OpenClaw云端部署完整指南：在DigitalOcean上打造7x24小时在线的AI代理

先说一句题外话。最初我只是想找个工具帮我定时处理服务器上的杂活，结果把OpenClaw跑起来之后发现根本收不住手：它的Logo是一只举着钳子的龙虾，名字里的Claw也是龙虾钳子的意思，所以圈子里都管部署OpenClaw叫“养虾”。“人人养虾”就是人人都能在云上养一只属于自己的AI龙虾，让它全天候在线帮你跑任务、回消息、整理资料，而不是只在本地电脑开着的时候才干活。

这篇文章是我在DigitalOcean上从零把OpenClaw部署起来、配好模型、接上飞书、折腾完各种报错的完整记录。适合三类人：已经在本地把OpenClaw跑起来、想搬到云上的；手里有DigitalOcean账号但不知道从哪下手的；以及刚听说AI代理这个概念、想看看这东西到底能不能真干活的人。

1. “人人养虾”是什么逻辑：OpenClaw的定位与核心能力

1.1 Claw这个名字，已经把项目定位写明白了

OpenClaw本质上是一个跑在终端或后台的AI代理（Agent）。和网页版AI助手最大的区别在于，网页版是“顾问”，你说一句它答一句，说得再好听也得你自己动手执行；OpenClaw是“执行者”，你给它一个目标，它自己拆解任务、调用工具、读写文件、执行命令，然后把结果交给你。

从核心功能来看，OpenClaw具备这几个关键能力：一是能连接不同的模型服务，包括本地模型、云API、各种OpenAI兼容接口；二是有一套Skill机制，相当于给AI写“岗位SOP”，让它遇到某种任务时知道该按什么流程操作；三是支持网关模式，可以接入飞书、微信、Obsidian这类外部系统；四是所有状态都落在本地的数据目录里，可以积累长期记忆和工作痕迹。这也是为什么大家都说它是“养”出来的——用得越久，它越懂你的习惯。

1.2 本地跑和云端跑，差距到底在哪

很多人最开始都在本地跑OpenClaw。Windows也好、Mac也好，安装不难，跑起来也快，零成本起步。但我建议你认真想清楚一件事：你本地电脑关机了，虾就断粮了。

如果你只是偶尔在终端里让它写个脚本，本地完全够用。但如果你想让它定时执行任务、在群里响应需求、出门在外也能通过手机或IM呼叫它，那就必须把它放到云服务器上。云端意味着稳定的公网入口、稳定的运行环境、不依赖你个人电脑的状态。

结论很直接：只是想玩一玩，先本地装一个，成本最低；想真正让AI替你干活，直接上云，别犹豫。上云之后的体验完全不一样，你会发现它从一个“玩具”变成了一个“劳动力”。

2. 选DigitalOcean这台“虾塘”，我的完整考量

2.1 服务器规格与系统镜像选择

市面上云服务器很多，AWS、GCP、Vultr、Linode、国内云厂商，各有各的优势。我最终选DigitalOcean，原因是它把复杂度降到了最低：创建服务器只要选配置、选机房、选系统，然后直接开机，没有乱七八糟的VPC、安全组概念；计费方式简单；社区教程覆盖了几乎所有常见部署场景。

配置方面，我选的是普通型Droplet，2GB内存、1核CPU、50GB SSD。选择逻辑是这样的：OpenClaw本体非常轻，内存大头其实不在它，而在你跑的模型。如果只用云端API，2GB内存绰绰有余；如果你想在服务器上跑Ollama本地模型，比如qwen2.5系列的小参数版本，建议至少4GB内存。我不建议一上来就买带GPU的实例，贵且没必要——跑大型模型直接调用云端API更划算。

系统镜像选Ubuntu 24.04 LTS，原因是Long Term Support版本更新周期长，生态成熟，网上遇到问题容易搜到答案。主机名可以自己起，我给它起名叫shrimp-01，毕竟养虾嘛，给虾塘起个名字是基本仪式感。

2.2 账单怎么算：每月养虾成本拆解

先说结论：一只2GB内存的虾，每月成本大概在十几美元左右，折合人民币一百出头的水平，在可接受范围内。具体费用取决于官方定价，我列一下我自己的账本：

很多人踩过一个坑：服务器不用了只是关机，然后每个月收到账单。DigitalOcean的Droplet关机后不再计算运行费用，但存储和保留的资源仍然存在，有些情况会产生费用。最稳妥的做法是：如果确定长时间不用，直接销毁（Destroy）实例，保留一个快照，下次要用的时候从快照恢复，比一直开着省得多。

