2分钟部署OpenClaw：京东云上跑通智能体全流程-代码聚汇网

2分钟部署OpenClaw：京东云上跑通智能体全流程

AngstEssenSeele·2026-08-29·阅读 23 GEO检测（免费）

OpenClaw智能体Docker部署

|难度：普通|阅读约 39 分钟

1. 内容整体设计与思路拆解

1.1 OpenClaw到底是个什么玩意，为什么值得折腾

先给还没上车的朋友说清楚：OpenClaw是一个开源智能体管理框架，核心能力是把你手里的大模型（DeepSeek、Kimi、通义千问，甚至本地跑的小模型都行）接到各种真实业务场景里，比如写小说、自动回复微信消息、对接飞书机器人、定时抓取网页信息、写周报、管理待办事项。它跟那些只能在网页上聊天的AI不同，OpenClaw更像是一个"调度大脑"——你定义好规则和工具，它就自动去调用模型干活，干完还能把结果回写到你的系统里。

我连续用了一个多月，最大的感受是这东西比我预想的成熟。它不是那种Demo级别的玩具框架，配置好了之后真的可以7x24小时挂在云服务器上跑，微信群里@一下就能触发任务，写出来的短篇网文质量也基本达到了能看的水平。不过前提是：你得把它部署到一个稳定、不会被本地断电断网影响的环境里。所以这次我直接把目光放到了云服务器上。

1.2 为什么选京东云做集成，而不是拿自己电脑硬扛

在OpenClaw的部署选择上，官方推荐方式有几种：本机Docker、本机二进制运行、或者云主机部署。我一开始图省事直接在自己Mac mini上用Docker跑，结果发现三个很现实的问题：

第一，本机部署受网络环境影响很大。OpenClaw启动后需要访问模型API，如果你的本地网络不稳定，经常出现请求超时，agent跑到一半就报错。第二，本机没法做长期服务。电脑一锁屏、一休眠、一升级系统，任务就断了。第三，内网访问问题。OpenClaw的Control UI管理界面，你想在外面用手机看一眼运行状态，还得做内网穿透，麻烦事一堆。

后来我选了京东云主机，2分钟就把OpenClaw跑起来了，这个效率是真的夸张。原因在于云主机有几个天然优势：公网IP直接暴露服务方便对接外部API、服务器24小时在线不掉线、带宽和CPU性能稳定，跑大模型API调用和技能脚本都不会卡。再加上京东云的轻量应用服务器有个很友好的地方——默认安全组策略比较简单，不会像某些大厂云那样默认全封端口，对新手极容易上手。

1.3 "2分钟"是怎么算出来的？先讲清楚前置条件

标题写了"2分钟"，但我要负责任地说，这个时间是建立在三个前置条件已经满足的前提上。如果你刚从零开始注册云账号、选配置、等机器初始化，那整个流程大概需要十几分钟，但如果你已经有一台在跑的云主机，那从敲第一条命令到OpenClaw控制台能打开，真的可以控制在两分钟左右。

我来拆一下这2分钟的时间构成：大约20秒用来安装Docker环境（如果机器已经装好Docker，这步就直接跳过），45秒用来拉取OpenClaw的Docker镜像，15秒用来写一份JSON格式的配置文件，30秒用来启动容器并等待日志输出，最后10秒用浏览器打开管理后台。剩下的时间就是你填写模型API Key、初始化模型参数的时间。

所以这篇文章我不仅会写"2分钟怎么做到"，还会把所有前置步骤都讲明白，按着顺序做，你大概率能比我更快跑通。

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. 京东云环境准备与访问方式

2.1 创建一个适合跑OpenClaw的云主机

如果你手上还没有京东云主机，先去控制台买一台轻量应用服务器或者云主机ECS。配置方面我的建议是：2核4G起步，4核8G会更舒服。为什么这么建议？OpenClaw本身占用资源很少，真正吃资源的是你后续要跑的技能脚本——比如本地嵌入向量、定时抓取网页、同时跑多个agent会话。我测试过用2核4G跑一个基础agent加上微信接收端，内存占用在1.5G左右，CPU偶尔会冲到80%以上，整体还是可以的。

