1. 先说结论:为什么 OpenClaw 这样的“本地大模型入口”会被部署拖垮
1.1 安装 OpenClaw 的典型崩溃现场
最近一段时间,我的搜索记录基本被“openclaw 安装教程”“openclaw 一键部署工具”“docker 本地部署 openclaw”这类词刷屏。原因很直接:这个开源的 AI 助手/代理框架确实好用,它能同时接微信、接飞书、接本机模型,还能当写作代理用,可以实现“让 AI 写小说”“让 AI 自动整理资料”这类操作。但它的部署过程,对绝大多数人来说并不友好。
我自己第一次装 OpenClaw 就折腾到凌晨。按文档拉完仓库,执行初始化脚本,结果报 Node 版本太低;换完 Node,又说系统缺少 Python 3.10;装完 Python,Docker 镜像拉取又超时。等终于把服务启动起来,浏览器打开控制台,页面白屏,提示 openclaw control ui did not start。这一步卡了我快两个小时,最后发现是配置文件里把前端服务端口写进了系统代理列表,请求被代理规则拦截了。
这不是运气问题,而是 OpenClaw 的定位决定的。它不是一个单文件工具,而是“模型接入 + 多渠道 + 控制面板 + 任务编排”的一套组合。组合意味着组件多,组件多意味着最容易出问题的不是某个组件,而是组件之间的连接方式。尤其是当你还要搭配 Ollama 本地部署、DeepSeek 模型下载、Dify 知识库这些环节时,整个链条的变量会呈指数级增加。
1.2 比“装不上去”更麻烦的是“跑起来之后没法远程用”
如果你只是在自己电脑上启动 OpenClaw,装完就完事了,其实问题不大。真正让部署难度爆炸的,是“这台电脑不能随身带着”这个现实情况。
家里那台能跑大模型的台式机,通常有显卡,有大内存,能本地跑 DeepSeek、Qwen 这类模型。可它放在书房,人不一定在书房。你想在上班路上让模型写一版方案,回家前把推理结果准备好;你想在地铁上用手机连回家里电脑,把一份文档丢给本地大模型处理;你想让家里这台机器变成一个小型 AI 服务节点,供群里的朋友通过飞书机器人调用。这些需求全都指向同一个问题:远程访问。
“远程”这两个字,在大家搜索的热词里反复出现,并不是巧合。很多人部署 OpenClaw 的最终目的,就是把它部署到一台固定机器上,然后从任意位置访问它。没有公网 IP、不会改路由器、不清楚端口映射,这些问题一旦出现,比装 OpenClaw 本身更劝退。
1.3 大家搜“远程”到底在搜什么:三个真实场景
把搜索词摊开看,会发现搜“远程”的人背后是三种完全不同需求。
场景一:人在公司,模型在家里。 公司电脑性能一般,家里电脑装了独显,跑模型要回家才能跑。所以需要远程桌面、远程终端,能把命令发回去,还能看到输出结果。
场景二:人是移动的,主机是固定的。 手机成了主要入口,要在手机上执行 ollama run deepseek-r1:7b,要能快速把生成的文档取回来。这种场景对“扫码即连”和移动端操作友好度要求很高,传统 SSH 客户端在手机上敲命令的体验实在一般。
场景三:OpenClaw 作为服务节点对外提供能力。 把它接入微信、飞书,其他群成员发消息,OpenClaw 调度本地模型回答。这种场景要求主机 24 小时在线,而且要有一个不依赖你手动拨号的稳定通道。
这三种场景叠加在一起,就形成了标题里说的需求:扫码即连,手机远程指挥家里电脑跑大模型。
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. BitFun 龙虾版:它不是又一个“远程桌面”,而是把扫码这条路径直接接进主机
2.1 BitFun 是什么,“龙虾版”指什么
BitFun 是一款跨平台的远程连接工具,服务端不需要单独部署,在 Windows、macOS、Linux 上装好客户端,登录账号,机器就会被纳入你的设备列表。手机端安装对应 App,通过扫码或设备列表发起连接,之后就能用远程桌面、远程终端、文件传输这些能力。
“龙虾版”这个名字,在我看来更多是产品定位上的产物——配合 OpenClaw 这类名字里带“Claw”的项目,推出一个更轻、更聚焦的版本。交互上把“远程终端”和“文件传输”提到了首页,默认开启远程设备进程驻留策略。简单说,它就是给 AI 主机用户定制过权重的一种 BitFun 形态。
这个东西解决的关键问题,不是“能不能连上”,而是“怎么连得不痛苦”。你不需要申请公网 IP,不需要配置路由器的端口转发,不需要自己搭一套代理服务。它把连接过程压成了两步:电脑上显示一个二维码,手机上扫码确认,连接建立。
