1. 先搞清楚龙虾是啥再决定你该本地部署还是云端部署1.1 Openclaw这个丑萌名字其实是个AI智能体底座我第一次听到龙虾这个外号是在一个技术群里有人问你们的龙虾部署到哪了我第一反应以为是外卖。后来才知道大家说的是Openclaw——一个开源的AI智能体Agent编排平台。名字本身挺形象claw是爪子open是开放翻译过来就是张开爪子干活的开放框架叫着叫着就被国内社区叫成了龙虾。我可以用一句话说清它的价值大模型是大脑Openclaw就是连接大脑和手脚的神经系统。你让它读文档、写周报、调接口、回消息、跟Obsidian同步笔记、在Microsoft Teams里干活它都能把任务拆成多步骤流程自己调用工具、自己决定下一步最后把结果交付给你。比起直接在聊天窗口问大模型它的核心优势在于自动化执行——不是给你建议而是替你完成。因为项目是开源的社区也活跃配置门槛并不算高。就算没写过代码只要按步骤走完环境准备和部署流程也能把一台普通电脑变成7x24小时的AI助理。所以今天这篇就完全围绕Openclaw展开覆盖本地部署和火山Arkcloud云端部署两条完整路线适合刚从聊天式AI过渡到真干活Agent的入门者也适合已经装过但反复踩坑的老手。1.2 本地部署和云端部署怎么选才是对的在动手之前先解决路线问题。你是打算把Openclaw跑在自己的电脑上还是放到火山Arkcloud这类云服务器上这两条路我都走过体会非常明显。本地部署的优势很实在数据和对话记录全留在本机隐私可控不依赖公网带宽内网调用响应快可以接Ollama这类本地模型跑小任务不花一分钱。本地部署的代价也不少电脑必须常开否则定时任务全废Windows环境坑多WSL2、Node版本、路径分隔符都可能出问题人在外面时想远程访问还得额外做内网穿透或端口映射麻烦。云端部署以火山Arkcloud为例恰好弥补了这些短板7x24小时在线适合挂定时任务、团队共享纯Linux环境干净部署路径反而比Windows顺利有公网IP随时随地能连。代价也明确要花钱虽然不少云厂商对新用户有试用活动以及数据在别人机房密钥和权限得自己管理好。我的建议是如果只是个人试验、处理隐私文档、人基本就在电脑前先走本地如果你要让Agent在凌晨定时跑任务、要给团队用、经常不在电脑边直接上云端。两条路线在后面的章节里都会完整走一遍先攻本地毕竟它是门槛最低、也最容易跑通的第一站。2. 本地部署前的环境体检不把地基打牢后面全是坑2.1 那个经典报错WSL2环境无法安全验证先聊一个我在无数求助帖里见过的报错原话大致是Openclaw无法安全验证WSL2环境。请在PowerShell中运行wsl --status。可以说这是一个几乎每个Windows用户在本地部署Openclaw时都会撞上的第一道坎。它厉害在哪安装过程明明很顺利命令却直接拒绝启动。原因一点也不玄学Openclaw在执行代码、操作文件系统这类系统级任务时要借助WSL2作为沙箱环境用它隔离Agent对Windows本体的影响。如果WSL2没装好、版本不对或者默认版本还是1启动检查就会直接亮红灯。标准排查路径是这样的。先打开管理员权限的PowerShellwsl --status如果提示WSL未安装执行wsl --install装完重启电脑系统会自动拉取一个Ubuntu发行版。然后确认版本wsl -l -v看到两个发行版VERSION列是2就对了。如果发现是1执行wsl --set-version Ubuntu 2 wsl --set-default-version 2注意Ubuntu要替换成你系统里实际的发行版名称。我实测下来好多人报错不是因为没装WSL而是系统里同时存在WSL1和WSL2的残留状态默认版本一直指到1。这时候上面两条命令一起跑再重新执行wsl --status确认默认版本2才算真正过关。还有一个小概率问题WSL2本质是一个轻量虚拟机如果BIOS里关了虚拟化功能它也会处于各种奇怪状态。这个属于硬件层面排查顺序放在前面步骤之后即可不用一开始就进BIOS鼓捣。2.2 Node.js版本别贪新用nvm管理最省心Openclaw基于Node.js生态热搜里也有node.js官网下载openclaw说明很多人是从官网下载Node再装Openclaw的。但我强烈建议不要在官网下载一个固定版本装死而是用nvmNode Version Manager来管理。原因有两个第一Openclaw社区迭代极快不同版本对Node版本的要求可能不同固定装一个版本后面升级容易卡壳。第二nvm可以在不同项目之间切换Node版本这里做实验、那里跑生产互不干扰。