClawdBot）说白了就是一个常驻后台的 AI Agent。你可以把它理解为 Claude Code 的家庭版——它能连接到你的消息应用（WhatsApp、Telegram、Discord），读取你的日历和邮件，当然，还能接管你的智能家居。

它和 Siri、Alexa 这类语音助手最大的区别在哪？

传统的语音助手是在做”命令映射”。你说了 A，它去找有没有对应的指令 B。如果找不到，它就投降。这就是为什么你说”调暗一点”它听不懂——因为它没见过这个确切的表述。

OpenClaw 不一样。它背后接的是 Claude，一个真正能”理解”语义的大模型。当你说”调暗一点”，它会自己推理：用户觉得当前太亮，想要降低亮度，可能还需要调整色温让光线更柔和。然后它主动去调用 Home Assistant 的 API，找到客厅灯的实体，计算出合适的数值，再执行。

这完全是两种思维模式。

Dan Malone 在他的博客里分享过一个有趣的案例：他给 OpenClaw 设置了一个浣熊人格（对，就是 Raccoon），结果这个 AI 不但会控制他的智能家居，还会吐槽。比如当他在深夜开灯时，AI 会回复：“这么晚还不睡？算了，给你开灯，但别熬太久。”

听起来有点傻对吧？但这种个性化的互动恰恰是传统语音助手给不了的。

对了，OpenClaw 是本地运行的。你的数据不会莫名其妙地被送到某个云端服务器去分析，这点对于在意隐私的人来说挺重要的。

环境准备与前置条件

好了，聊完是什么和为什么，咱们来说说怎么做。

首先你得有这些基础条件：

1. Home Assistant 系统

• 版本建议 2024.1 以上
• 能正常访问局域网内的其他设备
• 已经接入了 Philips Hue（或者其他你想控制的智能设备）

如果你还没装 Home Assistant，建议先用 HassOS 镜像快速搭起来。网上教程很多，这里就不展开了。

2. OpenClaw 运行环境

有三种安装方式可选：

Vultr - 高性能 NVMe 云服务器，32 个全球节点可选，支持一键部署 Docker

查看定价 →推广

• Docker 方式：最灵活，适合有服务器的玩家
• HA Add-on 方式：最简单，直接在 Home Assistant 里装
• 本地运行：需要 Node.js 环境

我个人推荐 Docker 方式，升级和管理都比较方便。

3. 网络要求

• Home Assistant 需要能被 OpenClaw 访问到（内网 IP 或域名）
• 建议配置固定 IP 或者使用 mDNS 域名

4. Philips Hue 接入

确保你的 Hue Bridge 已经通过官方集成接入了 Home Assistant。在 HA 的”设置-设备与服务”里能看到 Philips Hue 的设备列表就对了。

moltbot-ha 技能详解与配置

这是整个方案的核心环节。moltbot-ha 是 OpenClaw 的一个 skill（技能插件），让它能和 Home Assistant 对话。

第一步：获取 Home Assistant 的访问令牌

登录 Home Assistant，点击左下角你的用户名，然后选择”长期访问令牌”。

点击”创建令牌”，随便起个名字（比如”openclaw-token”），复制生成的长串字符。注意：这个令牌只显示一次，记得保存好。

第二步：配置环境变量

你需要设置两个环境变量：

export HA_URL="http://你的HA地址:8123"
export HA_TOKEN="刚才复制的长串令牌"

如果是 Docker 部署，在 docker-compose.yml 里加：

environment:
  - HA_URL=http://192.168.1.100:8123
  - HA_TOKEN=eyJhbGciOiJIUzI1NiIs...

第三步：安装 homeassistant skill

进入 OpenClaw 的容器或目录，执行：

npx moltbot add skill homeassistant

或者在配置文件里的 skills 数组中添加：

{
  "skills": [
    {
      "name": "homeassistant",
      "enabled": true
    }
  ]
}

第四步：验证连接

重启 OpenClaw 后，在 WhatsApp 或 Telegram 里给它发消息：

“列出我家所有的灯”

如果配置正确，它会返回一个设备列表，类似这样：

找到以下灯光设备：
- light.living_room_main (客厅主灯)
- light.bedroom_ceiling (卧室吸顶灯)
- light.kitchen_spotlights (厨房射灯)

看到这一步，恭喜你，基础配置完成了！

实战演示——WhatsApp 语音控制 Philips Hue

这才是重头戏。让我们看看真正的自然语言控制是什么样子的。

基础控制

场景一：简单的开关
你：“关掉客厅的灯”
AI：“好的，客厅主灯已关闭”

