1. 为什么你的 OpenClaw 总是卡在部署这一步OpenClaw 是一个能直接操作你电脑文件、浏览器和命令行的开源 AI 智能体你可以把它理解成一个住在终端里的“数字员工”。它和普通聊天机器人的区别在于普通机器人只能告诉你“怎么做”而 OpenClaw 能直接帮你把事做完——读写文件、执行脚本、定时推送消息甚至自己修改自己的配置。适合谁用想搭建 7×24 小时自动化助手的开发者、需要把 AI 拉进飞书工作群做团队协作的运维、以及注重数据隐私、希望模型完全跑在本地的极客。但现实情况是大部分人第一次部署 OpenClaw 都会卡住。我见过太多人兴冲冲地 clone 完仓库结果在环境变量、模型上下文窗口、端口放行这三件事上反复折腾一整天。尤其是本地部署时Ollama 默认的 4096 token 上下文窗口根本喂不饱 OpenClaw启动后直接报Model context window too small新手看到这个报错基本就懵了。而阿里云部署虽然有一键镜像但安全组端口没放行、Token 没生成、百炼 API-Key 填错位置同样会让你对着一个打不开的控制台页面发呆。这篇指南把两条部署链路拆开讲透一条是阿里云一键部署适合想要 7×24 小时在线、多设备访问的场景另一条是 Windows 本地部署配合 Ollama适合数据不出本机、追求隐私的用法。两条链路最后都会汇到同一个地方——飞书机器人接入让你的 OpenClaw 真正进入工作群干活。所有命令和配置都可以直接复制执行我会把每个步骤的预期结果和常见报错一起写清楚你照着做就能从零跑到可用。另外如果你不想在本地维护模型、又希望有一个统一的 API 通道来管理 Key 和模型切换我会在配置环节给出 TaoToken 的接入示例它提供 OpenAI 兼容的 Base URL可以直接填进 OpenClaw 的自定义 Provider 里省去你到处找 Key 的麻烦。2. 部署前的环境准备与方案选型在动手之前先把硬件和方案对齐能省掉后面 80% 的返工。OpenClaw 本身是个 Node.js 应用对 CPU 和内存的要求不算高真正吃资源的是它背后调用的模型。所以选型逻辑很简单模型跑在哪决定了你的部署方案。如果你选阿里云模型走的是云端 API比如百炼服务器只需要 2 核 4GB 就能跑得很稳因为推理压力不在服务器上。这种方案的优势是 7×24 小时不间断你关掉自己的电脑OpenClaw 照样在云上执行定时任务飞书群里 它随时有响应。成本方面轻量应用服务器新人年付通常有较大折扣加上百炼新用户赠送的免费 Token前期几乎零成本试水。如果你选 Windows 本地部署模型通过 Ollama 跑在本机那么显存和内存就是硬门槛。跑 7B 级别的模型比如 Qwen2.5:7b建议 NVIDIA 显存 ≥8GB内存 ≥16GB如果只有 4GB 显存可以退而求其次跑 4B 模型但复杂任务的推理质量会打折扣。本地部署最大的好处是数据完全不出本机你让 OpenClaw 读什么文件、执行什么命令全程离线也能跑模型加载后。这里有个容易被忽略的点OpenClaw 要求模型的上下文窗口至少 16000 tokens而 Ollama 拉下来的基础模型默认只有 4096。这不是 OpenClaw 挑剔而是因为智能体在执行任务时需要把系统提示、历史对话、工具返回结果全部塞进上下文窗口太小会直接截断导致它“忘记”自己正在干什么。所以本地部署的核心步骤之一就是用 Modelfile 重新定制一个 32k 上下文的模型这一步在后面的章节会详细展开。Node.js 版本方面OpenClaw 要求 ≥18.0.0建议直接上 22.x LTS。Windows 用户注意安装 Ollama 和 OpenClaw 时尽量用管理员权限的 PowerShell避免后续写配置文件时遇到权限拒绝。阿里云用户则要提前确认安全组能放行 18789 端口这是 OpenClaw 控制台的默认端口。方案对比可以看这张表按自己的实际需求对号入座对比维度阿里云部署Windows 本地部署稳定性7×24 小时在线关机即停访问方式公网 IP 随时访问仅本机/内网数据隐私云端存储完全本地模型来源云端 API百炼等Ollama 本地推理硬件门槛2 核 4GB 起16GB 内存 8GB 显存起适合场景团队协作、定时任务隐私优先、离线使用选型确定后无论走哪条路你都需要准备两样东西一个是模型通道的凭证阿里云是百炼 API-Key本地是 Ollama 的本地地址另一个是 OpenClaw 的访问 Token。这两样在后面的配置里会反复用到建议先记在一个临时文本里。3. 