前两天有个朋友问了我一个很典型的问题“我手机上装了各种AI聊天App为什么还要折腾OpenClaw”这个问题其实问到了点子上。如果你只是想偶尔问几个问题现成的聊天软件确实够用了。但一旦你想让AI替你做一些“持续性”的事——每天自动整理信息、按你的风格写东西、把多个AI模型串起来协同干活——普通的聊天框就完全不够用了。OpenClaw这类开源AI助理框架解决的正是这个问题。这篇博文是我在阿里云ECS上把OpenClaw从零部署到能用的完整记录标题里说的“三步走”不是噱头整个流程算下来就是装好Docker、拉取项目、配上模型全程都是复制粘贴级别的操作。不管你是产品经理、运营、学生还是第一次碰云服务器的小白照着做就能拥有一个真正属于自己的AI助理服务。为什么选阿里云而不是自己的电脑原因很简单本地电脑没法保证7x24小时在线想在外面通过手机访问更是不方便。云服务器是天然的“家”公网IP固定、重启不掉线、配置可以随时升级。阿里云对学生和新用户还有很友好的轻量套餐和新手优惠拿来跑OpenClaw这种自动化助理服务性价比非常合适。1. OpenClaw 到底是什么为什么我要把 AI 助理部署到自己的云服务器上1.1 一个聊天框解决不了的事OpenClaw 能解决先说结论OpenClaw 是一个开源的 AI Agent 框架简单理解就是“AI 助理的中控台”。它不替代具体的大模型而是负责把模型、工具、数据源和交互端整合到一起让你能用一个统一入口指挥多个AI干活。我更喜欢用“助理的中枢神经”来形容它。举个例子我每天早上需要浏览行业新闻、提炼重点、按固定格式生成日报然后推送给自己。用传统聊天App我得复制粘贴一堆URL进去、手动整理、再复制出来排版。但用OpenClaw我可以把“抓取RSS源——调用大模型总结——按模板输出日报——推送到指定渠道”定义成一个固定技能Skill到点自动执行我只需要看一眼结果。从热搜词上也能看出大家关心的方向有人搜“openclaw skill”有人搜“多ai协作”有人搜“ollama部署openclaw”还有人搜“openclaw安卓部署”——这些正好对应了OpenClaw最核心的几块能力技能系统Skill给助理挂载工具比如读取网页、搜索、定时任务、调用API、文件处理等。多AI协作同一个任务可以拆成几步分别交给不同的模型执行比如一个负责理解意图一个负责生成内容一个负责审核格式。模型自由接入既支持云端大模型API也支持Ollama本地部署的大语言模型。多端访问网页端、桌面companion、手机Termux等都能连到同一个助理后端。1.2 为什么要把这东西部署在自己的云服务器上我见过不少人在本地折腾OpenClaw确实能把Demo跑起来但真正用起来还是会碰到几个坎第一本地电脑的IP不固定出门在外根本连不上就算用内网穿透也有延迟和不稳定。第二本地电脑不能一直开机定时任务半夜跑到一半电脑休眠了任务就断了。第三OpenClaw这种框架会持续运行占用内存和CPU放在笔记本上会严重影响日常办公体验。而把OpenClaw部署到阿里云ECS上上面三个问题全部消失。服务器7x24小时在线有固定公网IP配置独立不影响你本地任何操作。而且阿里云有免费的SSL证书配合域名解析可以给助理服务加上HTTPS加密之后在外面用手机访问也完全安心。另外如果你关心隐私云服务器上的私有化部署也更有优势。不管是接Ollama跑本地模型还是用自己的API Key对话记录都只存放在自己的机器上不会出现在第三方平台的数据池里。这一条对企业用户来说尤其重要热搜词里“企业大模型私有化部署”一直有热度就是这个原因。2. 部署前的一小时准备阿里云ECS选型、系统初始化与安全组放行2.1 选哪台服务器配置怎么定地域怎么选零基础用户最容易在选服务器配置上犯迷糊。我的建议是跑通阶段用最低配置练手正式使用阶段再按需升级。OpenClaw本身占用资源并不高真正吃资源的是大模型。如果你打算用云端模型API比如阿里云百炼的千问系列模型在云端运行服务器只需要跑框架本身2核4G完全够用甚至1核2G也能跑只是并发能力弱一些。