1. 项目概述：为什么选择在腾讯云轻量服务器上部署OpenClaw？

最近在折腾AI智能体，OpenClaw这个名字出现的频率越来越高。它不像一些闭源工具那样藏着掖着，而是把整个智能体框架开源出来，让你能根据自己的业务逻辑，去定制一个能理解你指令、自动调用工具、完成复杂任务的“数字员工”。无论是想做个自动处理客服工单的助手，还是想搭建一个能分析数据并生成报告的分析师，OpenClaw提供的这套“大脑”和“手脚”的组装方案，都给了我们很大的发挥空间。

但问题来了，很多朋友在第一步“部署”上就卡住了。在本地电脑上装，要折腾环境、依赖，还可能受限于显卡性能；用一些公开的在线服务，又担心数据安全和定制化程度不够。这时候，一台云服务器就成了折中的最优解。我为什么特别推荐腾讯云轻量服务器？原因很简单：对于大多数个人开发者或中小团队来说，它省心、够用、且成本可控。轻量服务器预装了纯净的系统镜像，自带公网IP和流量包，不用像传统云服务器那样先去配置安全组、搞网络，开箱即用。特别适合用来快速部署像OpenClaw这类Docker化的应用，能让我们把精力集中在智能体本身的开发和调优上，而不是基础环境上。

所以，这篇内容就是基于这个场景来的： 在腾讯云轻量应用服务器上，通过一套尽可能自动化的脚本，完成OpenClaw最新版本的私有化一键部署。 目标很明确：让你在半小时内，从一个干净的Ubuntu系统，到一个可以访问的、功能完整的OpenClaw服务。我会把过程中每个步骤的意图、可能遇到的坑以及怎么填坑，都掰开揉碎了讲清楚。

2. 部署前的核心准备与规划

在真正动手敲命令之前，花十分钟理清思路和准备好“弹药”，能避免后面百分之八十的返工。部署不是简单的复制粘贴，理解每一步在做什么，才能在被报错“突袭”时从容应对。

2.1 服务器选型与配置考量

腾讯云轻量服务器提供了多种配置，对于OpenClaw，我们的选择主要围绕两个核心： 计算性能 和 内存容量 。

OpenClaw本身作为一个调度框架，资源消耗并不夸张。但它的“威力”取决于你背后连接的大语言模型（LLM）。如果你计划使用本地部署的轻量级模型（比如通过Ollama运行的Qwen2.5-7B-Instruct、Llama 3.2 3B这类），那么服务器的CPU和内存就会成为瓶颈。反之，如果你直接调用云端API（如OpenAI GPT-4、DeepSeek-V3等），那么服务器的压力主要在网络和轻量的请求处理上。

我的建议如下：

  • 入门体验 & 对接云端API ：选择 2核CPU、4GB内存、80GB SSD 的配置（如“通用型-2核4G80G”）完全足够。每月流量包通常也够用，主要开销是模型API调用费用。
  • 本地运行7B参数级模型 ：这是很多人的目标，希望能有一个完全私有的环境。为此，我强烈建议至少选择 4核CPU、8GB内存 的配置。内存是关键，因为加载7B模型（如Qwen2.5-7B）通常需要6-8GB的可用内存，系统和其他服务还需要一部分。硬盘选择 100GB SSD 或以上，为模型文件留出空间（一个7B的GGUF格式模型大约4-6GB）。
  • 更高阶的本地模型 ：如果想尝试14B或更大参数的模型，就需要考虑 8核16GB 或更高配置的机型，甚至需要考虑带GPU的实例，但这已超出轻量服务器的范畴，成本也会陡增。

注意 ：在购买服务器时，地域选择离你或你的目标用户群体较近的，这能降低网络延迟。镜像务必选择 Ubuntu 22.04 LTS 。这是一个长期支持版本，社区资料丰富，与Docker等工具的兼容性经过长期验证，能减少很多莫名奇妙的兼容性问题。