阿里云一键部署与 TaoToken 统一通道配置阿里云的 OpenClaw 镜像把大部分初始化工作都做成了可视化按钮但有几个关键配置项如果填错控制台就是打不开。这一节我把一键部署的完整链路和 TaoToken 的接入配置放在一起讲因为很多人在配好阿里云之后会想再挂一个统一的 API 通道来灵活切换模型。先走阿里云侧。进入轻量应用服务器购买页镜像类型选“应用镜像”找到 OpenClaw 2026 版。实例规格选 2 核 4GB地域按需选如果要用联网搜索功能注意部分国内地域有限制。购买完成后进入实例的「防火墙」页面放行 18789 端口协议 TCP。这一步不做后面浏览器一定打不开控制台。接着配置模型凭证。如果你用百炼去百炼控制台创建 API-Key然后回到轻量服务器控制台的「应用详情」点「一键配置」把 Key 填进去执行。之后点「执行命令」生成访问 Token。完成后浏览器访问http://你的公网IP:18789/?token生成的Token能看到控制台登录页就说明阿里云侧通了。现在讲 TaoToken 的接入。TaoToken 提供 OpenAI 兼容的 API 通道Base URL 是https://taotoken.net/api你可以在它的控制台创建 API Key然后在 OpenClaw 里把它配成一个自定义 Provider。这样做的好处是你不需要在阿里云和本地之间反复改配置只要切换 Model ID 就能换模型。OpenClaw 的 Provider 配置支持 JSON 格式路径通常在~/.openclaw/config.jsonLinux或C:\Users\用户名\.openclaw\config.jsonWindows。下面这段配置可以直接复制把sk-你的TaoTokenKey替换成实际 Key{ providers: { taotoken: { type: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: sk-你的TaoTokenKey, models: [ { id: claude-sonnet-4-20250514, name: Claude Sonnet 4, contextWindow: 200000 }, { id: gpt-4o, name: GPT-4o, contextWindow: 128000 } ] } }, defaultModel: taotoken/claude-sonnet-4-20250514 }这段配置里三个关键字段必须对齐baseUrl填https://taotoken.net/api注意不要加多余的路径apiKey填你在 TaoToken 控制台生成的 KeydefaultModel的格式是provider名/模型ID。配好之后重启 OpenClaw 网关它就会走 TaoToken 通道去请求模型。如果你更习惯用 TOML 格式部分 OpenClaw 版本支持等价配置如下[providers.taotoken] type openai-compatible baseUrl https://taotoken.net/api apiKey sk-你的TaoTokenKey [[providers.taotoken.models]] id claude-sonnet-4-20250514 name Claude Sonnet 4 contextWindow 200000 [default] model taotoken/claude-sonnet-4-20250514配完之后你可以用一条 curl 命令验证通道是否通curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的TaoTokenKey \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:ping}]}返回里如果有choices字段和正常内容说明 Key 和通道都没问题。如果返回 401检查 Key 是否复制完整如果返回local proxy failed通常是 Base URL 写错了确认是https://taotoken.net/api而不是别的路径。阿里云部署 TaoToken 通道的组合适合想要云端常驻、又希望模型选择灵活的用法。配好之后你的 OpenClaw 就同时具备了云端稳定性和多模型切换能力。4. Windows 本地部署Ollama 模型定制与 OpenClaw 启动本地部署的核心矛盾在于Ollama 默认的上下文窗口太小而 OpenClaw 需要大窗口。所以这一节的顺序是——先装 Ollama 并定制模型再装 OpenClaw 并指向本地模型最后启动验证。