如果你打算接Ollama在服务器本地跑大模型那就要看你选多大的模型了。以最简单的1.5B参数模型为例4G内存勉强能跑想跑7B参数级别的至少要8核16G起步体验才能保证流畅。个人建议新手首次部署选“2核4G”的ECS实例系统镜像选 Ubuntu 22.04 LTS地域选离你最近的节点比如你在华东就选杭州或上海然后按量付费先跑起来。等确认OpenClaw真的能用了再改成包年包月价格还能便宜不少。这里有个很多人忽略的细节阿里云的地域节点跟延迟直接相关。你选“华北2北京”还是“华东1杭州”或者“华南1深圳”会影响你日常操作的响应速度。虽然不大但能选近的尽量选近的省得每次打开管理页面都卡顿。2.2 登录服务器第一次 SSH 连接的正确姿势购买ECS之后你会拿到一个公网IP以及系统默认的登录密码如果你在购买时设置了密钥对则是密钥文件。Windows用户我强烈建议直接用阿里云的“Workbench”网页终端先连上去熟悉一下环境Mac或Linux用户直接打开终端执行ssh root你的公网IP如果提示输入密码把控制台里的root密码输进去第一次登录建议立刻改密码。这一步没什么技术含量但有几个小坑值得注意安全组的22端口必须放行否则SSH连接会一直卡住超时稍后细说。阿里云默认禁止root直接密码登录的情况极少但如果你之前自定义过安全策略可能需要在/etc/ssh/sshd_config里确认PasswordAuthentication是yes改完记得重启sshd服务。登录成功后立刻执行系统更新把内核和软件源更新到最新sudo apt update sudo apt upgrade -y这一条很重要。很多部署问题其实不是OpenClaw的问题而是系统太老、依赖库版本过低导致的。先更新完系统后面的步骤会顺畅很多。2.3 安全组配置这一步错了部署再对也访问不了“安全组”是阿里云最重要的网络概念没有之一。它是云服务器的防火墙按端口控制进出的流量。很多新手把OpenClaw配置都弄好了最后却访问不了原因基本都是安全组没放行端口。我的建议是购买ECS实例后先在阿里云控制台找到“安全组”页面添加入方向规则22端口SSH来源建议填你家的公网IP或者是0.0.0.0/0图省事但生产环境最好限制来源。80端口HTTP来源填0.0.0.0/0用于通过HTTP访问Web界面。443端口HTTPS来源填0.0.0.0/0如果你之后配了域名和证书就靠它了。如果你打算用非标准端口比如8080绕过备案或图省事也记得同步放行对应端口。但我不推荐长期用非标准端口跑服务安全性和规范度都差一些。完成这些设置后建议顺便装一个文本编辑器备用如果你是纯小白用nano最简单sudo apt install -y nano现在你的服务器已经准备好了。真的只需要这些不需要任何花哨的配置。接下来进入正文主菜三步部署OpenClaw。3. 三步部署正式版从裸系统到 OpenClaw 跑起来3.1 第一步安装 Docker 与 Compose 插件OpenClaw的官方推荐部署方式基本都基于容器。用Docker部署的好处是你不用在意系统里缺什么依赖不用手动装Node.js、Python、Redis这些乱七八糟的东西官方镜像把运行环境全部打包好了。对于零基础用户这等于把“环境搭建”这个最劝退的环节一键消灭了。在Ubuntu上安装Docker非常简单sudo apt install -y docker.io docker-compose-plugin装完后确认版本docker --version docker compose version两条命令都能正常输出版本号说明安装成功。顺手把当前用户加进docker组免得每次执行都需要sudosudo usermod -aG docker $USER执行完这行命令后建议断开SSH重新登录一次让用户组生效。这里有一个提升速度的经验如果拉取Docker镜像时总是超时可以配置国内镜像加速器。