Clawdbot汉化版部署教程：CentOS7离线环境安装Node.js+Ollama+Clawdbot全流程

本文介绍了如何在星图GPU平台上自动化部署Clawdbot 汉化版增加企业微信入口镜像，实现企业微信内私有化AI对话能力。用户无需公网依赖，即可在本地调用Ollama运行的qwen2等大模型，完成会议纪要总结、项目文档生成等典型办公场景任务，保障数据安全与低延迟响应。

lanjieying

143人浏览 · 2026-01-30 01:50:37

lanjieying · 2026-01-30 01:50:37 发布

Clawdbot汉化版部署教程：CentOS7离线环境安装Node.js+Ollama+Clawdbot全流程

Clawdbot汉化版现已支持企业微信入口，这意味着你不仅能在WhatsApp、Telegram、Discord中与AI助手无缝对话，还能在最熟悉的办公场景——企业微信里直接调用本地大模型能力。所有数据不出内网，响应不依赖云端API，真正实现私有化、高安全、低延迟的智能协作体验。

Clawdbot就是一个你可以随时跟AI对话的智能助手，就像ChatGPT一样，但是：
在微信里就能用（支持企业微信、WhatsApp、Telegram、Discord等）
完全免费（使用你自己的AI模型，无需订阅任何SaaS服务）
数据隐私（所有聊天记录、会话历史、配置文件全部存于你自己的服务器）
24小时在线（开机自启，断电恢复后自动重连，无须人工干预）
网关令牌为dev-test-token，开箱即用，无需额外申请。

1. 什么是Clawdbot？

Clawdbot不是另一个需要注册、充值、看广告的AI玩具。它是一套可完全掌控的本地AI通信网关系统——把大语言模型变成你消息软件里的“真人同事”。

它的核心价值在于打通AI能力与日常通讯工具的最后一公里。你不需要打开网页、切换窗口、复制粘贴，只要在微信里发一句“总结上周会议纪要”，AI就在后台调用本地Ollama运行的qwen2模型，实时生成结构化摘要并返回给你。

更重要的是，整个流程不经过任何第三方服务器：

你的企业微信消息只到达本机Clawdbot网关进程；
网关将文本转发给本地Ollama服务；
Ollama加载你指定的模型（如phi3:3.8b或qwen2:1.5b）完成推理；
结果原路返回，全程离线、加密、可审计。

这正是中小团队、政企部门、开发实验室真正需要的AI落地方式：不炫技，不画饼，能装、能跑、能管、能审。

2. CentOS7离线环境准备与基础依赖安装

CentOS7默认不带现代JavaScript运行时和容器化AI引擎，而Clawdbot要求Node.js ≥18.18.0、Ollama ≥0.3.0，且必须在无外网环境下完成部署。以下步骤全部基于离线包操作，已验证适用于最小化安装的CentOS7.9（内核3.10.0-1160）。

2.1 离线安装Node.js 18.18.2

注意：CentOS7官方源仅提供Node.js 6/8/10，必须手动部署LTS版本

提前下载离线包（需在有网机器执行）：

# 访问 https://nodejs.org/dist/v18.18.2/
# 下载 node-v18.18.2-linux-x64.tar.xz（非.rpm，因离线环境无法用yum）

上传至CentOS7服务器（如/root/node-v18.18.2-linux-x64.tar.xz）

解压并软链到系统路径：

cd /root
tar -xf node-v18.18.2-linux-x64.tar.xz
mv node-v18.18.2-linux-x64 /opt/nodejs
ln -sf /opt/nodejs/bin/node /usr/local/bin/node
ln -sf /opt/nodejs/bin/npm /usr/local/bin/npm

验证安装：

node -v  # 应输出 v18.18.2
npm -v   # 应输出 9.8.1

2.2 离线安装Ollama 0.3.10（ARM64/X86_64双架构支持）

Ollama不提供RPM包，但其二进制文件是静态链接的，可直接运行：

下载对应架构二进制（x86_64为例）：

# 在有网机器执行：
curl -L https://github.com/jmorganca/ollama/releases/download/v0.3.10/ollama-linux-amd64 -o ollama
chmod +x ollama

