局外狗1. 先说结论：这套京东云部署方案到底省了什么
Openclaw 这类 AI 代理程序，最近在圈子里讨论度很高。它本质上是一个常驻运行的智能体框架，能接入大模型、配置各种 skill，还能接到微信、飞书这类 IM 渠道上，帮你处理消息、写内容、调接口。想法很香，但真正劝退大多数人的不是 Openclaw 本身，而是"跑在哪"的问题。本地电脑跑，你得一直开机、忍受断网和 IP 变动，遇到需要公网回调的场景更是麻烦。所以云服务器是更合理的选择，而京东云这类国内云厂商，新用户活动多、入门机便宜，买来专门跑 Openclaw 完全够用。
这篇文章不整虚的，直接给出一套我自己验证过、反复跑通的傻瓜式流程。核心思路就三步：装 Docker、拉项目写配置、启动服务。全程不需要你懂 Linux，只需要会复制粘贴命令就行。文章后面还会把我在部署过程中踩过的坑、排查日志的思路一并写出来，包括 Control UI 起不来、模型报 unknown model、容器被 kill 这类高频问题。无论你是第一次接触云服务器，还是已经有一台闲置机器不知道怎么利用，这篇都能让你少走很多弯路。
1.1 Openclaw 是什么，为什么建议跑在云服务器上
简单说，Openclaw 是一个开源的 AI 代理框架。你可以给它配置不同的模型后端，比如 DeepSeek、通义千问，也可以用 Ollama 接本地模型；然后定义它的技能和工具，让它能按你的规则去处理任务。它最吸引人的一点是可以接入 IM 平台，相当于给微信、飞书装了一个真正能干活的 AI 助手，而不是简单的聊天机器人。
但在本地跑这个问题一大堆。第一，代理程序要 7x24 小时在线才有价值，你关一次电脑它就"失联"了。第二，如果要用微信或飞书接入，需要服务端能访问外网，家里的宽带往往没有固定公网 IP，配置起来非常痛苦。第三，Openclaw 本体会同时跑核心引擎、控制台 UI、消息网关等多个组件，加上它调用的模型推理进程，内存占用并不低，老笔记本很容易卡死。
云服务器恰好把这三个问题一次解决：24 小时在线、有固定公网 IP、资源独立。你只需要买一台配置说得过去的云主机，把 Openclaw 跑在 Docker 容器里，剩下的访问、接入、回调全都顺理成章。这也是为什么我建议直接用云服务器，别在本地折腾。
1.2 京东云机型与镜像怎么选
很多朋友第一次买服务器，上来就想买最高配，其实没必要。Openclaw 本身是一个 Node/Python 混合的容器应用，对 CPU 要求不高，主要吃内存。我按使用场景给了一个选型参考：
| 使用场景 | 推荐配置 | 说明 |
|---|---|---|
| 只用 API 模式（调 DeepSeek 等云端模型） | 2核4G | 最省的玩法，Openclaw 容器组大约占 1.5G-2G 内存 |
| API 模式 + 微信/飞书接入 | 2核4G | 完全够，主要内存消耗还是固定那部分 |
| 用 Ollama 跑本地小模型（如 qwen2.5:7b） | 4核8G | 这才是真正吃内存的地方，4G 会经常 OOM |
| 本地跑更大模型 / 多实例 | 4核16G | 中重度用户，可以直接关掉云上 API |
京东云的新用户一般有几十到几百块的优惠券，搭配轻量应用服务器或者云主机活动机型，都能用。系统镜像这里我有话要说：别选 CentOS，已经停止维护了，装 Docker 的源也麻烦。直接选 Ubuntu 22.04 LTS 或者 Debian 12，后续所有命令都不用改。
1.3 部署前的整体规划
结合我自己多次部署的经验，我建议你动手前先想清楚三件事。第一，模型走哪个后端。如果你有 API Key，就按 API 模式走，配置最简单；如果不想花钱，就考虑在同一台服务器上装 Ollama 跑本地模型，但这需要更高配置。第二，要不要接 IM 渠道。要接的话，提前准备好对应平台的后台权限，微信/飞书的接入都需要做应用认证、回调地址配置。第三，控制台端口要提前规划好，安全组规则会用到。
想清楚这三件事之后，整个部署流程就非常线性了。下面的内容全部按照"刚买好一台全新的京东云 Ubuntu 服务器"这个前提来写，你跟着做就行。
