【养龙虾】OpenClaw 安装部署全流程 - 手把手教你搭建自己的 AI 助手

【养龙虾】OpenClaw 安装部署全流程 - 手把手教你搭建自己的 AI 助手
折腾了整整两天,终于把 OpenClaw 部署好了!过程中踩了不少坑,今天把完整流程记录下来,希望能帮到想入门的小伙伴。本文适合零基础新手,大佬请绕道~
既然都开始养虾了,那肯定少不了让它来生成一篇养虾的过程文章。
在这里插入图片描述

目录

🤔 什么是 OpenClaw?

简单来说,OpenClaw 是一个自托管的 AI 网关,它可以把你常用的聊天软件(微信、Telegram、Discord、iMessage…)和一个 AI 助手连接起来。

举几个例子:

  • 📱 在微信上发消息,AI 就能自动回复
  • 💬 在 Discord 群里 @它,AI 就能参与讨论
  • 📲 人在外面用 WhatsApp 随时召唤你的私人 AI

为什么叫"龙虾"?

  • 官方 Logo 就是一只红色卡通龙虾 🦞
  • 英文名 OpenClaw 直译是"开源的钳子",像龙虾的大爪子

🛠️ 环境准备

硬件要求

配置最低要求推荐配置
操作系统macOS 10.15+ / Linux / Windows WSL2macOS 12+
内存8GB16GB+
存储空间5GB20GB+
网络能访问国际互联网稳定带宽

软件要求

# 检查 Node.js 版本(需要 Node 22+)node--version# 如果没有 Node.js,推荐使用 nvm 安装curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh |bash nvm install22 nvm use 22

💡 小提示:如果你用的是 macOS,推荐直接用 Homebrew 安装:

brew install node@22 

📋 安装步骤

方式一:macOS 用户(最简单)

如果你用的是 Mac,强烈推荐使用官方 App,体验最丝滑:

# 方法 1:直接下载安装包# 访问 https://github.com/openclaw/openclaw/releases 下载 .dmg 文件# 方法 2:使用 Homebrew brew install openclaw/tap/openclaw 

安装完成后,打开 OpenClaw.app,它会出现在菜单栏。

方式二:命令行安装(跨平台)

这是最通用的安装方式,Linux/Windows WSL/Mac 通用:

# 1. 全局安装 OpenClaw CLInpminstall-g openclaw # 2. 验证安装 openclaw --version# 3. 初始化设置 openclaw setup 

运行 openclaw setup 后,会出现交互式引导,按提示选择即可。

⚠️ 注意:有些渠道需要额外配置,比如 Telegram 需要先找 @BotFather 申请 Bot Token,Discord 需要创建开发者应用。

方式三:Docker 部署(适合服务器)

如果你是部署在服务器上,Docker 是最省心的选择:

# 1. 拉取镜像docker pull openclaw/openclaw:latest # 2. 创建配置目录mkdir-p ~/.openclaw # 3. 运行容器docker run -d\--name openclaw \-p18789:18789 \-v ~/.openclaw:/root/.openclaw \ openclaw/openclaw:latest 

🔧 详细配置

配置文件位置
~/.openclaw/openclaw.json
基础配置示例

{"gateway":{"port":18789, "verbose":true}, "channels":{"telegram":{"enabled": true, "botToken":"YOUR_BOT_TOKEN_HERE"}, "discord":{"enabled": true, "botToken":"YOUR_DISCORD_BOT_TOKEN"}}, "model":{"provider":"anthropic", "model":"claude-sonnet-4-20250514", "apiKey":"sk-ant-xxx..."}}

🔐 安全提醒:建议使用环境变量而非直接在配置文件写敏感信息

🔗 渠道配置详解

Telegram 配置步骤

Step 1:创建 Bot

1.打开 Telegram,搜索 @BotFather
2.发送 /newbot 命令
3.给你的 Bot 起个名字(比如 “我的 AI 助手”)
4.给你的 Bot 设置用户名(必须以 _bot 结尾)
5.复制 Bot Father 给你的 Token

Step 2:配置 OpenClaw

openclaw config set channels.telegram.botToken "你的Token"

Step 3:启动并测试

openclaw gateway # 在 Telegram 中搜索你的 Bot 用户名,发送 /start 进行配对

Discord 配置步骤

Step 1:创建 Discord 应用
1.访问 https://discord.com/developers/applications
2.点击 “New Application”

Step 2:创建 Bot
1.进入 “Bot” 页面
2.点击 “Add Bot”
3.复制 Bot Token(记得开启 Message Content Intent)

Step 3:邀请 Bot 到服务器
1.进入 “OAuth2” -> “URL Generator”
2.勾选 bot 权限
3.复制生成的 URL,在浏览器中打开并选择服务器

🚀 启动与验证

启动 Gateway

# 前台运行(查看日志) openclaw gateway --verbose# 后台运行 openclaw gateway &

验证

openclaw health 

打开控制台
浏览器访问 http://127.0.0.1:18789

架构流程图

用户发送消息 → 聊天渠道 → Gateway → AI Model → 返回消息

🔍 常见问题汇总

Q1:启动报错 “Port 18789 already in use”

lsof-i :18789 # 或者换端口 openclaw gateway --port18790

Q2:Telegram Bot 发消息没反应
1.检查 Bot Token 是否正确
2.确保已经和 Bot 发起对话(需要先私聊 /start)
3.查看日志:openclaw gateway --verbose