WSL或Linux环境里装nvmcurl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc nvm install 20 nvm use 20如果你的网络访问GitHub不稳定装失败也没关系去nvm的GitHub仓库页面手动下载release包解压后配置PATH同样能生效。装完执行node -v看到v20.x.x就说明环境就位。然后顺手把npm镜像源换成国内镜像不然装依赖的时候你会怀疑人生npm config set registry https://registry.npmmirror.com这一步在国内环境几乎必做。我见过有人在默认源下安装Openclaw的依赖一晚上都没装完换完镜像三分钟搞定。2.3 大模型从哪来本地模型、云API还是综合接口Openclaw本身不带大模型它只是调度中枢你得给它接一个大脑。这里有三条路线按成本从低到高排列第一条是Ollama本地模型。装好Ollama拉一个参数量适中的模型比较典型的是qwen2.5:3b或qwen2.5:7b。零API费用、隐私最好效果取决于你的内存和显卡。有8G以上显存跑7B很舒服老笔记本跑3B也能应付文本任务。热搜里的qwen2.5-3b 关联到openclaw说的就是这条路线。第二条是国内云API比如DeepSeek、豆包这类。价格便宜、效果强需要申请API Key并充一点额度。DeepSeek的API在很多任务上速度和质量都很能打个人使用几十块能用很久。热搜词里deepseek本地部署也很火那是另一个方向本文第4节会讲DeepSeek云端API怎么接到Openclaw上。第三条是大厂综合API比如OpenAI兼容接口、火山引擎的大模型服务。生态好、能力强但价格更高对多数任务来说属于杀鸡用牛刀。选型判断很简单新手先用Ollama3B模型把流程跑通成本为零理解完机制之后再按需升级。别一上来就买一堆API额度先把Agent能跑这件事验证了再说。3. 本地一键部署实操从下载到跑通全流程3.1 安装Openclaw的两种路径官方脚本与源码环境准备好之后安装Openclaw就容易了。社区里最常见的是本地一键部署的方式官方提供安装脚本下载后自动拉取运行时依赖并生成配置文件。大体流程是确认Node和WSL2就绪然后去官方GitHub Releases页面下载对应平台的安装包或者直接用包管理器做全局安装。以npm为例npm install -g openclaw装完会有命令行工具再执行初始化命令开始配置。另一种方式是从源码安装适合想二次开发、看内部实现的人git clone https://github.com/openclaw/openclaw.git cd openclaw npm install npm run build我的建议非常明确新手先走官方脚本或全局npm包别碰源码。原因很简单源码安装等于自找麻烦要处理构建工具链Windows和WSL混着用时还可能遇到编译报错排查成本成倍增加。先让项目跑起来之后想做插件、写技能时再回头研究源码不迟。3.2 首次启动配置文件是重头戏安装结束后第一次运行会进入引导流程。前期需要准备的东西有这么几件存放配置的目录我一般放在~/.openclaw/下面模型服务地址如果走Ollama填http://localhost:11434模型名称比如qwen2.5:3b如果走云API还需要API Key。这里有个非常容易踩的细节配置里模型服务地址和模型名称是分开的两个字段。很多人只改了模型名称服务地址还是默认的OpenAI地址结果Openclaw怎么都不工作。后面排错章节我会专门讲这个。如果引导流程没法完全满足你的需求也可以直接手改配置文件。核心配置一般长这样provider: ollama baseUrl: http://localhost:11434 model: qwen2.5:3b apiKey: skillsDir: ~/.openclaw/skills3.3 用一个最简单任务验证整条链路配置写完之后启动Openclaw服务端进程然后下达第一个Agent任务。我推荐的任务是请读取当前目录下的README.md提取三个要点写入summary.txt。为什么第一单用这个因为它把Openclaw的调度、模型的理解能力、文件读写工具全串起来了又不涉及执行系统命令权限上最安全。第一次试验别让它删文件、别让它跑脚本先验证基本链路。实测中跑不通的原因七成在模型连接。判断方法很直接先用curl直接调模型接口。比如测Ollamacurl http://localhost:11434/api/tags能看到模型列表说明Ollama正常。