2.3 为什么不用其它云

我不否认国内云服务商产品能力很强，但对个人项目不太友好。最大的问题是要实名认证、备案流程多，想快速拉起一台机器做实验，光走流程就能劝退。AWS和GCP功能确实强大，但控制台对于新手来说就像迷宫，而且默认服务可能产生额外费用，比如负载均衡、NAT网关，一个不小心账单就起飞了。

DigitalOcean的体验是“开箱即用”：创建、连接、干活，三步走完。如果你有稳定的海外支付方式，这基本是个人部署OpenClaw最省心的选择。

3. 从创建Droplet到OpenClaw跑起来：完整部署过程

3.1 创建Droplet时的几个关键选项

创建Droplet时有几个地方值得认真选一下。认证方式强烈建议选SSH密钥而不是密码——密码容易被暴力破解，用密钥登录既安全又省去每次输入密码的麻烦。在Windows PowerShell里用ssh-keygen生成密钥，然后把公钥内容复制到DigitalOcean的SSH Key设置里，创建Droplet时勾选即可。

机房位置看你主要从哪里访问。国内访问比较稳定的是新加坡机房，距离近、延迟低；如果只是自己折腾不介意延迟，旧金山或纽约的实例通常会便宜一点点。还要注意选择是否启用IPv6，如果后续要配置某些只支持IPv6的回调服务，提前启用比后补省事。

3.2 SSH登录之后的前5分钟：基础环境

用ssh root@服务器IP登录之后，第一件事是更新系统软件源，然后安装基础工具：

bash复制apt update && apt upgrade -y
apt install -y curl git build-essential

OpenClaw依赖Node.js环境。这里我强烈建议用nvm来安装Node.js，而不是直接用apt包管理器装的版本。原因是apt系的Node.js版本往往偏旧，而OpenClaw迭代速度很快，旧版Node可能不兼容新版OpenClaw。nvm可以随时切换Node版本，遇到兼容性问题时多一个退路：

bash复制curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install --lts
node -v

3.3 安装OpenClaw的两种方式

OpenClaw的安装方式主要有两种，看你自己习惯。第一种是npm全局安装，直接执行npm install -g openclaw，装完后终端里就能使用openclaw命令。第二种是官方提供的安装脚本，一行命令搞定，具体地址以官方README为准。我不在这里写死某个URL，因为项目更新频繁，网上教程里的安装链接很可能已经失效。

安装完成后先跑一下openclaw --version确认版本号。如果提示找不到命令，大概率是npm全局目录没加入PATH，需要把npm的全局bin目录配置到环境变量里。确认命令可用之后，运行openclaw init初始化配置。这个步骤会创建~/.openclaw目录，并生成默认配置文件。

3.4 用systemd托管OpenClaw：让虾7x24小时在线

直接在终端里运行openclaw能看到完整日志，但一旦你关掉SSH会话，进程就结束了。想让它真正长期运行，最简单可靠的方式是用systemd托管。

创建一个systemd服务文件/etc/systemd/system/openclaw.service：

code复制[Unit]
Description=OpenClaw AI Agent
After=network.target

[Service]
User=root
WorkingDirectory=/root
ExecStart=/usr/bin/openclaw serve
Restart=always
RestartSec=5
Environment=NODE_ENV=production

[Install]
WantedBy=multi-user.target

启动并设置开机自启：

bash复制systemctl daemon-reload
systemctl enable --now openclaw
systemctl status openclaw

之后所有日志都能通过journalctl -u openclaw -f查看。这个方法的优势在于：服务器重启后自动拉起、进程崩溃后自动重启、日志统一管理。比我最开始用的screen方式靠谱太多——当时忘了重启机器，虾就整整断粮了一天，我还在想怎么叫不醒它。

4. 给虾配饲料：模型接入与核心配置

4.1 ~/.openclaw 目录里到底装了什么

OpenClaw初始化后会在~/.openclaw下生成几个关键目录和文件。搞清楚这些东西各自干什么，排查问题会顺利很多：

启动日志里会打印runtime metadata，包括OpenClaw版本、Node版本、网关监听地址。出问题的时候先看这个信息，确认版本和监听状态，比盲目改配置高效得多。

