没想到上一篇 OpenClaw 的教程火了，但评论区也炸了——看来部署的路上确实“坑”不少。为了不让大家的热情卡在最后一步，今天这篇专门用来“填坑”。

我会针对大家反馈最多的部署问题，给出最直接的解决方案。同时，也借这个机会聊聊我近期的一些使用心得。闲言少叙，咱们直接进入正题，帮你顺利上车！

文章较长，共 9 个模块，各位可按需跳读：

之前带大家申请的是 NVIDIA 的 API，虽然完全免费，但有速率限制（40 RPM）。

用的人多了，平台难免进一步收紧限流。 反应慢 多半是 LLM 请求被限速所致。

因此，本文再分享两个国内 API 平台，都有免费额度，方便大家快速体验 OpenClaw。

1.1 硅基流动

注册链接： 可获 16 元免费额度。

模型广场： 建议选用 Pro 系列模型。

拿到 API Key 后，同时保存请求地址： OPENAI_API_BASE：

1.2 七牛云

注册链接： 可获 1000 万 Token 免费额度。

模型广场：

使用邀请奖励：

拿到 API Key 后，请求地址为： OPENAI_API_BASE：

这里有更多虾粮：

2.0 最低资源配置

笔者曾在 2 核 2G 的机器上测试过：

# free -m

GPT plus 代充 只需 145 total used free shared buff/cache available 

Mem: 1966 1479 164 1 497 487 Swap: 4095 743 3352

OpenClaw Gateway 启动后内存占用约 1500MB，配合虚拟内存可无压力运行。 因此，HuggingFace 上免费的 2 核 16G 实例绰绰有余。

之前已分享如何在 HuggingFace 新建 Space 和 Dataset 以实现持久运行和状态保存，具体步骤不再重复。

这里重新梳理了 Space 的文件结构，方便大家配置：

注：所有文件已打包，文末提供获取方式。

下面说明各文件的作用。

2.1 镜像构建文件

Dockerfile 定义了容器运行的基础环境。Space 启动时先构建镜像，再拉起容器。

大家可按需修改：

2.2 OpenClaw 默认配置

OpenClaw 依赖根目录下的 openclaw.json 配置文件运行， 因此独立出该文件，方便编辑默认配置。

例如配置不同模型供应商：

又比如接入不同消息通道：

将 api_key 等敏感参数通过环境变量设置，在 Space 的 Settings 中添加。

2.3 状态同步脚本

/root/.openclaw 目录存放所有与 OpenClaw 交互的数据，需永久保存。 新建 sync.py 负责与 Dataset 同步：

• 容器启动时：从 Dataset 拉取数据
• 运行时：定时上传数据至 Dataset

2.4 容器启动脚本

该脚本决定容器的运行方式：

最后一步将 OpenClaw 放到后台运行，避免因 Gateway 重启导致容器挂掉、数据丢失。

2.5 配置 Space

回到你的 Space，右上角点击 Settings，拉到最下方 Variables and Secrets，将 openclaw.json 中的所有环境变量填进去。

