1. 项目概述为什么选择这个方案最近几年AI 助手从云端走向本地和私有化部署的趋势越来越明显。无论是出于数据隐私的考虑还是为了获得更低的调用成本和更快的响应速度很多开发者和技术爱好者都开始尝试自己搭建专属的 AI 助手。OpenClaw 作为一个开源的、功能强大的 AI 助手框架支持接入多种大语言模型并能通过技能Skill扩展实现自动化任务成为了一个非常热门的选择。然而在个人电脑上 7x24 小时运行这样一个服务不仅耗电还可能影响电脑的其他用途。这时候一台稳定、低成本且独立的服务器就显得尤为重要。腾讯云推出的轻量应用服务器特别是那款年付仅 99 元的配置就完美地击中了这个痛点。它提供了一个纯净的 Linux 环境、公网 IP 和稳定的网络相当于我们拥有了一个全年无休、随时在线的“AI 大脑”主机。这个方案的核心价值在于“性价比”和“可控性”。用极低的成本获得一个专属的、可高度定制的 AI 助手服务。无论是用来处理日常的文本工作、作为编程辅助还是通过技能实现自动化比如定时汇报、信息聚合它都能成为一个得力的数字伙伴。接下来我将详细拆解从零开始在这台 99 元的服务器上部署和配置 OpenClaw 的全过程包括你可能遇到的所有坑和我的解决经验。2. 前期准备服务器选购与基础环境配置2.1 腾讯云轻量服务器选购与初始化首先你需要在腾讯云官网找到“轻量应用服务器”产品页面。通常促销活动中的 99 元/年套餐配置是 1核 CPU、2GB 内存、40GB SSD 云硬盘和 300GB 月流量包。对于运行 OpenClaw 和一个小型语言模型如 7B 参数的模型来说这个配置是入门的最低门槛可以流畅运行基础功能。购买时镜像选择是关键。我强烈推荐选择Ubuntu 22.04 LTS。LTS 代表长期支持系统更稳定社区支持和完善的教程也最多能避免很多兼容性问题。在购买页面的“应用镜像”里直接选择“系统镜像”中的 Ubuntu 22.04 即可不要选那些预装了宝塔、WordPress 的应用镜像我们需要一个干净的系统。服务器创建成功后第一件事不是急着登录而是去控制台的防火墙安全组设置。默认可能只开放了 22SSH、80HTTP、443HTTPS端口。OpenClaw 的 Web 管理界面默认运行在 10080 端口我们需要手动添加一条规则协议 TCP端口范围 10080来源 0.0.0.0/0允许所有 IP 访问生产环境建议限制为你的 IP。同时如果你计划使用其他技能或服务可能还需要开放诸如 8000、7860 等端口可以后续按需添加。注意首次登录后立即使用sudo apt update sudo apt upgrade -y命令更新系统软件包这是一个好习惯可以修复已知的安全漏洞。2.2 系统基础环境与依赖安装通过 SSH 连接到你的服务器后Windows 用户可使用 PowerShell 或 PuTTYMac/Linux 用户直接用终端我们就开始搭建基础环境。OpenClaw 的部署方式多样但为了隔离性和便于管理使用 Docker 是最推荐的方式。1. 安装 Docker 与 Docker ComposeDocker 能保证环境一致性避免“在我机器上好好的”这种问题。执行以下命令安装 Docker# 卸载旧版本如果有 sudo apt-get remove docker docker-engine docker.io containerd runc # 安装依赖包 sudo apt-get update sudo apt-get install -y ca-certificates curl gnupg lsb-release # 添加 Docker 官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置稳定版仓库 echo \ deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null # 安装 Docker Engine sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 验证安装 sudo docker run hello-world安装成功后运行hello-world镜像如果能看到欢迎信息说明 Docker 安装正确。为了避免每次运行 docker 命令都要加sudo可以将当前用户加入 docker 组sudo usermod -aG docker $USER。操作完成后需要完全退出 SSH 会话再重新登录这个权限变更才会生效。2. 安装 Python 与 Pip部分技能可能依赖虽然 Docker 化了但有些宿主机级别的工具管理还是需要 Python。Ubuntu 22.04 默认安装了 Python3我们确保 pip 已安装并更新至最新sudo apt install -y python3-pip pip3 install --upgrade pip3. 准备项目目录与配置文件为 OpenClaw 创建一个独立的工作目录所有相关文件都放在这里便于管理。mkdir -p ~/openclaw cd ~/openclaw在这个目录下我们将存放 Docker 配置、环境变量文件以及后续可能用到的数据卷映射目录。3. OpenClaw 核心部署与配置详解3.1 通过 Docker Compose 一键部署 OpenClawOpenClaw 官方提供了 Docker 镜像使用 Docker Compose 来定义和运行多容器应用是最清晰的方式。