【2026 OPC计划】3分钟部署OpenClaw(Mac/Windows/阿里云)

【2026 OPC计划】3分钟部署OpenClaw(Mac/Windows/阿里云)

3分钟部署OpenClaw(Mac/Windows/阿里云

一、MacOS主流部署方案

在这里插入图片描述

首先是MacOS上如何安装OpenClaw。可以说截止目前,OpenClaw对Mac系统是最友好的,不仅安装流程简单、运行稳定,甚至还推出了专门的MacOS App。

在Mac中安装OpenClaw,首先我们需要先安装Node.js基础运行环境,登陆nodejs.org即可下载对应操作系统的安装包,

在这里插入图片描述

具体的Node.js的安装过程非常简单,根据提示,一路点击下一步即可,安装完成后按住command+空格,搜索并打开终端,先输入node -v确认Node.js的版本号,需要确保大于V22,

node -v 
在这里插入图片描述

然后输入npm install命令,来安装OepnClaw,

npm install -g openclaw@latest 
在这里插入图片描述

安装完成后,即可输入onboard命令进入到Agent设置环节,

openclaw onboard 

而如果希望后台长期运行且开机自动启动,则需要在命令后面加上install命令,

openclaw onboard --install-daemon 

进入设置页面后,首先风险警告选择yes continue继续,

在这里插入图片描述

然后选择QuickStart快速开始,

在这里插入图片描述

然后选择模型供应商,新版的OpenClaw对中国开发者及其友好,加入了很多国产模型供应商,如Kimi、MiniMax等模型,

在这里插入图片描述

而且为了争夺流量入口,也有很多模型相继为OpenClaw提供了免费调用额度,例如在1月30日的更新中,Kimi K2.5就加入了免费全家桶。

在这里插入图片描述

而国内完全免费且较为稳定的是Qwen App的接口,即调用千问的App来进行对话。这里我们选择Qwen,

在这里插入图片描述

然后选择授权,

在这里插入图片描述

然后就会自动弹出授权页面,如果没有注册,还会提示先进行注册再授权,然后点击确认即可完成授权

在这里插入图片描述


在这里插入图片描述

然后选择默认模型即可,

在这里插入图片描述

这里需要说明的是,如果要选择其他免费模型,就需要在选择模型供应商部分先选择Skip for now,

在这里插入图片描述

然后就能看到现在OpenClaw各免费模型的名字,大家可以任意选择,也可以选择比如kimi-coding模型,

在这里插入图片描述

然后选择kimi-2.5模型作为默认模型,

在这里插入图片描述

不管怎样,选择完模型之后,即可进一步选择channel,也就是选择允许接入的即时通信软件。目前国内支持的比较好的只有iMessage,但应用面不广,下一小节我们还会介绍如何通过插件接入企微和飞书,因此这里我们先选择跳过,

在这里插入图片描述

然后进入到Skills安装页面,稍后会有单独的一个小节来介绍OpenClaw的Skills,因此这里可以先直接跳过,

在这里插入图片描述

然后我们选择让模型能够进行会话级的长期记忆,

在这里插入图片描述

然后就会开始自动安装,

在这里插入图片描述

而当安装结束后,即可选择对话方式,这里我们选择TUI,即同步命令行和Web页面内容进行对话,

在这里插入图片描述

选择完成后即可进入到对话页面,首次登陆时会自动给OpenClaw发送一条Wake up,my friend信息,能够看到模型即时回复的消息,

在这里插入图片描述

此外,也可以在命令行中看到回复内容。

在这里插入图片描述

二、Windows部署流程

WSL2Windows Subsystem for Linux 2 的缩写,顾名思义,它是一个允许你在 Windows 系统中直接运行完整的 Linux 操作系统环境(比如Ubuntu系统)的工具,而无需传统的虚拟机。出于系统架构与兼容性考虑,以及方便安装后台守护进程,Windows的同学需要提前安装好WSL2。

下载WSL2的过程并不复杂, 但首先需要确认自己的Windows系统版本是否满足要求。大家可以直接在设置、系统、系统信息中查看Windows版本,需要Windows 11 或至少 Windows 10 版本 1903 或更高版本才可安装WSL2。

在这里插入图片描述

然后搜索命令提示符,右键选择以管理员身份运行。

在这里插入图片描述

然后输入wsl --install命令进行下载,

wsl --install 

等待下载完成后,即可再输入wsl --list --verbose查看已经下载的WSL2的版本号,

wsl --list --verbose 

通常来说,只要看到Ubuntu系统,就说明已经安装成功了。

在这里插入图片描述

而如果你的Ubuntu虚拟系统还处于关闭状态,则需要进一步输入如下命令开启Ubuntu环境。开启后会自动进入到Ubuntu系统的命令行中,

wsl -d Ubuntu 
在这里插入图片描述

然后输入如下命令安装curl工具,

sudo apt-get update && sudo apt-get install -y curl 
在这里插入图片描述

然后输入如下命令安装v 22最新版Node.js。

这里首先需要输入fs命令升级软件源列表:

