最近后台收到不少读者私信几乎都在问同一件事华为云上怎么把 OpenClaw 跑起来作为一款把大模型、工具调用和自动化任务整合在一起的 AI Agent 框架OpenClaw也叫 Clawdbot这两年的热度确实很高。它要解决的核心问题很直接让大模型不只是陪聊天而是能按照你的指令去调用工具、执行流程、处理任务相当于给模型装上了手和脚。这篇内容面向零基础用户我会从华为云服务器的选购、初始化开始一步步讲到 OpenClaw 的安装、配置、接大模型、装技能最后把我自己踩过的坑整理成排查清单。不管你是刚接触云服务器的学生还是想在企业内网搭一套内部 Agent 服务的运维都可以照着流程走一遍。我自己在部署过程中也交过不少学费比如安全组忘了放行端口、模型 API 地址填错导致一直超时、配置文件权限不对结果服务反复重启。这些细节都不是什么高深知识但一旦踩中排查起来相当浪费时间希望这篇流程能帮你把这些弯路直接省掉。1. 部署前先弄懂 OpenClaw 的架构才不会瞎折腾1.1 OpenClaw 到底是个什么东西它适合用来做什么OpenClaw 本质上是 AI Agent 的运行时框架你可以把它理解成一个“数字管家”大模型是大脑负责理解指令和规划步骤OpenClaw 是躯干负责调度和执行而上面挂载的 Skill 技能包就是手和脚负责真正调用工具、查数据、发请求。它跟直接调用大模型 API 最大的区别在于OpenClaw 把“任务闭环”这件事标准化了。以前你写一段提示词模型给你一段回答就结束了具体能不能落地上看天吃饭。OpenClaw 引入了类似“计划-行动-观察-再行动”的循环机制模型每一步都会收到工具的返回结果然后决定下一步做什么直到任务完成。这种结构非常适合做自动化运营、数据处理、定时巡检、信息聚合这类多步骤任务。适合用 OpenClaw 的场景大致有这么几类个人助理类的定时任务和知识问答、电商场景的商品信息收集与比价、企业内部的数据报表生成和审批提醒以及对隐私要求比较高、希望数据留在自己手里的私有化 Agent 服务。不太适合的场景是如果你只是需要一个纯聊天机器人那直接用模型厂商的对话 API 就够了没必要上 OpenClaw 这么重的框架。1.2 为什么选华为云而不是本地电脑或者别的云厂商很多新手第一反应是“我本地装个 Ubuntu 虚拟机不也一样吗”本地跑通概念验证确实没问题但一旦涉及真实使用差距就出来了。Agent 服务需要 7x24 小时在线你的电脑不可能一直开着需要固定公网访问入口家里宽带的公网 IP 和端口开放情况不可控还可能要跑定时任务凌晨三点电脑待机了任务就断了。云服务器的优势是稳定、可控、弹性。华为云在国内的节点覆盖和线路质量都比较好尤其是你在国内服务器上部署访问模型厂商的国内 API 接口延迟通常比海外服务器低不少。购买成本上一台入门级 ECS 包年也就几百元比一台长期开机的台式机省电费省得多。还有一点容易被忽略华为云的安全组和 VPC 网络模型比较直观控制台界面在国内云厂商里算对新手友好的。你在网页上点几下就能放行端口不需要像自建机房那样捣鼓物理防火墙这对零基础用户来说非常重要。1.3 三种部署形态怎么选先想清楚再动手我建议部署前先明确一件事OpenClaw 本身不生产模型必须接一个大模型才能工作。根据模型接入方式部署形态分三种。第一种是“云服务器 云 API”也就是 OpenClaw 部署在华为云 ECS 上模型调用走 DeepSeek、通义千问、智谱这类国内厂商的开放 API。这种方案配置最简单、响应最快、成本也最可控因为按调用量计费不跑任务就不花钱。零基础用户我强烈建议先用这种方式打通全流程。第二种是“云服务器 本地模型”通过 Ollama 在服务器上部署开源模型比如 Qwen、DeepSeek 蒸馏版OpenClaw 直接走本地推理。这种方式数据不出服务器隐私性最好但服务器配置要求高。纯 API 模式 2 核 4G 就能跑本地跑模型至少 4 核 16G 起步想要流畅体验还得上带 GPU 的实例预算会明显上涨。第三种是混合模式日常任务走云 API涉及内部数据的任务走本地模型。这种适合已经有一定运维经验、对成本和隐私有精细控制需求的用户。新手不建议一上来就玩混合等你把第一种跑熟了再逐步扩展路径会平滑很多。2. 