阿里云控制台里免费提供容器镜像加速服务找到“容器镜像服务”页面就能看到专属加速地址然后写入/etc/docker/daemon.json{ registry-mirrors: [https://你的专属加速地址.mirror.aliyuncs.com] }改完执行sudo systemctl restart docker之后拉镜像的速度会明显提升。这一步在部署大模型相关镜像时尤其值钱因为OpenClaw相关的镜像体积不小默认官方仓库的下载速度在国内经常让人抓狂。3.2 第二步拉取 OpenClaw 项目与运行配置Docker环境就绪后第二步是把OpenClaw的项目文件拿到服务器上。通常的做法是直接从官方Git仓库克隆下来或者下载官方发布的压缩包到/opt目录cd /opt sudo git clone https://github.com/你的OpenClaw仓库地址.git openclaw cd openclaw具体仓库地址请以OpenClaw项目官方文档为准不同分支的部署方式可能略有差异。克隆完成后项目根目录下一般会有一个docker-compose.yml文件和.env.example模板文件。先复制一份环境变量模板sudo cp .env.example .env然后编辑.env填入部署所需的关键配置。如果是第一次部署最少需要关注这几项服务端口默认一般都会填一个管理端口比如8080或3000注意别和系统已占用的端口冲突。管理Token/访问密钥OpenClaw作为对外服务一般需要一个访问凭据来保护接口设置一个只有你自己知道的随机字符串。模型接口配置这是第三步的重点先留空或者填一个临时占位符都行。docker-compose.yml本身一般不推荐乱改除非你想调整端口映射。默认配置下服务会被映射到宿主机某个端口比如ports: - 8080:8080只改冒号左边的宿主机端口即可右边的容器端口保持不变。3.3 第三步配置模型大脑并启动服务这一步把OpenClaw和模型连起来。你可以在.cnf文件里配置模型接口也可以等容器启动后在后台Web界面里配置。我个人建议在.env里先把模型配置好因为这样最不容易漏。以通用的OpenAI兼容接口为例配置结构大致如下MODEL_API_KEY你的密钥 MODEL_API_BASEhttps://你的模型服务地址/v1 MODEL_NAME你的模型名如果你用的是阿里云百炼的千问系列模型就把API Key和Base地址填成百炼服务对应的值如果你用的是Ollama本地模型则把API Base改成http://宿主机IP:11434/v1并确保Ollama的监听地址允许局域网访问。配置保存后启动整个服务栈cd /opt/openclaw docker compose up -d第一次启动会拉取镜像可能需要几分钟。拉完之后查看容器状态docker compose ps只要状态是Up基本就成了。再查看日志确认没有红色报错docker compose logs -f --tail100日志里出现类似“服务启动成功”“监听端口xxxx”的字样就说明OpenClaw已经在跑了。现在打开浏览器访问http://你的公网IP:映射端口如果页面能正常打开恭喜你你的专属AI助理已经上线了。3.4 三步背后的设计思路为什么这么安排对小白最友好这三步是对整个部署流程的高度抽象但每个环节的选择都有明确理由。第一步装Docker是因为容器化方案能屏蔽掉90%的环境问题。你不需要知道OpenClaw是用什么语言写的、需要哪些运行库、有哪些版本冲突Docker镜像把这些全部固定封装好了。这对零基础用户是最大的减负。第二步拉项目本质是把“程序本体”拿到服务器上。OpenClaw这类项目更新迭代快拉取官方仓库可以让你随时跟进新版本也方便以后升级。放在/opt下是Linux的规范目录习惯对项目管理也清晰。第三步配置模型是整套部署里最核心的一环。我见过太多部署失败案例80%都卡在模型配置这一步——不是没填Key就是填错了Base地址或者模型名称和实际部署的不一致。把这一步放在最后也是为了让你先确认服务框架本身是好的再一步步给它接上“大脑”。这样排查问题的时候你能非常清楚地判断问题是出在框架层还是出在模型层。4. 