使用 Docker 部署 OpenClaw 后，经常遇到接口响应缓慢、请求超时甚至返回 503 错误，这背后通常离不开几个常见原因：模型尚未加载完毕、GPU 运行时未正确配置、显存被抢占，或者模型本身过于庞大。对应的解决办法也很直接——等待日志提示服务就绪、正确配置 nvidia-container-toolkit、限制并发加载并指定显存，如果仍不行就换用 light 轻量模型。

简单来说，容器没有真正就绪就急着发送请求，或者资源调度出了状况，都是常见的踩坑点。下面逐个拆解并给出优化方案。

确认容器是否真正就绪

先别急着调接口，执行 docker ps 查看容器状态。如果显示 Up X seconds 但运行时间不足 1 分钟，那么大概率还在加载模型权重——OpenClaw 默认需要加载约 1.2GB 的 OCR 与布局分析模型，首次启动通常需要 40～90 秒。

再执行 docker logs openclaw-server --tail 50，重点关注最后一行是否出现 Uvicorn running on http://0.0.0.0:8000。如果没看到这行，就暂时不要发请求，【强行调用会导致 503 错误且不会自动重试，必须等到日志明确提示服务已监听】。

检查 GPU 驱动与容器权限

第一步：验证 nvidia-container-toolkit 是否生效。先执行 nvidia-smi 确认宿主机 GPU 可用，然后尝试运行 docker run --rm --gpus all nvidia/cuda:12.2.2-base-ubuntu22.04 nvidia-smi。如果报错 failed to start container process: error getting container process: permission denied，说明 Docker 没有正确配置 NVIDIA 运行时。

第二步：修正 daemon.json 配置。编辑 /etc/docker/daemon.json，确保包含以下内容：
{"default-runtime": "nvidia", "runtimes": {"nvidia": {"path": "nvidia-container-runtime", "runtimeArgs": []}}} → 然后重启 Docker：sudo systemctl restart docker → 重新部署容器即可。

限制模型加载并发数

OpenClaw 默认启用多进程预加载，但在低配 GPU（例如 T4、RTX 3060）上，反而容易引发显存争抢和 CUDA 初始化阻塞，导致服务响应慢或超时。

第一步：停止当前容器：docker stop openclaw-server && docker rm openclaw-server
第二步：重新运行时添加环境变量：-e OPENCLAW_MODEL_LOAD_CONCURRENCY=1
第三步：同时指定显存限制，例如针对 6GB 显存显卡添加 --gpus '"device=0,memory=5g"'，避免 OOM 导致服务反复崩溃重启。

这一步操作非常简单，直接复制新命令执行即可，无需修改源码或镜像。

替换轻量模型路径

如果只需要基础 PDF 文字提取，不需要表格识别和公式还原，那么完全可以跳过默认的 heavy 模型，改用轻量方案。

方法一：挂载精简模型目录。准备一个只包含 ocr-detect.onnx 和 layout-v2.onnx 的本地文件夹（约 320MB）→ 启动时添加 -v /path/to/light-models:/app/models:ro。

方法二：使用官方 light 镜像。拉取 ghcr.io/opendatalab/openclaw:0.3.0-light 替代默认镜像，这个镜像内置量化版模型，CPU 推理延迟下降 60%，GPU 显存占用压到 2.1GB 以内，有效解决响应慢和超时问题。