[AI实战]Ubuntu 下安装OpenClaw——从零搭建你的专属AI助理

[AI实战]Ubuntu 下安装OpenClaw——从零搭建你的专属AI助理

[AI实战]Ubuntu 下安装OpenClaw——从零搭建你的专属AI助理

前言

OpenClaw是一款功能强大的AI助理框架,支持自定义技能、多模型接入,并能通过聊天软件与你交互。本文将手把手带你在Ubuntu系统上完成OpenClaw的安装与配置,并实现外部安全访问。无论你是AI爱好者还是开发者,都能通过本文快速拥有一个属于自己的AI助理。

环境准备:

  • 操作系统:Ubuntu 20.04 / 22.04 / 24.04(本文以24.04为例)
  • 权限:需要使用root或拥有sudo权限的用户
  • 网络:能够访问GitHub及npm源(建议使用国内镜像加速)

一、升级Node.js至v22+

OpenClaw要求Node.js版本≥22.0.0,低版本会导致npm安装失败。若系统已安装其他版本,请务必升级。

方法一:使用nvm(推荐,便于多版本管理)

1. 安装nvm

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh |bash

安装完成后,重新加载环境变量:

source ~/.bashrc # 若使用bash# source ~/.zshrc # 若使用zsh

2. 安装Node.js v22并设为默认

nvm install22 nvm alias default 22 nvm use 22

3. 验证版本

node-v# 应显示 v22.x.xnpm-v# 检查npm版本

方法二:使用NodeSource官方仓库(系统级安装)

如果你希望直接覆盖系统Node版本,可以使用以下命令(以Ubuntu/Debian为例):

curl-fsSL https://deb.nodesource.com/setup_22.x |bash - apt-getinstall-y nodejs 

CentOS/RHEL用户请使用:

curl-fsSL https://rpm.nodesource.com/setup_22.x |bash - yum install-y nodejs 

方法三:手动下载二进制包

Node.js官网 下载Linux二进制包,解压后配置PATH即可。

二、安装OpenClaw

1. 一键安装(官方推荐)

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

若网络不稳定,也可以直接使用npm全局安装(避免脚本问题):

npminstall-g openclaw@latest 

2. 验证安装

openclaw --version

出现版本号即表示安装成功。

3. 初始化配置

openclaw onboard 

此命令将引导你完成基础配置,包括:

  • 选择AI模型(可跳过,后续添加)
  • 配置聊天渠道(如Telegram、飞书等,可跳过)
  • 安装基础技能(建议全选)

跳过模型配置: 若暂时没有API Key,可以选择跳过,后续随时补充。

在这里插入图片描述


选择Open the Web UI:

在这里插入图片描述

4. 修改配置文件以实现外部访问

OpenClaw默认只监听本地(127.0.0.1),如需从局域网其他设备访问Web控制台,需修改配置文件。

配置文件位于 ~/.openclaw/openclaw.json,编辑该文件:

nano ~/.openclaw/openclaw.json 

找到 gateway 部分,将 bind 的值改为 "lan"(监听所有网络接口),并确保端口为 18789

在这里插入图片描述

修改后重启Gateway服务:

openclaw gateway restart 

5. 防火墙放行端口

根据你的防火墙工具,开放18789端口(注意:生产环境建议限制来源IP):

# ufw ufw allow 18789/tcp # firewalld firewall-cmd --add-port=18789/tcp --permanent&& firewall-cmd --reload# iptables iptables -A INPUT -p tcp --dport18789-j ACCEPT 

验证监听状态:

ss -untlp|grep18789

应显示类似 0.0.0.0:18789 的监听记录。

在这里插入图片描述

6. 安全访问:使用SSH隧道(推荐)

由于Web控制台基于HTTP且未配置HTTPS,直接暴露可能带来安全风险。最安全的方式是通过SSH隧道将远程端口映射到本地。

在宿主机(你的物理机)上执行:

ssh-L8888:localhost:18789 root@<虚拟机IP>
在这里插入图片描述
  • 8888:本地监听端口,可自定义
  • <虚拟机IP>:Ubuntu虚拟机的实际IP地址

保持此终端窗口打开,然后打开宿主机浏览器,访问 http://localhost:8888。此时相当于本地访问,完美满足浏览器的“安全上下文”要求,且所有流量均通过SSH加密。

在这里插入图片描述
优点:无需修改OpenClaw配置、无需开放防火墙、流量加密。
缺点:每次访问需保持SSH连接。

三、常见问题与解决

Q1:安装时npm报错“node-domexception”等警告

这是正常现象,不影响使用,可忽略。

Q2:无法从外部访问Web控制台

  • 检查 bind 是否设置为 "lan""0.0.0.0"(注意新版需用 lan 模式)。
  • 确认防火墙已放行18789端口。
  • 尝试使用SSH隧道方式。

Q3:浏览器报“origin not allowed”

在配置文件中添加 controlUi.allowedOrigins,例如:

"controlUi":{"allowedOrigins":["http://你的宿主机IP:18789"]}

然后重启Gateway。

Q4:浏览器提示“需要安全上下文”

这是因为通过HTTP访问非本地地址。解决方案:

  • 使用SSH隧道(推荐)
  • 或配置HTTPS(如使用Tailscale Serve)
  • 或在配置中设置 allowInsecureAuth: true(仅限测试环境)

四、进阶:配置模型与技能

1. 添加AI模型密钥

通过Web控制台或命令行添加:

openclaw config set models.providers.openai.apiKey sk-xxxxxx openclaw models set openai/gpt-4 

2. 安装新技能

使用官方工具 clawhub

npminstall-g clawhub clawhub install tavily-search # 安装联网搜索技能

3. 使用本地模型

如果你有本地部署的模型(如Ollama、vLLM),可通过自定义模型提供商接入,参考[官方文档]( Model Providers - OpenClaw )。

五、总结

通过本文,你已经在Ubuntu上成功搭建了OpenClaw AI助理,并掌握了通过SSH隧道安全访问Web控制台的方法。OpenClaw的强大之处在于其可扩展性——你可以随时添加新技能、接入不同模型,甚至开发自己的插件。

友情提示:建议创建普通用户运行OpenClaw,避免使用root带来安全风险。

如果你在安装过程中遇到任何问题,欢迎在评论区留言交流!

