我行我素12334OpenClaw 这阵子在技术社区的存在感确实高了不少，尤其是 4 月前后，官方把 Skill 机制和 Control UI 的稳定性补了一轮，微信接入也不再是纯实验功能。很多人的关注点已经从"这玩意儿能不能玩"变成了"怎么把它正经部署到服务器上长期跑"。我刚好趁这个时间点，把 华为云 + 百炼 APIKey 这条链路完整做了一遍实测，从一台全新的华为云服务器到 OpenClaw 正常回复消息，顺利的话确实能控制在 8 分钟左右。这篇文章是这次部署的完整记录，包含选型思路、每一步的实操命令、配置文件的写法，以及几个特别容易把人卡死半天的报错排查，打算自己搭一套私有 Agent 环境的朋友可以直接照着来。
1. 先把 OpenClaw、华为云、百炼 APIKey 这三个东西的关系捋清楚
1.1 OpenClaw 到底是什么
OpenClaw 本质上是一套开源的自托管 Agent 运行框架。它把大模型调用、工具执行、上下文管理、多平台接入这些能力统一封装在一个进程里，你部署好之后，相当于有了一个自己的 AI 助手后端。它可以执行任务、调用外部工具、按 Skill 机制扩展能力，也能通过微信这类 IM 入口跟人对话。
和直接用某个模型官方的 Web 端相比，OpenClaw 最大的区别是"框架"和"模型"解耦：模型接口可以任意切换，DeepSeek、通义千问、NVIDIA NIM 都能接，只要实现了 OpenAI 兼容协议就行。框架层做的事情是帮你把请求路由、工具调用、权限控制、会话记忆这些脏活累活扛下来。用一句话概括，就是你只需要准备好模型 APIKey，框架负责帮你把模型变成一个"能干活"的 Agent。
1.2 为什么选华为云当部署基座
选华为云不是因为它有什么独家能力，而是因为它作为云服务器本身有几个对部署 OpenClaw 很友好的特点。第一是弹性云服务器 ECS 的开通速度快，从控制台点几下到能 SSH 登录，一般一两分钟；第二是内网访问华为云其他服务（比如对象存储、镜像仓库）的稳定性好，后面如果要给 OpenClaw 挂私有知识库或模型微调服务，省事；第三是安全组规则清晰，端口控制比很多小厂商直观。
另外，OpenClaw 的典型场景是长期挂机跑 Agent 任务，你对服务器的要求其实不高：2 核 4G 内存就够，带宽 3-5Mbps 也够日常对话和工具调用。这类低配机器在华为云上的单价不高，新用户还有折扣，很适合拿来当作 Agent 基础环境。如果你个人电脑配置好，本地 Docker 也能跑，但云端的优势是 7×24 小时在线、不占本地资源、方便接微信这类需要公网回调的服务。
1.3 百炼 APIKey 在这条链路里扮演的角色
百炼是阿里云推出的模型服务平台，OpenClaw 相当于一个"没脑子的执行者"，真正负责理解、生成、推理的是百炼上的通义千问系列模型。OpenClaw 通过 HTTP 调用百炼的 OpenAI 兼容接口，把用户消息传过去，拿到模型返回结果再交给下游工具或对话界面。
至于 APIKey，就是你使用这项服务的凭证。框架侧拿到这个 Key 之后，每次调用都会带上它，百炼服务端根据 Key 识别你的账号、计量、计费。所以整个集成过程的核心就两件事：一是让 OpenClaw 进程能读到正确的 APIKey，二是让模型请求指向百炼的接口地址。第一件事靠环境变量，第二件事靠配置文件，后面都会讲到。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 华为云环境准备：一台新机器就够了
2.1 实例规格和系统镜像怎么选
我不建议一上来就选高配，OpenClaw 这个东西，尤其只是个人使用的话，2 核 CPU、4GB 内存的 ECS 完全够用。如果后面打算接重工具（比如跑代码解释器、做文件批量处理），再把规格升到 4 核 8GB 也不迟。选规格的时候重点看两点：CPU 架构和系统盘类型。
