先抛出几个核心判断：AI 头像生成站 headshotcraft.com 的后端，并非由我手动编写完成。Stripe 支付对接、Replicate AI 生成、Cloudflare D1 数据库、OAuth 登录、Webhook 回调——全部由一名 OpenClaw Agent 自主完成。从拿到 PRD 到生产上线，我从未打开过一次代码编辑器。

整个过程可以分步拆解讲述，若你依照这套方法，同样能让 OpenClaw 为你的项目搭建一个可用的后端。

01 先搞清楚：OpenClaw 做后端的边界在哪？

OpenClaw 并非万能。它最为擅长的领域是标准化 SaaS 后端：API 开发、支付对接、数据库操作、第三方 API 集成、部署上线。而它的短板也很明确：从零设计架构（需要你提供 PRD）、高度定制化的业务逻辑（例如复杂的权限体系、实时协作功能）——这些依然需要人工介入。

我的做法非常直接：前端和设计交给其他 Agent 或自己完成，后端则专门委派给一个 Agent（这里我称之为“墨枢”）。只要给它一份清晰的 PRD，它就能顺利跑起来。

02 环境准备：Agent 需要什么？

在让 Agent 动手之前，必须先搭好环境。这一步至关重要——Agent 无法替你去注册账号或申请 API Key。

headshotcraft.com 用到了以下服务，每项都需要提前注册并获取密钥：

Cloudflare（部署 + 数据库）

• 注册 Cloudflare 账号
• 安装 Wrangler CLI：npm install -g wrangler
• 登录：wrangler login
• 创建 D1 数据库：wrangler d1 create headshotcraft
• 获取 database_id，填入 wrangler.toml

Stripe（支付）

• 注册 Stripe 账号
• 在 Dashboard → Developers → API Keys 获取 STRIPE_SECRET_KEY
• 创建两个 Price（月付/年付），获取 price_xxx
• 创建 Webhook Endpoint，获取 STRIPE_WEBHOOK_SECRET

Replicate（AI 生成）

• 注册 replicate.com
• 在 Account → API Tokens 创建 Token，获取 REPLICATE_API_TOKEN

Google Cloud Console（OAuth 登录）

• 创建 OAuth 2.0 Client
• 获取 GOOGLE_CLIENT_ID 和 GOOGLE_CLIENT_SECRET

全部获取后，写入项目的 .env 文件：

# Google OAuth
GOOGLE_CLIENT_ID=xxx
GOOGLE_CLIENT_SECRET=xxx
# Session
SESSION_SECRET=xxx
# Stripe
STRIPE_SECRET_KEY=sk_live_xxx
NEXT_PUBLIC_STRIPE_PUBLISHABLE_KEY=pk_live_xxx
STRIPE_WEBHOOK_SECRET=whsec_xxx
# Cloudflare
CLOUDFLARE_API_TOKEN=xxx
# Replicate
REPLICATE_API_TOKEN=r8_xxx

这些密钥都掌握在你手中，Agent 只负责调用 API，不会发生泄露。

03 实战：AI 头像生成站的后端全链路

以 headshotcraft.com 为例。这个网站的功能非常简单：用户上传自拍 → AI 生成 4 张专业头像 → 下载。

后端需要完成哪些工作？

• 用户登录（Google OAuth）
• 积分系统（免费用户可体验 1 次，付费用户按月扣减）
• Stripe 支付（月付/年付订阅）
• AI 生成（对接 Replicate API）
• Webhook 回调（支付成功后自动激活权益）

第一步：告诉 Agent 你的需求

我给墨枢发送了一条消息：

按照 PRD 搭建后端，完成后 commit + push。

仅此一句。它知道项目位置、使用的技术栈以及如何部署——因为这些信息都已写入它的 SOUL.md 和 MEMORY.md 文件中。

第二步：Agent 自己读代码、改代码

墨枢接收到任务后，直接读取了项目代码。项目目录结构如下：

src/app/api/
├── auth/
│   ├── login/route.ts       # Google OAuth 登录
│   ├── callback/route.ts    # OAuth 回调
│   └── me/route.ts          # 获取当前用户信息
├── checkout/route.ts        # 创建 Stripe Checkout Session
├── generate/route.ts        # 调用 Replicate 生成头像
├── upload/route.ts          # 上传图片
├── user/
│   ├── credits/route.ts     # 查询积分余额
│   └── account/route.ts     # 账户信息
└── webhooks/
    └── stripe/route.ts      # Stripe 支付回调