4.2 免费模型怎么接：Ollama与云端免费额度

模型接入是养虾的最关键一步，因为OpenClaw本身不包含大模型能力，它需要调用一个“大脑”。最省钱的方案是接本地模型：在服务器上安装Ollama，然后拉取一个小参数模型，比如qwen2.5:3b：

bash复制curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen2.5:3b

然后在OpenClaw的模型配置里，把base_url指向http://localhost:11434/v1，模型名填qwen2.5:3b，api_key随便填一个占位符就行。因为Ollama本地服务不校验密钥。这个方案的优势是零成本、数据不离开自己的服务器，缺点是3B模型智商有限，写写简单脚本、整理文本没问题，复杂推理就吃力了。

如果想用更大的模型又不想花钱，可以考虑OpenRouter这类聚合平台，它们提供免费模型池，注册获取API Key后，在OpenClaw里配置base_url为OpenRouter的OpenAI兼容地址、选择支持的免费模型即可。需要注意免费模型通常限流，别拿去做批量任务，否则很容易触发限制。

4.3 接NVIDIA NIM和OpenAI兼容接口

很多人问OpenClaw能不能接NVIDIA NIM。答案是能，而且配置非常简单。NVIDIA NIM是英伟达提供的推理微服务，本质上是把模型部署成OpenAI兼容的API接口。只要你的模型服务开放的是/v1路径，OpenClaw就能直接对接。

配置思路大概是这样：base_url填NIM服务地址，api_key填NIM分配的密钥，model填对应的模型名称。无论NIM跑在英伟达的云端还是你自己的GPU机器上，对OpenClaw来说都只是一个模型的HTTP入口。

这里也顺带解释为什么OpenClaw能接那么多不同的模型源：底层只是按照OpenAI兼容协议发起请求。所以Ollama可以、NIM可以、各种模型网关也可以。理解这一点之后，你就不再被某个具体平台绑住了。

4.4 自定义API网关：多模型统一管理

用到后面你会发现，给OpenClaw配多个模型源是常见的玩法。比如用免费模型处理日常文本，用更强大的模型处理复杂任务。但如果每个模型一套API，OpenClaw里就要频繁切换配置，很麻烦。

更好的做法是在前面加一层API网关/中转站，把OpenClaw要访问的模型全部统一成一个入口和一个密钥。OpenClaw只配置网关的base_url，网关根据请求特征把流量转发到不同的模型后端。这样做的额外好处是可以统一记录用量、做预算控制、在某个模型服务挂了的时候自动降级到备用模型。

如果你有自己的阿里云API、或者其他云端服务想接入OpenClaw，核心思路也一样：把它们封装成OpenAI兼容接口，再配置到OpenClaw里。相当于给这只虾接通了你日常会用到的大部分工具。

5. 让虾学会更多技能：Skill、ClawHub与IM接入

5.1 Skill机制：OpenClaw凭什么能自己干活

OpenClaw的Skill机制是我最喜欢的设计。一个Skill本质上是一组预定义指令和脚本，告诉AI遇到某类任务时应该调用什么工具、按什么顺序执行、输出什么格式。可以理解为给AI编写的一份“工作说明书”，有了SOP，AI就不再是随性发挥，而是按规范办事。

自定义一个Skill的操作逻辑是：在skills目录下新建一个文件夹，里面放一个Skill描述文件，写清楚这个技能的名称、触发条件、执行步骤、需要引用的脚本或工具。比如我写过一个“服务器巡检Skill”，每天早上自动查看磁盘空间、内存占用、OpenClaw进程状态，然后生成一份简短的巡检报告发到飞书群里。这个Skill跑了一个月，帮我发现了一次磁盘空间不足的隐患。

5.2 接飞书：让虾出现在工作群

接入飞书是让OpenClaw价值最大化的方式之一。接完之后，你可以在飞书群里直接@它，让它查资料、写周报、翻译文本，把AI从“终端里的工具”变成“群里的同事”。

大致流程是：先在飞书开放平台创建一个企业自建应用，拿到App ID和App Secret，启用机器人能力并订阅消息事件；然后在OpenClaw里启用对应的IM适配器，填上App ID和Secret；如果OpenClaw部署在你的DigitalOcean服务器上，还需要开放对应的端口，让飞书能够回调到服务器的Webhook地址。

我在实际配置中发现一个比较坑的细节：如果你的OpenClaw网关监听在127.0.0.1上，飞书的回调永远到不了服务器。必须确认网关监听地址是0.0.0.0，并且在防火墙里放行对应端口。另外，如果不想暴露公网回调端口，可以看看OpenClaw是否支持长连接模式，飞书后台配置为长连接后就不需要公网回调地址了。