2.2 环境与工具链梳理

我们的部署将高度依赖Docker和Docker Compose，这是目前部署复杂应用最优雅、最隔离的方式。OpenClaw官方也推荐这种方式。因此，整个部署流程可以简化为三个大阶段：

  1. 服务器基础环境配置 ：包括系统更新、安装Docker引擎和Docker Compose插件。
  2. 获取并配置OpenClaw ：下载官方提供的部署配置文件（docker-compose.yml），并根据我们的需求（比如修改端口、设置访问密码、配置模型连接）进行调整。
  3. 启动与验证 ：一键启动所有服务，并通过浏览器访问验证。

这里有一个关键的思维转变：我们不是在服务器上直接安装Python、Node.js等一堆依赖，而是通过Docker镜像，把OpenClaw及其所需的所有环境“打包”成一个独立的、可移植的容器来运行。这保证了环境的一致性，也使得未来的升级、迁移变得异常简单。

3. 实操详解：从零到一的完整部署流程

下面我们进入实战环节。请确保你已经拥有一台全新安装的Ubuntu 22.04 LTS的腾讯云轻量服务器，并已通过SSH连接到它的终端。

3.1 第一步：服务器基础环境搭建

登录后，第一件事不是急着下载OpenClaw，而是为它准备一个干净的“舞台”。

# 1. 更新系统软件包列表，确保我们安装的是最新版本的软件
sudo apt update && sudo apt upgrade -y

# 2. 安装一些可能需要的工具，如curl用于下载，git用于克隆代码（虽然我们主要用curl）
sudo apt install -y curl git

# 3. 安装Docker引擎。这里使用官方提供的一键安装脚本，最省心。
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

# 4. 将当前用户加入docker组，这样以后就不用每次都写sudo了
sudo usermod -aG docker $USER
# **重要**：执行此命令后，你需要退出当前SSH会话，然后重新登录，用户组变更才会生效。
# 你可以输入 `exit` 退出，然后重新连接服务器。

# 5. 重新登录后，验证Docker安装是否成功
docker --version
# 应该输出类似 Docker version 24.0.7, build xxxxxxx 的信息

# 6. 安装Docker Compose插件（v2）。新版本Docker推荐将其作为插件安装，而非独立二进制文件。
sudo apt install -y docker-compose-plugin
# 验证安装
docker compose version
# 应该输出类似 Docker Compose version v2.24.6 的信息

完成以上步骤，你的服务器就已经具备了运行容器化应用的能力。这个过程我重复过不下几十次，最常遇到的“坑”就是第4步： 忘记重新登录导致 docker 命令依然需要 sudo 。如果遇到 Permission denied 错误，先别慌，检查一下当前用户是否在 docker 组里（ groups $USER ），如果不在，执行 sudo usermod -aG docker $USER 后务必 重新登录SSH 。

3.2 第二步：获取与配置OpenClaw部署文件

OpenClaw的官方代码仓库通常会在根目录或 deploy 目录下提供 docker-compose.yml 文件。我们的目标就是获取这个文件，并对其进行定制化。

# 1. 创建一个专门的工作目录，保持环境整洁
mkdir -p ~/openclaw-deploy && cd ~/openclaw-deploy

# 2. 从官方仓库下载最新的docker-compose.yml文件。
# 请注意，仓库地址和文件路径可能随版本更新而变化，请以OpenClaw官方文档为准。
# 这里假设一个常见的路径，你需要根据实际情况调整。
curl -O https://raw.githubusercontent.com/openclaw/openclaw/main/docker-compose.yml

