1. 快速部署（推荐）

macOS / Linux / WSL2

curl -fsSL https://openclaw.ai/install.sh | bash

Windows (PowerShell)

iwr -useb https://openclaw.ai/install.ps1 | iex

跳过引导安装

curl -fsSL https://openclaw.ai/install.sh | bash -s – --no-onboard

验证安装

openclaw doctor # 检查配置问题

openclaw status # 查看网关状态

openclaw dashboard # 打开浏览器界面

常见问题： openclaw 未找到命令

诊断：

node -v

npm -v

npm prefix -g

echo “$PATH”

解决方法：添加到 ~/.zshrc 或 ~/.bashrc ：

export PATH=“$(npmprefix-g)/bin:$PATH”

2. npm/pnpm 部署

npm 安装

npm install -g openclaw@latest

openclaw onboard --install-daemon

sharp 构建错误处理:

SHARP_IGNORE_GLOBAL_LIBVIPS=1 npm install -g openclaw@latest

pnpm 安装

pnpm add -g openclaw@latest

pnpm approve-builds -g # 批准 openclaw, node-llama-cpp, sharp 等

openclaw onboard --install-daemon

3. 从源码部署

克隆并构建

git clone https://github.com/openclaw/openclaw.git

cd openclaw

pnpm install

pnpm ui:build

pnpm build

链接到全局

pnpm link --global

运行引导安装

openclaw onboard --install-daemon

4. Docker 部署

适合容器化或无头部署场景。

前提条件

Docker 已安装（版本 20.10+）

Docker Compose 已安装（推荐）

方法一：Docker Run 快速启动

拉取镜像

docker pull openclaw/openclaw:latest

创建数据卷

docker volume create openclaw-data

运行容器

docker run -d \

–name openclaw \

–restart unless-stopped \

-p 3000:3000 \

-v openclaw-data:/app/data \

openclaw/openclaw:latest

方法二：Docker Compose（推荐）

创建 docker-compose.yml 文件：

version: ‘3.8’

services:

openclaw:

image: openclaw/openclaw:latest

container_name: openclaw

restart: unless-stopped

ports:

 - "3000:3000"

volumes:

- openclaw-data:/app/data

- ./openclaw-data:/app/data # 可选：挂载宿主目录

environment:

 - TZ=Asia/Shanghai

 - OPENCLAW_HOME=/app/data

 - OPENCLAW_CONFIG_PATH=/app/data/config.json

networks:

 - openclaw-network

volumes:

openclaw-data:

networks:

openclaw-network:

driver: bridge

启动：

docker-compose up -d

验证运行

查看日志

docker logs openclaw

查看状态

docker ps | grep openclaw

进入容器调试

docker exec -it openclaw bash

浏览器访问

访问：http://localhost:3000

如果需要外部访问，修改端口映射：

-p 8080:3000 # 外部 8080 -> 容器 3000

常见问题

容器无法启动

查看详细日志

docker logs --tail 200 openclaw

检查端口占用

lsof -i:3000

数据持久化

数据存储在 Docker 卷 openclaw-data 中：

查看卷内容

docker exec openclaw ls -la /app/data

备份数据

docker run --rm -v openclaw-data:/data -v $(pwd):/backup alpine tar czf /ba

恢复数据

docker run --rm -v openclaw-data:/data -v $(pwd):/backup alpine tar xzf /ba

端口冲突

如果 3000 端口被占用，修改映射：

ports:

• “8080:3000” # 外部 8080 端口

或者

• “3001:3000” # 外部 3001 端口

5. 环境变量配置

变量名

说明

OPENCLAW_HOME

内部路径的主目录

OPENCLAW_STATE_DIR

可变状态位置

OPENCLAW_CONFIG_PATH

配置文件位置

6. 更新与卸载

更新

curl -fsSL https://openclaw.ai/install.sh | bash

卸载

npm uninstall -g openclaw

rm -rf ~/.openclaw

7. 更多资源

官方文档

GitHub 仓库

社区 Discord

ClawHub

介绍
具身智能是 AI 与机器人融合的重要方向，让 AI 拥有 “身体”，实现感知、决策、执行一体化，与物理世界真实交互。2026 年，具身智能被写入政府工作报告，产业正从实验室迈向产业化。
目前行业核心技术加速突破，但面临懂技术难落地、懂应用缺核心的人才缺口。为响应国家战略、破解人才困境，特开设具身智能核心技术开发与应用学习班，助力从业者快速掌握技术、打通落地壁垒、抢占产业风口。

2026年4月25日—4月27日

目标
掌握具身智能核心概念、技术体系与发展脉络
吃透感知、认知、决策、行动全环节软件技术原理
熟练使用开发工具、掌握实操方法与工程优化
把握多场景应用落地路径

📚 课程大纲
一、具身智能基础认知
定义、特征与医疗/工业等应用场景
软件体系架构：感知—认知—决策—执行
2026技术栈与主流选型
二、感知层软件技术
多模态感知：2D/3D视觉、力觉/IMU融合
目标检测YOLOv9、语义分割、3D点云PCL、SLAM、手眼标定
OpenCV、PCL、Detectron3框架
三、认知决策层软件技术
VLA模型：视觉—语言—动作联合表征
大模型微调PEFT、LoRA/QLoRA
世界模型、强化学习PPO/SAC
任务理解与动作规划
四、执行控制与中间件
运动规划RRT*、A*、MoveIt 2
PID、阻抗控制算法
ROS 2核心与安全内核设计
五、实操综合项目
Ubuntu+ROS 2+Isaac Sim环境搭建
URDF机器人建模与仿真
多模态数据采集标注
VLA微调+ROS 2集成+仿真部署
工业/医疗/物流案例深度解析
六、工程落地与趋势
实时性、安全性、数据稀缺解决方案
医疗机械臂、协作机器人案例
世界模型、边云协同、多机协同趋势
七、总结复盘
1，知识点梳理+项目点评+问题答疑

具身智能交流群：972390721）