5.3 Obsidian结合OpenClaw做项目管理

把自己日常使用的笔记工具和OpenClaw打通，是另一套很实用的玩法。我的做法是在配置文件里把OpenClaw的工作目录指向一个Obsidian vault的子目录，然后写了一个“项目周报生成器”Skill。每周五下午，OpenClaw自动扫描这个目录里的项目笔记、待办事项和会议记录，按模板汇总成一份周报，放在vault的指定位置。我需要做的只是打开Obsidian看一眼，然后复制粘贴发出去。

这里有一个安全建议：不要让OpenClaw直接读写整个Obsidian vault，而是给它一个独立的工作目录。AI难免会有误操作，给它一个隔离的工作区，就算它把某篇文章改乱了，也不会影响你整个知识库。

5.4 微信插件的折腾记录

微信是很多人第一个想到的接入场景，但也是坑最多的。个人微信接入第三方机器人方案存在账号风险，轻则被限制功能，重则封号。如果你想让OpenClaw在微信生态里干活，我建议优先考虑企业微信自建应用，或者微信公众平台的服务号。这类官方开放的接口有完善的消息回调机制，合规稳定，不会因为“非官方客户端”被风控。

部署在海外服务器上还要注意一个现实问题：账号的登录环境变化可能触发平台风险提示。所以能走官方接口就尽量走官方接口，别试图用个人号搞旁门左道。

6. 养虾避坑实录：常见报错的完整排查链路

6.1 “无法将openclaw识别为cmdlet”——Windows安装问题排查

这个报错在Windows上特别常见。现象是在PowerShell里输入openclaw，系统直接提示“无法将openclaw项识别为cmdlet、函数、脚本文件或可运行程序”。我第一次在Win11上装的时候也遇到过，当时第一反应是“糟了，安装失败了”，但用npm -g ls查看，明明装得好好的。

排查链路是这样的：先确认安装状态，npm -g ls openclaw看包是否存在；再确认npm全局目录有没有进入PATH，npm prefix -g可以查看全局目录位置，Windows上通常类似C:\Users\用户名\AppData\Roaming\npm，手动把这个路径加到系统环境变量PATH里。加完之后新开一个PowerShell窗口再试。

如果是PowerShell策略限制导致脚本无法执行，报错会提示“因为在此系统上禁止运行脚本”，解决办法是用管理员权限执行：

powershell复制Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

另外还有个问题是“能不能指定目录安装”。答案是看安装器是否支持自定义目录参数。理论上用npm方式装的话，可以通过--prefix参数指定全局安装目录，但装完后一定记得把对应目录加进PATH。便携包本质上就是免安装版，解压就能用，适合应急场景，但不适合长期作为主力环境。

6.2 exec-approvals.json 与命令审批机制

启动OpenClaw时，有人会看到一行提示：legacy exec approvals exist at /root/.openclaw/exec-approvals.json。这个提示不是报错，而是说明新版OpenClaw改了命令审批记录的存储格式，检测到旧版本留下的审批记录，希望你去迁移。

OpenClaw的执行权限设计是这样的：AI在执行某些危险命令之前，需要经过你的审批。审批通过后，这条命令会被记录在exec-approvals.json里，下次再遇到同样的命令就不会重复询问。这个机制是安全兜底，避免AI在你不知情的情况下执行rm、curl管道、大规模写操作等高风险命令。

处理方式很明确：先备份文件，再根据提示执行迁移命令，或者干脆把旧的审批记录归档，让OpenClaw重新建立一份。我个人的建议是保留历史审批记录，因为那是AI和你之间形成信任的痕迹；把这些记录完整迁移过去之后，它就知道哪些操作是被允许的，能少很多重复确认的打断。

6.3 卡在“网关启动中”的排查链路

这个问题的现象是OpenClaw启动后一直显示“网关启动中”，卡住不动。我在部署初期被这个问题折磨了整整一个下午。按时间线回忆一下完整排查过程。

第一步看OpenClaw日志。journalctl -u openclaw -f拉出实时日志，发现网关服务在尝试绑定某个端口时失败。第二步检查端口占用，ss -lntp | grep 端口号，发现端口确实被另一个进程占着。杀掉旧进程后重试，网关还是起不来。第三步看配置的模型端点是否可连通，用curl直接请求base_url，发现连接超时。这时候才意识到，不是端口的问题，是OpenClaw在网关启动阶段会尝试连接配置的模型服务，连不上就一直处于“启动中”状态。