下面是京东云主机的创建要点，直接抄：

地域选择：离你业务用户最近的城市，国内业务就选北京、上海这些大区。
镜像选择：Ubuntu 22.04 LTS 或者 Debian 12，不要选CentOS，原因是很多新版本Docker在CentOS上的兼容性比较折腾。
登录方式：建议用密钥对登录而不是密码，后面用SSH工具连接时更安全。
公网IP：默认分配一个，记住这个IP，后面要用来访问Control UI。
存储空间：系统盘40GB就够用，OpenClaw镜像加日志文件占不了太多地方。

2.2 Docker环境的快速安装与验证

OpenClaw官方提供了Docker镜像，这比直接跑二进制文件要省心得多。好处有三点：一是运行环境完全隔离，不会污染宿主机；二是升级版本只需要重新拉镜像再启动容器；三是日志、配置文件都可以通过挂载目录映射出来，方便管理。

京东云的Ubuntu系统安装Docker，用官方脚本一键搞定。跑完脚本之后别急着部署OpenClaw，先验证一下Docker是否正常：

bash复制docker --version

如果能看到类似 Docker version 24.0.7 的输出，说明Docker已经装好。再跑一个hello-world测试：

bash复制docker run hello-world

这一步是为了确认Docker能正常拉取镜像并启动容器。如果报网络错误，多半是镜像源的问题，国内建议配置一下registry mirror。可以在 /etc/docker/daemon.json 里加上镜像加速配置，然后重启Docker服务：

json复制{
  "registry-mirrors": ["https://docker.m.daocloud.io"]
}

2.3 安全组端口放行，别让防火墙挡住管理界面

京东云或者其他云平台都有一道安全组的外层防火墙，就算你服务器内部把端口全部放开了，如果安全组没放行对应端口，外部一样访问不到。这是新手最高频踩坑的地方。

我部署OpenClaw时需要的端口主要是两个：

18682：OpenClaw Control UI 的HTTP管理端口，部署完成后用浏览器打开。
22：SSH远程连接端口，默认已经开放，一般不用动。

除了安全组，Ubuntu自带的ufw防火墙可能也在运行，干脆直接放行相关端口：

bash复制sudo ufw allow 22/tcp
sudo ufw allow 18682/tcp

注意：如果你后续要接入微信、飞书这些需要接收外部消息的场景，可能还需要开一些回调端口，但基础部署阶段上面两个端口就够了。端口开太多会增加被扫描攻击的风险，原则是"最小化开放"。

3. 核心配置与实操记录

3.1 2分钟部署启动，OpenClaw初始化全流程

前置工作做完以后，真正的"2分钟"来了。我用的是Docker方式部署，整个启动过程非常顺滑。先创建一个目录存放OpenClaw的配置和数据：

bash复制mkdir -p ~/openclaw && cd ~/openclaw

然后拉取镜像并启动容器。OpenClaw官方镜像的完整名称我建议直接用最新版本，避免老版本存在已知bug：

bash复制docker pull openclaw/openclaw:latest

镜像拉完以后，启动命令注意几个关键参数——-d 让容器后台运行，-p 18682:18682 把容器内的Control UI端口映射到宿主机，-v 挂载配置目录，这样升级容器配置不丢：

bash复制docker run -d \
  --name openclaw \
  -p 18682:18682 \
  -v ~/openclaw:/root/.openclaw \
  --restart=always \
  openclaw/openclaw:latest

--restart=always 这个参数我强烈建议加上，云主机如果因为维护重启，OpenClaw会自动跟着起来，不用你手动再去敲一遍启动命令。日志输出正常的话，等十几秒就能看到服务起来了：

bash复制docker logs -f openclaw

看到提示服务启动成功的日志后，浏览器打开 http://你的云主机公网IP:18682，第一次访问会进入初始化界面。这一步需要填模型API Key和默认参数，我建议先用一个你手上最稳定的模型跑通全流程，后续再慢慢添加其他模型。

3.2 主配置文件config.json的核心参数

OpenClaw安装好之后，最核心的是配置文件。不管你是用官方安装脚本还是Docker方式部署，配置文件路径基本是 ~/.openclaw/config.json。我第一次配置的时候没仔细看各个参数的含义，结果走了不少弯路，这里把关键参数直接讲透。

json复制{
  "agent": {
    "name": "my-agent",
    "model": "deepseek-chat",
    "temperature": 0.7,
    "max_tokens": 2000,
    "system_prompt": "你是一个擅长写作和任务自动化的智能助手"
  },
  "models": {
    "deepseek": {
      "api_key": "sk-xxxxxxxxxxxxxxxx",
      "base_url": "https://api.deepseek.com",
      "models": ["deepseek-chat", "deepseek-reasoner"]
    },
    "ollama": {
      "base_url": "http://localhost:11434",
      "models": ["qwen2.5:7b"]
    }
  },
  "skills_dir": "./skills",
  "memory": {
    "type": "sqlite",
    "path": "./data/memory.db"
  }
}

