游乐游手机版
首页/AI教程/文章详情

Ubuntu系统快速部署OpenClaw完整教程

时间:2026-06-15 15:36
OpenClaw是一款开源AI智能体执行框架,可为大模型提供任务自动化能力。在Ubuntu系统上部署需Node js22以上版本,通过一键脚本完成安装。初始化配置推荐QuickStart模式,选择Qwen等云端模型。启动后可通过终端或Web界面操作,实现文件管理、浏览器自动化等任务。

一、OpenClaw 是什么?

要说清楚这个工具,咱们得先聊聊它到底是个什么角色。OpenClaw,社区里俗称“小龙虾”,是一个本地优先、开源又跨平台的AI智能体执行框架。听起来挺唬人,但它的核心价值其实很简单——不是去做大模型本身,而是给大模型装上“手和脚”。什么意思呢?就是让AI从一个只会“被动回答问题”的聊天对象,升级成一个能“主动完成任务”的得力助手。你可以在自己的电脑上,让它帮你做文件管理、浏览器自动化、写代码、处理邮件……这些实实在在的操作。

Ubuntu系统上快速部署OpenClaw的完整教程

这个框架是奥地利开发者Peter Steinberger在2025年发布的,采用MIT开源协议。说到它的核心优势,主要有四点:本地优先的隐私架构,数据默认存在本地,不用提心吊胆;模型无关的开放设计,兼容Kimi、OpenAI、Anthropic等200多种主流模型,你想用哪个都行;安全可控的隔离沙箱,每个任务独立运行,互不影响;还有无限扩展的插件生态,社区已经贡献了超过5700个技能包。上线才几个月,GitHub星标就突破了28万,说是当下最火的开源AI执行工具,一点也不为过。

二、环境准备

要在Ubuntu上部署OpenClaw,先得确认环境是否达标。来看看最低配置要求:

依赖项要求
操作系统Ubuntu 22.04+(推荐24.04)
Node.js≥ v22.x(建议安装24.x)
内存≥ 2GB(推荐4GB+)
磁盘≥ 500MB可用空间
网络需联网下载依赖包和调用云端模型
可选Python 3.10+、Git

这些要求真的不算高,普通的笔记本电脑或者云服务器,2核4GB的配置就能跑得很顺畅。

三、安装Node.js

OpenClaw是Node.js的应用,所以先把Node.js搞定是关键。如果你的Ubuntu还没装Node.js 22以上版本,可以用下面的命令快速安装:

# 添加NodeSource官方源(22.x)
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
# 安装Node.js
sudo apt-get install -y nodejs
# 验证安装
node -v   # 应输出 v22.x.x 或 v24.x.x
npm -v    # 应输出 9.x.x+

这里有个小提示:如果系统里已经有旧版Node.js,建议用nvm来管理多版本,或者把旧版彻底卸载了再按这个步骤重装。Node.js 18或20版本跑这个工具会有兼容性问题,所以一定要用22以上版本。

四、一键安装OpenClaw

官方准备了一个非常简洁的一键安装脚本,能自动帮你搞定Node.js检测、构建工具安装和OpenClaw CLI部署:

curl -fsSL https://openclaw.ai/install.sh | bash

脚本跑起来后会自动下载并安装所有依赖,大概两到三分钟就能完成。安装成功后,终端会提示你进入初始化配置向导。

注意事项

国内用户直接安装可能会遇到npm下载慢或者GitHub资源超时的问题。建议在安装前先配置一下镜像源:

# 配置npm淘宝镜像
npm config set registry https://registry.npmmirror.com

# 验证配置
npm config get registry

这一招能明显提升下载速度,避免安装过程卡住。

五、初始化配置向导

安装完成后,第一次启动会自动进入一个交互式配置向导。下面是每一步的推荐选择:

第一步:安全确认。 向导会显示安全提示,说明OpenClaw可能会执行实际操作。直接选Yes然后回车确认。

第二步:选择配置模式。QuickStart(快速模式),系统会自动配置网关和默认参数,包括端口18789、绑定地址127.0.0.1、Token认证。对新手来说,这是最快的上手方式。

第三步:模型提供商配置。 选择你要用的大模型。新手可以先选Qwen免费云端模型跑通整个流程,后面随时可以切换。如果想对接Kimi,可以去platform.moonshot.cn申请API Key。选AnthropicOpenAI也完全可以,只需要填入对应的API Key就行。