给 AI 助理换上“大脑”Ollama 本地模型与云端 API 的取舍4.1 方案AOllama 本地部署大语言模型热搜词里“ollama本地部署”“本地部署大语言模型”出现频率很高大家的想法很一致模型跑在自己机器上免费、私有、不依赖外部网络。在阿里云ECS上装Ollama其实很简单curl -fsSL https://ollama.com/install.sh | sh装完后启动服务并拉取一个小模型试试sudo systemctl start ollama ollama run qwen2.5:1.5b能正常对话就说明本地模型已经就绪。接下来要让OpenClaw能访问到它需要让Ollama监听非本机地址。修改Ollama服务的环境变量sudo systemctl edit ollama写入[Service] EnvironmentOLLAMA_HOST0.0.0.0重启Ollama服务sudo systemctl restart ollama然后在OpenClaw的.env里把模型接口指向Ollama的地址MODEL_API_BASEhttp://127.0.0.1:11434/v1 MODEL_NAMEqwen2.5:1.5b注意如果你用了Docker容器容器内部的127.0.0.1指向的是容器自己不是宿主机。此时要写宿主机在Docker网络里的地址常见写法是MODEL_API_BASEhttp://host.docker.internal:11434/v1或者用宿主机内网IP。这个坑非常经典很多第一次玩Docker的人都会在这里卡住。解决办法就是记一句话容器和宿主机是两台不同的“电脑”。本地模型方案最大的优点是零成本、数据不出服务器。但代价是效果受限于服务器硬件。2核4G的实例跑1.5B模型速度还能接受想跑7B模型内存和CPU都会捉襟见肘生成速度会非常慢。所以如果你对模型效果有要求要么升级服务器配置要么考虑方案B。4.2 方案B云端模型 API以阿里云百炼为例如果你不想折腾本地模型直接接入云端API是更省心的选择。阿里云百炼平台提供千问系列模型包括纯文本和视觉多模态版本按Token计费速度快、效果稳定。在百炼控制台开通服务后用你的API Key填入.envMODEL_API_KEY你的百炼API Key MODEL_API_BASEhttps://dashscope.aliyuncs.com/compatible-mode/v1 MODEL_NAMEqwen-plus注意阿里云百炼专门提供一个“兼容OpenAI”的接入地址方便各类Agent框架直接调用。这里填的是这个兼容模式的Base地址而不是百炼控制台里看到的普通接口地址。这一点务必看仔细填错了会一直报401或404。云端方案的成本到底高不高以qwen-plus这种级别的模型为例日常问答、日报总结这类文本生成任务一个月的量也就在几块钱到几十块钱之间。相比你花在服务器上的月租费用这个成本完全可以忽略。而且云端方案不占用服务器的CPU和内存2核4G的实例跑OpenClaw加云端模型也能获得非常流畅的体验。4.3 本地与云端结合的混合玩法其实不需要二选一。OpenClaw这类框架大多支持配置多个模型你可以把高频、简单的任务交给本地小模型处理把复杂分析、长文写作这类高难度任务转发给云端大模型。这样既保护了隐私敏感数据比如个人笔记、日程又在需要“聪明”的时候不吝啬算力。比如在OpenClaw的技能配置里可以指定不同技能使用不同模型信息抓取类技能用本地qwen2.5快速处理内容创作类技能用云端qwen-max生成高质量文本。这种“大小模型协同”的思路正好也呼应了热搜词里“多ai协作”的玩法——不仅是多个模型协同还可以是本地与云端混合编排。4.4 实测表现延迟、稳定性与替换模型的注意点我在阿里云2核4G的ECS上实测过两套方案。用云端API时整个对话链路响应时间基本在1到3秒非常稳定用Ollama本地跑1.5B模型时生成速度大约每秒10到20个token简单问答够用但长文生成会有明显等待。如果你开的是按量付费服务器我建议首次体验直接从云端API开始先把流程跑通、确认OpenClaw真的能满足你的需求再考虑本地模型。