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. 服务器初始化：从购买到能登录需要做对的三件事
服务器刚买回来，不是立刻就能用的。京东云控制台里默认的登录方式、安全组规则，都需要你先花五分钟整理一下。这一步我见过太多人跳过了，结果后面部署完发现自己连不上、端口不通，还以为 Openclaw 出了问题。其实都是基础配置没做对。
2.1 修改 root 密码并确认登录方式
拿到服务器后，先去京东云控制台的实例列表页，找到你的云主机，重置一下 root 密码。注意京东云有些新购实例默认是密钥登录，控制台登录时需要用私钥文件；如果你不熟悉密钥管理，最简单的做法是在控制台里直接重置为密码登录，顺手把密码改成你能记住的强密码。
重置完密码后，本地终端就可以用 SSH 连过去了。Windows 用户直接用系统自带的 PowerShell 或者 Windows Terminal，Mac/Linux 用户直接开终端。登录命令长这样：
bash复制ssh root@你的公网IP
第一次连接会提示确认主机指纹，输入 yes 回车，然后输入密码。能登录上来，说明第一步就通了。
提示：京东云控制台里"远程连接"也可以应急登录，但日常操作还是建议用本地终端连，复制粘贴命令方便得多。
2.2 安全组放行端口，别让防火墙背锅
安全组是云服务器的第一道门，也是新手最常踩的坑。你在服务器内部把防火墙关了都没用，安全组不放行，外部就是进不来。
默认情况下，京东云安全组一般只放行了 22 端口（SSH 用）。但 Openclaw 部署完以后，你要通过浏览器访问它的控制台 UI，还需要给 Web 服务端口放行。以我用的默认配置为例，控制台端口通常落在 3000 到 8080 区间，具体看你拉取的配置。这里教大家一个通用做法：先不要只放一个端口，在安全组里把 22、3000、8080、8000 这四个端口都放行，等控制台起来之后，再根据实际端口收紧规则。
具体操作：控制台 -> 云主机 -> 安全组 -> 配置规则 -> 添加入站规则。协议选 TCP，端口范围填你需要的，来源 IP 建议填 0.0.0.0/0，这样任何网络环境下都能访问。虽然这不算是"最安全"的做法，但胜在省事，适合在自己可控的服务器上使用。
2.3 刚登录后顺手做的系统更新
登录服务器之后，别急着部署，先把系统包索引更新一遍。这一步能避免很多依赖源过期的问题，尤其是刚开机的服务器，软件源可能还停留在镜像打包时的状态。命令很简单：
bash复制apt update && apt upgrade -y
升级完如果提示需要重启内核，先不急着重启，等部署完再找时机重启。如果你用的是 Ubuntu 22.04 或 Debian 12，这一步装完，等于已经站在一个干净、可用的系统地基上了。
到这里，服务器初始化就结束了。整个过程不超过十分钟。接下来进入正题，三步部署 Openclaw。
3. 三步部署实操：从裸系统到 Openclaw 跑通
很多教程喜欢把部署过程写得高深莫测，其实拆到最底层就三件事：把 Docker 装好、把 Openclaw 的配置写好、用 Docker Compose 把服务拉起来。下面每一步都给你可以直接复制的命令。
3.1 第一步：安装 Docker 和 Compose 插件
Docker 是让 Openclaw 跑起来的基础。我用的是 Docker 官方安装脚本，一条命令搞定，适合 Ubuntu 和 Debian：
bash复制curl -fsSL https://get.docker.com | bash -s docker
装完以后，把 Docker 服务启动并设置开机自启：
bash复制systemctl enable --now docker
然后验证一下 Docker 是否正常：
bash复制docker version
看到 Client 和 Server 两段信息都输出，就说明 Docker 装好了。新版 Docker 默认自带 docker compose 插件，不需要单独安装，后面我们会用到它。