重点：找到 Space visibility，设为 Public：

当 Space 状态变为 Running，恭喜！你的 OpenClaw 已成功启动！

访问地址：https://{user}-{space}.hf.space

注：私有 Space 只有在登录时才能访问，所以必须设为公开。

OpenClaw 的核心亮点之一：一个 Gateway 连接所有消息通道。

3.1 接入飞书

最新版 OpenClaw 已内置飞书支持，无需额外插件。

参考文档：

只需前往 创建一个应用：

拿到 AppID 和 AppSecret，对应配置文件中的环境变量。

然后在 事件与回调 中，采用 长连接 订阅事件：

开通应用权限，也可导入其他应用配置好的权限（文末自取)：

配置成功后，在飞书中给机器人发消息试试~ 若未收到回复，可到控制台让 OpenClaw 帮忙排查。

踩坑记录：如果飞书无法接收图片，大概率缺少以下权限：

OpenClaw 给飞书发送图片需两步：

1. 上传图片到飞书服务器，获取 image_key
2. 用 image_key 发送图片

3.2 接入企业微信

企业微信官方已支持通过 机器人接入 OpenClaw。

参考文档：

两条命令搞定：

# 安装插件 openclaw plugins install @wecom/wecom-openclaw-plugin

无需重启，添加渠道并选择企业微信

openclaw channels add

OpenClaw 的插件系统支持从 npm 仓库安装包。 执行 openclaw plugins install x 时，OpenClaw 会：

• 从 npm 下载该包
• 安装到 ~/.openclaw/plugins/
• 自动加载插件，注册企业微信通道

注意：企业微信机器人仅支持企业内部群聊，不可拉到外部群，即个人微信无法与机器人聊天。

3.3 接入个人微信

个人微信需通过 企业自建应用 接入 OpenClaw。

参考文档：

然后通过微信插件的形式接入个人微信：

同样两条命令搞定：

GPT plus 代充 只需 145# 安装插件 openclaw plugins install @openclaw-china/wecom-app

无需重启，配置

openclaw china setup

3.4 接入

创建 机器人 并绑定至 OpenClaw 环境，即可通过机器人给OpenClaw下达指令。

支持Markdown、图片、语音、文件等多媒体消息收发，手机端、桌面端均可使用。

参考文档：

OpenClaw 原生接入流程

# 1.安装OpenClaw开源社区Bot插件 openclaw plugins install @tencent-connect/openclaw-bot@latest

2.配置绑定当前机器人

openclaw channels add –channel bot –token "AppID:AppSecret"

3.重启本地OpenClaw服务

openclaw gateway restart

Skill 本质上是将**实践代码化和文件化，最早由 Claude 提出。

4.1 OpenClaw 的技能系统

OpenClaw 的强大很大程度上得益于 Skill 机制。 在 OpenClaw 中，Skill 存在于三个位置：

• 内置 Skills：/usr/local/lib/node_modules/openclaw/skills （Windows 对应：C:UsersadminAppDataRoaming pm ode_modulesopenclawskills）
• 全局 Skills：/.openclaw/skills
• Agent 专属 Skills：/.openclaw/workspace/skills

OpenClaw 启动时会按以下优先级加载 Skill：

GPT plus 代充 只需 145workspace/skills (最高)

↓ 

~/.openclaw/skills

GPT plus 代充 只需 145↓ 

node_modules/openclaw/skills (最低)

4.2 Skill 安装方式

方式1：复制粘贴（最简单） 将 Skill 包放到 ~/.openclaw/skills/ 文件夹下即可。

方式2：从技能市场安装 技能市场地址：

clawdhub install self-improving-agent

注意：默认如果不登录安装可能会限流，使用 Github 登录后生成自己的 CLI token

GPT plus 代充 只需 145# 配置登录 clawhub login –token clh_xxxxxxx

方式3：Skills CLI 安装

# 格式 npx skills add vercel-labs/skills@find-skills -g

默认会装到 ~/.agents/skills/find-skills

Skills CLI 自动检测 OpenClaw 存在，创建软链接到 ~/.openclaw/skills/

若访问 GitHub 失败，可下载到本地后安装

npx skills add ./xx –skill find-skills

4.3 推荐 Skill

根据笔者使用频率，推荐以下值得快手上手的 Skill

当然你也可以上 查看热门 Skill 安装

1. find-skills

• 搜索技能：npx skills find <关键词>
• 安装技能：npx skills add <包名>
• 浏览地址：

OpenClaw 如何记住你？ 答案是：Markdown（文件） + SQLite（向量索引）

5.1 文件记忆

GPT plus 代充 只需 145~/.openclaw/agents/main └── sessions/

└── *.jsonl # 会话记忆（自动记录） 

~/.openclaw/workspace/ ├── MEMORY.md # 长期记忆（精华浓缩，存储决策、偏好、经验教训） └── memory/

GPT plus 代充 只需 145└── YYYY-MM-DD.md # 每日笔记（默认加载今天 + 昨天的日志）

5.2 向量记忆

向量保存和检索流程：

Markdown 文件 → 分块（约 400 token，80 token 重叠） ↓ 生成嵌入向量（OpenAI/Gemini/本地模型） ↓ 存入 SQLite（chunks 表 + chunks_fts 全文索引） ↓ 查询时：混合搜索（向量相似度 + BM25 关键词）