再测生成接口能返回文本再回头检查Openclaw配置。这个排查顺序能帮你省掉大量瞎猜的时间。链路通了你才算是真正把Openclaw在本地部署起来了。4. 接上你的专属模型从Qwen到DeepSeek的接入实战4.1 本地模型方案Ollama Qwen2.5把本地模型接到Openclaw是性价比最高的一种玩法。模型层和Openclaw配置层分开操作。模型层先装Ollamacurl -fsSL https://ollama.com/install.sh | sh拉取模型ollama pull qwen2.5:3b启动服务默认监听11434端口ollama serve然后回到Openclaw配置把provider设为ollama基础地址填http://localhost:11434模型名填qwen2.5:3b。这里要重点提醒一个网络问题如果Openclaw跑在WSL里Ollama跑在Windows原生环境它们之间的地址就不是localhost了。WSL的Linux环境访问Windows宿主机需要填Windows那台机器的局域网IP或者把Ollama的监听地址改到0.0.0.0。最省心的做法是让Ollama和Openclaw都跑在WSL里网络问题直接消失。我自己的习惯是跑在WSL里后用一行命令确认IPhostname -I | awk {print $1}然后在Openclaw配置里就填这个WSL的IP加端口。多花三十秒少踩一个深夜排错的大坑。4.2 云端API模型DeepSeek接入细节本地3B模型跑跑简单任务还行遇到复杂推理经常力不从心。这时候接DeepSeek这类云API会舒服很多。接入流程去DeepSeek开放平台注册账号创建API Key充值最小额度在Openclaw配置里provider设为deepseek填上apiKey模型名一般填deepseek-chat或deepseek-reasoner。DeepSeek的API走OpenAI兼容协议所以如果你的Openclaw版本里没有deepseek这个provider选项可以用OpenAI provider然后手动把baseURL改成DeepSeek的接口地址。两种方式效果等同看版本支持情况选择。一条安全建议API Key属于敏感信息别直接写进团队共享的配置文件。至少要用单独的环境变量文件比如在~/.openclaw/.env里写DEEPSEEK_API_KEYsk-xxxx然后在主配置里引用环境变量。这个习惯帮我避免过一次灾难有一回我把key明文写进配置整个目录又提交到了Git仓库虽然仓库是私有的但同事clone之后key就等于半公开了最后只能全部轮换重来。教训很实在。4.3 多模型配置主备切换与成本控制Openclaw支持配置多个模型这算得上是我最喜欢的功能之一。因为本地模型偶尔会抽风——显存被占、进程挂掉云API偶尔也会超时或限流。配置一个备用模型能有效防止任务中断。我的主力配置长这样主模型本地Ollama qwen2.5:7b零成本响应快处理日常任务备模型DeepSeek API处理复杂推理主模型连续失败时兜底。配置里设置好优先级或权重字段。但你不用一开始就搞自动切换建议先手动切几天摸清楚哪些任务小模型能handle、哪些必须上大模型再考虑自动降级。自动降级听起来高级实际上如果你的任务对输出格式要求严格不同模型切换可能带来格式不一致的问题反而让下游工具挂掉。循序渐进最稳。5. 火山Arkcloud云端部署把龙虾放到云上跑5.1 云服务器怎么选配置、镜像、安全组本地部署跑通之后云端其实就是换一台永远开机的电脑。我选火山Arkcloud来演示是因为它对新用户友好、国内访问速度快、Linux实例镜像很干净。配置选择方面我的建议是入门体验2核4G Ubuntu 22.04足够跑Openclaw并接云API模型但别指望它能跑本地重模型进阶配置4核8G勉强能在云端CPU上跑7B级模型但推理速度很慢不怎么实用磁盘至少40G模型文件、容器镜像、日志都会慢慢吃掉空间。购买时有两个容易忽略的选项必须重视起来。第一个是登录方式。一定选SSH密钥对别用密码。密码登录不仅自己记着累还会被全网扫描爆破。密钥对一次配好一劳永逸。第二个是安全组。刚开机的云服务器默认只开放22端口这没错。但如果你之后要用浏览器访问Openclaw的Web界面就得在安全组里手动加一条规则放行对应端口。这个几乎人人都会踩我第6节还会再提。