Railway - 现代化的部署平台，告别繁琐运维，让代码分钟级上线

立即开始 →推广

不需要说”light.living_room_main”这种实体 ID，AI 会自动匹配”客厅”和”灯”这两个关键词，找到对应的设备。

场景二：调节亮度和色温
你：“把卧室灯调暗一点，要那种睡前看书的光线”
AI：“已将卧室吸顶灯亮度调至 40%，色温调至 2700K 暖白光”

注意到了吗？你没说具体数值，AI 自己根据”睡前看书”这个场景推断出了合适的参数。

场景三：颜色控制
你：“把书房灯换成淡蓝色，像阴天窗外那种”
AI：“已将书房灯设置为淡蓝色（RGB: 173, 216, 230）”

这种模糊的描述，传统语音助手根本处理不了。

复杂场景

场景四：多设备联动
你：“我准备看电影了”
AI：“观影模式已启动：

• 客厅主灯已关闭
• 氛围灯带已开启影院模式
• 空调温度调至 24°C”

这个场景需要在 Home Assistant 里预先定义好”观影模式”的脚本，但触发方式变得极其自然。

场景五：条件判断
你：“天黑了，帮我开灯”
AI：“检测到当前室外光照强度为 50 lux，确实较暗。已为您打开客厅和走廊的灯光。”

AI 不只是执行命令，它会结合传感器数据做出判断。

多轮对话

最有意思的是这个：

你：“那个灯太亮了”
AI：“您是指哪个房间的灯？”
你：“客厅”
AI：“已将客厅主灯亮度从 80% 调至 50%，需要再暗一些吗？”
你：“再暗点，还有有点黄”
AI：“亮度调至 30%，色温调至 2200K。现在这个光线合适吗？”

这种对话感，是不是有点像在跟家里的管家聊天？

阿里云 - 开发者上云首选，轻量服务器专享 8.5 折优惠，助力项目快速上线

领取 8.5 折优惠 →推广

进阶技巧与故障排查

自定义实体别名

有时候设备名称不够直观，你可以在 Home Assistant 里给实体设置”友好名称”，或者在 OpenClaw 的配置里添加别名映射：

{
  "aliases": {
    "light.living_room_main": ["大灯", "主灯", "客厅灯"]
  }
}

这样一来，你说”大灯”、“主灯”还是”客厅灯”，AI 都知道指的是同一个设备。

安全建议

1. Token 权限控制
   建议先创建一个只读权限的 Token 测试，确认没问题再换读写权限。

2. 访问限制
   如果 OpenClaw 运行在公网服务器上，确保 HA_URL 使用 HTTPS，并且考虑配置防火墙只允许特定 IP 访问。

3. 日志监控
   定期检查 OpenClaw 的操作日志，看看有没有异常的设备控制请求。

常见问题

问题一：AI 说找不到设备

• 检查 HA_TOKEN 是否有足够权限
• 确认实体 ID 在 Home Assistant 的开发者工具里能查到
• 尝试重启 OpenClaw 服务

问题二：响应很慢

• 检查网络延迟（OpenClaw 到 HA 的延迟应该 <50ms）
• 考虑使用 Claude 的本地代理减少 API 延迟
• 如果设备很多，可以在配置里限制可控制的实体范围

问题三：误触发

• 在群聊里使用时，建议设置唤醒词或 @提及
• 配置黑名单，排除敏感设备（比如门锁、摄像头）

结论

说了这么多，其实核心就一句话：AI 终于开始理解人话了。

从”关闭 light.living_room_main”到”把客厅灯调暗一点”，这不只是指令格式的变化，而是交互方式的质变。我们不再需要学习机器的语言，而是让机器学会理解我们的表达。

OpenClaw + Home Assistant 的组合，让我第一次感觉家里的智能设备真的”智能”了起来。它不是在执行预设的程序，而是在理解我的需求，然后自主决定怎么满足。

如果你也想试试这种体验，可以从 GitHub 上的 awesome-openclaw-skills 仓库开始，那里有完整的配置文档和社区讨论。遇到问题也可以在 Home Assistant 社区的 OpenClaw 板块提问，大家挺热心的。

老实说，配置过程可能会有点小波折，但当第一次用自然语言成功控制灯光的那一刻，你会觉得值了。

毕竟，未来已来，只是分布得不太均匀。而我们这些喜欢折腾的人，总能提前摸到一点边。

10 分钟阅读 · 发布于: 2026年2月27日 · 修改于: 2026年3月3日

Easton

AI与智能