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash - 
在这里插入图片描述

然后使用apt-get install命令进行安装,

sudo apt-get install -y nodejs 
在这里插入图片描述

等待安装完成后即可输入node -v查看安装版本,显示大于22.0版本即说明安装成功。

node -v 
在这里插入图片描述

接下来即可使用npm工具来安装OpenClaw项目了。由于OpenClaw是一个纯粹的javascript和typescript项目,所以只需要一行命令即可完成安装,非常简单。

这里我们输入npm install命令,即可完成OpenClaw完整项目安装。

sudo npm install -g openclaw@latest 

三、基于阿里云的Moltbot部署流程

在这里插入图片描述
1 选购轻量服务器
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2 创建阿里百炼API-KEY
在这里插入图片描述

地址:阿里云百炼

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
3 开启服务
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Read more

【JAVA全栈项目】弧图图-智能图床SpringBoot+MySQL API接口结合Redis+Caffeine多级缓存实践解析

【JAVA全栈项目】弧图图-智能图床SpringBoot+MySQL API接口结合Redis+Caffeine多级缓存实践解析

文章案例具体代码链接:https://github.com/whltaoin/hututu 提交版本:e67453a26f0bbe78ce075a550bafb01ba82aa9ff 简言 在后端开发中,API接口是服务间通信的核心载体,而数据存储与缓存策略则直接决定了接口的性能与稳定性。Spring框架凭借其强大的生态成为API开发的首选,MySQL作为关系型数据库提供了可靠的数据持久化支持。当系统并发量提升时,单一数据库架构易出现性能瓶颈,此时引入Redis(分布式缓存)与Caffeine(本地缓存)构建多级缓存体系,成为优化性能的关键方案。本文将从基础实现出发,深入探讨多级缓存的优势、劣势、适用场景及实践注意点。 文章目录 * 简言 * 一、基础架构:Spring+MySQL实现API接口 * 1.1 核心组件与依赖 * 1.2 核心实现流程 * 二、多级缓存:Redis+Caffeine的组合逻辑 * 2.1 组件特性对比 * 2.2 多级缓存工作流程 * 三、多级缓存的优势与劣势

By Ne0inhk
【Java篇】无形至有形,法与道的编织:类与对象初探

【Java篇】无形至有形,法与道的编织:类与对象初探

文章目录 * 类和对象(上) * 一、面向对象的初步认知 * 1.1 什么是面向对象 * 1.2 面向对象与面向过程 * 二、类定义和使用 * 2.1 简单认识类 * 2.2 类的定义格式 * 2.3 小练习 * 2.3.1 定义一个狗类 * 2.3.2 定义一个学生类 * 三、类的实例化 * 3.1 什么是实例化 * 3.2 类和对象的说明 * 四、this引用 * 4.1 为什么要有 this 引用 * 4.2 什么是 this 引用

By Ne0inhk
Java 大视界 -- Java 大数据机器学习模型在金融风险管理体系构建与风险防范能力提升中的应用(435)

Java 大视界 -- Java 大数据机器学习模型在金融风险管理体系构建与风险防范能力提升中的应用(435)

Java 大视界 -- Java 大数据机器学习模型在金融风险管理体系构建与风险防范能力提升中的应用(435) * 引言: * 正文: * 一、金融风控的技术选型逻辑:为何 Java 是核心基石? * 1.1 金融风控的核心技术诉求 * 1.2 Java 生态在金融场景的不可替代性 * 1.3 大数据 + 机器学习的技术融合架构 * 二、核心落地:Java 大数据 + 机器学习的全链路实现 * 2.1 数据层:金融级数据治理(风控的 “生命线”) * 2.1.1 核心痛点与解决方案(真实项目数据) * 2.1.2 实战代码:Java 数据清洗工具类(Spark SQL 集成,可直接运行)

By Ne0inhk
Java 8 Stream API:传统实现和流式编程的范式对比

Java 8 Stream API:传统实现和流式编程的范式对比

🧑 博主简介:ZEEKLOG博客专家,历代文学网(PC端可以访问:https://literature.sinhy.com/#/?__c=1000,移动端可微信小程序搜索“历代文学”)总架构师,15年工作经验,精通Java编程,高并发设计,Springboot和微服务,熟悉Linux,ESXI虚拟化以及云原生Docker和K8s,热衷于探索科技的边界,并将理论知识转化为实际应用。保持对新技术的好奇心,乐于分享所学,希望通过我的实践经历和见解,启发他人的创新思维。在这里,我希望能与志同道合的朋友交流探讨,共同进步,一起在技术的世界里不断学习成长。 技术合作请加本人wx(注明来自ZEEKLOG):foreast_sea

By Ne0inhk