先确认 Node.js 版本。打开管理员 PowerShell执行node --version npm --version如果版本低于 18去 Node.js 官网下载 22.x LTS 安装。然后去 Ollama 官网下载 Windows 安装包默认下一步安装即可。装完后在 PowerShell 里执行ollama --version确认可用。接下来是关键的模型定制。先拉取基础模型ollama pull qwen2.5:7b拉取完成后切换到用户根目录创建 Modelfilecd C:\Users\你的用户名 FROM qwen2.5:7b PARAMETER num_ctx 32768 | Out-File -Encoding ascii Modelfile注意num_ctx 32768这一行它把上下文窗口从默认的 4096 扩到了 32k这是 OpenClaw 能正常工作的前提。然后用这个 Modelfile 创建自定义模型ollama create qwen2.5:7b-32k -f Modelfile ollama listollama list里应该能看到qwen2.5:7b-32k。你可以用ollama show qwen2.5:7b-32k --modelfile确认里面包含num_ctx 32768。现在装 OpenClawnpm install -g openclaw openclaw --version openclaw onboardonboard是配置向导关键选项这样填Model/auth provider 选Custom ProviderAPI Base URL 填http://127.0.0.1:11434/v1API Key 填ollama任意字符串但不能留空Endpoint compatibility 选OpenAI-compatibleModel ID 填qwen2.5:7b-32k。配置成功会显示Verification successful并输出 Web UI 地址http://127.0.0.1:18789和管理员 Token。启动服务openclaw gateway start --local openclaw dashboarddashboard会自动打开浏览器跳转到控制台。在控制台输入“你好我是你的主人”如果能正常回复本地链路就通了。这里有个细节如果你同时想用 TaoToken 的云端模型作为备选可以在config.json里把 TaoToken 的 Provider 也加上然后在控制台里切换默认模型。本地模型负责隐私敏感任务云端模型负责复杂推理两者共存不冲突。本地部署最容易踩的坑是端口占用。如果 18789 被其他程序占了openclaw gateway start会报错。用netstat -ano | findstr 18789找到占用进程换端口或者结束进程。另外Ollama 服务默认监听 11434如果这个端口被改过API Base URL 也要跟着改。5. 飞书机器人接入与回调验证全流程飞书接入是让 OpenClaw 从“本地工具”变成“团队助手”的关键一步。整个流程分三块装插件、配飞书开放平台、在 OpenClaw 端绑定。任何一块漏了飞书里 机器人都不会有反应。先装飞书插件。在 OpenClaw 控制台或命令行执行openclaw plugins install m1heng-clawd/feishu然后去飞书开放平台创建企业自建应用拿到 App ID 和 App Secret。进入「权限管理」用「批量导入导出权限」粘贴下面这段 JSON{ scopes: { tenant: [ aily:file:read, aily:file:write, application:application.app_message_stats.overview:readonly, application:application:self_manage, im:message, im:message.group_at_msg:readonly, im:message.p2p_msg:readonly ] } }这段权限里im:message和im:message.group_at_msg:readonly是必须的否则机器人收不到群聊 消息。导入后进入「事件与回调」→「事件配置」订阅方式选「使用长连接接收事件」添加事件im.message.receive_v1。这个事件是消息接收的入口漏了它飞书侧一切正常但 OpenClaw 永远收不到消息。配置完事件后去「版本管理与发布」创建版本并发布让配置生效。然后回到 OpenClaw 端在飞书里找到刚创建的机器人给它发任意消息机器人会回复一个配对码。