几个需要特别注意的字段：

agent.model：默认使用的模型名称，必须和 models 字段里的模型ID对得上，否则启动agent时会报错。
temperature：生成文本的随机性，写作场景0.7到0.8比较合适，代码生成场景建议调低到0.2左右。
models：支持配置多个模型提供方，DeepSeek的API和Ollama本地模型都可以同时挂在同一个agent下面，后面切换模型时不需要重启服务。
skills_dir：技能脚本目录，OpenClaw会自动加载这个目录下的所有技能。
memory.type：记忆存储类型，本地部署建议用sqlite，零配置开箱即用。

这个配置文件的含义就是：告诉OpenClaw你的模型从哪里调用、用哪个模型处理默认任务、去哪里加载自定义技能、记忆存在哪里。

3.3 模型接入：云端API与本地Ollama到底该选谁

很多人在社区问"OpenClaw接入本地模型"的问题，我也把两种方式都试了一遍，说下实际感受。

云端API方案（DeepSeek、Kimi、通义千问）——好处是响应速度快，不占本地资源，OpenClaw的agent跑复杂任务时上下文窗口可以开得很大，不会爆显存。缺点是每次调用都要花API费用。不过在合理控制调用频率的情况下，一天跑下来花费很少。在京东云主机上使用云端API还有一个优势：云厂商出口带宽通常稳定，大模型API请求的时延更低。

本地Ollama方案——如果你有比较强的GPU服务器，可以在京东云上部署一个带GPU的主机，然后拉取Ollama镜像跑本地模型。我试过用 qwen2.5:7b 这个模型，写一些短文案和做简单对话完全没问题，响应速度也还行，关键是不花钱。但如果你用的是2核4G的普通云主机，本地跑7B模型基本没戏，推理速度慢到没法用。

我的建议很简单：在京东云上部署OpenClaw，先用云端API跑通业务，等确认场景需要长期高频调用时，再评估是否要GPU服务器做本地推理。这样能用最低成本完成业务验证。

3.4 Control UI：可视化操作面板的使用心得

Control UI是OpenClaw管理员最常用的操作界面，它提供了一套可视化的聊天、任务管理和模型切换功能。打开 http://IP:18682 后，左侧是会话列表，中间是对话区域，右上角是模型选择器。

实际使用中我发现几个比较实用的技巧：

在模型选择器里可以实时切换不同的模型，不用重启服务。比如先用普通模型跑初稿，再切换成推理增强模型做润色。
会话支持自动命名，聊上几句之后系统会根据内容给会话起标题，回看历史任务时很好找。
对话输入框支持文本指令，我经常直接输入"帮我总结一下当前所有待办任务"，agent会自动去检索记忆并输出。
Control UUI改不了的任务参数，偶尔可以通过直接去改config.json然后重启容器的方式生效。

3.5 接入微信与飞书：让OpenClaw变成你的消息机器人

OpenClaw社区被问得最多的需求除了"写小说"就是"接入微信"和"接入飞书"。我两个都实测过，说一下实现路径。

接入微信：OpenClaw有官方的微信适配器，但注意，它不是做一个像企业微信那样的官方机器人，而是通过个人微信的接口去收发消息。你在配置文件或者Control UI的适配器设置里选择微信通道，扫码登录，之后在微信里给指定联系人发消息，就能触发agent回复。

接入飞书：飞书开放平台创建应用后，配置一个事件订阅URL指向OpenClaw的回调接口，然后在飞书群里添加应用机器人就行。整个过程比微信要省事一些，因为飞书的开放API文档很完善。