数据库位置：~/.openclaw/memory/main.sqlite

注：SQLite 只是索引层，真正的记忆仍是 Markdown 文件。

默认配置是 FTS-only（无向量嵌入）。要启用向量搜索，需在 openclaw.json 中配置 memorySearch.provider：

• openai
• local
• …

配置后支持语义搜索、混合搜索（向量语义匹配 + BM25 关键词）。

记忆调用有两种方式：

• memory_search：语义搜索，返回片段+路径+行号
• memory_get：按路径读取特定记忆文件

OpenClaw 的 Cron 是 Gateway 内置的任务调度器。

它有两种执行模式：

主会话模式（main）：在主会话中运行，适合需要主会话上下文的简单提醒。

GPT plus 代充 只需 145openclaw cron add –name "任务名" –cron "0 8 * * *" –session main –system-event "触发时要做的事" –tz "Asia/Shanghai"

隔离模式（isolated）：在独立会话中运行（会自动在会话列表中创建会话），可配置自动发送结果到指定通道，适合后台任务、定期报告、不想污染主会话的事务。

文件位置：

• 任务定义：/.openclaw/cron/jobs.json
• 执行历史：/.openclaw/cron/runs/xx.jsonl

常用命令：

# 查看任务列表 openclaw cron list

修改任务

openclaw cron edit <任务id> –system-event "新消息"

手动测试

openclaw cron run <任务id>

7.1 Agent（智能体）

Agent 是 OpenClaw 的核心概念——一个完整的大脑，包含：

Agent 的特性：

• 技能独立：通过各自的 skills/ 文件夹加载技能，也可共享全局技能
• 会话隔离：不同 Agent 的会话互不影响
• 默认只有一个 main Agent

如何创建更多 Agent？

GPT plus 代充 只需 145# 假设创建一个名为 nanny 的 Agent openclaw agents add nanny –workspace C:Usersadmin.openclawworkspace-nanny

创建成功后，如何与 Agent 对话：

# 若没有会话，会自动创建一个 main session openclaw agent –to nanny –message "hi"

给指定 Agent + 指定会话发消息

openclaw agent –to nanny –session-id test –message "hi"

7.2 多 Agent 路由

多 Agent 场景下，可通过 bindings 将不同通道的消息路由到对应 Agent：

GPT plus 代充 只需 145# 查看所有 bindings openclaw agents list –bindings

具体配置可在 openclaw.json 中添加路由映射：

"bindings": [ {

GPT plus 代充 只需 145"agentId": "main", "match": { "channel": "feishu", "accountId": "main" } 

} ]

7.3 Session（会话）

Session 是 Agent 与用户之间的对话上下文。

若需每个通道的会话隔离，可在 openclaw.json 中启用 DM 模式：

"session": { "dmScope": "per-channel-peer" }

这样，每个通道连接成功都会自动新建一个 Session。

此外，建议定期清理会话文件：

GPT plus 代充 只需 145"session": }

也可手动管理：

# 查看会话列表 openclaw sessions list

查看特定 Agent 的会话

openclaw sessions –agent nanny

清理会话（预览）

openclaw sessions cleanup –dry-run

强制清理

openclaw sessions cleanup –enforce

OpenClaw 拥有联网能力，本质上有 3 种工具：

3 种工具的适用场景如下：

下面重点介绍 browser 的两种模式。

8.1 browser 简介

browser 有两种模式：

• 有头模式（chrome）：必须有桌面环境（Windows/macOS/Linux 桌面版）
• 无头模式（后台）：无需桌面环境

browser 指令举例：

GPT plus 代充 只需 145# 以用户 openclaw 登录 browser open –profile openclaw –url https://github.com/trending

获取页面文本 + 元素结构（非截图）

browser snapshot –refs aria

8.2 有头浏览器

有头浏览器的工作原理：

┌─────────────────────────────────────┐ │ Chrome (桌面浏览器) │ │ ┌─────────────────────────────┐ │ │ │ OpenClaw Browser Relay 扩展 │ │ │ └─────────────────────────────┘ │ │ ↓ (通过 chrome.debugger) │ │ Local Relay Server (端口 18792) │ └─────────────────────────────────────┘

GPT plus 代充 只需 145 ↓ (WebSocket 通过 Gateway) 

OpenClaw: ┌─────────────────────────────────────┐ │ browser 工具 (profile="chrome") │ │ → 发送命令到你的 Relay │ │ → Relay 控制你的 Chrome 标签页 │ └─────────────────────────────────────┘

