1. 从零开始OpenClaw是什么以及为什么值得一试最近在AI圈子里OpenClaw这个名字的讨论度越来越高。如果你也像我一样对AI Agent智能体感兴趣想找一个既能本地部署、功能又足够强大的开源框架来折腾那OpenClaw绝对是一个绕不开的选择。简单来说OpenClaw是一个开源的AI Agent框架你可以把它理解为一个“AI大脑”的操作系统。它最大的魅力在于通过一套标准化的协议比如MCP Model Context Protocol能够轻松地连接各种大语言模型LLM、工具Tools和技能Skills让AI不仅能“思考”还能“动手”去执行任务比如帮你分析数据、管理文件、发送消息甚至是控制智能家居。为什么说它值得一试呢首先它是开源的这意味着完全免费没有使用次数的限制你可以随心所欲地研究、修改和部署。其次它的设计理念非常现代模块化程度高无论是接入新的模型比如DeepSeek、Qwen、GPT等还是扩展新的技能比如连接飞书、微信、操作数据库都相对容易。最后它的社区活跃迭代速度快你能接触到AI Agent领域最前沿的玩法和工具。对于开发者、技术爱好者或者任何想深度定制自己AI助手的人来说OpenClaw提供了一个绝佳的起点。而提到部署很多朋友可能会被本地环境的复杂性劝退。这时候云服务器就成了一个完美的解决方案。它提供了一个干净、稳定、高性能的远程环境让你可以专注于应用本身而不用操心本地电脑的配置、网络或者性能瓶颈。这也是为什么我会结合腾讯云Lighthouse轻量应用服务器来展开这篇教程。Lighthouse以其开箱即用、性价比高、管理简单的特点特别适合用来部署这类AI应用。接下来我就带你从领取一台云服务器开始一步步把OpenClaw部署起来并解锁它的核心玩法。2. 环境准备快速领取并配置腾讯云Lighthouse服务器工欲善其事必先利其器。部署OpenClaw的第一步是准备一个可靠的运行环境。对于大多数用户尤其是新手在本地电脑上配置Python环境、Docker、各种依赖库可能会遇到各种“玄学”问题。使用云服务器可以完美规避这些环境冲突并且能获得更稳定的网络和计算资源。2.1 领取腾讯云Lighthouse服务器腾讯云Lighthouse经常会有面向新用户的体验活动或优惠套餐性价比很高。我们首先需要获取一台服务器。访问活动页面打开腾讯云官网在首页或产品栏目中找到“轻量应用服务器 Lighthouse”的相关活动入口。通常会有“新人专享”、“体验套餐”等字样。确保你登录的是一个未购买过Lighthouse的腾讯云账号新用户资格。选择配置对于部署OpenClaw我们不需要顶配。一个基础的配置完全足够入门和体验。我推荐选择如下配置地域选择离你物理位置较近的地域例如“上海”或“广州”以获得更低的网络延迟。镜像强烈推荐选择“Docker 基础镜像”。腾讯云提供了集成了Docker和Docker Compose的镜像这能为我们省去大量手动安装和配置的时间。如果找不到Docker镜像选择“Ubuntu 22.04 LTS”或“CentOS 7.9”等主流Linux系统也可以后续需要手动安装Docker。套餐选择最基础的套餐即可例如“1核2G”或“2核4G”。OpenClaw本身作为框架并不太吃资源资源消耗主要取决于你后续接入的大模型。如果计划在服务器上直接运行Ollama来托管模型那么“2核4G”或更高配置会更稳妥。设置密码与购买设置服务器的root用户密码务必牢记然后完成购买流程。通常新用户活动价格非常低廉甚至可能是0元体验。注意领取或购买后请务必在腾讯云控制台的“轻量应用服务器”页面找到你的服务器实例记下它的公网IP地址。这是你后续连接服务器的关键。2.2 首次登录与基础安全配置拿到服务器后我们首先需要通过SSH连接它并进行一些基础设置。使用SSH客户端连接如果你使用的是macOS或Linux直接打开终端Terminal。如果你使用的是Windows可以使用系统自带的PowerShell需开启OpenSSH功能或者安装更友好的工具如PuTTY、Xshell或者使用Windows Terminal。连接命令如下将你的公网IP替换为实际IPssh root你的公网IP首次连接时会提示确认主机密钥输入yes。然后输入你购买时设置的root密码即可登录。基础安全加固强烈建议更新系统登录后第一件事更新系统软件包列表并升级现有软件。