还有一个很常见的替换模型问题很多人改完.env里的模型名称后发现服务不生效。这是因为Docker容器里的环境变量是在容器创建时注入的光改文件不够还必须要重建容器。正确操作是docker compose up -d --force-recreate这一步能解决一大半“我改了配置为什么还是老样子”的困惑。5. 部署过程中的高频报错与排查链路我踩过的坑全记录5.1 镜像拉取慢或失败Docker源配置的正确姿势症状docker compose up -d 之后卡在“Pulling”界面甚至报timeout。定位默认Docker Hub源在国外国内访问速度不稳定。处理方案是前面提到的阿里云容器镜像加速器配置。配置文件/etc/docker/daemon.json改完后必须重启Docker才能生效。验证方式docker info | grep -A 2 Registry Mirrors能看到你的加速地址说明配置已生效再重新拉取一次镜像就正常了。5.2 服务起不来日志疯狂报错先看日志不要乱猜症状docker compose ps 显示服务状态是Restarting或Exited。定位不要急着百度报错先看容器日志报错信息90%都能直接告诉你问题在哪docker compose logs --tail200根据我的经验OpenClaw刚启动时报错最集中的原因依次是.env里必填项为空、模型接口地址不可达、端口被占用。日志里会明确指出是哪个配置缺失或者哪次连接超时。比如“Missing required environment variable”这种信息直接按提示补上环境变量再重建容器即可。如果日志显示“address already in use”说明端口被别的进程占了。用下面的命令找到占用端口的进程换一个宿主端口映射即可sudo ss -tlnp | grep 80805.3 安全组放行了还是访问不了Web界面系统防火墙和监听地址症状服务容器状态正常日志正常公网IP端口却打不开页面。定位这时候要按链路排查。先看服务的监听地址如果容器端口映射没问题再检查宿主机系统防火墙sudo ufw statusUbuntu默认一般没启用ufw但如果你之前手动开启过需要放行对应端口sudo ufw allow 8080/tcp还有另一种情况服务本身监听的是127.0.0.1而不是0.0.0.0这会导致外部无法访问。在容器里如果配置了端口映射服务通常会把监听地址设置成0.0.0.0但如果某个子服务的配置项写死了绑定的地址就需要在对应配置里改过来。排查时进入容器确认一下docker exec -it 容器名 sh netstat -tlnp | grep 8080看到127.0.0.1:8080就说明只绑定了本机需要去改服务配置把地址改成0.0.0.0。5.4 服务器重启后服务不见了容器自启动策略症状阿里云控制台重启服务器后OpenClaw再也打不开了。定位容器在服务器重启后自动退出或根本没有自启。解决办法是在docker-compose.yml的服务配置中加入重启策略restart: unless-stopped改完重新创建容器docker compose up -d --force-recreate这样只要服务器一启动Docker就会自动把OpenClaw拉起来。对一台无人值守的云服务器来说这个设置几乎是必须的。我个人也会把宿主机上的Docker服务设置为开机自启sudo systemctl enable docker5.5 模型报401或者404Key、Base地址和模型名三个要素逐个核对症状页面能打开但一和AI对话就报401 Unauthorized或404 Model Not Found。定位这三个报错分别对应三个常见问题。401是API Key写错了或者权限不足404是要么Base地址填错本来应该填/v1结尾却漏了要么模型名称和平台实际提供的名称不一致。检查的顺序是先看Key再看Base地址最后核对模型名。