Read more

从0到1上手OpenClaw:本地安装 + 云部署全攻略,人人都能拥有专属 AI 执行助手

从0到1上手OpenClaw:本地安装 + 云部署全攻略,人人都能拥有专属 AI 执行助手

在上一篇深度解析中,我们见证了 OpenClaw 如何打破 AI “只会说不会做” 的桎梏,从对话式 AI 进化为能落地执行的数字助手。很多朋友留言表示,被 OpenClaw 的全场景能力打动,却卡在了 “安装部署” 这第一步,担心代码门槛太高无从下手,或是怕踩了环境配置的坑迟迟无法启动。 作为系列教程的开篇,我们就从最零门槛、零成本的本地安装讲起,全程附带可直接复制的命令、新手避坑提醒,哪怕你是第一次接触终端操作,跟着步骤走也能顺利完成安装,真正实现 “一句话指令,AI 全流程执行”。 1. 安装前的必备准备 在正式开始安装前,做好这几项基础准备,能帮你避开 90% 的前期踩坑,大幅提升部署成功率,所有需要用到的工具均为免费开源,可直接从官网下载。 (1)硬件适配 不用盲目追求高配,根据自己的使用场景满足基础要求即可: * a. 零基础新手尝鲜试玩:电脑满足 4 核 CPU、

猫头虎AI分享|一款Coze、Dify类开源AI应用超级智能体快速构建工具:FastbuildAI

猫头虎AI分享|一款Coze、Dify类开源AI应用超级智能体快速构建工具:FastbuildAI

猫头虎AI分享|一款Coze、Dify类开源AI应用超级智能体快速构建工具:FastbuildAI,区别在于它的易用度和商业闭环功能 摘要:FastbuildAI 是一个开源 AI 应用“快速构建与商业化闭环”的工具。它让个人开发者与小团队用“可视化 + 零代码”的方式,几分钟把 AI 应用跑起来,并且把后续的算力计费、用户充值、营销与收款也一并考虑到位。当前为 beta.1 版本,已具备 AI 对话、多模型管理、MCP 调用、充值与余额体系等能力,后续会逐步上线工作流、智能体、知识库、插件市场等特性。 开源地址|猫头虎AI分享github: https://github.com/MaoTouHU/FastbuildAI 图1 首页 为什么是 FastbuildAI?(与 Coze、

ANSYS Fluent 2026 R1新功能实测:从汽车风阻优化看AI加速流体仿真

ANSYS Fluent 2026 R1新功能实测:AI如何重塑汽车风阻优化流程 当电动汽车的续航里程成为消费者最关注的指标之一时,风阻系数每降低0.01都意味着实际道路行驶中可观的续航提升。传统CFD仿真虽然能提供准确的气动特性预测,但工程师们长期受限于网格划分的繁琐和计算资源的消耗。ANSYS Fluent 2026 R1的发布,通过深度整合AI技术,正在彻底改变这一局面。 1. AI赋能的网格生成革命 在传统CFD工作流程中,网格划分往往占据整个项目周期的60%以上时间。Fluent 2026 R1引入的AI-Mesh技术,通过机器学习模型自动识别几何特征并预测最优网格密度分布,将这一过程缩短至原来的1/5。 以某电动汽车外流场分析为例,我们对同一车型分别采用传统方法和AI-Mesh进行对比测试: 参数传统方法AI-Mesh差异网格生成时间4.2小时47分钟-82%网格数量1200万980万-18%y+平均值1.20.9-25%近壁层网格正交质量0.850.92+8% 关键改进细节: * 几何特征自动识别:AI模型可准确识别车门缝隙、后视镜边缘等关键区域

当 AI 接管研发流程,传统工程师的天花板在哪?未来 2 年软件工程发展预判

当 AI 接管研发流程,传统工程师的天花板在哪?未来 2 年软件工程发展预判

当AI接管研发流程:传统工程师的天花板与未来2年软件工程预判 一、AI接管研发的真实图景:不是替代,是重构 当前AI在研发流程中的渗透已经远超想象,从需求分析到部署运维的全链路都出现了AI的身影: * 需求阶段:AI可通过用户访谈录音自动生成结构化需求文档,准确率可达85%以上 * 编码阶段:GitHub Copilot、CodeLlama等工具能完成60%-80%的基础代码编写 * 测试阶段:AI自动生成测试用例、执行回归测试、定位bug根因 * 运维阶段:AI监控系统可提前24小时预测系统故障,自动完成资源调度 但必须明确:AI当前的核心角色是"研发助理",而非"替代者"。它擅长处理重复性、规则明确的工作,但在需要深度业务理解、创新设计和复杂问题决策的场景中,仍然依赖人类工程师的判断。 二、传统工程师的天花板:从技能瓶颈到认知瓶颈 在AI协同研发的时代,传统工程师的职业天花板正在从"技术熟练度"转向"认知高度&