CPU 架构方面，优先选 x86，也就是通用计算型。虽然 ARM 实例通常更便宜，但 OpenClaw 的依赖里有一些经过编译的二进制包，ARM 的生态兼容性偶尔会出幺蛾子。2026 年 4 月这个时间点，我用 x86 架构跑下来的体验比 ARM 顺畅很多，新手选 x86 能少踩很多坑。系统盘建议 40GB 以上，OpenClaw 本体不大，但它运行过程中会缓存会话、模型临时文件、日志，加上系统占用，40GB 已经比较从容。
系统镜像就选 Ubuntu 22.04 LTS，稳定，软件源里的 Python 版本也够用。其他发行版不是不行，但很多排查文档默认跑在 Ubuntu 上，你跟着文档走少些波折。
2.2 安全组放行规则
华为云控制台创建 ECS 的时候会让你选安全组，这里有个容易忽略的点：安全组本质上就是服务器的入方向和出方向防火墙，OpenClaw 部署完要看 Web 控制台，你就得把相应端口放出来。
我的建议是，创建实例时先把 22 端口（SSH）放行，剩下的端口等部署完再说。原因是 OpenClaw 的 Control UI 很可能不会用默认端口，如果你先把某个固定端口开了，到时候实际端口对不上，要么白开，要么还得回来改。不如先跑起来看日志里提示的地址和端口，按需添加安全组规则。另外，如果计划让 OpenClaw 主动访问外网（调用模型 API、拉取工具更新），出方向的规则大部分默认是全部放行的，不用额外设置。
还有一个经验：安全组规则变更后偶尔会有短暂延迟，排查"端口明明开了但连不上"这类问题时先等一下，再用 telnet 或 nc 做连通性测试，别急着怀疑配置。
2.3 基础环境初始化：Python、Git、Node
登录服务器后第一步是把系统依赖装齐。拿 Ubuntu 22.04 举例，先跑一下更新：
bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y git curl wget python3 python3-pip python3-venv nodejs npm
这里有个很多人会犯的错：直接用系统自带的 python3 跑 OpenClaw 的安装脚本，结果把依赖装到了全局环境里，后面一升级系统就把环境弄坏了。我的建议是，不管官方安装脚本是否会自动创建虚拟环境，你都先手动建一个：
bash复制mkdir -p ~/openclaw && cd ~/openclaw
python3 -m venv .venv
source .venv/bin/activate
这样 OpenClaw 的依赖会被隔离在 .venv 里，后续升级、卸载都干净，也不会跟系统其他 Python 项目冲突。Node 和 npm 主要用在 Control UI 相关组件的构建上，这一步顺手装了后面省事。
3. 百炼 APIKey 获取与配置：拿到模型服务的钥匙
3.1 开通百炼服务并确认模型可用
在配置 APIKey 之前，你得先有一个百炼账号，并开通模型服务。这一步通常是在阿里云百炼控制台完成的。登录后进入控制台首页，如果之前没开通过，会提示你开通百炼服务，按引导同意协议、完成实名认证就行。
开通后，进入"模型广场"或者"模型列表"页面，确认一下你想用的模型（比如 qwen-plus、qwen-max、qwen-turbo）在当前账号下是可以调用的。有些模型需要单独申请开通或在特定地域才可用，如果你在配置里写了某个模型名，但账号根本没开通，后面调用时就会报 model not found 之类的错误。提前确认一遍能省下不少排查时间。
另外提醒一句，百炼的免费额度和新用户权益政策是随时可能调整的。2026 年 4 月拿到的免费额度，和几个月前可能不一样。部署前最好看一眼计费页面，避免开着 Agent 跑了一晚上，第二天一瞧账单吓了一跳。个人使用的话，优先选 qwen-turbo 这种便宜的大路货模型作为默认配置，响应速度也快。
3.2 创建 APIKey 的几个细节