Q3:Discord 提示 “Missing Access”
1.检查 Bot 权限是否足够
2.确保 Bot 已在服务器中
3.在 Discord Developer Portal 检查 intents 设置

⚠️ 注意事项

1.网络安全:部署在公网时务必配置访问密码
2.Token 消耗:AI 对话需要消耗 API Token,注意费用
3.隐私安全:不要在对话中输入敏感个人信息
4.及时更新:关注官方 releases 更新安全补丁

📚 参考资料

💬 最后

部署完成的那一刻,看到控制台显示"🟢 已连接",你就成功开始养虾啦!
祝大家都能养好自己的"小龙虾"! 🦞🚀

Read more

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用(四)

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用(四)

1. 项目简介 Robot Lab 是一个基于 NVIDIA Isaac Lab 构建的机器人强化学习扩展库,专注于为各类机器人提供标准化的强化学习训练环境。该项目允许开发者在独立的环境中进行开发,而无需修改核心 Isaac Lab 仓库。对应ISaac lab 使用需要你参考并学习。然后可以参考Isaac Sim|操作界面指南,ISAAC SIM安装与软件实践学习(二)—用户界面与工作流程,Nvidia Isaac Sim图形界面 入门教程 2024(3)学习操作。最全的资料还是我们之前讲到的isaacsim官方教程以及isaaclab翻译版本 NVIDIA的机器人平台主要由两大核心组件构成,它们之间是层级关系:基础仿真平台Isaac Sim,以及构建于其上的机器人学习应用框架Isaac Lab。要精通 Isaac Sim,必须理解其分层架构中的五个核心概念。Isaac Sim 是什么? 它是一个通用的机器人模拟器,提供了高保真的物理引擎(PhysX)和照片级的渲染技术(

Submodular function次模函数 概念——AI学习

Submodular function次模函数 概念——AI学习

论文名称:Submodularity In Machine Learning and Artificial Intelligence 一、综述论文 这篇文章是一篇 综述论文(survey)。 核心目标是: 介绍 Submodular functions(次模函数) 以及它们在 机器学习与人工智能中的应用。 作者想说明一个非常重要的观点: 很多机器学习问题其实是“离散优化问题”。 例如: * Feature Selection:属于数据预处理问题,旨在从原始特征中筛选出最相关、最有信息量的子集,以降低维度、提升模型性能与可解释性。 * Dataset Subset Selection:属于数据采样或核心集选择问题,旨在从大规模数据中选取一个具有代表性的子集,以降低计算和存储成本,同时保持模型性能。 * Active Learning:属于机器学习训练策略问题,通过让模型主动选择最有价值的数据进行标注,以最少的标注成本最大化模型性能。 * Clustering:属于无监督学习问题,旨在根据数据的内在相似性,将未标记的数据自动分组为不同的类别或簇。 * Data

开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI

开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI

文章目录 * 概要 * 操作流程 概要 ComfyUI 是一款基于节点流程的可视化 AI 生成工具,核心围绕 Stable Diffusion 等主流生成式 AI 算法构建,通过图形化节点拆解生成全流程,实现从文本 / 图像输入到图像 / 视频输出的 “精准可控创作”。 腾讯云 CNB(Cloud Native Build,官网:cnb.cool)是基于 Docker 生态的云原生开发协作平台,核心定位是通过容器化技术与资源池化能力,为开发者提供 “一键就绪” 的远程开发环境,尤其聚焦开源项目协作与 AI 工具落地,无需本地配置复杂硬件与环境即可开展开发、测试与创作。链接:cnb 操作流程 接下来展示使用腾讯云cnb搭建comfyui的流程: (1)到CNB网站 fork 项目 链接:cnb 可以直接使用已经搭建好的comfyui

基于fpga的双边滤波。

1、前言。         双边滤波是一种非线性滤波器,它既可以达到降噪平滑,同时又保持边缘的效果。和其他滤波的原理一样,双边滤波也是采用加权平均的方法,用周边像素亮度值的加权平均来代表某个像素的强度,所用的加权平均也是基于高斯分布的。         双边滤波的权重,不仅考虑了像素的空间距离(如高斯滤波),还考虑了像素范围的 辐射差异(如像素与中心像素的相似程度,也是高斯分布的),结合空间距离与相似度, 计算得到最终的权重(空间距离与相似度的高斯分布)。        数学原理:对于每一个像素p,输出值b(p)是其领域像素内的加权平均。 * I(p):原图像在像素p处的值; * Gd(||p-q||):空间距离权重(越远的像素权重越小); * Gr (∣I(p)−I(q)∣):像素值差异权重(像素差越大权重越小); * Ω:邻域窗口(如3×3、5×5); Wp :归一化系数(所有权重之和)。 2、高斯核和相似度权重。         由前一章的高斯滤波教程我们知道。