它读取的文件与我列出的完全一致。随后它开始逐一验证各模块。

第三步：验证 Stripe 支付链路

Agent 使用 curl 模拟了真实请求：

POST /api/checkout
Authorization: Bearer 
Body: { "plan": "monthly" }

后端代码（checkout/route.ts）执行了以下逻辑：

const checkoutSession = await stripe.checkout.sessions.create({
    mode: "subscription",
    line_items: [{ price: priceId, quantity: 1 }],
    success_url: `${origin}/app?checkout=success`,
    cancel_url: `${origin}/pricing?checkout=cancelled`,
    customer_email: session.email,
    metadata: {
        userId: String(session.userId),
        plan: plan === "yearly" ? "pro_yearly" : "pro_monthly",
    },
});

返回 Stripe Checkout URL，前端自动跳转。支付成功后，Stripe 发送 Webhook 到 /api/webhooks/stripe，后端自动为用户开通权益。

Webhook 代码（webhooks/stripe/route.ts）：

if (event.type === "checkout.session.completed") {
    const session = event.data.object;
    const userId = session.metadata?.userId;
    const plan = session.metadata?.plan;
    const customerId = session.customer;
    if (userId && plan) {
        await setPlan(Number(userId), plan, customerId);
    }
}

这段代码并非我手写，而是由 Agent 编写、测试并部署的。

第四步：验证 AI 生成链路

用户上传照片后，后端调用 Replicate API 生成头像。核心代码（generate/route.ts）：

const response = await fetch("https://api.replicate.com/v1/predictions", {
    method: "POST",
    headers: {
        Authorization: `Bearer ${process.env.REPLICATE_API_TOKEN}`,
    },
    body: JSON.stringify({
        version: "ddfc2b08d209f9fa8c1eca692712918bd449f695dabb4a958da31802a9570fe4",
        input: {
            input_image: image,
            prompt: `img, ${prompt}`,
            style_name: "Photographic (Default)",
            num_outputs: 4,
        },
    }),
});

首先创建预测任务，然后轮询状态，待 AI 运行结束后返回 4 张图片。整个流程 Agent 使用 curl 在生产环境完整跑了一遍，确认返回 4 张图且下载链接返回 200 OK。

第五步：一个真实的线上 Bug

上线后某天，AI 生成功能突然崩溃。用户上传照片后持续报错。

根因：Replicate 的 model version 失效了。

Replicate 会不定期更新模型版本，旧版本的 hash 将直接不可用。我的代码中写死了一个 version ID，某天它便无法再使用。

墨枢自动进行了故障排查：读取日志 → 发现 Replicate 返回 404 → 检查当前可用版本 → 替换 version ID → commit → push → Cloudflare 自动部署。

commit 2b7aadd — fix: update replicate model version
push origin/main
deploy → https://23f775b9.headshotcraft.pages.dev

从故障发生到修复上线，全程无需人工干预。唯一需要做的就是看到报告后点击确认。

04 技术栈：Agent 用的什么？

headshotcraft.com 的完整后端技术栈如下：

部署配置仅需一个 wrangler.toml 文件：

name = "headshotcraft"
compatibility_date = "2024-09-23"
compatibility_flags = ["nodejs_compat"]
pages_build_output_dir = ".vercel/output/static"
[[d1_databases]]
binding = "DB"
database_name = "headshotcraft"
database_id = "4cf723c5-f87a-44b2-81f4-6d38b795e6c0"

数据库通过 binding 直接注入，无需 HTTP 连接、无需 IP 白名单、无需密码。这正是 Cloudflare D1 最大的优势，也是 Agent 最容易操作的数据库方案。

部署仅需一行命令：

CLOUDFLARE_ACCOUNT_ID=xxx npx wrangler pages deploy .vercel/output/static --project-name headshotcraft --branch main

Agent 每次 commit + push 后，会自动执行这行命令。Cloudflare 收到代码后自动完成构建与部署。

05 数据库操作：Agent 怎么读写 D1？

Agent 编写了一个统一的数据库封装（src/lib/db.ts）：

function getDB() {
    const { env } = getRequestContext();
    const db = env.DB;
    return db;
}
async function query(sql, params = []) {
    const db = getDB();
    return await db.prepare(sql).bind(...params).all();
}
async function run(sql, params = []) {
    const db = getDB();
    return await db.prepare(sql).bind(...params).run();
}