这个场景下，京东云的价值就体现出来了——你的机器人在云上，就算你本地电脑关机了，微信和飞书里的消息依然能触发任务。我测试过连续跑三天三夜，稳定没有掉线。

4. Skill编写与API扩展

4.1 怎么给OpenClaw写一个自己的Skill

OpenClaw最有想象力的地方在于它的"技能"体系——你可以写一段脚本作为技能，让agent自动调用。比如我写了一个"一键抓取当日AI行业新闻并生成摘要"的技能，流程是：定时触发任务 -> 调用新闻API获取文章列表 -> 提取正文内容 -> 让大模型生成摘要 -> 推送到飞书群。

Skill的基本结构很简单，在 skills_dir 目录下创建一个子目录，里面放两个文件：一个是 SKILL.md 描述这个技能的功能和参数，另一个是执行脚本（Python或者JavaScript都行）。

我拿一个实际的 skills/fetch_news/SKILL.md 文件举例：

markdown复制---
name: fetch_news
description: 抓取指定RSS源的文章并生成中文摘要，推送到飞书群
params:
  rss_url:
    type: string
    required: true
    description: RSS源地址
  limit:
    type: integer
    default: 5
    description: 最多抓取文章数量
---

然后是同目录下的 run.py，核心逻辑大概是：

python复制import sys
import feedparser
import requests

def main(rss_url, limit=5):
    feed = feedparser.parse(rss_url)
    for entry in feed.entries[:int(limit)]:
        print(entry.title, entry.link)

if __name__ == "__main__":
    main(sys.argv[1], sys.argv[2] if len(sys.argv) > 2 else 5)

OpenClaw会在agent需要的时候读取 SKILL.md 里的描述，判断这个技能适不适用当前任务，然后调用脚本并把返回结果交给大模型进一步加工。这个大模型+外部脚本的协作模式，是OpenClaw的精华所在，它让agent不再只是一个聊天框，而是一个能真实操作外部系统的执行器。

4.2 接入API：让技能脚本与外部系统打通

刚才说的新闻抓取脚本算一个简单的API接入案例。更复杂的场景，比如把OpenClaw接入你自己的业务系统，逻辑也是一样的——在技能脚本里调用外部API，把获取到的数据返回给主模型。

我自己的一个实操是接入了一个待办事项管理API。技能逻辑很简单：从API获取所有未完成的任务，按优先级排序，然后交给大模型生成一份今日工作安排。整个过程不需要改OpenClaw主程序，只需要新增一个技能脚本。

还有一个常见的坑提醒一下：技能脚本里如果用到了第三方库，比如requests，你需要在镜像里提前装好。Docker方式部署时，建议把Python依赖写进一个 requirements.txt，然后构建一个自己的自定义镜像，再基于这个镜像启动OpenClaw容器。否则技能脚本跑到一半报"ModuleNotFoundError"，排查起来很烦。

4.3 多模型协作工作流：一个任务用多个模型处理

社区里有一个很火的话题是"OpenClaw多模型切换"和"cludecode集成智谱和deepseek模型能够自己切换"。OpenClaw支持在任务工作流里指定不同环节使用不同模型，这就实现了类似的效果。

我在实际测试中跑过一个写作流程：deepseek-chat 负责初稿生成，deepseek-reasoner 负责逻辑校验和内容修改，这样一个流程跑下来，初稿质量明显比单个模型一次生成要好。配置方式就是在config.json里把两个模型都挂上，然后在技能脚本里用参数指定模型名称：

python复制result = agent.complete(
    prompt="根据以下初稿进行逻辑校验：\n" + draft,
    model="deepseek-reasoner"
)

5. 常见问题与排查技巧实录

5.1 高频报错排查速查表

OpenClaw安装和使用的过程中，我踩过不少坑，也在社区里看到别人踩过类似的坑。整理一个速查表，按报错信息直接对照解决：

报错信息	原因分析	解决方案
`oneclaw node runtime not found`	Node.js环境缺失或未正确安装，OpenClaw的部分组件依赖Node运行时	安装Node.js 18以上版本，或者直接用Docker方式部署，镜像内环境已备好
`the agent run failed before producing a reply`	模型API调用失败，通常是API Key无效、模型名拼错、网络无访问权限	先检查API Key是否能正常调用，再确认config.json中模型名是否正确，最后测试服务器能否访问模型API域名
`agent failed before reply: unknown model: deepseek`	你的模型配置和实际请求的模型ID不一致，或者base_url没配对	检查models字段下的模型ID，如果是DeepSeek，确认模型名是`deepseek-chat`而不是`deepseek`
`control ui did not start`	容器端口映射错误或者服务启动时崩溃	先看`docker logs openclaw`的最新输出，确认18682端口是否在监听，再用`curl http://localhost:18682`测试
扫码登录微信后无法收到消息	个人微信接口被风控，或者回调地址不通	确认云主机安全组开放了对应回调端口，等待几分钟重新登录，短时间内不要频繁切换设备
拉取镜像超时	Docker官方镜像源在国内连接不稳定	配置registry mirror加速地址，重启Docker服务后再拉取