apt update apt upgrade -y # Ubuntu/Docker镜像 # 或者 yum update -y # CentOS镜像创建新用户长期使用root用户操作是不安全的。我们创建一个新的普通用户例如命名为devuser。adduser devuser按照提示设置新用户的密码和其他信息可以按回车跳过非必填项。授予sudo权限让新用户能够执行管理员命令。usadd devuser sudo # Ubuntu/Docker镜像 # 或者 usermod -aG wheel devuser # CentOS镜像配置SSH密钥登录可选但推荐相比密码SSH密钥更安全。在你的本地电脑生成密钥对如果已有可跳过然后将公钥上传到服务器。本地生成密钥ssh-keygen -t rsa -b 4096一直按回车即可。上传公钥到服务器ssh-copy-id devuser你的公网IP。禁用root的SSH密码登录配置好密钥并测试新用户可以正常登录后可以编辑SSH配置文件来增强安全。sudo nano /etc/ssh/sshd_config找到并修改以下两行PermitRootLogin no PasswordAuthentication no保存退出后重启SSH服务sudo systemctl restart sshd。务必确保你已经能用devuser账户通过SSH密钥成功登录再进行此操作完成以上步骤你的云服务器就已经准备就绪拥有了一个安全、干净的基础Linux环境并且已经预装了Docker如果你选择了Docker镜像。接下来我们就可以开始部署OpenClaw的核心了。3. 核心部署通过Docker快速拉起OpenClaw服务OpenClaw官方推荐使用Docker进行部署这是最简洁、依赖问题最少的方式。Docker能将OpenClaw及其所有依赖打包在一个独立的容器中运行与宿主机环境隔离避免了令人头疼的Python版本冲突、库缺失等问题。3.1 拉取OpenClaw Docker镜像首先我们切换到之前创建的devuser用户如果还在root下输入exit退出然后用ssh devuser你的公网IP重新登录。然后拉取最新的OpenClaw镜像。# 拉取官方镜像标签‘latest’指向最新稳定版 docker pull openwebui/openclaw:latest这个命令会从Docker Hub下载OpenClaw的镜像。镜像大小通常在几百MB到1GB左右具体取决于你的网络速度。等待下载完成即可。3.2 运行OpenClaw容器镜像拉取成功后我们需要通过docker run命令来创建并启动一个容器。这里有几个关键参数需要理解-p 3000:8080这是端口映射。将容器内部的8080端口映射到宿主机的3000端口。意味着我们通过访问服务器的公网IP:3000来访问OpenClaw的Web界面。-v /home/devuser/openclaw-data:/app/backend/data这是数据卷挂载。将宿主机路径/home/devuser/openclaw-data挂载到容器内的/app/backend/data路径。这样OpenClaw产生的所有数据如配置、对话记录等都会持久化保存在你的服务器硬盘上即使容器被删除数据也不会丢失。--name openclaw给容器起一个名字方便后续管理如启动、停止、查看日志。-e设置环境变量。这里我们设置一个最简单的指定时区为亚洲上海。现在执行运行命令docker run -d \ --name openclaw \ -p 3000:8080 \ -v /home/devuser/openclaw-data:/app/backend/data \ -e TZAsia/Shanghai \ openwebui/openclaw:latest参数解释-d让容器在后台运行detached mode。\是Bash中的换行符让长命令更易读你也可以把所有参数写在一行。执行后Docker会创建并启动容器。你可以使用docker ps命令查看容器是否在运行中。3.3 验证部署与初次访问容器启动需要一点时间通常几十秒。我们可以通过查看容器日志来确认启动状态docker logs -f openclaw-f参数可以实时滚动显示日志。