5.2 云端部署全流程从SSH到systemd守护连接服务器ssh root你的公网IP接下来都是Linux常规操作apt update apt install -y curl git curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc nvm install 20 nvm use 20 npm config set registry https://registry.npmmirror.com npm install -g openclaw到这里云端的安装跟本地Ubuntu几乎没差别。之后就是初始化配置填模型provider和API Key。如果你坚持在云端接本地模型装Ollama也行curl -fsSL https://ollama.com/install.sh | sh ollama pull qwen2.5:3b但我必须说句实话云服务器CPU推理真的很慢。2核4G的机器跑3B生成长文本等几分钟很常见。所以云端部署时我更推荐接云API模型把云服务器当成一个纯粹的调度中枢响应速度快成本也可控。Openclaw跑起来后最关键的一步是用systemd把它做成守护进程。不然SSH一断开进程就跟着没了。这也是上云部署和在云上跑一下的区别所在。新建服务文件/etc/systemd/system/openclaw.service[Unit] DescriptionOpenclaw Agent Service Afternetwork-online.target [Service] Typesimple Userroot WorkingDirectory/root ExecStart/usr/bin/openclaw start Restartalways RestartSec10 EnvironmentNODE_ENVproduction [Install] WantedBymulti-user.targetExecStart路径务必用which openclaw确认一下不同安装方式路径不一样。然后执行systemctl daemon-reload systemctl enable openclaw systemctl start openclaw systemctl status openclaw看到active (running)说明守护成功。以后开机自动启动、崩溃自动重启你的龙虾就在云端安家了。5.3 数据持久化云端跑别把会话弄丢云端部署和本地最大的差别是本地电脑是你的数据丢了还能找回来云服务器如果不做持久化重置镜像后配置和会话全部归零。我的三个习惯第一把配置目录和数据目录挂到独立云盘。购买火山Arkcloud时可以加一块数据盘挂载到/data然后在Openclaw配置里把数据路径指向/data/openclaw。这样即使系统盘出问题数据盘还在。第二定期备份技能目录和配置。技能是你沉淀下来的资产可以打包上传到对象存储或私有Git仓库。我的备份脚本很简单每天凌晨打包一次数据目录保留最近7天。第三升级前先备份。这个放到第7节详谈但原则现在就可以定任何大版本升级前没有备份就不要动。这些工作看着枯燥等你要回滚一次配置或者换一台服务器时你会感谢当时的自己。尤其技能目录里积累的那些工具函数丢了重写一遍真的肉疼。6. 远程接入与工具链扩展让龙虾不止会聊天6.1 SSH端口转发与HTTPS反代云端的访问姿势云端Openclaw跑起来之后怎么访问它开发阶段最轻量的是SSH端口转发。把本地电脑的某个端口转发到云服务器的Openclaw端口ssh -L 3000:localhost:3000 root你的公网IP然后本地浏览器打开http://localhost:3000就能看到Web界面。好处是数据全程走SSH加密不需要额外暴露端口坏处是隧道断了就得重连。正式使用的话建议用Caddy做反向代理加HTTPS。Caddy配置极简自动申请证书几分钟搞定。Caddyfile里写你的域名 { reverse_proxy localhost:3000 }然后在云服务器安全组只放行80和4433000端口继续保持仅内网访问。既安全又体面手机、电脑、任何浏览器都能直接访问。这里再次强调安全组很多人在这一步卡住服务明明在跑Web界面就是打不开。先看systemd状态再在服务器上用ss -tlnp | grep 3000确认端口监听最后看安全组。按这个顺序排查定位问题只要两分钟。6.2 接入Microsoft Teams与Obsidian让Agent进入日常工作流Openclaw比较吸引人的一个点是能把你的Agent接入现有工具。