提示：如果你的服务器在国内，拉取 Docker Hub 镜像可能会遇到网络慢的问题。可以先给 Docker 配置一个国内镜像加速器，在
/etc/docker/daemon.json里写入镜像源，然后执行systemctl restart docker重启 Docker 服务。这一步不是必须的，但能显著提升拉镜像速度。
3.2 第二步：拉取 Openclaw 项目并完成配置
Openclaw 的官方仓库提供了完整的 Docker Compose 部署配置。先把项目拉下来：
bash复制git clone https://github.com/openclaw/openclaw.git
cd openclaw
项目目录下通常会有一个环境变量模板文件，比如 .env.example。我们需要把它复制一份，再改配置：
bash复制cp .env.example .env
编辑 .env 文件，核心要填的是模型相关配置。我以最常见的 DeepSeek API 为例，大概是下面这样的结构：
bash复制# 模型提供商
LLM_PROVIDER=openai
LLM_MODEL=deepseek-chat
LLM_API_KEY=你的API密钥
LLM_BASE_URL=https://api.deepseek.com/v1
这里有个容易混淆的点：Openclaw 支持 OpenAI 兼容协议，所以即使你用的是 DeepSeek、通义千问这类非 OpenAI 官方模型，只要厂商提供 OpenAI 兼容端点，LLM_PROVIDER 都可以填 openai，再通过 LLM_BASE_URL 指向对应厂商的地址。
如果你打算用 Ollama 本地模型，配置思路不同：在 docker-compose.yml 里要额外添加 Ollama 容器，或者让 Openclaw 通过网络访问你已经跑起来的 Ollama 服务，然后把 LLM_BASE_URL 指向 http://主机IP:11434/v1。这部分我放在后面"踩坑与扩展"里详细说，新手第一次部署，直接用 API 模式最容易成功。
3.3 第三步：启动服务并确认状态
配置写好后，启动就一条命令：
bash复制docker compose up -d
第一次运行会拉取镜像，根据网络状况可能要等几分钟。拉取完成后，再查看容器状态：
bash复制docker compose ps
正常情况下你会看到 Openclaw 的核心服务、控制台 UI、消息网关等几个容器都处于 Up 状态。如果你发现某个容器反复重启，别急，用这一条命令看日志：
bash复制docker compose logs -f 容器名
日志会告诉你具体报错原因，后面排查章节我会逐个讲解常见错误。服务起来之后，先用浏览器访问一下控制台：
bash复制http://你的公网IP:端口
能看到登录页面，恭喜你，部署已经成功了。到这里为止，整个三步流程结束，前后不超过二十分钟。
4. 部署完成后的控制台验证与渠道接入
服务起来的"成功"只是第一步，真正可用还需要在控制台里把模型跑通、把渠道接好。这一章我按我自己的实际操作顺序来写。
4.1 控制台验证模型连通性
打开控制台页面后，第一件事不是急着配微信，而是验证模型能不能正常响应。在控制台里找到 Agent 或 Chat 的测试入口，随便发一句话，比如"你好，介绍一下你自己"。正常情况下，你应该能收到一段完整的回复。
如果模型报错，优先检查 .env 文件里的三个点：API Key 是否填对、LLM_MODEL 的名称是否和模型厂商提供的一致、LLM_BASE_URL 有没有多余的空格或斜杠。这里有个经验：很多模型厂商的模型名称并不是"看起来那样"，比如 DeepSeek 的对话模型叫 deepseek-chat 而不是 deepseek-v3，填错就会报 unknown model。我遇到类似问题的排查过程，在下一章会详细展开。
4.2 接入微信/飞书的前置条件