以阿里云百炼为例平台提供的模型名可能带日期后缀比如qwen-plus、qwen-max、qwen2.5-vl-3b等务必以控制台实际显示为准。这一步排查完还不行就在容器里用curl直接测一下模型接口能返回正常JSON响应就说明网络和Key都没问题问题只可能在OpenClaw侧的配置读取上curl http://127.0.0.1:11434/v1/models6. 把它变成“专属”助理技能扩展、多AI协作与多端访问6.1 技能Skill机制让助理从“能聊天”变成“能干活的”OpenClaw真正让人上头的点不是聊天而是技能。你可以把日常重复的工作定义成一个技能之后一键执行。热搜词里“openclaw skill”被反复搜索说明这点确实是大家最关心也最容易卡住的地方。技能本质上是一段可复用的流程定义一般包含任务描述、用到的模型、执行步骤和输出格式。比如我可以定义一个“每日早报”技能步骤1从预设的RSS源抓取最新10篇文章标题和摘要。步骤2由大模型筛选出5条最有价值的资讯每条写一句导读。步骤3按固定格式生成Markdown日报。步骤4通过Webhook推送到钉钉、飞书或企业微信群。定义好之后我每天早上只需在OpenClaw界面里点一下“执行早报技能”然后该干嘛干嘛去。它自己会把一串事做完这就是“AI助理”区别于“AI聊天框”的根本差异。技能的定义通常写在项目知识库或配置目录下具体语法以官方文档为准但核心思路都是把任务拆成小步骤交给模型一步步执行。6.2 多AI协作的实操体验一个任务多个模型分工我实测下来多AI协作最实用的一种配置是“主模型工具模型”分离。主模型负责理解用户意图、拆分任务和汇总回答工具模型负责具体子任务。比如让助理整理一份行业分析报告主模型先用qwen-max规划出“数据收集、竞品分析、趋势判断、总结建议”四段结构然后调用一个擅长信息抽取的模型去处理数据源最后再由主模型统一输出成文。整个过程用户无感知只看到最终报告。配置多模型时需要在.env或后台配置里定义多个模型条目并为每个技能指定默认模型。我的经验是不要一上来就配太复杂先把一个主模型跑稳再逐步加第二、第三个模型。多模型协作调试起来确实比单模型复杂因为你要判断“哪个模型回答得好是主模型的问题还是工具模型的数据喂得不对”这种归因问题。6.3 手机端访问与安卓部署一个助理随处可用部署完云端的OpenClaw之后最爽的就是在手机上也能随时用。最简单的方案是用手机浏览器直接访问OpenClaw的Web界面和电脑端没区别。热搜词里的“openclaw安卓部署”和“如何用termux安装openclaw手机版下载步骤”说明有相当多人希望把助理装到手机里。我的建议是手机端适合做“访问端”而不是“部署端”。在Termux里折腾部署虽然可行但手机毕竟是移动设备网络、电量、稳定性都不可靠不适合跑一个需要24小时在线的服务。更好的做法是手机浏览器保存Web界面的书签。配好Companion客户端热搜词里“openclaw windows companion 怎么配置”对应的就是桌面伴侣端让助理可以通过系统通知主动push消息给你。在手机上用PWA方式把OpenClaw界面“安装”到桌面体验接近原生App。这样云端的助理负责干活手机端负责展示和交互各有分工体验最舒服。6.4 安全加固不要让你的助理裸奔在公网上最后必须说一句安全和访问控制。OpenClaw默认带管理凭据部署完成后务必确认访问密码/Token已经设置不要用默认值。如果你给助理想配域名和HTTPS可以用阿里云免费SSL证书加Nginx反代把OpenClaw藏到443端口后面。整体思路是公网只暴露443端口通过Nginx转发到OpenClaw实际端口。给OpenClaw设置强访问凭据。安全组里把SSH端口限制为你常用的固定IP。定期查看容器日志关注异常访问。这一套做完你的专属AI助理才算真正“毕业”——能干活、能远程访问、经得起公网暴露。我自己跑下来最大的体会是OpenClaw部署本身真的不难难的永远是明确你想让它替你做什么。先把一个“每日自动汇总通知”这种小任务跑通感受一下整个链路再慢慢往里加技能你会越用越顺手越用越觉得这服务器买得值。