# 如果curl下载失败或地址不对，也可以尝试克隆整个仓库（体积会大一些）
# git clone https://github.com/openclaw/openclaw.git
# cd openclaw

下载下来后， 不要急着启动 。用文本编辑器（如 nano 或 vim ）打开这个 docker-compose.yml 文件，有几处关键配置需要我们根据实际情况调整。

nano docker-compose.yml

你需要关注并可能修改的部分（以下是一个示例，具体变量名请以你下载的文件为准）：

  1. 服务端口映射 ：找到类似 ports: - "3000:3000" 的部分。左边的 3000 是宿主机（你的服务器）的端口，右边的 3000 是容器内部端口。如果你服务器的3000端口已被占用，或者想换个端口，可以修改左边的数字，例如改为 - "8080:3000" ，这样你访问时就用 http://你的服务器IP:8080 。
  2. 环境变量配置 ：这是核心。通常会有 environment: 部分，里面定义了OpenClaw的运行参数。
    • OPENCLAW_API_KEY : 这是访问OpenClaw API的密钥， 务必修改成一个强密码 ，不要使用默认值。
    • OPENCLAW_MODEL : 默认连接的模型名称。如果你使用OpenAI API，这里可能是 gpt-4 ；如果你使用Ollama本地模型，这里需要改成Ollama中你拉取的模型名，如 qwen2.5:7b 。
    • OPENCLAW_BASE_URL : 模型API的基础地址。如果使用OpenAI，就是 https://api.openai.com/v1 ；如果使用Ollama（假设Ollama也部署在同一台服务器），那就是 http://host.docker.internal:11434 （这是一个Docker特殊域名，指向宿主机）。 如果Ollama部署在其他地方，请填写其实际的IP和端口 。
    • DATABASE_URL : 数据库连接字符串。如果使用文件型SQLite（默认），通常不需要改。如果考虑性能和生产环境，可能会指向一个独立的PostgreSQL容器，配置会复杂一些，初次部署建议先保持默认。
  3. 数据持久化卷 ：检查 volumes: 配置，确保像数据库文件、上传目录等关键数据被映射到了宿主机的目录（如 ./data:/app/data ），这样即使容器删除，数据也不会丢失。

修改完成后，保存并退出编辑器（在nano中是 Ctrl+X ，然后按 Y 确认，再按回车）。

3.3 第三步：启动服务与初步验证

配置完成后，启动服务就一行命令：

# 在docker-compose.yml所在的目录执行
docker compose up -d

-d 参数代表“后台运行”。执行后，Docker会开始拉取（Pull）所需的镜像（如OpenClaw的核心镜像、数据库镜像等），然后创建并启动容器。你可以通过以下命令观察启动日志和状态：

# 查看所有容器的状态
docker compose ps
# 应该看到所有服务状态为 “running”

# 如果状态不对，查看具体容器的日志，排查问题
docker compose logs [服务名]  # 例如 docker compose logs openclaw-backend
# 或者查看所有服务的实时日志
docker compose logs -f

当看到日志输出稳定，没有持续报错后，就可以尝试访问了。打开你的浏览器，输入 http://你的服务器公网IP:你映射的端口 （例如 http://123.123.123.123:3000 ）。

如果一切顺利，你应该能看到OpenClaw的Web用户界面（UI）的登录或初始化页面。根据页面提示，你可能需要输入之前配置的 OPENCLAW_API_KEY 来完成初始设置。

4. 核心进阶配置：连接你的AI大脑（模型）

部署成功只是搭好了舞台，要让OpenClaw这个“演员”表演，还必须为它配置“大脑”——也就是大语言模型。这里提供两种最主流的方案。

4.1 方案一：对接云端模型API（推荐新手）

这是最简单快捷的方式，无需在服务器上消耗大量计算资源。你只需要一个对应模型的API Key。

  1. 获取API Key ：前往如OpenAI、Anthropic（Claude）、DeepSeek、智谱AI等平台的开发者控制台，创建并复制你的API Key。
  2. 修改OpenClaw配置 ：你需要修改 docker-compose.yml 中OpenClaw服务（可能是 backend 或 openclaw ）的环境变量。
    • 将 OPENCLAW_BASE_URL 设置为对应平台的API端点（如OpenAI是 https://api.openai.com/v1 ）。
    • 将 OPENCLAW_MODEL 设置为你想使用的模型名称（如 gpt-4o-mini , claude-3-5-sonnet-20241022 , deepseek-chat ）。
    • 通常还需要设置一个环境变量来传递API Key，变量名可能是 OPENAI_API_KEY 、 ANTHROPIC_API_KEY 等，这取决于OpenClaw的代码实现和你要连接的平台。 请务必查阅你所用OpenClaw版本的具体文档 。
  3. 重启服务 ：配置修改后，需要重启容器使配置生效。 
    docker compose down
docker compose up -d