配置步骤：

8.3 无头浏览器

无头浏览器适合 VPS、容器等无桌面环境。

┌─────────────────────────────────────┐ │ OpenClaw Gateway │ │ ┌─────────────────────────────────┐ │ │ │ browser 工具 │ │ │ │ → 启动本地 Chrome 进程 │ │ │ │ → 通过 CDP 协议通信 │ │ │ └─────────────────────────────────┘ │ └─────────────────────────────────────┘

GPT plus 代充 只需 145 ↓ CDP 

┌─────────────────────────────────────┐ │ Chrome (无头模式) │ │ –headless –no-sandbox │ └─────────────────────────────────────┘

首先安装依赖：

# 安装 Playwright 和 Chromium npx playwright install chromium –with-deps

然后在 openclaw.json 中配置无头模式：

GPT plus 代充 只需 145"browser": { "enabled": true, "executablePath": "/root/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome", "headless": true, "noSandbox": true, "defaultProfile": "openclaw" }

踩坑提醒：容器重启后，若 Chrome 的锁文件（SingletonLock, SingletonSocket）未清理，会导致新进程无法启动。解决方案：

# 启动前删除锁文件 rm -rf ~/.openclaw/browser/openclaw/user-data/Singleton*

OpenClaw 的节点（Nodes）用于 “远程控制终端” 。 我们可以通过 OpenClaw 远程控制手机、电脑等终端，实现拍照、截屏、获取位置、发送通知、执行命令等。

9.1 设备与节点的区别

• Device（设备） = 配对身份层，解决 “谁可以连接” 的问题：
  • operator（操作员，管理 Gateway）
  • node（节点，提供能力）
• Node（节点） = 能力层，解决 “连接后能干什么” 的问题：

GPT plus 代充 只需 145Device ├── role: operator → 操作员，管理 Gateway └── role: node → 节点，暴露能力（camera/screen/canvas…）

9.2 节点接入示例

假设我们要在远程 Linux 主机上调用 Windows 主机上的浏览器。 如何将 Windows 主机以 Node 形式连接到远程 Linux 主机上的 Gateway？

实测最好通过 SSH 隧道转发：

# 将 Windows 的 18790 通过 SSH 隧道转发到远程 62.234.xx.xx 的 18789 ssh -N -L 18790:127.0.0.1:18789 

在 Windows 上执行 Node 连接

\(env:OPENCLAW_GATEWAY_TOKEN="xxx"; openclaw node run --host 127.0.0.1 --port 18790 --display-name "win-docker"

第一次连接会报错（未配对）

GPT plus 代充 只需 145node host gateway connect failed: pairing required

此时在远程Linux 主机的 device/pending.json 中会看到配对信息，批准后移到 paired.json。

# 再次运行 \)

控制台显示连接成功

最后修改 Windows 主机的 ~/.openclaw/exec-approvals.json：

GPT plus 代充 只需 145{ "version": 1, "socket": {

"path": "C:Usersadmin.openclawexec-approvals.sock", "token": "xx" 

}, "defaults": {

GPT plus 代充 只需 145"security": "full", "ask": "off", "askFallback": "allow" 

} }

这样远程 Linux 主机就可以执行任何操作，无需手动确认。

测试访问 Windows 的浏览器，能否访问 Gemini？

原理：Linux 主机通过 browser 工具与 Windows 节点通信，底层流程：

OpenClaw 发指令给 Windows 节点

openclaw nodes invoke –node win-docker –command browser.proxy

节点收到指令后启动 Chrome

GPT plus 代充 只需 145"C:Program FilesGoogleChromeApplicationchrome.exe" –remote-debugging-port=18800 –user-data-dir="C:Usersadmin.openclawrowseropenclawuser-data"

OpenClaw 通过 Chrome DevTools Protocol (CDP) 远程控制浏览器

以 profile=openclaw 访问 Gemini，登录后数据持久化在

~/.openclaw/browser/openclaw/user-data

纸上得来终觉浅，绝知此事要躬行。本文不仅是 OpenClaw 部署的 避坑地图 ，更是一份通往高效生产力的实战指南。

希望读罢此文，你不仅能避开我们踩过的雷，更能鼓起勇气亲手搭建起属于自己的 AI 助手。别犹豫了，现在就去和 OpenClaw 打个招呼，让它成为你工作流中的超级外挂吧！

注：文章中提到的代码脚本已打包，免费自取： / / /