予晚1. 先说清楚：为什么我需要一个 7x24 的 AI 助理
你要是跟我一样，电脑里躺着十几个模型，手机上装了四五个 AI 应用，但真正干活的时候总感觉差一步——不是模型不够聪明，而是它们都太“被动”了。你得打开网页、输入提示词、等它回答，然后复制粘贴，这一套流程走下来，三分钟过去了，只解决了一个小问题。
所以我一直想搭一个常驻后台的 AI 助理：能接收消息自动回复，能定时干活，能处理一些重复性事务，最好还能通过对话直接操作我自己的工具链。这听起来像科幻，但实际做起来就是一个开源机器人程序加上一个大模型 API。我把这个组合叫“私人大内参”，白天帮我对接工作流，晚上挂着帮我整理日报，真正做到 7x24 小时不下班。
这次选的两件套是 Clawdbot 和 Qwen。
Clawdbot 是一个可以把大模型接到即时通讯、任务队列和自动化流程里的机器人框架，部署起来很轻，一条命令就能跑。Qwen 是当前开源和 API 两条线都做得比较均衡的模型系列，尤其是阿里云百炼平台提供的 DashScope API，新用户有免费额度，日常个人使用基本花不了几个钱。
这篇文章就是完整的部署记录。我会从环境准备讲到容器启动，从接入 Qwen 讲到进程守护，最后附上我踩过的坑。适合谁看？想给团队或自己搭 AI 助理的人，懂一点 Docker 但没搞过完整部署的人，还有想在周末花 10 分钟搞一个能一直跑着的东西的人。
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. 部署前的三件事：设备、Docker 和网络规划
2.1 设备选型：不是越贵越好，但要能一直开机
Clawdbot 本身只是一个调度壳子，不真正跑大模型推理。真正出力的地方在 Qwen 那边，要么走云端 API，要么你本地单独用 vLLM 或 Ollama 拉一个 Qwen 模型。所以我跑的这台机器不需要高端显卡，2 核 4G 的云服务器、树莓派、老笔记本，甚至一台能跑 Docker 的 NAS 都行。
我自己用的是家里一台闲置的迷你主机，Intel N100 处理器，16G 内存，装了 Ubuntu 22.04，功耗很低，一个月电费也就几块钱。之所以强调“能一直开机”，是因为 7x24 助理最怕的不是性能不够，而是断电重启之后没人管。后面我会专门讲守护进程。
如果你已经有云服务器，不管哪家的轻量应用服务器，只要系统是 Debian 或 Ubuntu，都能直接照做。Windows 用户也别慌，Docker Desktop 装好之后，命令基本一样，只有后面 systemd 那部分需要换成计划任务（NSSM 之类的工具），我会在对应位置标注。
2.2 Docker 和 Compose 插件：这是唯一绕不开的依赖
Clawdbot 官方最推荐的方式就是容器化部署，因为它的依赖项里有 Node.js 运行时、Python 子进程、Redis 缓存，手动装的话版本冲突能折腾一晚上。Docker 可以把这些全部隔离在一个镜像里，升级就是重新拉一次镜像，回滚就是切回旧标签，省心。
安装 Docker 我建议用官方脚本，注意别用系统自带的旧版本源。
bash复制curl -fsSL https://get.docker.com | bash -
systemctl enable --now docker
Compose 插件在 Ubuntu 新版源里通常自带。验证一下：
bash复制docker compose version
如果提示找不到命令，装一下：
bash复制apt-get update && apt-get install -y docker-compose-plugin
这里有个小经验：不要用 docker-compose 这个老命令，也不要单独装 Python 版的 docker-compose。 新项目统一用 docker compose 子命令，配置格式也更规范。
2.3 网络规划：提前想好端口和域名
Clawdbot 跑