5.2 排查思路：看日志比瞎猜重要

遇到问题第一件事不是去改配置，而是看日志。OpenClaw运行过程中会输出大量日志，包括系统日志、agent运行日志、技能脚本日志。我用Docker部署，所以直接看容器日志：

bash复制docker logs -f openclaw

日志级别默认是INFO，如果你需要更详细的调试信息，可以在启动容器时加环境变量：

bash复制docker run -d -e LOG_LEVEL=DEBUG --name openclaw ...

DEBUG级别下可以看到每次模型调用、每个技能执行的详细参数，排查问题效率能提升一大截。不过日常运行不建议一直开DEBUG，日志文件会膨胀得很快。

5.3 我踩过的几个坑，分享出来帮你们避雷

第一个坑就是第一次在Windows上尝试本地安装OpenClaw。我按照文档一步一步装Node环境，结果依旧提示缺少运行时，折腾了半小时最后换成了Docker方案，一分钟解决。所以如果你不是非要在Windows上跑原生程序，直接用Docker，能少走90%的弯路。

第二个坑是模型API Key填错了还没注意。OpenClaw初始化的时候只要格式看起来像API Key，它不会立即做有效性校验，到了真正发消息的时候才报错。排查了好久才发现是Key里多了一个空格。建议填完Key之后先去Control UI里发一条消息测试，不要直接接业务。

第三个坑是内存不够导致的agent崩溃。有段时间我同时开了大量会话，每个会话都带着上下文，2核4G的云主机扛不住，agent开始频繁报OOM错误。解决办法是在config.json里限制最大并发数，同时设置max_tokens不要太大，避免单次请求占用过多内存。

5.4 Docker容器升级与数据备份

OpenClaw迭代挺快的，社区经常更新版本。升级容器其实很简单，但是要注意备份配置文件和数据目录。我的习惯是先停容器、备份目录、拉新镜像、再重新启动：

bash复制docker stop openclaw
docker rename openclaw openclaw-backup
docker pull openclaw/openclaw:latest
docker run -d --name openclaw -p 18682:18682 -v ~/openclaw:/root/.openclaw --restart=always openclaw/openclaw:latest

如果新版本有问题，直接把旧容器恢复就能回滚：

bash复制docker stop openclaw
docker rename openclaw-backup openclaw
docker start openclaw

依赖~/openclaw目录挂载，所有配置和数据都在宿主机上，容器本身是可丢弃的，这种模式在云主机上非常稳健。

6. 更多高阶玩法和真实场景记录

6.1 用OpenClaw写小说：从大纲到成稿的完整链路

社区里"openclaw写小说"这个话题热度一直很高。我完整跑过一次，步骤是：先在Control UI里定义角色设定和世界观，然后输入一个故事梗概，让agent自动扩写成大纲，再分章节生成。如果对第一章不满意，直接在对话里提出修改要求，agent会基于之前的上下文重新生成。

实测下来，deepseek-chat模型写2千字的章节大约需要30到60秒，质量在可修改范围内。更好的做法是拆成多轮对话——每次只生成一个场景，然后让模型把场景组合起来，比一次生成全文要稳定得多。

6.2 定时任务：让agent每天替你干活

OpenClaw支持配置定时任务，这个特性在云主机上特别有用。我在config.json里加了一个定时任务配置，每天上午9点自动抓取行业新闻、生成摘要并发送到飞书群。这样你早上打开手机就能看到一份整理好的行业情报，全程不需要人工干预。

定时任务的配置在配置文件里新增一个 schedules 字段，格式是标准cron表达式：

json复制{
  "schedules": [
    {
      "name": "daily_news",
      "cron": "0 9 * * *",
      "task": "fetch_news",
      "params": {
        "rss_url": "https://example.com/feed.xml",
        "limit": 10
      }
    }
  ]
}