当你看到日志中出现类似Uvicorn running on http://0.0.0.0:8080的信息时说明OpenClaw的后端服务已经启动成功。此时打开你的本地浏览器访问http://你的服务器公网IP:3000。你应该能看到OpenClaw的Web用户界面WebUI了。首次访问通常会进入一个初始化设置页面可能会让你创建第一个管理员账户或者进行一些基础配置。按照页面提示完成即可。至此OpenClaw的核心服务就已经部署成功了但这只是一个开始一个没有连接任何大脑大模型和手脚工具技能的OpenClaw还发挥不了作用。接下来我们要为它注入灵魂。4. 连接“大脑”为OpenClaw配置大语言模型LLM部署好的OpenClaw就像一个拥有强大躯干的机器人但它还没有“大脑”来进行思考和决策。这个大脑就是大语言模型LLM。OpenClaw支持接入多种LLM包括云端API如OpenAI GPT、DeepSeek、通义千问和本地部署的模型通过Ollama、LM Studio等。4.1 方案选择云端API vs. 本地模型对于在云服务器上部署的场景你有两个主要选择云端API这是最简单快捷的方式。你只需要在OpenClaw的配置界面填入对应服务商的API Key即可。优点是开箱即用模型能力强且稳定无需关心服务器算力。缺点是需要付费部分有免费额度并且所有对话数据会发送到第三方服务器。适合人群希望快速体验、测试功能或服务器配置不高但想使用强大模型的用户。常用选择DeepSeek API、Moonshot API、OpenAI API需国际支付方式、通义千问API等。本地模型通过Ollama在服务器上安装Ollama然后拉取并运行开源模型。数据完全留在你的服务器上隐私性好且没有API调用费用。缺点是对服务器硬件尤其是内存有要求且开源模型的综合能力通常弱于顶尖的闭源API。适合人群注重数据隐私、希望长期免费使用、愿意在模型能力上做些妥协并且服务器内存足够建议4G以上的用户。这里我以两种最典型的方案为例进行说明接入DeepSeek API和在服务器上部署Ollama运行Qwen2.5模型。4.2 方案一接入DeepSeek API推荐新手DeepSeek提供了免费且慷慨的API额度非常适合入门。获取API Key访问DeepSeek官网注册并登录账号。在控制台或API管理页面创建一个新的API Key并妥善保存。在OpenClaw中配置在OpenClaw WebUI中通常可以在设置Settings或模型管理Models页面找到添加模型的入口。选择模型提供商为“OpenAI Compatible”因为DeepSeek API兼容OpenAI格式。在“API Base URL”中填入https://api.deepseek.com。在“API Key”中填入你刚才获取的密钥。模型名称可以自定义如“DeepSeek-Chat”。保存后通常就可以在聊天界面选择这个模型进行对话了。4.3 方案二在服务器部署Ollama运行本地模型如果你希望数据完全本地化可以按照以下步骤安装Ollama。在服务器上安装Ollama Ollama提供了极简的一键安装脚本。curl -fsSL https://ollama.com/install.sh | sh安装完成后Ollama服务会自动启动。你可以运行ollama --version检查是否安装成功。拉取并运行一个模型 Ollama社区提供了大量优化好的模型。我们以轻量级的qwen2.5:3b模型为例3B参数对内存要求较低。ollama pull qwen2.5:3b这个命令会下载模型文件可能需要几分钟取决于你的服务器带宽和磁盘速度。下载完成后模型就准备好了。在OpenClaw中配置Ollama模型回到OpenClaw的WebUI在添加模型的地方选择模型提供商为“Ollama”。“Ollama Base URL”通常保持默认的http://localhost:11434即可。因为Ollama和OpenClaw都运行在同一台服务器上。点击“Fetch Models”OpenClaw会自动探测到Ollama服务中已有的模型如qwen2.5:3b然后将其添加到可用模型列表。保存后你就可以在聊天中选择这个本地模型了。实操心得对于1核2G的轻量服务器运行3B或7B参数的模型进行简单对话是可行的但响应速度不会很快复杂任务可能内存不足。如果服务器配置是2核4G或更高体验会好很多。