旧安卓手机部署openclaw

柯哀永恒1

157人浏览 · 2026-06-29 19:22:18

柯哀永恒1 · 2026-06-29 19:22:18 发布

安卓版本6.0.1
8核 6+64G

2.下载termux工具（可以用笔记本提前下载好，传给手机）

安卓上最经典、最强大的Linux环境模拟器，社区资源极其丰富
github下载地址，可以选择对应的安卓版本的安装包，universal.apk 是通用的包，推荐安装

https://github.com/termux/termux-app/releases

3.手机连接好wifi（重要！！！）

4.将下载好的termux.apk在手机上进行安装

略

5.在手机上安装后打开termux终端，执行初始化操作（都是在手机上的termux中操作）

5.1 安装openssh，方便通过ssh进行远程连接（下载比较慢，需要等会，如果中途出现网络错误，可以ctrl + c 打断，重新执行安装命令）

$ pkg install openssh -y

5.2 设置密码

$ passwd   #回车，输入密码回车设置完成

5.3 启动sshd服务

$ sshd

5.4 查看当前用户，我这边默认输出的用户u0_a116

$ whoami

5.5 查看当前IP地址

$ ip a

5.6 修改默认的ssh端口，默认端口是8022（可选）

$ vi ~/../usr/etc/ssh/sshd_config
#最后添加并保存，根据自己需要设定端口
Port 2222

5.7 为了termux程序不被手机后台终止，可以设置后台锁定或者设置手机为常亮模式

6.通过电脑ssh远程连接，之后就可以在电脑上操作了

[root@localhost ~]# ssh -p 2222 u0_a116@172.16.1.150

7.初始化命令操作

7.1 查看当前内核信息

$ uname -a
Linux localhost 3.10.84-perf-g1269e29-00269-g112a120 #1 SMP PREEMPT Thu Jun 4 16:40:13 CST 2020 aarch64 Android

7.2 安装其他工具命令示范

# 安装curl命令
$ pkg install curl
# 安装nginx服务
$ pkg install nginx

8.安装ubuntu系统

在termux的基础上安装ubuntu系统，可以更好的模拟真是操作系统

8.1 安装atilo工具

# 1. 添加 atilo 的官方仓库源
echo "deb [trusted=yes arch=all] https://yadominjinta.github.io/files/ termux extras" >> $PREFIX/etc/apt/sources.list.d/atilo.list

# 2. 更新包列表
apt update

# 3. 安装 atilo
apt install atilo

# 4. 查看 atilo 支持哪些 Linux 发行版
atilo images

# 5. 拉取 Ubuntu容器
atilo pull ubuntu

# 6. 进入 Ubuntu 容器
atilo run ubuntu

具体的安装过程（下载ubuntu镜像，需要解决安卓手机**的问题）

安装ubuntu过程

8.2 ubuntu上的操作

8.2.1 查看ubuntu系统版本

root@localhost:~# cat /etc/os-release 
NAME="Ubuntu"
VERSION="20.04.6 LTS (Focal Fossa)"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 20.04.6 LTS"
VERSION_ID="20.04"
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
VERSION_CODENAME=focal
UBUNTU_CODENAME=focal

8.2.2 系统初始化

# 更新软件源
apt update && apt upgrade -y

# 安装基础工具
apt install -y net-tools iproute2 iputils-ping curl

9.安装 Node.js 22 和 OpenClaw

本地大模型部署内容在下边，需要提前部署好本地大模型，方便后续openclaw连接

9.1 安装nodejs 22 版本（v22.22.1）

# 添加 NodeSource 官方源并安装 Node.js 22
curl -fsSL https://deb.nodesource.com/setup_22.x | bash -
apt install -y nodejs

# 验证 Node.js 版本（应为 v22.22.1）
node --version

安装nodejs22过程

9.2 安装git

# 安装git，openclaw需要
apt install -y git

安装git过程

9.3 安装openclaw

9.3.1 安装openclaw

# 全局安装 OpenClaw
npm install -g openclaw@latest

root@localhost:~# npm install -g openclaw@latest
npm warn deprecated node-domexception@1.0.0: Use your platform's native DOMException instead

added 539 packages in 6m

89 packages are looking for funding
  run `npm fund` for details

9.3.2 启动openclaw gateway

# 启动 OpenClaw gateway（默认端口 18789）
openclaw gateway

提示缺少配置，需要咱们先执行“openclaw setup”进行初始化配置或者跳过配置都可以

root@localhost:~# openclaw gateway

🦞 OpenClaw 2026.3.13 (61d171a) — I'm not saying your workflow is chaotic... I'm just bringing a linter and a helmet.