热搜词openclaw 如何接入microsoft teams和openclaw obsidian对应的就是这类需求。接入Teams的典型方式在Microsoft 365后台注册一个应用拿到应用ID和客户端密钥然后在Openclaw里创建一个技能让Agent监听Teams频道里的特定指令。比如同事在频道里openclaw 整理本周客户反馈Agent跑完之后把结果发回频道。团队协作时大家不用打开Openclaw界面直接在Teams里指挥Agent体验很顺。Obsidian接入则更偏个人知识库场景。可以写一个技能让Agent读取Obsidian库里的Markdown笔记根据新资料更新笔记、整理标签、生成每日总结。这个方案适合做知识库管家Agent不再是一个聊天气泡而是能真正操作你笔记系统的助手。接入第三方平台的技术要点其实只有两个一是授权OAuth或机器人Token二是Webhook或WebSocket事件监听。Openclaw把这两块都抽象成了模块你只需要在配置里填对信息。但千万注意Token绝对不要写进公共代码或公开仓库这是安全底线。6.3 技能目录把重复任务沉淀成Openclaw技能Openclaw的技能概念很像编程里的函数封装。第一次让Agent完成任务可能只是对话式的一次性行为但如果把这个任务的执行流程写成技能之后就能反复调用。我写过最有价值的一个技能叫周报整理读取多个来源的笔记按项目归类生成周报Markdown推送到指定目录。第一次编写花了一小时之后每周重复利用省下来的时间早就回本了。技能目录在配置里指定一般是一个文件夹里面是描述文件加可执行脚本。Openclaw会在合适的时机自动选择调用这些技能。对新手来说这个概念可能有点抽象但你可以从最简单的读取文件并总结开始用到顺手了再逐渐加工具。记住一个原则凡是你在对话里让它干过两次以上的事都值得沉淀成技能。7. 部署完之后的维护清单与踩坑实录7.1 升级与备份的节奏Openclaw迭代快功能更新频繁但配置格式也可能变动。我的升级节奏很固定先备份配置和数据目录再执行升级升级后立刻跑一个验证任务确认核心流程没被破坏然后摘要把这次升级记录到自己的跟进清单里。全局npm包的升级命令很简单npm update -g openclaw源码安装的话去仓库拉最新代码重新build。无论哪种方式升级前花两分钟看一眼官方更新日志确认有没有破坏性变更。省这一眼可能换来一整晚的排错。7.2 常见故障速查表我整理一份实际部署中遇到过的故障表按频率排序现象排查点常见解法启动报WSL2错误WSL版本、默认发行版wsl --set-version Ubuntu 2模型连接失败provider的baseUrl改成正确的localhost地址或WSL IP任务跑一半报错模型上下文长度不足换更大模型或降低单次输入长度Web界面无法访问systemd、端口、安全组按状态、监听、安全组三步排查内存占用飙高模型上下文加并发任务限制并发数或增加swap配置不生效配置文件缓存未刷新重启Openclaw进程再测试这张表其实是从几十次深夜排错里提炼出来的。每次出问题先默念状态、日志、配置、网络按顺序查基本都能定位。7.3 我个人踩过且值得分享的三个坑第一个坑在Windows下直接跑Openclaw不用WSL。我当初觉得装好了就没事结果Agent操作文件时一直报路径解析错误因为它把Windows路径当成Linux路径了。最后把所有东西迁进WSL里世界安静了。所以热搜里那个Openclaw无法安全验证WSL2环境的报错真不是开发者在小题大做它是在保护你。第二个坑把API Key写进配置文件然后整个目录又进了Git仓库。虽然仓库私有但团队里有人clone后key就等于半公开了最后全部轮换。现在我所有密钥一律走环境变量配置文件里只留引用名。第三个坑云端安全组忘记放行端口。部署完systemdWeb界面怎么都打不开远程排查了半小时最后发现就是安全组没开。这个错误低级到不值得犯第二次所以我把排查顺序写死在脑子里先看服务状态再看端口监听最后看安全组。7.4 给后来者的几句实在话最后不打算做总结只想补几句真话。Openclaw这类AI Agent框架真正值钱的从来不是安装过程而是你如何设计它要执行的任务、如何选型模型、如何把重复劳动沉淀成技能。工具迭代再快方法论是通用的——先小步验证再逐步放大出了问题按顺序排查永远比满屏猜测有效。这篇指南从WSL2环境讲到了火山Arkcloud云端守护进程从Ollama本地模型讲到了DeepSeek云API基本覆盖了从零到能用的全过程。希望你装上龙虾之后少走几次弯路至少不用再围在WSL2那个报错前面挠头了。