控制台测试通过以后，就可以考虑接 IM 渠道了。微信和飞书的接入都要走官方的应用认证流程，开放平台的审核机制决定了你必须在后台先创建应用、拿到 AppID 和 AppSecret。
以飞书为例，大概流程是：在飞书开放平台创建企业自建应用，开启机器人能力，配置事件订阅，把回调地址填成 http://你的公网IP:端口/webhook/feishu 这样的路径。具体回调路径要以 Openclaw 配置里的 CHANNEL_FEISHU_WEBHOOK 参数为准。填好后，把 AppID、AppSecret 写进 .env 对应字段，重启服务：
bash复制docker compose restart
微信那边逻辑类似：在微信公众平台注册服务号或企业微信，拿到应用凭证，再配置接收消息的服务器地址。这里有个经常被忽略的细节：微信或飞书的回调地址必须是公网可访问的 HTTPS 地址，如果服务器没有现成的 HTTPS 证书，需要先用 Nginx 反代加证书，或者用平台提供的公网测试回调工具。我第一次接微信时就是卡在这个 HTTPS 上，白白折腾了一个多小时。
4.3 日常维护：日志、重启、开机自启
Openclaw 跑起来之后，日常维护命令就那几条，记住就够了：
bash复制# 查看所有容器状态
docker compose ps
# 查看某个服务实时日志
docker compose logs -f openclaw-core
# 重启所有服务
docker compose restart
# 更新到最新版本：拉新代码 + 重建镜像 + 重启
git pull
docker compose up -d --build
由于 Docker 服务本身设置了开机自启，容器也都会自动恢复，所以服务器意外重启之后，Openclaw 会自己拉起来，你不用人工干预。但是，如果服务器内存不足，容器可能在开机后被系统 OOM Kill 掉，这种"重启了但没完全重启"的情况，就需要你留意一下内存余量，我用到的排查方法也放到下一章。
5. 我实际踩过的坑与排查思路
说实话，Openclaw 部署本身不难，难的是报错之后的排查。这一章我把自己的踩坑记录完整复盘一遍，给你一条可复现的排查链路，而不是单纯甩结论。
5.1 Control UI 起不来，页面一直打不开
我第一次部署完，输入公网 IP 加端口，浏览器转了几圈，直接拒绝连接。当时第一反应以为是服务没起来，跑到服务器上 docker compose ps 一看，容器明明在跑，这就很奇怪了。
排查链路我按"由外到内"的顺序走：先检查安全组，确认端口放行了；再检查服务器内防火墙状态，执行 ufw status，发现 UFW 居然是开着的，而且没有放行这个端口。问题就出在这——安全组只是云平台层面的过滤，服务器内部还有一层防火墙。执行：
bash复制ufw allow 端口号
再刷新页面，控制台就出来了。所以如果你遇到页面打不开，先别急着怀疑 Openclaw 配错了，按"安全组 -> 服务器防火墙 -> 容器端口映射 -> 容器日志"四层顺序排查，80% 的问题都能定位。
5.2 Agent 报 unknown model，模型调用直接失败
热词里有一个很典型的报错：agent failed before reply: unknown model: deepseek。这个坑我几乎每次换模型都会踩一次。它的本质是 Openclaw 在向模型服务商发请求时，服务商根本不认识这个模型名。
排查思路很简单，但层级感很重要。第一步，确认你填的模型名是不是厂商官方文档里的"API 模型名"，而不是宣传页上的"版本名"。比如 DeepSeek 的 API 文档里明确写了 deepseek-chat 和 deepseek-reasoner 两个模型，填 deepseek-r1 这种宣传词就会报 unknown model。第二步，用 curl 直接调一次模型 API，绕过 Openclaw 单独验证 Key 和模型名是否有效：
bash复制curl https://api.deepseek.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer 你的API密钥" \