华为云服务器开通与初始化一步步照着做就行2.1 购买 ECS 的配置建议与费用控制进入华为云控制台找到“弹性云服务器 ECS”点击购买。规格选择这里我给三档参考直接对照选即可。如果计划用云 API 方式接入模型配置选“2 核 4G、40G 系统盘、3Mbps 带宽”就够了。这个配置跑 OpenClaw 主程序加几个 Skill 绰绰有余包年费用大概在几百元区间。需要注意带宽不必买大Agent 服务主要是文本交互和 API 请求3M 到 5M 完全够用带宽是费用的大头没必要浪费。如果想在服务器上同时跑 Ollama 本地模型建议直接上“4 核 16G”系统盘至少 80G因为模型文件动辄几个 G。如果你要跑 7B 以上参数的模型并且追求速度那就得看带 GPU 的加速型实例费用就按小时计了。我的建议是先在低价实例上用 API 模式把 OpenClaw 玩明白确认自己确实需要本地模型了再升级配置避免一开始就花冤枉钱。系统镜像选 Ubuntu 22.04 LTS 或者 Debian 12 都可以这两个系统的软件源里 Docker、Python 相关的包都很新配置起来省心。登录方式推荐用密钥对而不是密码密钥登录既安全又不用记密码。购买时还会让你选“安全组”这里先选“默认安全组”或“创建安全组”后面我会专门讲端口放行。2.2 安全组与端口放行这一步最容易被忽略安全组是华为云的入方向防火墙控制着外部哪些 IP、哪些端口能访问你的服务器。很多新手部署完成后发现“网页打不开”“API 连不上”八成都是安全组没放行对应端口。新手必看的三个端口配置22 端口用于 SSH 登录这个默认放行80 端口用于以后挂域名和反向代理建议放行OpenClaw 的 Web 管理界面端口如果你用的是默认 8080必须在安全组里放行。进入 ECS 实例详情页点击“安全组”标签页找到入方向规则添加如下几条协议 TCP、端口 22来源 0.0.0.0/0协议 TCP、端口 80协议 TCP、端口 8080。这里有两个细节经验。第一不要为了省事把安全组设置成“放行所有端口”尤其是 SSH 端口最好限制来源 IP 或者使用密钥登录否则服务器暴露在公网上容易被暴力扫描。第二安全组规则改完是即时生效的不需要重启服务器。如果改了规则还是不通再检查服务器内部的防火墙这个后面排查章节会说。提示安全组只管入方向流量。如果你在服务器内部又装了 UFW 之类的主机防火墙需要两边都放行才能通排查时先搞清楚流量卡在哪一层。2.3 连接服务器并完成基础初始化拿到服务器的公网 IP 和密钥后在你本地终端执行 SSH 登录。Windows 用户直接用 PowerShell 或者 Windows Terminal 就可以不用额外装软件。chmod 400 你的密钥.pem ssh -i 你的密钥.pem ubuntu你的服务器公网IP登录进去之后先做三件事更新软件源、安装基础工具、创建一个日常使用的非 root 用户。Ubuntu 的云镜像默认用户名是 ubuntu有 sudo 权限。我建议创建一个专门用户来跑 OpenClaw这样即使某个第三方 Skill 出了问题也不会影响系统其他部分。sudo apt update sudo apt upgrade -y sudo apt install -y curl git vim wget sudo useradd -m -s /bin/bash claw sudo usermod -aG sudo claw sudo passwd claw接下来安装 Docker。OpenClaw 的部署方式支持 Docker Compose官方推荐用这种方式依赖隔离做得好卸载也干净。安装 Docker 用官网脚本最省事一条命令搞定。curl -fsSL https://get.docker.com | sudo sh sudo usermod -aG docker $USER安装完 Docker 后用newgrp docker或者重新登录一次让当前用户直接使用 docker 命令而不需要每次加 sudo。验证方式是执行docker version能看到 Client 和 Server 两段信息就说明安装成功了。3. OpenClaw 主程序安装与配置保姆级实操3.1 两种安装方式怎么选Compose 还是手动装OpenClaw 支持两种主流安装方式Docker Compose 和 Python 虚拟环境手动安装。