 05:48:49 Missing config. Run `openclaw setup` or set gateway.mode=local (or pass --allow-unconfigured).

9.3.3 运行 openclaw setup 生成配置文件

方法一：直接生成配置文件，后续配置

root@localhost:~# openclaw setup

🦞 OpenClaw 2026.3.13 (61d171a) — I'm like tmux: confusing at first, then suddenly you can't live without me.

Wrote ~/.openclaw/openclaw.json
Workspace OK: ~/.openclaw/workspace
Sessions OK: ~/.openclaw/agents/main/sessions

方法二：通过交互式窗口，生成配置文件

openclaw交互配置过程

9.3.4 openclaw配置连接本地大模型

获取openclaw连接本地大模型的id，可以看到id为：Qwen3.5-4B，在部署大模型的时候可以指定模型名称- --served-model-name - "Qwen3.5-4B"，使用下列命令可以看到id

root@localhost lipengcheng]# curl http://172.16.4.28:8000/v1/models
{"object":"list","data":[{"id":"Qwen3.5-4B","object":"model","created":1774180466,"owned_by":"vllm","root":"/model","parent":null,"max_model_len":32768,"permission":[{"id":"modelperm-ab46652e69e81417","object":"model_permission","created":1774180466,"allow_create_engine":false,"allow_sampling":true,"allow_logprobs":true,"allow_search_indices":false,"allow_view":true,"allow_fine_tuning":false,"organization":"*","group":null,"is_blocking":false}]}]}

配置文件：~/.openclaw/openclaw.json
可根据自己的实际情况修改，我这里只修改或者添加了基础信息，比如本地大模型的 baseUrl，apiKey，id，name，contextWindow，maxTokens等

"models": {
  "mode": "merge",                     // 【模板】合并模式，固定写法，保持 "merge"
  "providers": {
    "vllm": {                          // 【模板】提供商名称 "vllm"，固定写法（可自定义但通常不变）
      // 以下为【本地需修改】字段 =================================
      "baseUrl": "http://172.16.4.28:8000/v1",   // ⚠️ 本地修改：你的 vLLM 服务地址（IP:端口/v1）
      "apiKey": "local_vllm_key",                // ⚠️ 本地修改：自定义 API Key（vLLM 默认不校验，可任意填）
      // ========================================================
      "api": "openai-completions",               // 【模板】API 类型，固定 "openai-completions"
      "models": [
        {
          // 以下为【本地需修改】字段 =================================
          "id": "Qwen3.5-4B",               // ⚠️ 本地修改：模型唯一标识，必须与 defaults.model.primary 值一致
          "name": "Qwen3.5-4B",                  // ⚠️ 本地修改：模型显示名称（可随意，不影响匹配）
          "contextWindow": 32768,                // ⚠️ 本地修改：模型上下文长度，必须与 vLLM 的 --max-model-len 相同
          "maxTokens": 8192                      // ⚠️ 本地修改：单次最大输出 token 数（≤ contextWindow - 输入长度）
          // ========================================================
          // 以下为【模板】字段，固定不变 =============================
          "reasoning": false,                    // 【模板】本地模型不支持推理链，固定 false
          "input": ["text"],                     // 【模板】输入类型固定 ["text"]
          "cost": {                              // 【模板】本地模型成本为 0
            "input": 0,
            "output": 0,
            "cacheRead": 0,
            "cacheWrite": 0
          }
          // ========================================================
        }
      ]
    }
  }
}

agent需要添加 agents.defaults.model.primary的值，需要增加前缀vllm，因为的大模型是从vllm中获取的，如果使用openai部署的，需改改为openai，后边的是大模型的id，需要和model模块中的id保持一致