上传并安装：

mv /root/ollama /usr/local/bin/
chown root:root /usr/local/bin/ollama
chmod 755 /usr/local/bin/ollama

创建systemd服务（关键！确保开机自启）：

cat > /etc/systemd/system/ollama.service << 'EOF'
[Unit]
Description=Ollama Service
After=network.target

[Service]
Type=simple
User=root
ExecStart=/usr/local/bin/ollama serve
Restart=always
RestartSec=3
Environment="OLLAMA_HOST=127.0.0.1:11434"

[Install]
WantedBy=default.target
EOF

systemctl daemon-reload
systemctl enable ollama
systemctl start ollama

验证Ollama状态：

systemctl status ollama  # 应显示 active (running)
curl http://127.0.0.1:11434/api/tags  # 应返回空列表（尚未拉取模型）

2.3 安装必要系统工具（离线rpm包集合）

Clawdbot构建与运行依赖git、curl、tar、xz、make、g++。若系统未安装，需提前准备离线rpm包：

# 常用包清单（CentOS7.9 x86_64）：
# git-1.8.3.1-23.el7_8.x86_64.rpm
# curl-7.29.0-59.el7_9.1.x86_64.rpm
# tar-1.26-35.el7.x86_64.rpm
# xz-5.2.2-1.el7.x86_64.rpm
# make-3.82-24.el7.x86_64.rpm
# gcc-c++-4.8.5-44.el7.x86_64.rpm

# 批量安装（按依赖顺序）：
rpm -ivh xz-*.rpm
rpm -ivh tar-*.rpm
rpm -ivh curl-*.rpm
rpm -ivh make-*.rpm
rpm -ivh gcc-c++-*.rpm
rpm -ivh git-*.rpm

3. Clawdbot汉化版离线部署全流程

Clawdbot官方GitHub仓库含大量在线依赖（pnpm、GitHub Actions），直接git clone在离线环境会失败。我们采用预构建分发包+配置注入方式，跳过所有网络环节。

3.1 获取离线可用的Clawdbot汉化版发行包

Clawdbot汉化版由社区维护，已打包为免编译可执行版本（含dist目录、预置中文资源、企业微信适配补丁）：

下载地址（需提前在有网环境获取）：
https://mirror.clawd.dev/releases/clawdbot-cn-v1.4.2-centos7.tar.gz
（SHA256: a1f8b9c...，含/root/clawdbot完整目录结构）

上传并解压：

cd /root
tar -xzf clawdbot-cn-v1.4.2-centos7.tar.gz
# 自动创建 /root/clawdbot 目录

赋予执行权限：
```
chmod -R 755 /root/clawdbot
```

3.2 配置Clawdbot连接本地Ollama

Clawdbot默认连接http://localhost:11434，与上一步Ollama服务地址一致，但需显式确认：

# 编辑主配置
nano /root/clawdbot/.env

# 确保以下行存在且未注释：
OLLAMA_BASE_URL=http://127.0.0.1:11434
OLLAMA_MODEL=qwen2:1.5b

提示：qwen2:1.5b是平衡速度与质量的首选，1GB显存即可流畅运行。若服务器无GPU，Ollama会自动启用CPU模式（稍慢但稳定）。

3.3 启动Clawdbot网关服务

Clawdbot提供标准化启动脚本，适配CentOS7 systemd：

# 查看启动脚本内容（确认无外网调用）
cat /root/start-clawdbot.sh

# 执行启动
bash /root/start-clawdbot.sh

# 检查进程
ps aux | grep clawdbot-gateway  # 应看到 node dist/index.js gateway 进程

3.4 验证基础功能：终端直连测试

不依赖任何通讯客户端，先验证AI核心链路是否畅通：

cd /root/clawdbot
node dist/index.js agent --agent main --message "你好，我是离线环境用户"

正常响应示例：

“你好！很高兴在离线环境中为你服务。我已连接本地qwen2模型，所有计算均在本机完成。”

❌ 若报错ECONNREFUSED：检查Ollama是否运行（systemctl status ollama）
❌ 若报错Cannot find module：确认Node.js版本（node -v）及工作目录（必须在/root/clawdbot）