实操心得 ：使用云端API时，最大的成本是Token消耗费用。在OpenClaw中调试智能体（Agent）时，可能会因为逻辑循环或测试产生大量调用。建议初期在平台的Playground或设置里为API Key设置一个较低的用量限额或预算告警，避免意外的高额账单。

4.2 方案二：本地部署Ollama运行开源模型

如果你追求完全私有化、零API费用，并且服务器配置足够，那么本地运行开源模型是理想选择。Ollama是目前管理本地大模型最流行的工具。

  1. 在服务器上安装并运行Ollama ：

    # 安装Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 启动Ollama服务
ollama serve &
# 拉取一个模型，例如轻量的Qwen2.5 7B
ollama pull qwen2.5:7b

  2. 配置OpenClaw连接Ollama ： 修改 docker-compose.yml 中OpenClaw的环境变量。

    • OPENCLAW_BASE_URL : 设置为 http://host.docker.internal:11434 。这个特殊的DNS名称允许Docker容器访问宿主机的服务。
    • OPENCLAW_MODEL : 设置为你在Ollama中拉取的模型名，如 qwen2.5:7b 。
    • 关键点 ：需要确保OpenClaw的Docker容器网络能够访问宿主机。在 docker-compose.yml 中，为OpenClaw服务添加 extra_hosts 配置或使用 host 网络模式（后者安全性较低，仅建议测试）。 
      services:
  openclaw-backend:
    # ... 其他配置 ...
    extra_hosts:
      - "host.docker.internal:host-gateway"
      或者，更简单粗暴但有效的测试方式是使用 network_mode: "host" ，但这会让容器共享宿主机的网络栈，失去部分隔离性。

  3. 重启并测试 ：

    docker compose down && docker compose up -d

    在OpenClaw的Web界面中，尝试创建一个简单的对话智能体，看它是否能正常调用本地的Qwen模型进行回复。

踩坑记录 ： host.docker.internal 这个域名在Linux版的Docker中默认可能不支持。如果遇到连接失败，可以尝试改用宿主机的实际内网IP（通过 ip addr show 命令查看，通常是 172.x.x.x 或 192.168.x.x ）。但使用IP的缺点是如果服务器内网IP变动，配置会失效。更规范的做法是创建一个自定义的Docker网络，将Ollama和OpenClaw都加入这个网络，然后通过服务名互相访问。