"agents": {
  // ========== 模板部分 ==========
  "defaults": {                     // 【模板】所有 agent 的默认配置
    // ----- 本地需修改 -----
    "model": {
      "primary": "vllm/Qwen3.5-4B"   // ⚠️ 本地修改：指定使用的模型完整标识（必须与 models 中的 provider/id 匹配）
    },
    // ----- 模板部分（一般不动） -----
    "workspace": "/root/.openclaw/workspace",   // 【模板】agent 工作目录（存放对话历史、缓存等）
    "compaction": {                             // 【模板】上下文压缩策略
      "mode": "safeguard"                       // 【模板】安全模式：当上下文即将超限时自动压缩
    }
  }
}

9.3.5 配置局域网访问openclaw（默认只能127访问）

~/.openclaw/openclaw.json 中的"gateway模块中的 mode": "local", 此值必须为local，否则openclaw gateway会阻断启动

# 将网关绑定的网络接口设置为“lan”（通常意味着监听局域网 IP，而非仅 localhost），
# 使得局域网内其他设备可以访问 OpenClaw 的 Web 界面或 API。
openclaw config set gateway.bind lan

# 允许在非 HTTPS 环境下使用控制台 UI 的身份验证。
# 默认情况下，OpenClaw 可能要求 HTTPS 才能进行登录，启用此选项可以允许不安全的 HTTP 连接，
# 方便在局域网内测试，但生产环境不建议开启。
openclaw config set gateway.controlUi.allowInsecureAuth true

# 允许使用请求头中的 Host 或 Origin 作为回退来验证跨域访问。
# 当代理或反向代理导致正常的安全检查失败时，开启此选项可以绕过部分限制，
# 使局域网内的前端能正常访问网关 API。
openclaw config set gateway.controlUi.dangerouslyAllowHostHeaderOriginFallback true

# 完全禁用设备配对认证机制。
# 通常 OpenClaw 要求新设备进行授权确认，关闭此选项后任何能访问网关的设备都可以直接使用，
# 方便在受信任的局域网环境中快速接入，但会降低安全性。
openclaw config set gateway.controlUi.dangerouslyDisableDeviceAuth true

9.3.6 连接openclaw的web ui

需要从~/.openclaw/openclaw.json配置文件中auth模块中获取token，然后登录webui的时候需要填写

http://openclaw ip:18789/

9.3.7 在openclaw web ui中发送你好测试

10.本地服务器大模型部署（centos或者ubuntu操作系统）

我这是使用的centos7.9的操作系统

10.1 docker安装

https://www.cnblogs.com/Leonardo-li/p/18246288

10.2 下载vLLM（20.7G）

# latest版本对应v0.17.1
docker pull vllm/vllm-openai:latest

10.3 使用modescope下载千问模型

查看modescope支持的模型

https://www.modelscope.cn/models

我的是NVIDIA T4，16G显存，所以选择了Qwen3.5-4B模型，实际选择模型需要根据自己的算力情况（最开始测试的Qwen3.5-9B, 运行不起来）
Qwen3.5-4B占用了11.7G的显存

# 下载modescope ,使用 modelscope（推荐国内网络）
pip3 install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple
# 使用 ModelScope 下载 Qwen3.5-4B
python3 -c "from modelscope.hub.snapshot_download import snapshot_download; snapshot_download('Qwen/Qwen3.5-4B', cache_dir='/data/lipengcheng/models')"

10.4 编写使用vllm启动qwen3.5-4B模型的docker-compose.yaml文件

version: '3.8'

services:
  vllm:
    image: vllm/vllm-openai:latest
    container_name: vllm_qwen
    restart: unless-stopped
    privileged: true
    ports:
      - "8000:8000"
    volumes:
      - /data/lipengcheng/models/Qwen/Qwen3.5-4B:/model
      - /etc/localtime:/etc/localtime:ro
    environment:
      - CUDA_VISIBLE_DEVICES=1
      - OPENBLAS_NUM_THREADS=1
      - OMP_NUM_THREADS=1
      - VLLM_DISABLE_TRACING=1
      - VLLM_USE_V1=0
      - OTEL_SDK_DISABLED=true
      - OTEL_PYTHON_DISABLED_INSTRUMENTATIONS=all
    ulimits:
      nproc: 65535
      nofile: 65535
    shm_size: 10g
    command:
      - /model
      - --tensor-parallel-size
      - "1"
      - --dtype
      - float16
      - --gpu-memory-utilization
      - "0.9"         #使用90%的模型能力
      - --max-model-len
      - "32768"       #模型上下文长度，必须大于16000，因为openclaw要求大于16000
      - --served-model-name
      - "Qwen3.5-4B"  # 添加这一行，指定 API 返回的模型 id
      - --max-num-seqs
      - "1"
      - --trust-remote-code
      - --enable-auto-tool-choice
      - --tool-call-parser
      - "hermes"          # 解析器名称，根据模型可选 hermes / mistral / llama3_json / qwen
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