-d '{"model": "deepseek-chat", "messages": [{"role": "user", "content": "hi"}]}'
如果 curl 能返回正常回复，说明 Key 和模型名没问题，问题就出在 Openclaw 的配置传递上，优先检查 .env 里的变量名是否和项目文档完全一致。如果 curl 也报错，那就是 Key 或模型名本身不对。这个方法能帮你把问题边界快速缩窄，不用在 Openclaw 配置里反复猜。
5.3 内存吃紧导致容器被 OOM Kill
2核4G 的机器跑 Openclaw + Ollama 本地模型，我非常不建议，除非你只跑 3B 级别的轻量模型。我实测过，Openclaw 容器组本身就占接近 2G 内存，再跑 Ollama 加载一个 7B 量化模型，还要 4G 左右，4G 内存根本不够分配，系统会直接把最占内存的进程杀掉。
遇到容器反复重启，先别急着看应用日志，先执行：
bash复制dmesg | tail -20
如果能看到 Out of memory: Killed process 这样的字眼，基本就是 OOM 了。解决方法有三种：一是升级服务器配置到 4核8G 以上；二是改用 API 模式，不在本地跑模型；三是给 Docker 容器设置内存上限，比如在 compose 文件里加上 mem_limit: 2g，宁可让单个容器重启，也要保住整个系统不被拖垮。
注意：如果你做的是微信/飞书接入，OOM 导致容器重启的瞬间，消息网关是断开的，可能会造成回调失败。有条件的话尽量给服务器留出 20% 的内存余量，别把资源用满。
5.4 其它几个容易忽略的小问题
除了上面三个，还有几个小问题也值得提一下。时区问题，如果日志时间和你本地时间差 8 小时，可以在 .env 里设置 TZ=Asia/Shanghai 后重启服务。端口占用问题，如果 3000 端口被别的进程占了，改 .env 里的端口映射即可，记得安全组也要同步改。
还有一个很烦的问题：版本更新后配置格式变了，容器启动直接报配置解析失败。这种情况不用慌，备份好 .env，回到官方仓库看 docs 目录里的配置变更说明，把新增字段补上就行。我自己的习惯是每次更新前都先看一眼 release note，避免盲目 git pull。
6. 后续可以怎么玩：从"部署成功"到"真正好用"
部署成功只是开始，真正让 Openclaw 有价值的是你给它配什么样的技能和场景。这里我分享几个我自己在用的方向，你可以照着扩展。
第一个是写小说。热词里出现了"openclaw 写小说"，这个场景很典型。做法是给 Agent 配置一个写作类的 skill，把人物设定、世界观、章节大纲作为输入，让模型按固定风格生成。Openclaw 的 skill 本质上是可调用的工具函数，你可以在项目里找到 skill 目录，按照模板写一个 Python 脚本，里面定义好参数和返回值，Agent 就能自动调用它。
第二个是接消息做自动化助手。我把 Openclaw 接到了飞书群里，让它每天定时汇总指定 RSS 源的信息，再按固定格式推送到群机器人。这个只需要配置一个定时触发器和对应 skill，比写一堆 cron 脚本灵活得多。
第三个是用它做 API 聚合网关。Openclaw 可以把多个模型的 API 统一封装成一个入口，内部根据任务类型自动路由到不同模型。比如简单的问答走便宜的模型，复杂推理走更强的模型。这样既省了成本，又不用在业务代码里维护多套 API。
如果你用的是京东云服务器，这部分扩展基本不需要额外折腾，资源不够就在控制台直接升配。根据我自己的经验，先把 API 模式跑稳，再逐步加本地模型、加渠道、加 skill，是最平滑的上手路径。一上来就全上，排查问题的时候会很痛苦。
最后分享一个算不上技巧的小习惯：每次修改 .env 或者 skill 配置前，先复制一份备份。这个习惯帮我避免过太多次"改坏了但不知道改了什么"的尴尬。Openclaw 的配置项不算多，但正因为少，一个字段写错就可能造成整体不可用，有备份在手，永远都有后悔药吃。