我的建议很明确新手用 Docker Compose想深入了解内部机制再选手动装。Docker Compose 的好处在于所有依赖都被打包进镜像里不会污染服务器系统环境。Python 项目最烦的就是依赖冲突这个项目要 Python 3.10那个项目要 3.8前一个库升级了后一个就报错。容器化之后这些头疼问题全都不存在了。而且容器崩溃了可以秒级重启系统坏了也不用重装服务器。手动安装也有它的价值。如果你想二次开发改 OpenClaw 的源码或者调试 Skill 的调用链路装在本地方便多了。我早期调试一个自定义 Skill 时先手动安装跑通逻辑确认没问题后再改成 Docker 部署这个工作流很舒服。两种方式不互斥你可以都试试。3.2 Docker Compose 部署完整流程首先从官方仓库拉取代码和编排文件。注意以官方仓库 README 为准这里演示的是通用流程cd ~ git clone https://github.com/openclaw/openclaw.git openclaw cd openclaw cp docker-compose.yml.example docker-compose.yml cp config.example.yaml config.yaml打开config.yaml先把里面server.port和model.provider这两项改掉。端口保持 8080 就行provider 先填你要用的模型厂商。改完之后启动容器docker compose up -d docker compose logs -f看到日志里出现类似 “OpenClaw server started on port 8080” 的信息就说明启动成功了。此时在浏览器里访问http://你的服务器公网IP:8080应该能看到管理界面。需要提醒的是Docker 容器里的 config.yaml 是通过docker-compose.yml里的 volume 挂载映射进去的。如果你改了宿主机上的配置必须执行docker compose restart让它重新加载只改文件不重启是不生效的。还有一点容器内的工作目录和宿主机不一定一致日志文件、SQLite 数据库这些数据要提前用 volume 挂载到宿主机否则容器删除后数据全没了。3.3 手动安装方式与配置文件逐行解读手动安装本质上就是创建 Python 虚拟环境、装依赖、跑起来。执行以下命令cd ~ git clone https://github.com/openclaw/openclaw.git openclaw cd openclaw python3 -m venv venv source venv/bin/activate pip install --upgrade pip pip install -r requirements.txt cp config.example.yaml config.yaml这里踩过一个坑直接用系统的 Python 装包容易和系统自带的包冲突所以一定要用 venv。装依赖的时候如果网络慢可以临时换成国内 PyPI 镜像源pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple启动主程序用python main.py --config config.yaml如果日志级别默认启动后终端会滚动输出调试信息。建议把config.yaml里面log.level改成info在不影响排查问题的前提下减少日志量。配置文件是部署的核心我把关键项逐一说明。model.provider决定走哪家模型服务model.api_key填模型厂商的密钥model.base_url是 API 兼容地址很多兼容 OpenAI 格式的服务商这里要填完整路径填错会一直报连接错误model.model填具体模型名。server.host必须填0.0.0.0如果填127.0.0.1外部就永远访问不到管理界面这个坑我踩过不止一次。storage.path指定 SQLite 数据库路径建议放在独立目录。skills.dir指定技能包目录。