启动容器，加载模型（启动时间较慢，我这边启动了40多分钟，也是根据你的服务器性能，资源决定）

docker-compose up -d

vllm加载模型启动输出日志

访问大模型进行测试（已经可以正常问了，但由于我是用的是qwen3.5-4B基础模型，所以返回的数据中有些注释之类的，先忽略，主要是为了oepnclaw接入本地大模型测试，后期在调整大模型）

[root@localhost lipengcheng]# curl http://localhost:8000/v1/chat/completions     -H "Content-Type: application/json"     -d '{
        "model": "/model",
        "messages": [{"role": "user", "content": "你好"}],
        "max_tokens": 100
    }'
{"id":"chatcmpl-bd5b7c3d595dd29e","object":"chat.completion","created":1774074680,"model":"/model","choices":[{"index":0,"message":{"role":"assistant","content":"Thinking Process:\n\n1.  **Analyze the Input:**\n    *   Input: \"你好\" (Nǐ hǎo)\n    *   Language: Chinese\n    *   Meaning: \"Hello\"\n    *   Intent: Greeting, initiating conversation.\n\n2.  **Determine the appropriate response:**\n    *   Tone: Friendly, polite, helpful.\n    *   Content: Return the greeting, offer assistance.\n    *   Language","refusal":null,"annotations":null,"audio":null,"function_call":null,"tool_calls":[],"reasoning":null},"logprobs":null,"finish_reason":"length","stop_reason":null,"token_ids":null}],"service_tier":null,"system_fingerprint":null,"usage":{"prompt_tokens":11,"total_tokens":111,"completion_tokens":100,"prompt_tokens_details":null},"prompt_logprobs":null,"prompt_token_ids":null,"kv_transfer_params":null}

11.遇到的问题

11.1 使用清华源执行更新时，报错如下：

# 1.修改pkg为清华源
  $ vi $PREFIX/etc/apt/sources.list
    ##替换为清华源
    deb https://mirrors.tuna.tsinghua.edu.cn/termux/apt/termux-main stable main
  
# 2. 更新源命令
  $ pkg update

# 3. 关键报错信息
  CANNOT LINK EXECUTABLE: library "libssl.so.1.1" not found 
  E: Method https has died unexpectedly!

# 4. 解决方法
# 4.1 可以试着把源https修改为http
  deb http://mirrors.tuna.tsinghua.edu.cn/termux/apt/termux-main stable main
# 4.2 执行更新
  pkg update
# 4.3 安装修复https工具
  pkg install openssl1.1-tool -y
# 4.4 将清华源http修改为https
  deb https://mirrors.tuna.tsinghua.edu.cn/termux/apt/termux-main stable main

11.2 由于安卓6.0的限制，termux底层只能按照nodejs 12的版本，安装不了高版本

11.3 openclaw报错

这个错误是因为 vLLM 后端在响应 OpenClaw 的工具调用请求时，缺少必要的启动参数。错误信息 400 "auto" tool choice requires --enable-auto-tool-choice and --tool-call-parser to be set 表示 vLLM 需要启用工具调用功能，但你当前的启动命令中未包含相关配置。
原因
OpenClaw 的 Agent 可能尝试使用工具（如联网搜索、计算器等），并在请求中设置了 tool_choice: "auto"。 vLLM 默认不支持工具调用（function calling），需要显式添加 --enable-auto-tool-choice 和 --tool-call-parser 参数
在启动vllm时，在command最后添加3行：

 command:
      - /model
      - --tensor-parallel-size
      - "1"
      - --dtype
      - float16
      - --gpu-memory-utilization
      - "0.9"
      - --max-model-len
      - "32768"
      - --served-model-name
      - "Qwen3.5-4B" 
      - --max-num-seqs
      - "1"
      - --trust-remote-code
     # 添加如下3行
      - --enable-auto-tool-choice
      - --tool-call-parser
      - "hermes"