建议先从一个小模型开始测试成功后再尝试更大的模型。至此你的OpenClaw已经拥有了“思考”能力。接下来我们要让它变得更“能干”即通过MCP协议为它安装各种“技能”。5. 扩展“手脚”通过MCP协议安装与配置技能SkillsMCPModel Context Protocol是OpenClaw生态中的关键一环。你可以把它想象成一套标准的“插槽”或“接口”。任何符合MCP协议的工具或数据源都可以作为一个“技能”被插入到OpenClaw中。这样AI在思考时就能知道有哪些工具可用并在需要时调用它们去执行实际任务比如读写文件、搜索网页、查询数据库、发送消息等。5.1 理解MCP服务器与技能一个MCP技能本质上是一个独立的服务MCP Server它通过标准协议向OpenClaw作为MCP Client宣告“我能提供这些工具Tools和资源Resources”。OpenClaw在运行时会动态加载这些技能并将它们的能力整合到AI的决策范围内。OpenClaw支持多种方式添加MCP技能最常见的是通过配置文件或环境变量。这里我们介绍通过修改Docker容器的环境变量来添加一个官方示例技能。5.2 安装示例技能文件系统Filesystem为了让OpenClaw能够读写服务器上的文件我们可以添加“Filesystem”技能。这需要停止现有的容器并以新的配置重新运行它。停止并删除旧容器docker stop openclaw docker rm openclaw别担心我们之前通过-v参数挂载了数据卷所以用户数据不会丢失。重新运行容器并添加MCP服务器 我们使用-e参数来设置MCP服务器的配置。环境变量MCP_SERVERS的值是一个JSON字符串描述了要加载的MCP服务器。docker run -d \ --name openclaw \ -p 3000:8080 \ -v /home/devuser/openclaw-data:/app/backend/data \ -v /home/devuser:/home/devuser \ # 额外挂载一个宿主目录让Filesystem技能可以访问 -e TZAsia/Shanghai \ -e MCP_SERVERS{ mcp-filesystem: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /home/devuser] } } \ openwebui/openclaw:latest关键参数解析-v /home/devuser:/home/devuser我们将宿主机的用户主目录也挂载到容器内的相同路径。这样容器内的MCP Filesystem服务器才能有权限访问这个目录。-e MCP_SERVERS‘...’这里定义了一个名为mcp-filesystem的MCP服务器。它通过npx命令来运行modelcontextprotocol/server-filesystem这个npm包实现的服务器并指定服务器可以操作的根目录为容器内的/home/devuser对应宿主机的/home/devuser。验证技能加载 启动容器后查看日志docker logs -f openclaw。如果看到类似Loaded MCP server ‘mcp-filesystem’的日志说明技能加载成功。 在OpenClaw的WebUI中通常可以在设置或某个专门的“技能/Skills”页面看到已加载的技能列表里面应该会出现“Filesystem”相关的工具。5.3 测试技能让AI帮你操作文件现在你可以尝试和连接了DeepSeek或Qwen模型的OpenClaw对话让它使用新获得的技能。例如你可以说“请在我的主目录下创建一个名为test_openclaw.txt的文件并在里面写入‘Hello from OpenClaw!’。”如果配置正确AI会理解你的意图调用Filesystem技能的工具成功创建并写入文件。你可以通过SSH连接到服务器用ls和cat命令验证文件是否真的被创建在了/home/devuser目录下。5.4 探索更多技能Filesystem只是一个开始。MCP生态中有大量有趣的服务器modelcontextprotocol/server-sqlite让AI能够操作SQLite数据库。modelcontextprotocol/server-github让AI可以读取GitHub仓库的内容。