配置好之后重启容器，到点就会自动执行。

6.3 多agent协作与二次开发方向

OpenClaw支持创建多个agent，每个agent可以有不同的模型、系统提示词和技能集合。比如我目前有两个agent在跑：一个负责内容创作类任务，用的是DeepSeek模型加写作技能；另一个负责信息采集和归档，用的是通义千问模型加网页抓取技能。两个agent之间还可以互相传递消息，实现流水线式的自动处理。

社区里不少人在做二次开发，方向也比较多：自定义技能、适配器开发、前端界面定制、私有化知识库接入。从我自己和几个开发者朋友交流的情况看，OpenClaw的架构设计还算干净，插件机制清晰，做扩展并没有想象中那么困难。

7. HTTP访问与域名配置

7.1 用公网IP直接访问Control UI的安全建议

通过公网IP直接访问Control UI有一个隐患：这个端口是明文HTTP，如果你的云主机IP暴露了，任何人扫到18682端口都能看到你的配置界面，甚至能看到模型API Key、记忆库内容。

我自己实际用的方案是在OpenClaw前套一个简单的反向代理，这里用Caddy或者Nginx都行。以Caddy为例，配置非常简单，自动帮你管理HTTPS证书：

text复制ai.yourdomain.com {
    reverse_proxy 127.0.0.1:18682
}

然后把域名解析到云主机公网IP，这样访问 https://ai.yourdomain.com 就是加密连接，比直接IP访问安全得多。如果没有域名，至少要给Control UI设置一个独立的访问密码，不要裸奔在公网上。

7.2 配置端口与防火墙的完整流程图

端口配置总览：

OpenClaw Control UI：18682（HTTP，建议反向代理后仅本机回环访问）
微信/飞书回调端口：按适配器文档要求开放，一般走80或443
SSH：22，尽量改成密钥登录，禁止密码登录

京东云安全组和系统防火墙两个层面都要放行对应端口，别只做一层。如果你在云服务器上跑Docker，注意Docker的iptables规则可能会覆盖ufw的规则，这个坑我遇到过，排查方式是在宿主机上直接curl容器映射的端口，如果通但外网访问不通，多半是安全组没放行。

8. 关于Windows本地部署的补充说明

虽然我推荐用云主机部署，但也有朋友问"我只有一台Windows电脑，能不能跑OpenClaw"。答案是能，不过别走原生安装流程。Windows上建议直接用Docker Desktop，把容器跑起来，步骤和云主机上的Docker方式基本一致。

Windows上唯一需要注意的是路径挂载格式。Docker Desktop支持Windows路径直接挂载，但建议用绝对路径，比如：

bash复制docker run -d \
  --name openclaw \
  -p 18682:18682 \
  -v C:\Users\你的用户名\openclaw:/root/.openclaw \
  --restart=always \
  openclaw/openclaw:latest

Docker Desktop跑起来后，打开 http://localhost:18682 就能访问Control UI。好处是本地开发调试方便，坏处就是电脑关了服务就停了，也不方便外部接入微信飞书回调——所以归根结底，做长期的、对外服务的业务，还是得放云主机上。

9. 最终经验总结：给新手的几条核心建议

在我实际把这套东西跑通之后，最大的感悟是：OpenClaw的部署本身真的不难，难的是配置思路和对整个系统的理解。装环境、拉镜像、启动容器，这些都是机械操作，照着做就能成。

但有几个观念层面的东西，我希望新手早点知道：

先跑通最小闭环，再加功能。不要一上来就想着同时接入微信、飞书、写小说、定时抓取，先把"打开Control UI -> 发送一条消息 -> 收到回复"这件事跑通，再逐步扩展。
整个系统的稳定性很大程度取决于模型API的稳定性，而不是云主机本身。云主机作为底座是稳的，但模型API偶尔会超时，要在技能脚本里做好异常处理和重试机制。
日志是你最好的排障工具。多数问题看一眼日志就能定位，不要瞎改配置。
定期备份配置文件和数据目录。我吃过一次亏，升级版本时没备份，结果记忆库数据直接没了，从头再来。

我把这套部署流程发了朋友圈之后，有几个朋友也按步骤在京东云上跑通了，最快的一个人真的只用了一分半。所以"2分钟"不是一个标题党噱头，而是一个动手能力正常的开发者完全能做到的指标。希望这篇"喂奶级"教程，能帮你少走一些我走过的弯路。