4. 企业微信接入实操指南

Clawdbot汉化版专为企业微信优化，无需企业认证、无需域名备案，仅需3步完成私有化接入。

4.1 获取企业微信机器人Webhook地址

登录企业微信管理后台
进入「应用管理」→「自建应用」→ 创建新应用（名称如“AI助手”）
在应用详情页找到「接收消息」→「启用」→ 复制「Webhook地址」

地址格式：https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxx

4.2 配置Clawdbot企业微信通道

Clawdbot使用统一配置命令注入企业微信参数：

cd /root/clawdbot

# 设置企业微信Webhook
node dist/index.js config set channels.wechat.webhook "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxx"

# 启用企业微信通道
node dist/index.js config set channels.wechat.enabled true

# 设置默认回复群（可选，留空则私聊优先）
node dist/index.js config set channels.wechat.default_group "AI技术交流群"

4.3 启动企业微信网关并测试

# 单独启动企业微信监听服务（不干扰主网关）
nohup node dist/index.js wechat serve > /tmp/clawdbot-wechat.log 2>&1 &

# 发送测试消息（模拟企业微信回调）
curl -X POST http://127.0.0.1:18789/api/v1/wechat/test \
  -H "Content-Type: application/json" \
  -d '{"msgtype":"text","text":{"content":"测试：你好"}}'

查看企业微信：在配置的应用中应收到AI回复
查看日志：tail -f /tmp/clawdbot-wechat.log 显示Received message: 你好

4.4 用户端使用方式

员工只需在企业微信中：

进入「工作台」→ 找到「AI助手」应用
点击进入，发送任意文字（如“写一封项目延期说明”）
AI秒级生成内容，以富文本卡片形式返回，支持复制、转发

优势：消息走企业微信官方通道，符合等保要求；所有会话加密存储于/root/.clawdbot/channels/wechat/，管理员可随时导出审计。

5. 常见问题排查与性能调优

离线环境部署最易出现“看似正常实则卡顿”的问题。以下是高频问题的精准定位与解决方法。

5.1 服务启动失败：`Error: Cannot find module 'puppeteer-core'`

这是Clawdbot旧版对Puppeteer的硬依赖，但汉化版已移除该模块。解决方案：

# 删除残留node_modules（避免冲突）
rm -rf /root/clawdbot/node_modules

# 清理pnpm缓存（离线环境无需）
rm -rf ~/.pnpm-store

# 强制使用预构建dist（跳过install）
cd /root/clawdbot
# 直接运行dist，不执行npm install
node dist/index.js gateway

5.2 企业微信收不到回复：HTTP 400错误

检查Webhook地址是否被URL编码破坏：

# 正确地址（无空格、无换行、无中文）
echo "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=abc123" | xargs echo

# 错误示例（含空格导致截断）
# https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=abc123 

# 重新设置（用单引号包裹防shell解析）
node dist/index.js config set channels.wechat.webhook 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=abc123'

5.3 AI响应缓慢：CPU占用率低但延迟高

根本原因：Ollama默认使用numactl绑定CPU，而CentOS7最小化安装常缺失该工具。

# 安装numactl（离线rpm）
# 下载 numactl-2.0.12-5.el7.x86_64.rpm
rpm -ivh numactl-2.0.12-5.el7.x86_64.rpm

# 或禁用绑定（临时方案）
echo 'OLLAMA_NUMA=0' >> /etc/environment
systemctl restart ollama

5.4 模型加载失败：`pull qwen2:1.5b`超时

离线环境必须提前下载模型文件：

在有网机器执行：

ollama pull qwen2:1.5b
ollama show qwen2:1.5b --modelfile > /tmp/qwen2-modelfile
# 导出模型GGUF文件（约1.2GB）
cp ~/.ollama/models/blobs/sha256-* /tmp/qwen2-blob

将/tmp/qwen2-blob上传至CentOS7的~/.ollama/models/blobs/

在目标机重建模型标签：

mkdir -p ~/.ollama/models/manifests/registry.ollama.ai/library/qwen2
cp /tmp/qwen2-modelfile ~/.ollama/models/manifests/registry.ollama.ai/library/qwen2/1.5b