加入AMD AI开发者计划！

免费领 200 小时云算力，进群参与显卡、AI PC 幸运抽奖

更多推荐

VLLMService Operator 开发第五篇：部署 Operator 并验证模型服务

存储准备完成后，就可以创建 VLLMService 资源了。metadata:spec:labels:port: 8000resources:requests:cpu: "2"limits:cpu: "4"storage:这里需要明确一点：VLLMService 本身只是用户声明的期望状态，它并不会直接运行模型。真正运行模型的是 Operator 根据这个 VLLMService 自动创建出来的

AMD开发者中国社区

Higress v2.2.3 发布：AI Gateway 能力增强，Gateway API 及其推理扩展持续打磨

Higress v2.2.3 版本发布，带来多项核心更新：新增 AI Gateway 的 vLLM 协议透传和上下文限制插件，增强 AI 安全防护与负载均衡；优化 Gateway API 隔离与推理路由配置；改进 Ingress 迁移体验；加固安全认证组件与 TLS 校验；修复多项 Console 问题。社区层面，Higress 正式入驻 CNCF Sandbox。

AMD开发者中国社区

小白也能看懂的推理加速框架：vLLM、TGI与Continuous Batching

像餐厅翻台一样，做完就走、来了就坐，GPU 始终满载，吞吐量提升 2~4 倍：像操作系统管理内存一样管理 KV Cache，显存利用率从 40% 飙到 95%，同样显存能服务 4 倍的请求vLLM：PagedAttention 的发明者，推理框架界的性能卷王，OpenAI 兼容 API 开箱即用TGI：HuggingFace 官方出品，生态整合无敌，Docker 一键部署：NVIDIA 亲儿子，性

AMD开发者中国社区

所有评论(0)

查看更多评论

柯哀永恒1

@pTfpyXoRz

已为社区贡献1条内容

旧安卓手机部署openclaw

柯哀永恒1

2.下载termux工具（可以用笔记本提前下载好，传给手机）

3.手机连接好wifi（重要！！！）

4.将下载好的termux.apk在手机上进行安装

5.在手机上安装后打开termux终端，执行初始化操作（都是在手机上的termux中操作）

5.1 安装openssh，方便通过ssh进行远程连接（下载比较慢，需要等会，如果中途出现网络错误，可以ctrl + c 打断，重新执行安装命令）

5.2 设置密码

5.3 启动sshd服务

5.4 查看当前用户，我这边默认输出的用户u0_a116

5.5 查看当前IP地址

5.6 修改默认的ssh端口，默认端口是8022（可选）

5.7 为了termux程序不被手机后台终止，可以设置后台锁定或者设置手机为常亮模式

6.通过电脑ssh远程连接，之后就可以在电脑上操作了

7.初始化命令操作

7.1 查看当前内核信息

7.2 安装其他工具命令示范

8.安装ubuntu系统

8.1 安装atilo工具

8.2 ubuntu上的操作

8.2.1 查看ubuntu系统版本

8.2.2 系统初始化

9.安装 Node.js 22 和 OpenClaw

9.1 安装nodejs 22 版本（v22.22.1）

9.2 安装git

9.3 安装openclaw

9.3.1 安装openclaw

9.3.2 启动openclaw gateway

9.3.3 运行 openclaw setup 生成配置文件

9.3.4 openclaw配置连接本地大模型

9.3.5 配置局域网访问openclaw（默认只能127访问）

9.3.6 连接openclaw的web ui

9.3.7 在openclaw web ui中发送你好测试

10.本地服务器大模型部署（centos或者ubuntu操作系统）

10.1 docker安装

10.2 下载vLLM（20.7G）

10.3 使用modescope下载千问模型

10.4 编写使用vllm启动qwen3.5-4B模型的docker-compose.yaml文件

11.遇到的问题

11.1 使用清华源执行更新时，报错如下：

11.2 由于安卓6.0的限制，termux底层只能按照nodejs 12的版本，安装不了高版本

11.3 openclaw报错

所有评论(0)

温馨提示：您尚未绑定手机号

柯哀永恒1