3.4 用 systemd 托管服务让 OpenClaw 开机自启开发和测试阶段用python main.py前台运行没问题但正式使用就得做成守护进程否则 SSH 断开服务就停了。写一个 systemd 服务文件sudo tee /etc/systemd/system/openclaw.service /dev/null EOF [Unit] DescriptionOpenClaw Agent Service Afternetwork.target [Service] Userclaw WorkingDirectory/home/claw/openclaw ExecStart/home/claw/openclaw/venv/bin/python main.py --config /home/claw/openclaw/config.yaml Restartalways RestartSec5 EnvironmentOPENCLAW_HOME/home/claw/openclaw [Install] WantedBymulti-user.target EOF注意 ExecStart 一定要写虚拟环境里 Python 的绝对路径而不是python。配置好之后执行sudo systemctl daemon-reload sudo systemctl enable --now openclawRestartalways这一步的价值在于进程意外退出时 systemd 会在 5 秒后自动拉起来。Agent 服务跑的时间长了偶尔会碰上模型 API 超时导致的线程异常自动重启能省掉半夜爬起来看服务器的麻烦。4. 接入大模型与技能扩展让 OpenClaw 真正开始干活4.1 三种大模型接入方式对比别选错了OpenClaw 接模型的方式核心就三种云厂商 API、本地 Ollama、以及介于两者之间的内网模型服务。它们各自的定位差别很大。云厂商 API 的典型代表是 DeepSeek、通义千问、智谱 GLM 这些国产服务最大的优点是不占服务器资源、开通即用、按量计费。缺点一样明显对话内容会经过第三方服务如果 Agent 处理的是企业内部敏感数据合规上要打问号。本地 Ollama 正好相反模型文件完全部署在自己服务器上数据不出内网隐私性拉满。代价是硬件要求高推理速度不如云端大厂而且开源模型的能力天花板和商业模型还有差距复杂任务的完成率会低一些。内网模型服务是指你在公司内部服务器上部署了 vLLM、SGLang 这类推理服务或者用了云厂商的私有化部署方案暴露一个内网 API 给 OpenClaw 调用。这种方式适合中大型企业既有可控性又有一定性能但配置门槛最高。我按使用难度和应用场景把关键差异整理成了一张表接入方式部署难度运行成本数据隐私典型场景云 API低按 token 计费数据经第三方个人助理、公网 Agent本地 Ollama中服务器硬件成本数据留在本地隐私敏感、离线任务内网推理服务高需 GPU 资源数据留在内网企业私有化 Agent4.2 以 DeepSeek API 为例的完整配置案例云 API 方式配置最简单找一家模型厂商注册账号、创建 API Key然后把配置填进config.yaml就行。我第一次接入时用的是 DeepSeek配置如下model: provider: openai-compatible api_key: sk-你的密钥 base_url: https://api.deepseek.com/v1 model: deepseek-chat temperature: 0.7 server: host: 0.0.0.0 port: 8080 auth_token: 此处改为一串随机长字符串 storage: type: sqlite path: /home/claw/openclaw/data/openclaw.db skills: dir: /home/claw/openclaw/skills auto_install: true这里有两个极易踩的坑。第一个auth_token很多人不填或者随便填个简单的OpenClaw 的管理界面默认是需要鉴权的如果你不设置这个值外部扫描到你的 8080 端口就直接能操作你的 Agent后果很严重。一定要设置一个足够长的随机字符串最好用openssl rand -hex 32生成。