ClawTime 综合评估
核心用法
ClawTime 是 OpenClaw 的图形化 Web 前端，通过以下步骤部署使用：
1. 安装与依赖：从 GitHub 克隆仓库，执行 npm install 安装 Node.js 依赖；同时需单独编译安装 whisper.cpp 以启用服务端语音识别（支持多语言，也可退回到浏览器 SpeechRecognition）。
2. 网关认证：必须配置 GATEWAY_TOKEN（来自 ~/.openclaw/openclaw.json 或手动生成），写入 ~/.clawtime/.env，否则服务会因 "device identity required" 无法启动。
3. 自定义 3D 头像：基于 Three.js 的体素（voxel）风格，通过 JavaScript 文件定义角色几何、材质与动画状态（idle/thinking/talking/listening 等）。参考实现 public/avatars/lobster.js，支持自动提取主题色并同步至 UI。
4. 服务启动：使用 systemd 用户服务托管 Node.js 后端，配合 Cloudflare Tunnel 暴露公网访问；首次启动会生成一次性设置链接，用户通过 passkey 注册后可将页面添加至手机主屏作为 PWA 使用。
5. 语音交互：点击头像进入语音模式，采用 Whisper 服务端转写 + Microsoft Edge TTS 合成，支持“打断说话”（barge-in）、2 秒静默检测、VAD 噪声过滤，视觉反馈包含录音/转写/思考/播放状态指示。
显著优点
- 高度可定制：体素头像系统允许用户通过代码完全自定义角色外观、动画与主题色，技术门槛适中但自由度极高。
- 现代认证方式：采用 WebAuthn passkey 替代传统密码，移动端支持指纹/面容 ID，安全且便捷。
- 原生语音体验：服务端 Whisper 提供比浏览器 STT 更高的准确率与多语言支持；Edge TTS 无需 API Key 即可使用高质量神经网络语音。
- PWA 化部署：通过 Cloudflare Tunnel 快速获得 HTTPS 公网访问，支持 iOS/Android 添加到主屏，体验接近原生 App。
- OpenClaw 生态整合：作为官方配套界面，与 OpenClaw 网关深度集成，继承其工具调用与代理能力。
潜在缺点与局限性
- 部署复杂度较高：需同时维护 Node.js 服务、whisper.cpp 编译环境、systemd 配置及 Cloudflare Tunnel，对非 Linux 用户或运维新手存在门槛。
- 免费隧道不稳定：Cloudflare 免费隧道随机分配 URL，重启后变更，导致 passkey 需重新注册；稳定访问需付费方案（ngrok Pro/Cloudflare 自定义域名）。
- 语音延迟与资源消耗：Whisper 本地推理依赖 CPU/GPU，低配设备可能出现转写延迟；持续语音识别对电池续航有影响。
- 移动端浏览器限制：iOS 第三方浏览器对 PWA 支持有限，Safari 功能最全；部分 Android 厂商对后台 WebSocket 管理严格，可能导致连接中断。
- 安全依赖单一密钥：
GATEWAY_TOKEN泄露可导致网关访问被劫持，文档未提及轮换或短期令牌机制。
适合人群
- 技术爱好者与开发者：熟悉 Linux 命令行、systemd、Node.js 生态，愿意投入时间打磨个性化 AI 助手。
- OpenClaw 现有用户：希望为纯文本/工具型代理增加可视化与语音交互层。
- 隐私敏感用户：倾向本地部署语音识别，避免将语音数据上传至商业云服务（如 Google/Amazon）。
- 多语言用户：Whisper 的多语言支持优于多数浏览器内置 STT。
常规风险
- 令牌泄露风险：
.env文件若权限设置不当或误提交至版本控制，可导致网关被非法访问。 - 隧道中间人风险：免费 Cloudflare Tunnel 虽基于 HTTPS，但随机域名可能被钓鱼模仿，用户需核对首次设置的 URL。
- 服务端录音隐私：语音数据经服务器转写，多用户场景需确保文件及时清理，避免本地缓存泄露。
- 依赖更新维护：Three.js、whisper.cpp、Node.js 版本迭代可能引入 API 变更，需持续关注上游兼容性。
- PWA 离线能力有限：当前设计主要依赖实时 WebSocket 连接，离线或弱网环境下体验下降明显。