然后利用这套封装完成所有数据库操作：查询积分、扣除积分、更新用户 plan、记录 Stripe customer ID。

你无需告诉 Agent 使用什么 ORM。它会自行判断 D1 兼容 SQLite，直接编写原生 SQL 最为简洁。

06 我是怎么给 Agent 交接的？

很多人会问：Agent 怎么知道要做什么？

答案很简单：写一份清晰的 PRD。

我的 PRD 内容包括：

• 站点定位与目标用户
• 核心功能清单（哪些必须实现，哪些可以后续补充）
• 技术栈约束（必须使用 Cloudflare，不能使用 AWS）
• 定价方案（月付 $9.99，年付 $79.99）
• API 设计（/api/upload、/api/generate、/api/checkout）
• 数据库表结构（users、credits）

Agent 阅读完 PRD 后就开始工作。中间遇到不明确的地方，它会主动提出问题。例如它曾问过：积分不足时是返回错误还是提示升级？我回答：返回 402 并提示升级。

整个后端开发过程中，与 Agent 的交互消息不到 10 条。

07 成本核算

OpenClaw 开源且免费。成本主要包含两块：

LLM API 调用：

后端 Agent 使用的模型是 GPT-5.4，单次后端开发任务（从读取代码到 commit + deploy）大约消耗 5-8 万 tokens。按照 GPT-5.4 的定价，单次任务成本约为 $5-15。

需要注意：这不是 $183。$183 是 Agent 长期 session 的累计成本（它同时处理了许多任务）。单个后端开发任务的实际成本其实很低。

基础设施：

在没有用户之前，基础设施成本几乎为零。这便是 Cloudflare 方案最大的优势。

08 踩坑指南

坑 1：第三方 API 的 version 会变

Replicate 的 model version 并非永久有效。写死 version ID 的代码，某天可能会突然失效。建议在配置文件里集中管理 version ID，方便 Agent 快速定位并替换。

坑 2：Edge Runtime 限制多

Cloudflare Pages 的 Edge Runtime 不支持 Node.js 的 fs、child_process 等模块。Agent 第一次写代码时使用了 fs.readFile，部署后直接报错。改为从 env 读取 binding 后问题才解决。

坑 3：Webhook 签名验证别省

Stripe Webhook 必须验证签名。Agent 最初漏掉了这一步，在 review 时发现。加上 stripe.webhooks.constructEventAsync() 后才确保安全。

坑 4：测试要测生产环境

staging 与生产环境的配置可能不同（API key、环境变量）。Agent 在 staging 验证通过，但生产上 D1 binding 不一致导致 500 错误。后来发现是 wrangler.toml 中的 database_id 填写有误。

09 想自己试？这几步照着走

第一步：安装 OpenClaw

npm install -g openclaw
openclaw init

第二步：创建一个后端 Agent

在 ~/.openclaw/agents/ 下新建一个 Agent 目录，编写好 SOUL.md（告诉它你是后端开发者）和 TOOLS.md（授予它 shell 访问权限）。

第三步：准备好所有 API Key

参考第 02 节的清单：Cloudflare、Stripe、Replicate、Google OAuth。注册账号，获取密钥，写入 .env。

第四步：写一份 PRD

不需要太复杂。告诉它：做什么网站、用什么技术栈、核心功能有哪些、数据库表结构。

第五步：发布任务

直接给 Agent 发送消息："按照 PRD 搭建后端，完成后 commit + push。"

然后你只需等待查看代码即可。

写在最后

OpenClaw 获得 349k Stars 的原因，并不在于它能写代码——Cursor、Claude Code 同样具备写代码的能力。

真正的原因在于：它能让 Agent 持续运行、自主决策、自行修复 Bug。

headshotcraft 的后端从开发到上线，再到修复 Bug，全程由 Agent 自主完成。你只需负责 PRD 和最终验收。

后端开发这件事，已经不需要你亲自动手写了。但你必须学会写 PRD、验收代码、做出架构决策。

这些才是未来后端工程师的核心竞争力。