modelcontextprotocol/server-google-drive连接Google Drive。社区还有很多其他服务器可以搜索“mcp server”找到。添加更多技能的方式是类似的只需在MCP_SERVERS的JSON对象中增加新的配置项即可。每个技能可能需要不同的参数和环境变量需要参考其各自的文档。避坑指南MCP技能配置的JSON字符串在Shell中容易因为引号问题出错。如果遇到启动失败首先检查docker logs中的错误信息。一个更稳妥的做法是将复杂的JSON配置写在一个文件里如mcp-config.json然后通过-v挂载到容器内再在环境变量中引用文件路径但这需要更深入的Docker知识。对于初学者先确保上述单技能的简单配置能成功运行。6. 实战应用将OpenClaw接入飞书或微信让OpenClaw在Web页面上聊天只是第一步更酷的玩法是让它接入日常办公通讯工具如飞书或微信成为一个24小时在线的智能助理。这通常需要通过额外的“桥梁”服务来实现这些服务负责接收通讯工具的消息转发给OpenClaw的API再将OpenClaw的回复传回通讯工具。由于直接部署和配置这些桥梁服务涉及较多步骤和第三方平台配置如飞书开发者后台、微信机器人协议这里我以概念和核心步骤为主为你指明方向。6.1 接入飞书机器人核心思路是部署一个“飞书事件回调服务”这个服务作为飞书开放平台和你本地OpenClaw之间的中转。在飞书开放平台创建应用访问飞书开放平台创建一个“企业自建应用”。在应用功能中启用“机器人”能力。配置“事件订阅”填写你的服务器公网IP地址或域名加上一个特定的回调路径如/feishu/event。飞书会将用户机器人的消息事件推送到这个URL。配置“权限管理”为机器人添加“获取用户发给机器人的单聊消息”等必要权限。验证并发布应用获得App ID和App Secret。部署回调服务你需要一个能处理HTTP请求的服务端程序。社区中有一些开源项目例如利用Python的flask或fastapi框架编写的飞书机器人SDK。这个服务需要做两件事 a.验证飞书请求根据飞书文档验证来自飞书服务器的请求签名确保安全。 b.消息路由收到用户消息后将其内容封装成请求调用你部署的OpenClaw的API通常是http://localhost:8080/api/v1/chat/completions类似的端点。然后将OpenClaw返回的文本回复按照飞书消息格式封装返回给飞书。配置与运行将你的回调服务代码部署到云服务器上可以放在另一个Docker容器中或者用Python直接运行。确保该服务可以通过公网访问可能需要配置Nginx反向代理并处理HTTPS因为飞书要求回调地址是HTTPS。在飞书开放平台提交配置并邀请机器人到群组或与它单独聊天测试。6.2 接入微信基于开源解决方案如wechaty接入个人微信更为复杂因为涉及微信客户端协议。wechaty等开源框架对此有封装但稳定性需要自己维护。选择协议wechaty支持多种协议后端如web网页版易被封、padlocal付费稳定、wechat4u等。你需要根据情况选择。部署机器人服务编写一个Node.js或Python脚本使用wechaty库登录一个微信账号通常需要扫码并监听消息事件。桥接OpenClaw当收到好友或群聊消息时脚本将消息内容发送至OpenClaw API获取回复后再通过wechaty的API发送回微信。运行与维护将脚本部署在服务器上长期运行。需要注意的是微信网页版协议不稳定可能需要定期维护或处理掉线重连。重要提示无论是飞书还是微信将机器人部署在公网并处理消息都涉及安全和合规问题。务必妥善保管API密钥、令牌等敏感信息不要泄露在代码仓库中。明确告知用户正在与AI对话并设置合理的对话边界。遵守相关平台的使用条款避免滥用导致账号或应用被封禁。对于微信机器人使用官方不鼓励的协议存在一定风险请谨慎用于重要场景。7. 进阶配置与日常运维当OpenClaw稳定运行后你可能会需要一些进阶操作来优化体验或进行维护。7.1 配置反向代理与域名可选但推荐直接通过IP:端口访问不够优雅也不安全HTTP明文传输。我们可以使用Nginx作为反向代理并配置域名和HTTPS。安装Nginxsudo apt install nginx -y配置Nginx站点 创建一个新的配置文件例如/etc/nginx/sites-available/openclaw。