在百炼控制台左侧菜单找到"API-KEY"，点进去"创建 APIKey"。创建的时候会给一串 sk- 开头的字符串，这个字符串只在创建成功那一刻完整显示一次，之后不会再给你看完整的 Key。很多人习惯性直接复制保存到本地，但如果你关掉了对话框才想起来没保存，就只能重新创建一个。
创建 APIKey 的时候，建议顺手给它起个能辨识用途的名字，比如 openclaw-agent。因为账户下可能有多个 Key，分别用在不同的项目里，之后如果某个项目要撤销权限，你只需要删掉对应的 Key，不影响其他项目。这个习惯很重要，尤其当你开始把 OpenClaw 接入微信或者对外提供接口时，APIKey 泄露的风险更高，最小授权原则能帮你控制损失。
拿到 Key 之后，建议同时在两个地方放好：一个是本地密码管理器，另一个是服务器上的环境变量文件。不要把它写在博客、GitHub 仓库、或者随手粘贴到聊天群里，一旦泄露，别人就能用你的配额跑模型，欠费的风险是实打实的。
3.3 正确配置环境变量并验证连通性
拿到 APIKey 后，把它写入服务器环境变量。我推荐写到 ~/.bashrc 里，这样每次 SSH 登录时自动生效，不用反复 export：
bash复制echo 'export DASHSCOPE_API_KEY="sk-你的Key"' >> ~/.bashrc
source ~/.bashrc
虽然 OpenClaw 的配置脚本很多也支持在配置文件里直接写 Key，但用环境变量管理是更好的习惯：配置文件往往会被备份、同步、甚至提交到代码仓库，环境变量不会。而且如果你后续接多个模型服务，比如同时用了百炼的 Key 和 NVIDIA NIM 的 Key，环境变量的方式可以让你在配置文件中通过引用变量名来接，而不是把一长串 Key 明文撒得到处都是。
配置完环境变量后，建议先测试一下网络连通性和 Key 有效性。用 curl 调一下百炼的 OpenAI 兼容接口：
bash复制curl https://dashscope.aliyuncs.com/compatible-mode/v1/models \
-H "Authorization: Bearer $DASHSCOPE_API_KEY"
如果返回一个包含模型列表的 JSON，说明网络通、Key 有效，可以进入下一步。如果超时，先检查服务器能不能访问公网；如果返回 401，优先怀疑 Key 复制错了或包含多余空格。
4. OpenClaw 安装与模型集成实操：8 分钟核心路段
4.1 安装 OpenClaw：两种方式选一种
OpenClaw 的安装方式，从我实测到的情况看，主要分为两种：官方安装脚本和源码安装。新手千万别两个都试，选定一个走到底，不然容易出现环境冲突。
我推荐官方安装脚本，速度最快，出错也少。进入你刚才创建的虚拟环境，然后从官方仓库拉取最新的安装脚本并执行。脚本会自动检查 Python 版本、安装依赖、初始化可执行文件，中途一般不用人工干预。装完后执行：
bash复制openclaw --version
能看到版本号，说明安装成功。源码安装虽然不是这篇文章的主角，但如果你后续要改框架内部逻辑、调试框架自身 bug，那就得走源码这条路：clone 仓库、装依赖、以 python -m openclaw 方式启动。个人用户直接跑脚本就够了，没必要在这阶段增加复杂度。
这里重点提醒：安装脚本的执行时间可能因为网络状况起伏很大。如果你在国内云服务器上安装时发现下载依赖特别慢，可以把 pip 源切换到国内镜像源，这个操作能把安装时间从 10 多分钟压缩到 2 分钟左右。具体做法是改 pip.conf 配一个镜像地址，装完 OpenClaw 之后再决定要不要切回去。
4.2 修改配置文件对接百炼模型
安装完成后，OpenClaw 会生成一个默认配置文件，路径一般在 ~/.openclaw/config.yaml 或安装目录下的 config.example.yaml。你需要改的地方有三处：模型 provider、APIKey 引用方式、模型名。