在~/openclaw目录下创建一个docker-compose.yml文件version: 3.8 services: openclaw: image: ghcr.io/openclaw-ai/openclaw:latest container_name: openclaw restart: unless-stopped ports: - 10080:10080 # 将容器内的10080端口映射到宿主机的10080端口 volumes: - ./data:/app/data # 持久化存储数据如配置、对话历史 - ./logs:/app/logs # 持久化存储日志 environment: - TZAsia/Shanghai # 设置容器时区 - OPENCLAW_HOST0.0.0.0 # 监听所有网络接口 - OPENCLAW_PORT10080 # 如果服务器内存较小可以限制容器资源使用 # deploy: # resources: # limits: # memory: 1.5G # cpus: 1.0这个配置做了几件事拉取最新版镜像设置容器自动重启映射端口将数据和日志目录挂载到宿主机防止丢失并设置了一些基础环境变量。保存文件后在同一个目录下运行启动命令docker-compose up -d-d参数代表后台运行。首次执行会从 GitHub 容器仓库拉取镜像可能需要一些时间。拉取完成后容器会自动启动。你可以使用docker-compose logs -f来实时查看启动日志确认没有报错。3.2 初始访问与基础配置当看到日志显示服务已在 10080 端口启动后就可以通过浏览器访问了。访问地址是http://你的服务器公网IP:10080。首次访问通常会进入一个初始化设置页面。你可能需要设置管理员账号、密码并配置初始的大模型连接。这里有一个常见的“坑”如果你的服务器位于国内直接连接 OpenAI 或 Anthropic 的官方 API 可能会因网络问题失败。OpenClaw 支持配置反向代理或使用国内可访问的 API 中转服务。在初始化配置的“模型提供商”部分如果你有可用的 OpenAI API Key可以在 Base URL 处填写一个国内可访问的反代地址如果有的话并填入你的 API Key。如果暂时没有也可以先跳过OpenClaw 内置了一些基础的示例技能和对话能力完成初始化后我们再来详细配置模型。完成初始化登录进入 OpenClaw 的主控制台。界面通常分为技能库、对话窗、工作流、模型配置等几个主要部分。我们先进入“模型设置”或类似的菜单。3.3 配置核心接入你的大语言模型OpenClaw 的强大之处在于它能对接多种后端模型。对于个人使用性价比最高的方案是部署本地模型。这里我推荐使用Ollama来在服务器本地运行开源模型。1. 在服务器上部署 OllamaOllama 是一个简化本地大模型运行的工具。我们在宿主机上安装它而不是放在 Docker 里这样模型文件管理更方便且可以被多个服务调用。# 一键安装脚本 curl -fsSL https://ollama.com/install.sh | sh # 安装完成后启动ollama服务 ollama serve # 注意这样启动会在前台运行建议配置为系统服务下文会讲。2. 拉取并运行一个轻量级模型2GB 内存的服务器运行 7B 参数的量化模型是可行的。例如Llama 3 的 8B 指令微调版或者 Qwen 的 7B 版本。以 Llama 3 8B 的 4-bit 量化版为例ollama pull llama3.1:8b-instruct-q4_K_M # 拉取完成后运行这个模型 ollama run llama3.1:8b-instruct-q4_K_M首次run会进行一些初始化你可以在交互式命令行里测试一下模型是否正常响应。测试成功后按CtrlC退出交互模式模型服务会在后台继续运行默认在 11434 端口。3. 将 Ollama 模型配置到 OpenClawOllama 提供了兼容 OpenAI API 的接口。在 OpenClaw 的模型配置页面添加一个新的模型模型类型选择 “OpenAI Compatible” 或 “Custom”。模型名称自定义如 “Local-Llama3-8B”。API 地址填写http://host.docker.internal:11434/v1。这里有个关键点如果 OpenClaw 运行在 Docker 容器内要访问宿主机的服务不能直接用127.0.0.1或localhost因为那指向的是容器内部。host.docker.internal这个特殊域名可以解析到宿主机的内部 IP。如果这个域名不生效在某些 Linux 环境下你需要先使用docker network inspect bridge命令查看 Docker 网桥的网关 IP通常是 172.17.0.1然后将 API 地址改为http://172.17.0.1:11434/v1。API KeyOllama 默认不需要 API Key留空即可。模型名称填写你在 Ollama 中拉取的实际模型名如llama3.1:8b-instruct-q4_K_M。保存后在 OpenClaw 的对话界面选择这个新配置的本地模型就可以开始对话了。响应速度取决于服务器 CPU 性能和模型大小第一次生成可能会慢一些后续会有缓存加速。实操心得对于 2GB 内存的轻量服务器运行 7B/8B 的 Q4_K_M 量化模型是极限。在模型生成文本时使用htop命令观察内存使用会接近占满。建议在docker-compose.yml中为 OpenClaw 容器设置内存限制如 1.5G为 Ollama 和系统本身留出一点余量避免因内存不足OOM导致容器被系统杀死。