server { listen 80; server_name your-domain.com; # 替换为你的域名 location / { proxy_pass http://localhost:3000; # 指向OpenClaw容器的端口 proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } }然后创建符号链接启用它并测试配置sudo ln -s /etc/nginx/sites-available/openclaw /etc/nginx/sites-enabled/ sudo nginx -t sudo systemctl reload nginx申请SSL证书HTTPS 可以使用Let‘s Encrypt的Certbot工具免费申请证书。sudo apt install certbot python3-certbot-nginx -y sudo certbot --nginx -d your-domain.com按照提示操作Certbot会自动修改Nginx配置启用HTTPS。现在你就可以通过https://your-domain.com安全地访问OpenClaw了。7.2 管理Docker容器更新、备份与重启更新OpenClaw镜像当有新版本发布时可以拉取最新镜像并重启容器。docker pull openwebui/openclaw:latest docker stop openclaw docker rm openclaw # 然后使用之前带有一切参数的 docker run 命令重新启动 # 建议将复杂的 run 命令保存为一个脚本文件方便重复执行备份数据你的所有数据都在挂载卷/home/devuser/openclaw-data里。定期备份这个目录即可。tar -czf openclaw-backup-$(date %Y%m%d).tar.gz /home/devuser/openclaw-data # 可以将压缩包下载到本地或上传到其他云存储查看日志与调试docker logs openclaw # 查看最新日志 docker logs -f openclaw # 实时跟踪日志 docker exec -it openclaw bash # 进入容器内部如需调试7.3 常见问题排查QAQ访问IP:3000无法连接A首先检查服务器安全组/防火墙是否放行了3000端口腾讯云Lighthouse在控制台有防火墙设置。其次在服务器上运行docker ps看容器是否在运行运行docker logs openclaw看是否有错误日志。QOllama模型加载慢或报错A确认服务器内存是否足够。运行ollama ps查看模型状态。可以尝试拉取更小的模型如qwen2.5:0.5b。如果服务器在国内拉取模型可能很慢可以考虑先在有更好网络的环境下载模型文件再导入服务器。QMCP技能添加后在WebUI里看不到或无法使用A检查docker run命令中的MCP_SERVERS环境变量JSON格式是否正确。查看容器日志确认是否有加载MCP服务器的成功或错误信息。确保挂载的目录路径在容器内具有可访问性。Q如何彻底卸载A如果想从头再来执行以下命令这将删除所有数据docker stop openclaw docker rm openclaw docker rmi openwebui/openclaw:latest sudo rm -rf /home/devuser/openclaw-data # 如果安装了Ollama sudo systemctl stop ollama sudo rm -rf /usr/local/bin/ollama /usr/share/ollama ~/.ollama从领取一台纯净的云服务器到部署一个功能完整的AI Agent框架再到为其连接强大的模型和实用的技能这个过程本身就是一个极佳的学习路径。它串联起了Linux操作、Docker容器化、网络配置、API调用、服务集成等多个实用技能点。OpenClaw的魅力在于它的可扩展性和开放性你完全可以基于它打造一个专属于你个人或团队工作流的智能助手。无论是自动处理日报、分析数据、管理知识库还是作为创意伙伴它的可能性只受限于你的想象力。