我当时的解决方法是：把配置文件里base_url从域名改成服务器IP直连，重新启动后网关立刻正常。后来复盘原因，是DNS解析超时拖垮了模型服务的健康检查。如果你的问题不在DNS，那就检查防火墙规则，确认服务器防火墙没有拦截OpenClaw与模型服务之间的通信。总之这个问题的排查链路优先级是：日志、端口、模型端点连通性、DNS、防火墙。

6.4 关闭和更新OpenClaw的正确方式

关闭OpenClaw的方法取决于你怎么启动的。前台运行时直接Ctrl+C退出；systemd托管时用systemctl stop openclaw；找不到进程时用ps aux | grep -i openclaw定位PID再kill，这是最后的兜底方案。DigitalOcean上管理的服务器，我建议始终用systemd来管，优先级从高到低仍然是：systemctl、前台退出、kill。

更新方面，OpenClaw有两个更新通道：stable和dev。日常使用用stable，想尝鲜新功能可以切到dev。命令大概是openclaw update --channel stable或openclaw update --channel dev。这里有个实际教训：dev通道版本迭代非常快，可能昨晚还能用的配置，今早更新完就报结构错误。所以除非你有明确想体验的新功能，否则别轻易切dev。

顺便说一句，现在OpenClaw已经迭代到2.x版本，早期教程里的很多路径和配置字段都有变动。如果你搜到的教程内容和自己装的版本对不上，先确认版本号，再找对应文档，否则容易越改越乱。

7. 进阶扩展与安全加固：让虾塘更稳

7.1 用Docker Compose把OpenClaw和Ollama放在一起

如果你既想用本地模型，又想把环境完全隔离，可以直接上Docker Compose。我是Windows本地装过Docker，后来发现云上用Docker管理OpenClaw和Ollama的组合也很舒服，升级、备份、迁移都特别方便。一个最小的编排思路是定义两个服务：OpenClaw和Ollama，Ollama通过内部网络暴露11434端口，OpenClaw通过服务名访问它，并把数据目录挂载到宿主机。

这是一个示意性的编排文件，具体镜像名和版本以你部署时官方文档为准：

yaml复制services:
  ollama:
    image: ollama/ollama:latest
    restart: always
    volumes:
      - ollama_data:/root/.ollama
    ports:
      - "11434:11434"

  openclaw:
    image: openclaw/openclaw:latest
    restart: always
    depends_on:
      - ollama
    environment:
      - OPENCLAW_MODEL_BASE_URL=http://ollama:11434/v1
    volumes:
      - openclaw_data:/root/.openclaw
    ports:
      - "3000:3000"

volumes:
  ollama_data:
  openclaw_data:

用Docker的好处是，将来想换机型或者迁移到新服务器，直接把compose文件和两个数据卷备份带走，恢复成本几乎为零。但代价是多了一层抽象，排查问题时需要理解容器网络和数据卷机制。新手如果不太熟悉Docker，直接用systemd托管更简单直接。

7.2 ClawHub和OpenClaw的分工

提到Skill就绕不开ClawHub。ClawHub可以理解为OpenClaw的“技能应用商店”，OpenClaw本身负责运行和管理Agent，ClawHub负责发现和安装其他人分享的Skill。两者是分工关系，不是替代关系。

使用逻辑很清晰：在ClawHub上浏览你需要的技能包，复制安装命令，在服务器上执行，OpenClaw就能识别新技能。我装过好几个社区分享的技能包，比如网页抓取、定时备份、数据处理，比自己从零写指令省事太多。当然，引入第三方技能包时要注意审查脚本内容，毕竟它可能包含在服务器上执行任意命令的逻辑。

7.3 安全加固与密钥管理

最后说说安全。养虾这件事，虾塘不结实，虾再能干也没用。DigitalOcean初始登录用户是root，我建议创建普通用户并加入sudo组，OpenClaw服务也用普通用户运行，降低被入侵后的破坏面。防火墙只放行必要的端口，SSH改成非默认端口或者直接配fail2ban防暴力破解，OpenClaw的网关端口只绑定到需要的网络接口。

API密钥管理也要重视。不要把密钥明文写在OpenClaw的配置文件里，更不要写进会被同步到Git仓库的脚本中。优先用环境变量注入，或者用OpenClaw内置的密钥管理功能。DigitalOcean有快照功能，每次升级前打一个快照，翻车了能秒回滚。

我在实际使用中最深的一个体会是：养虾的关键不是部署那一下，而是长期维护的习惯。数据要备份、日志要看、版本要克制更新，把这些基本纪律做好了，这只虾才会越养越顺手，而不是越养越糟心。