4. 进阶配置持久化、优化与技能拓展4.1 配置系统服务与持久化为了让 Ollama 和 OpenClaw 在服务器重启后能自动运行我们需要将它们配置为系统服务。1. 配置 Ollama 为系统服务Ollama 安装脚本通常会尝试创建服务。如果没有可以手动创建。创建文件/etc/systemd/system/ollama.service[Unit] DescriptionOllama Service Afternetwork-online.target [Service] Typesimple Userroot ExecStart/usr/local/bin/ollama serve Restartalways RestartSec3 EnvironmentOLLAMA_HOST0.0.0.0 # 如果需要被外部访问如同局域网的其它服务可修改此项 EnvironmentOLLAMA_MODELS/root/.ollama/models # 模型存储路径 [Install] WantedBymulti-user.target然后启用并启动服务sudo systemctl daemon-reload sudo systemctl enable ollama sudo systemctl start ollama sudo systemctl status ollama # 查看状态2. 确保 Docker Compose 服务自启Docker Compose 本身可以通过restart: unless-stopped策略实现自启但 Docker 服务必须在系统启动时运行。Docker 安装后默认已配置为自启。我们只需确保项目目录的docker-compose.yml在正确位置。更规范的做法是使用systemd来管理 Compose 项目但对于个人小项目上面的配置已足够可靠。3. 数据备份我们之前通过volumes映射了./data和./logs目录。定期备份~/openclaw整个目录即可。可以使用cron定时任务配合tar或rsync将目录压缩并传输到其他存储位置。4.2 性能优化与监控轻量服务器资源紧张优化很有必要。1. Ollama 模型参数调整运行 Ollama 时可以指定并行处理数和上下文长度来平衡性能。编辑~/.ollama/config.json如果不存在则创建{ num_parallel: 1, // 并行数CPU核心少就设为1 num_ctx: 2048 // 上下文长度降低可减少内存占用 }修改后重启 Ollama 服务sudo systemctl restart ollama。2. 使用 Swap 空间虚拟内存当物理内存不足时Swap 可以防止进程崩溃。为 2GB 内存的服务器添加 2GB 的 Swap 是合理的。# 创建Swap文件 sudo fallocate -l 2G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile # 永久生效编辑 /etc/fstab末尾添加一行 echo /swapfile none swap sw 0 0 | sudo tee -a /etc/fstab # 查看Swap状态 swapon --show注意Swap 使用硬盘空间速度远慢于内存这只是应急方案不能替代物理内存。3. 基础监控安装htop可以直观查看 CPU、内存、Swap 使用情况sudo apt install htop然后运行htop。关注 OpenClaw 和 Ollama 进程的资源消耗。4.3 技能Skill探索与配置OpenClaw 的 Skill 是其自动化能力的灵魂。它允许 AI 助手调用外部工具或 API。1. 内置技能OpenClaw 通常自带一些基础技能如网页搜索需要配置 Serper 或 SerpAPI 的 Key。天气预报需要配置和风天气等服务的 Key。计算器、时间等基础工具。你可以在技能商店或设置页面查看并启用它们按照提示填入必要的 API 密钥即可。2. 自定义技能进阶对于开发者可以编写自定义技能。这通常需要一些 Python 编程知识。技能本质是一个 HTTP 服务接收 OpenClaw 的请求执行特定操作如调用某个内部系统 API、处理数据等并返回结果。 OpenClaw 的文档会提供技能开发 SDK 和示例。基本流程是在 OpenClaw 后台注册技能填写技能名称、描述和 endpoint URL。在你的服务器上或另一个容器内用 Python Flask/FastAPI 编写一个服务监听特定端口。实现技能逻辑并确保其接口符合 OpenClaw 的技能调用规范。将你的技能服务地址如http://你的技能服务IP:端口配置到 OpenClaw 中。例如你可以写一个技能让 AI 助手在接到指令时去查询你服务器上的某个日志文件或者触发一个备份脚本。5. 安全加固、故障排查与日常维护5.1 基础安全设置服务器暴露在公网安全是重中之重。1. 修改 SSH 端口并禁用密码登录编辑 SSH 配置文件sudo nano /etc/ssh/sshd_config找到#Port 22取消注释并将 22 改为一个 1024-65535 之间的随机端口如Port 23456。找到PasswordAuthentication yes改为PasswordAuthentication no。这步的前提是你已经将 SSH 公钥上传到服务器否则会被锁在外面找到PermitRootLogin建议设置为PermitRootLogin prohibit-password或no。