【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

LangChain 消息处理全解析:缓存、过滤、合并与流式输出实战

LangChain 消息处理全解析:缓存、过滤、合并与流式输出实战

文章目录 * 一、消息内存缓存 * 核心概念 * 关键组件 * 代码流程 * 运行效果 * 二、消息过滤 * 核心概念 * 关键函数 * 过滤参数 * 代码示例 * 过滤逻辑 * 三、消息合并 * 核心概念 * 关键函数 * 代码示例 * 合并效果 * 两种使用方式 * 四、流式输出 * 什么是流式输出 * 为什么需要? * 典型应用 * 五、同步 vs 异步流式 * 核心区别 * 工作原理 * 何时使用异步? * 六、流式输出基础用法 * 同步流式 * 异步流式 * 七、输出解析器 * 八、流式输出实际应用 * 1. 聊天机器人 * 2. 多用户并发 * 3. FastAPI 集成 * 九、常见问题

OpenClaw启动后,web控制面板无法登录,返回信息:Not Found

OpenClaw启动后,web控制面板无法登录,返回信息:Not Found

在1.19这台服务器安装了OpenClaw,不管用浏览器,还是直接使用curl,都是返回信息:Not Found 但是1.12这台服务器就没有问题... curl http://localhost:18789 Not Found 查看绑定情况 openclaw config get gateway.bind 🦞 OpenClaw 2026.3.2 (85377a2) — I'm not saying your workflow is chaotic... I'm just bringing a linter and a helmet. loopback 绑定到lan 打开网络连通 openclaw config

离开舒适区之后:从三年前端到 CS 硕士——我在韩国亚大读研的得失

离开舒适区之后:从三年前端到 CS 硕士——我在韩国亚大读研的得失

过去一年多,我做了一个挺重要的决定:辞职,去韩国留学读研。 这段时间我几乎没怎么学习新的前端内容,但也没有停下来。我在韩国亚洲大学完成了计算机科学与技术(大数据)硕士的学习,在高强度的节奏里重新建立了自己的方法,也因为持续写博客获得了一些机会,担任本科 Web 实训课讲师。现在这段留学告一段落,我也准备重新回到前端领域,把这段经历当作一份额外的积累带回去。这篇复盘主要是想把这一路的收获、疲惫和一些值得记住的瞬间记录下来,留给未来的自己,也分享给路过的你。 文章目录 * 1、写在前面:我为什么会从前端转去读研 * 2、留学生活的关键词:卷、AI、被看见以及校庆的“放开玩” * 3、我的“结果卡片” * 4、得:这一年半我真正收获的东西 * 5、失:我付出的代价 * 6、期末周:我经历过的“高强度交付周” * 7、前端三年经验,如何在读研里“迁移复用” * 8、我在韩国的学习系统:

从Web到AI:Skills市场与共享经济实战指南

从Web到AI:Skills市场与共享经济实战指南

图片来源网络,侵权联系删。 Skills生态系统相关系列文章 从Web到AI:构建行业专属Skills生态系统的实战指南与未来展望 从Web到AI:金融/医疗/教育行业专属Skills生态系统设计实战 从Web到AI:Skills市场与共享经济实战指南 文章目录 * 1. 当NPM遇见AI技能市场 * 2. Web生态与Skills市场的基因同源性 * 2.1 核心概念映射表(Web→AI) * 2.2 企业级Skills市场架构 * 3. 用共享经济思维重构Skills交易 * 3.1 交易模型设计(类比Stripe支付) * 3.2 技能质量门禁(类比NPM质量评分) * 4. 三端协同Skills市场系统 企业级实战 * 4.1 项目结构(Spring Cloud + Vue3 + 小程序) * 4.2 核心功能代码实现 * 5. Web开发者转型Skills市场的痛点解决方案 * 5.