以 2026 年 4 月我用的配置为例，大致是这样：
yaml复制agent:
model_provider: dashscope
model_name: qwen-plus
api_key_env: DASHSCOPE_API_KEY
base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
核心就是设置模型服务商为 dashscope（百炼平台的服务标识），然后通过环境变量 DASHSCOPE_API_KEY 提供 Key，base_url 指向百炼的 OpenAI 兼容端点。框架拿到这个 base_url 后，所有模型请求都会打到百炼，而不是默认的某个其他厂商。
关于模型名的选择，我个人的建议是日常任务先用 qwen-plus，兼顾效果和成本；需要更强推理能力时再切换到 qwen-max；如果只是做简单的消息回复、分类、抽取，qwen-turbo 性价比最高。可以把默认模型配成 qwen-plus，然后在 Skill 或工具级别通过参数指定更贵的模型，这样最灵活。
4.3 首次启动：验证模型连通和对话链路
配置完成后，启动 OpenClaw：
bash复制openclaw start
第一次启动时，框架会读取配置、检查环境变量、初始化存储目录。如果一切正常，你会在日志里看到 "OpenClaw is running" 之类的提示，以及 Control UI 的访问地址，通常是一个 http://服务器IP:端口 的形式。
在浏览器访问这个地址，如果打开的是 OpenClaw 的管理界面，说明 UI 服务正常。然后在界面里发一条测试消息，比如"你是谁，用一句话说明你的能力"，正常情况下模型返回内容会在几秒内出现。
这里有个很关键的心态：第一次启动如果报错，不要慌。绝大多数错误信息已经把问题原因写得很明确，最常见的无非是环境变量没读到、模型名写错、网络不通这几种。日志级别默认是 info，如果觉得信息不够看，可以临时把日志级别调到 debug，能看得更细。
4.4 进阶打通：微信接入与 Skills 扩展
跑通对话之后，很多人会想让它“接入微信”。OpenClaw 的微信接入一般是基于个人微信的协议实现，风险点在于这类非官方通道可能被平台风控。我的建议是：先用小号测试，不要一上来就绑主号；同时控制消息频率，避免频繁群发触发限制。
微信接入的本质是把微信收到的消息转发给 OpenClaw 进程，再把回复发回微信。OpenClaw 配置文件里一般会有 channel 或 adapter 相关字段，找到微信相关的配置项，填入对应的账号信息和回调地址，重启服务即可。启动后先给自己发条消息测试，观察日志里消息的流转过程，确认这个链路是通着的。
Skills 机制则是 OpenClaw 的扩展插件系统。一个 Skill 通常是一个 Python 文件或脚本目录，里面描述了某个具体技能的触发条件和执行逻辑。比如你希望它收到“查天气”就调用天气 API，收到“写日报”就根据今天的 git 提交记录生成日报，这些都是通过 Skill 实现的。安装 Skill 的方式一般是把仓库 clone 到 skills 目录，然后在配置文件里注册。
我的建议是：第一个 Skill 不要装太复杂的，先找一个简单的、有明确输入输出的（比如查 IP 归属地、汇率转换），跑通一个再复制模式去扩展。因为 Skill 调试涉及框架、模型、外部 API 三层，第一次上手复杂度不小，先建立信心很重要。
5. 常见问题与排查技巧实录
5.1 安装脚本跑一半卡住或超时
这个问题大概率是网络导致的。OpenClaw 安装依赖时会从 PyPI 或 GitHub 拉文件，国内云服务器访问这些源的速度不稳定。我的建议是：
- 把 pip 源切到国内镜像，比如清华源或阿里源，修改