修改后重启 SSH 服务sudo systemctl restart sshd。务必在重启前用新的端口和密钥方式测试连接是否成功保持当前连接窗口不要关闭新开一个终端窗口测试。2. 配置防火墙UFWUbuntu 自带 UFW 防火墙简化 iptables 操作。sudo ufw allow 23456/tcp # 允许新的SSH端口 sudo ufw allow 10080/tcp # 允许OpenClaw Web端口 sudo ufw allow 11434/tcp # 如果Ollama需要被外部访问通常不需要 sudo ufw enable # 启用防火墙默认拒绝所有入站 sudo ufw status verbose # 查看规则3. 为 OpenClaw 配置反向代理与 HTTPS可选但推荐直接通过 IP:10080 访问不够安全也显得不专业。你可以使用 Nginx 或 Caddy 作为反向代理并利用 Let‘s Encrypt 申请免费 SSL 证书实现 HTTPS 加密访问。 以 Nginx 为例安装后创建一个站点配置文件如/etc/nginx/sites-available/openclawserver { listen 80; server_name your-domain.com; # 替换为你的域名 location / { proxy_pass http://127.0.0.1:10080; 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; } }然后启用站点并配置 SSL。如果你没有域名这一步可以跳过但务必确保 OpenClaw 的访问密码足够复杂。5.2 常见问题与故障排查在部署和使用过程中你可能会遇到以下问题1. 访问http://IP:10080连接被拒绝或超时。检查防火墙确保服务器安全组和 UFW 都放行了 10080 端口。检查容器状态运行docker-compose ps查看 OpenClaw 容器是否处于 “Up” 状态。如果不是运行docker-compose logs查看具体错误日志。检查端口映射确认docker-compose.yml中的端口映射是10080:10080并且容器内的应用确实监听在 10080 端口。2. OpenClaw 无法连接 Ollama 模型报错 “Connection refused” 或 “Timeout”。检查 Ollama 服务状态sudo systemctl status ollama。检查网络连通性在 OpenClaw 容器内测试是否能访问宿主机的端口。可以进入容器docker exec -it openclaw /bin/bash然后尝试curl http://host.docker.internal:11434。如果失败尝试用宿主机的实际内网 IP如 172.17.0.1替换host.docker.internal。检查 Ollama 监听地址确保 Ollama 服务监听在0.0.0.0或127.0.0.1。如果是127.0.0.1则容器无法访问需要修改 Ollama 启动环境变量OLLAMA_HOST0.0.0.0。3. 模型响应速度极慢或对话中途中断。检查服务器资源运行htop看是否是内存或 CPU 跑满。2GB 内存运行 7B 模型非常紧张生成长文本时极易触发 OOM。考虑换用更小的模型如 3B 参数或使用更低比特的量化版本如 Q2_K。检查模型是否加载在宿主机运行ollama list查看模型是否已下载。运行ollama run 模型名测试模型本身生成是否正常。查看日志分别查看 OpenClaw 容器日志 (docker-compose logs openclaw) 和 Ollama 服务日志 (sudo journalctl -u ollama -f)寻找错误信息。4. 忘记 OpenClaw 管理员密码。如果数据目录./data是持久化的密码信息通常存储在里面的数据库文件中。最直接的方法是重置。可以尝试删除或重命名./data目录下的特定文件如sqlite.db然后重启 OpenClaw 容器会重新进入初始化流程。注意这会丢失所有对话历史和配置操作前请备份./data目录。5.3 日常维护与升级1. 日志查看OpenClaw 应用日志docker-compose logs -f openclaw。Ollama 日志sudo journalctl -u ollama -f。系统资源监控定期运行htop。2. 版本升级OpenClaw修改docker-compose.yml中的镜像标签为最新版本号如ghcr.io/openclaw-ai/openclaw:v1.2.0然后运行docker-compose pull docker-compose up -d。建议先查看官方 Release Notes了解是否有不兼容的变更。Ollama升级命令很简单ollama upgrade。它会更新 Ollama 本体和所有已拉取的模型到最新版本。3. 成本与资源监控腾讯云轻量服务器 300GB 月流量对于纯文本交互的 AI 助手来说完全够用主要流量消耗在于拉取 Docker 镜像和模型文件。日常使用几乎不耗流量。关注服务器续费提醒避免服务中断。这个 99 元/年的 OpenClaw AI 助手方案搭建起来后就是一个完全属于你、随时待命的智能伙伴。从技术探索到生产力工具它的可玩性和实用性都非常高。最关键的是整个过程你完全掌控数据私密成本可控。遇到问题多查日志、善用搜索引擎和社区大部分坑都能跨过去。