第四步:渠道与技能配置。 渠道(比如Telegram、Slack)可以先跳过,后面再配。技能安装也建议先选No,等服务跑通了,再根据实际需求去添加。

第五步:选择交互方式。 推荐选TUI(终端界面)Web UI。前者直接在终端里用,后者通过浏览器访问https://localhost:18789来操作。

六、启动与验证

配置完成后,OpenClaw会自动启动。你也可以通过下面的命令手动管理:

# 启动TUI终端交互界面
openclaw tui

# 查看服务状态
openclaw status

# 查看网关状态
openclaw gateway status

# 启动/停止网关
openclaw gateway start
openclaw gateway stop

在终端里输入openclaw tui,如果看到了聊天界面并能正常对话,那说明部署成功了。恭喜,你的专属AI智能体已经可以开始“干活”了。

七、常见问题速查

问题原因解决方法
command not found: openclawPATH未配置执行npm config get prefix获取路径并加入环境变量,然后source ~/.bashrc刷新
Gateway启动失败端口18789被占用执行lsof -ti:18789 | xargs kill -9释放端口,或修改配置切换到其他端口
访问控制台提示“缺失访问凭证”Token未携带执行openclaw token generate生成新Token,并在URL中追加?token=你的Token
Node.js版本不兼容报错版本低于22.x彻底卸载旧版Node.js,安装22.x或24.x版本
模型调用报错API Key未配置或无效检查~/.openclaw/config.yaml中的API Key是否正确,确保模型提供商服务可用

八、进阶建议

部署成功之后,你可以慢慢探索更多玩法。比如通过openclaw skills安装社区技能包,实现文件自动整理、邮件定时发送、网页监控这些自动化任务;也可以配置Telegram或飞书渠道,直接“聊天即操作”;甚至能接入本地Ollama模型,完全离线运行,隐私更安全。想怎么玩,就看你的需求了。

来源:https://www.jb51.net/ai/1030955.html
上一篇Mochi 1安装到电脑的Linux服务器搭建与模型下载使用流程 下一篇Python集成AI Agent详解:从入门到精通拥抱MCP服务器实战完整指南
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
SVD奇异值分解的三步:双对角化、Givens收敛与排序
AI教程 · 2026-07-01

SVD奇异值分解的三步:双对角化、Givens收敛与排序

写在前面:万能的 SVD,缺席的算法SVD 是线性代数的瑞士军刀。你做主成分分析(PCA),底层是 SVD;你做推荐系统的协同过滤,底层是 SVD;你算伪逆、解最小二乘,底层是 SVD;你做图像压缩、信号去噪、潜在语义分析(LSA),底层还是 SVD。统计软件里凡是涉及 "降维 " "求秩 " "解超定方程组

大模型位置编码深度解析:模型如何理解顺序?
AI教程 · 2026-07-01

大模型位置编码深度解析:模型如何理解顺序?

注意力机制的“位置盲区” 上一章我们探讨了注意力机制如何借助 QKV(Query-Key-Value)矩阵计算 Token 之间的相关性。然而,其中隐藏着一个关键的问题: 注意力机制天生就像个“路痴”——它根本无法感知 Token 的前后顺序! 问题演示 我们来观察这两个句子: "猫 吃 鱼 " "鱼

深度学习从零理解Transformer模型原理与架构详解
AI教程 · 2026-07-01

深度学习从零理解Transformer模型原理与架构详解

从零理解 Transformer:注意力机制全解析 Transformer 架构彻底改写了自然语言处理的技术版图——从 BERT 到 GPT-4,从 T5 到 LLaMA,几乎所有现代大语言模型都长在 Transformer 的根上。但说实话,很多开发者的理解还停在“调 API”层面。本文从直觉出发

Rust构建AI自演化主板:18个异构器官长出C++骨骼
AI教程 · 2026-07-01

Rust构建AI自演化主板:18个异构器官长出C++骨骼

用 Rust 手搓 AI 自演化主板:当 18 个异构器官长出 C++ 骨骼第一章 物理层:让 Rust C++ CUDA 共享同一根血管在多语言实时系统开发中,最棘手的难题莫过于数据拷贝。一个 MarketTick 信号若从 Rust 传递至 C++ 算子,再送入 CUDA 核函数,最后返

大模型可观测性升温:响应时间、Token与调用链成AI系统新指标
AI教程 · 2026-07-01

大模型可观测性升温:响应时间、Token与调用链成AI系统新指标

2026年,大模型应用正迈入全新阶段:核心关注点从“功能是否可用”转向“运行是否稳定”。 回顾过往,大家对大模型的注意力基本集中在模型效果本身——回答准确度如何、生成速度快慢、能否对接知识库、是否支持多轮对话。这些固然是基础能力,但当模型真正嵌入客服、办公、研发、运维、数据分析等核心业务场景后,新的