第二个坑也是我反复强调的改了配置后必须重启进程。用 Docker 就docker compose restart用 systemd 就sudo systemctl restart openclaw。很多“为什么我配置了没生效”的疑问基本都是忘了重启。改模型参数也一样不是实时热加载的。改完之后去管理界面发一条消息测试比如让它“介绍一下你自己”如果界面返回了正常回答说明模型链路已经通了。4.3 在服务器上用 Ollama 跑本地模型的配置方法隐私要求高、或者想完全摆脱 API 费用的场景就需要在服务器上部署 Ollama。先安装curl -fsSL https://ollama.com/install.sh | sh ollama serve ollama pull qwen3:8bollama pull会从模型仓库下载权重文件8B 量化版大概 5G 左右下载时间取决于带宽。模型下载好后OpenClaw 的配置改成走 Ollamamodel: provider: ollama base_url: http://127.0.0.1:11434 model: qwen3:8b temperature: 0.7这里要特别注意base_url填127.0.0.1因为 Ollama 和 OpenClaw 在同一台服务器上走本机回环地址最快也最安全。如果你把 OpenClaw 装在 A 服务器、Ollama 装在 B 服务器这里就要填 B 服务器的内网 IP。用内网 IP 而不是公网 IP可以少走一层转发延迟低不少。本地模型的推理速度取决于硬件。我的实测经验是没有 GPU 的 4 核 16G 服务器跑 7B 参数模型生成速度大概每秒几个 token基本能用但谈不上流畅。有 GPU 会好很多7B 模型在消费级显卡上能做到每秒几十 token。如果你是零基础先不用折腾 GPU 优化能跑通理解这套机制比什么都强。4.4 Skill 技能包的结构与一个简单示例Skill 是 OpenClaw 的扩展机制决定你的 Agent 到底能“做”什么。Skill 的本质是一段可执行代码加一段说明描述OpenClaw 会在大模型需要时加载对应技能并调用它。社区里已经有不少现成技能比如查天气、汇率转换、网页抓取、定时任务这类直接安装就能用。安装现成技能很简单把技能目录放到config.yaml指定的skills.dir下面即可前提是目录里有合法的技能描述文件SKILL.md。OpenClaw 启动时会自动扫描技能目录并加载技能描述供模型调度。验证技能是否被加载看启动日志里有skill registered字样就可以。如果想自己写一个技能结构大致如下。以“获取本机 CPU 和内存占用”为例技能目录就叫system_status目录里包含SKILL.md和一个 Python 脚本。SKILL.md描述技能用途和参数格式脚本实现具体逻辑。写好后重启 OpenClaw然后对 Agent 说“看一下服务器现在的负载情况”模型应该能识别这个意图并调用技能返回结果。写技能有几个经验值得分享。第一技能描述尽量写清楚触发条件和参数含义模型的调度质量很大程度上取决于描述写得清不清楚这点和大模型提示词是一个道理。第二技能的输入输出尽量用 JSON结构化数据对模型后续的推理更友好。第三第三方技能安装前务必检查代码因为技能是拿到服务器执行权限的乱装不可信来源的技能等于把服务器大门敞开。5. 常见问题与排查技巧实录5.1 部署实战中的典型问题速查表我把部署 OpenClaw 这半年遇到的典型问题整理成一张速查表绝大多数新手卡住的点都在里面症状常见原因解决办法浏览器访问公网 IP:8080 打不开安全组未放行 8080或服务监听在 127.0.0.1控制台放行端口确认 server.host 为 0.0.0.0API 请求一直超时base_url 填错或服务器无法访问模型服务核对 base_url 是否含 /v1 路径用 curl 单独测试模型接口模型返回 401 鉴权失败API Key 填错或复制了多余空格重新生成 Key检查 yaml 中引号与空格服务启动后马上退出配置文件语法错误或依赖缺失看日志 tail手动执行启动命令看报错容器重启后数据丢失数据目录没有挂载 volume在 docker-compose.yml 中挂载宿主机目录响应很慢模型并发配置过高导致线程阻塞调低并发数或升级 CPU/内存配置日志里大量 HTTP 500模型服务临时故障查看具体异常堆栈必要时重启模型服务这张表排查顺序建议从“网络层 → 配置层 → 服务层”推进先确认端口通不通再确认配置对不对最后看进程日志。