在 OpenClaw 控制台输入这个配对码完成绑定。绑定成功后在飞书群聊里 机器人它就会响应。你可以先发一条简单指令测试比如“列出当前目录文件”看它是否能正常调用工具并返回结果。这里有个回调验证的细节飞书的长连接模式不需要你暴露公网回调地址这对本地部署特别友好。但如果你用的是阿里云部署确保服务器能出网访问飞书 API否则长连接建立不起来。验证方法是看 OpenClaw 日志openclaw logs follow如果日志里出现feishu connection established之类的字样说明长连接通了。如果一直重连检查 App ID 和 App Secret 是否填对以及应用版本是否已发布。飞书接入完成后你的 OpenClaw 就真正进入了工作流。群里的任务可以直接 它它执行完把结果发回群里整个过程不需要你打开终端。6. 部署常见报错排查与进阶配置部署过程中最耗时的不是配置本身而是遇到报错不知道从哪查。这一节把几个高频报错和对应的排查路径列清楚你对着症状找原因就行。报错一Model context window too small这是本地部署最常见的错误原因是 Ollama 模型上下文窗口没扩。解决方法就是回到第 4 节用 Modelfile 重新创建 32k 上下文的模型然后在 OpenClaw 配置里把 Model ID 改成qwen2.5:7b-32k。验证方法ollama show qwen2.5:7b-32k --modelfile确认输出里有num_ctx 32768。报错二401 Unauthorized如果你用的是 TaoToken 通道401 通常是 Key 复制不完整或者 Base URL 写错。检查config.json里的apiKey是否以sk-开头且没有多余空格baseUrl是否为https://taotoken.net/api。如果用的是百炼检查 API-Key 是否在百炼控制台有效。报错三local proxy failed这个报错一般出现在 OpenClaw 尝试连接模型通道时。常见原因是 Base URL 填成了带/v1的完整路径而 OpenClaw 自己会拼接/v1/chat/completions。把 Base URL 改成https://taotoken.net/api或者http://127.0.0.1:11434/v1本地 Ollama 需要带/v1具体看 Provider 类型。如果还不行用 curl 直接测通道排除是 OpenClaw 配置问题还是通道本身问题。报错四飞书收不到消息按这个顺序查第一事件订阅里有没有加im.message.receive_v1第二订阅方式是不是「长连接」第三OpenClaw 网关是否在运行openclaw logs follow看有没有飞书连接日志第四应用版本是否已发布。这四步里任何一步漏了消息都进不来。报错五阿里云控制台打不开先确认 18789 端口在安全组和防火墙都放行了。然后确认 Token 是否正确生成浏览器地址里的?token后面不能有多余字符。如果还不行SSH 登录服务器执行systemctl restart openclaw重启服务再看日志。排错时几个必备命令openclaw doctor # 诊断检查会列出配置问题 openclaw logs follow # 实时日志定位 bug 神器 openclaw gateway restart # 重启网关刷新机器人状态进阶配置方面部署完成后建议先装一个安全技能防止 OpenClaw 改崩自己的配置clawhub install config-safe-modify openclaw config set skills.config-safe-modify.autoRollback true然后按需装基础设施技能比如文件操作、网页抓取、定时任务clawhub install file-operations clawhub install web-crawler clawhub install cron-scheduler定时任务可以让 OpenClaw 每天早上自动推送新闻到飞书群openclaw cron add --name daily_news \ --schedule 0 9 * * * \ --skill tavily-search \ --param queryAI 最新进展 \ --channel feishu到这里你的 OpenClaw 已经从“能跑”进入“能用”阶段。后续的玩法就是不断给它加技能、调任务让它越来越贴合你的工作流。部署只是起点真正有意思的是看它每天帮你省下多少重复劳动。