~/.pip/pip.conf； - GitHub 下载慢的话，可以挂一个 HTTP 代理，或者用支持 GitHub 加速的下载方式；
- 不要反复重跑同一个安装脚本，旧脚本中断后留下的半成品依赖可能和新脚本冲突。如果重试两次还失败，干脆清空虚拟环境重新来一遍，比排查半成品状态快得多。
5.2 启动时报 unknown model: deepseek
这个报错，从现象上看，是模型名没有在配置的服务商那边找到。常见原因有两个：一是你配置的模型名称和百炼侧实际提供的模型标识不一致；二是某个 Skill 或子 Agent 的配置里显式指定了 deepseek，但你的 APIKey 对应的服务商并没有开通该模型的访问。
排查思路就是查日志，看是哪个组件在调用哪个模型。然后把模型名改成服务商官方文档里列出的准确名称。举个例子，百炼上大模型名称一般是 qwen-max、qwen-plus 这类，如果你在某个子配置里写的是 deepseek-chat，而百炼侧没有该模型的映射，自然就会报 unknown model。
5.3 Control UI 启动失败
Control UI 是 OpenClaw 的 Web 管理界面，启动失败时，页面打不开，但命令行会话还能正常工作。这种情况一般不是框架核心挂了，而是 UI 服务组件的问题。常见原因包括：端口被占用、Node 环境缺失或版本不匹配、UI 静态资源没构建完整。
排查步骤：
- 看服务日志，找
control-ui或web server相关的错误； - 用
ss -lntp | grep 端口查看端口占用情况，换一个端口试试； - 如果是 Node 相关报错，检查 Node 版本，多数框架要求 Node 18 以上；
- 实在不行，关闭服务后删除 UI 相关的缓存目录再重启，让框架重新构建资源。
如果只是想要一个最小可用的 Agent，Control UI 其实不是必需品。命令行模式下的 OpenClaw 也能正常对话和执行任务，UI 可以等主链路稳定了再调。
5.4 模型响应很慢或频繁超时
响应慢要拆成两种情况：网络慢和大模型推理慢。网络慢的表现是请求发出后长时间在等待建立连接，你可以用 curl 测一下到百炼接口的延迟；大模型推理慢则更多表现为模型返回首个 token 前有明显等待，而且不同模型差异很大。
如果网络慢，检查服务器是不是在偏远区域机房，或者公网出口拥塞。如果推理慢，先把模型切成轻量版本（比如从 qwen-max 切到 qwen-turbo），看响应时间是否明显下降。另外，OpenClaw 的请求中如果带了过长的历史上下文，每次调用传给模型的 token 数变大，响应也会变慢，这时候可以调整上下文窗口大小或清理旧会话记录。
5.5 安全组配置与访问控制的心得
部署过程中我有一个特别想强调的习惯：不要为了省事把 Control UI 端口对所有公网 IP 开放。OpenClaw 的 Web 界面通常没有复杂鉴权，默认绑定的地址如果是 0.0.0.0，意味着任何知道 IP 和端口的人都能访问，这很危险。
我一般这么做：
- 在 OpenClaw 配置里把 UI 服务绑定到
127.0.0.1，只允许本机访问； - 真实需要通过公网访问时，用 SSH 隧道把远程端口映射到本地，而不是直接改安全组；
- 如果非要在公网提供服务，至少给 UI 挂一层反向代理加密码认证，别裸奔。
这些看似多出来的步骤，其实都是在保护同一个东西：你手里的 APIKey 和对话数据。Agent 跑起来了不是终点，让它长期安全地跑下去才是。
最后分享一个我实际使用中的体会。OpenClaw 集成本身不复杂，复杂的是环境差异——不同系统、不同网络、不同模型服务商的组合，能衍生出各种奇怪的问题。我花了整整一个下午踩完华为云安全组、百炼模型名、Node 版本这些坑之后，才把部署时间压缩到 8 分钟左右。如果你照着这篇文章还是卡在某一步，先看日志，再翻文档，最后再考虑换方案。大多数报错都不是大问题，只是顺序错了或者少了一个前置步骤而已。