日志往往能直接告诉你问题在哪不要跳过。5.2 网络与防火墙排查思路两层都要查只要遇到“连不上”的问题第一件事就是分层定位。先在本地执行ping 服务器IP能通说明服务器在线如果 ping 不通多半是安全组没有放行 ICMP 或者服务器欠费停机了。接着在本地执行curl http://服务器IP:8080如果没响应需要判断流量到底卡在哪一层。进入服务器先看服务是否存活ss -tlnp | grep 8080。如果这个命令有输出说明 OpenClaw 确实监听了 8080。然后在本机回环测试curl http://127.0.0.1:8080。能通的话问题就出在安全组或者主机防火墙。华为云安全组在控制台按前文配置主机防火墙检查 UFWsudo ufw status如果显示 active执行sudo ufw allow 8080/tcp。一个容易混淆的点是华为云的“安全组”和操作系统内部的“防火墙”是两套独立机制两层都必须放行才能从外部访问。你可以把安全组理解为小区大门ufw 就是你自己家的防盗门两道门都得开才能进屋。反过来如果内网测试 curl 返回超时而 ss 又没看到监听端口说明服务挂了或者配置错了去看进程日志。5.3 性能与稳定性调优建议让 Agent 长期稳定运行部署完成只是开始长期稳定运行才见真功夫。我把实践中有效的调优手段分享出来。内存紧张是低配服务器最常见的瓶颈。2 核 4G 的机器跑 OpenClaw 主程序加上 Python 运行时空闲时内存占用在 1G 到 1.5G 之间高峰并发任务时可能逼近 3G。建议配置 Swap 兜底避免内存瞬间耗尽导致进程被系统杀掉sudo fallocate -l 2G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile但要注意 Swap 是机械硬盘/云硬盘的读写速度远不如内存只能用来应急不适合作为长期减压方案。如果频繁触发 Swap说明机器配置确实不够要么降低模型并发要么升级实例。日志管理也很重要。默认配置下日志不会自动清理跑几个月后日志文件可能膨胀到几个 G把磁盘占满。推荐用logrotate做轮转sudo tee /etc/logrotate.d/openclaw /dev/null EOF /home/claw/openclaw/logs/*.log { daily rotate 7 compress missingok notifempty copytruncate } EOF还有两个细节一是配置文件备份config.yaml里包含了 API Key 这类敏感信息建议每天定时备份到对象存储换机器迁移时直接下载恢复二是定期docker compose pull docker compose up -d更新镜像保持版本不过期但更新前一定先看官方变更日志有一次我更新后某个 Skill 的配置格式变了导致服务起不来查了好久才发现是升级引入的破坏性变更。6. 最后再分享几个经验教训整个部署流程走下来我个人最大的体会是OpenClaw 这类 Agent 框架的部署难度其实不高真正花时间的全在细节和排错上。如果你也是第一次部署我建议务必按照先 API 后本地模型、先单技能后多技能的顺序来。看到别人发了一堆酷炫的技能包就想全装上结果技能之间互相抢参数、模型上下文被撑爆排查起来特别崩溃。还有一个建议是养成随手看日志的习惯。OpenClaw 的日志写得还算清楚很多问题看日志就能定位到底层原因比对着配置反复猜高效得多。部署过程中如果遇到文档里没写的情况优先去官方仓库的 Issues 里搜关键词十有八九有前人踩过坑并且给出了解法。希望这份流程能让你少走一些弯路。如果按照上面的步骤操作顺利的话从买服务器到跑通第一个对话任务一个下午就能完成。部署完之后可以从一个简单的业务场景开始让 Agent 真正干点活比如定时抓取信息、自动生成日报慢慢你会体会到 Agent 框架和纯聊天模型的差别到底有多大。