5. 部署后运维与常见问题排雷

服务跑起来不是终点，稳定运行才是。下面分享一些维护经验和常见问题的解决方法。

5.1 基础运维命令

把这些命令记下来，日常管理会非常顺手：

# 查看服务状态
docker compose ps

# 查看实时日志（跟踪问题）
docker compose logs -f [服务名]

# 停止所有服务
docker compose down

# 停止并删除所有容器、网络（数据卷通常会保留）
docker compose down -v  # 加-v会删除匿名数据卷，慎用！

# 重启某个特定服务（如只重启后端）
docker compose restart openclaw-backend

# 更新服务（当docker-compose.yml或镜像更新后）
docker compose pull    # 拉取最新镜像
docker compose up -d   # 重新创建并启动容器

# 进入容器内部执行命令（用于调试）
docker compose exec [服务名] /bin/bash

5.2 常见问题与解决方案速查表

问题现象 可能原因 排查步骤与解决方案
浏览器无法访问 IP:端口 1. 服务器安全组/防火墙未放行端口。
2. 容器启动失败。
3. 端口映射错误。		 1. 检查腾讯云控制台 ：轻量服务器“防火墙”选项卡，添加入站规则，允许TCP协议对应端口（如3000）。
2. 检查容器状态 ： docker compose ps ，看状态是否为 running 。如果不是，用 docker compose logs 查日志。
3. 检查映射 ：确认 docker-compose.yml 中 ports 配置的宿主机端口是否正确，且未被其他进程占用（ sudo netstat -tlnp | grep :端口号 ）。
容器启动后立刻退出 (Exited) 1. 环境变量配置错误。
2. 依赖服务（如数据库）连接失败。
3. 启动脚本或权限问题。		 1. 查看退出日志 ： docker compose logs [服务名] ，重点看最后几行错误信息。
2. 检查环境变量 ：特别是API Key、数据库URL等格式是否正确，有无拼写错误。
3. 检查依赖 ：确认数据库等依赖容器是否先于应用容器健康启动。
OpenClaw UI能打开，但创建Agent或对话时报错（如连接模型失败） 1. 模型配置（BASE_URL, MODEL）错误。
2. API Key无效或余额不足。
3. 网络不通（针对本地Ollama）。		 1. 核对配置 ：在UI的设置页面或 docker-compose.yml 中，确认 OPENCLAW_BASE_URL 和 OPENCLAW_MODEL 完全正确。
2. 测试模型连接 ：对于API，用curl测试；对于Ollama，在服务器上运行 ollama list 和 ollama run qwen2.5:7b 看是否正常。
3. 检查容器网络 ：如果使用Ollama，确保按4.2节正确配置了网络连接。
服务器磁盘空间不足 1. Docker镜像、容器日志占用过多。
2. 拉取的本地模型文件过大。		 1. 清理Docker ： docker system prune -a （谨慎，会删除所有未使用的镜像、容器、网络，确认后再执行）。
2. 清理日志 ： sudo find /var/lib/docker/containers/ -name \"\*.log\" -size +100M 查找大日志文件。
3. 管理Ollama模型 ： ollama list 查看， ollama rm 模型名 删除不用的模型。
访问速度慢 1. 服务器地域离用户远。
2. 本地模型推理速度慢。
3. 服务器配置过低。		 1. 更换地域 ：下次购买时选择更近的地域。
2. 模型量化 ：使用Ollama时，拉取量化版本（如 qwen2.5:7b-q4_K_M ），能显著提升推理速度并降低内存占用。
3. 升级配置 ：考虑升级CPU和内存。

5.3 数据备份与迁移

你的智能体配置、工作流数据都保存在数据库中（默认是SQLite文件）。定期备份至关重要。

# 假设你的数据卷映射在 ./data 目录
cd ~/openclaw-deploy
# 创建一个备份压缩包，带上日期
tar -czf openclaw-backup-$(date +%Y%m%d).tar.gz data/

# 你可以将这个压缩包下载到本地，或者上传到云存储。
# 恢复时，只需停止服务，解压备份文件覆盖当前data目录，再启动服务即可。

最后一点个人体会 ：私有化部署OpenClaw最大的价值在于“可控”。你可以随心所欲地连接任何模型，定制任何工具链，而不受公有云平台的规则限制。初期部署可能会遇到一些小麻烦，但一旦打通，后面就是一马平川。建议在一切稳定后，为你的服务器设置自动安全更新，并考虑使用Nginx反代、配置HTTPS证书，让服务更专业、更安全。腾讯云轻量服务器本身也提供了监控和告警功能，可以关注一下CPU、内存和磁盘的使用情况，做到心中有数。

Logo
亚马逊云科技技术品牌专区

更多推荐

cover

我做了一个 AI 原生安全测试 Skill：让 Claude Code/Cursor 直接进入安全工程模式

avatar 亚马逊云科技技术品牌专区

2026年AI编程工具排行榜：10款主流产品深度横评，谁才是真正的提效之王

三个月实测10款AI编程工具，从代码生成质量、Agent能力、过程可控性、性价比、IDE兼容性五个维度打分排名。文心快码以SPEC规范驱动+Multi-Agent矩阵在可控性上拉满，附完整对比表和选型建议。

avatar 亚马逊云科技技术品牌专区
cover

深入理解 AI Agent · MCP 子系列 #02：MCP Server 开发实战—从工具注册到无状态新规范

avatar 亚马逊云科技技术品牌专区