OpenClaw 部署实战：在 macOS、Linux、树莓派和云服务器上搭建你的私人 AI 助手
从零开始部署 OpenClaw 开源 AI 助手的完整指南，覆盖 macOS 本地安装、Linux 服务器部署、树莓派低成本方案和云平台搭建，附 WhatsApp/Telegram 对接、技能扩展和生产环境调优经验。
我为什么放弃了所有 SaaS 助手，转向 OpenClaw
去年年底，我在用的几个 AI 助手差不多同时出了问题——某个要涨价，某个砍了 API 功能，还有一个直接把我的聊天记录拿去训练模型了。折腾了一圈之后我开始想：有没有一种方案，能像 ChatGPT 那样对话式交互，但数据完全在自己手里？找了一圈，撞见了 OpenClaw。说实话，第一眼看到官网上那个龙虾 logo 的时候以为是个玩具项目，结果一上手才发现完全不是那么回事。OpenClaw 是 Peter Steinberger 搞的一个开源项目，定位是「真正能干活的 AI 助手」。跟市面上那些只能聊天的产品不同，这东西直接跑在你自己的电脑上，能帮你清理邮箱、管日历、订机票、跑脚本、操作浏览器——关键是通过 WhatsApp、Telegram、Discord 这些你已经在用的聊天软件来交互，不用装什么新 App。社区里有人说它是「Siri 本应该成为的样子」，我用了两个月之后觉得这话说得还保守了。这篇文章就把我在各个平台上部署 OpenClaw 的过程完整记录下来，踩过的坑、绕过的弯路，全部摊开来说。
OpenClaw 到底是什么：架构和核心能力拆解
在讲怎么装之前，先花两分钟搞清楚 OpenClaw 的基本架构，否则后面遇到问题你都不知道该查哪里。OpenClaw 本质上是一个运行在你自己机器上的 AI Agent 框架。它由几个核心模块组成：消息网关负责对接各种聊天平台（WhatsApp、Telegram、Discord、Slack、Signal、iMessage 都支持）；LLM 调度层负责把你的指令发给大语言模型处理（支持 Anthropic Claude、OpenAI GPT 系列，也可以接本地模型比如 Ollama）；记忆系统会持久化存储你和它的所有交互上下文，让它真正「记住你」；技能系统是一套插件机制，社区已经有 50 多个现成的 Skill 可以下载，从控制智能家居到操作 GitHub 都有。最硬核的部分是它的系统级能力——OpenClaw 可以操作浏览器、读写本地文件、执行 Shell 命令。你可以理解为：你给了一个聪明人一台电脑和所有权限，然后通过微信告诉他该干什么。项目用 Node.js/TypeScript 写的，代码开源在 GitHub（github.com/openclaw/openclaw），安装方式支持 npm 全局安装、一键脚本和源码编译三种，适合不同技术水平的用户。
部署前的准备：API Key 和基本概念
不管你选哪个平台部署，有几件事是通用的，先说清楚。第一，你需要一个 LLM 的 API Key。OpenClaw 本身不带大语言模型，它需要调用外部的 LLM 来理解和生成内容。最推荐的方案是用 Anthropic 的 Claude API——OpenClaw 对 Claude 的支持最成熟，工具调用的成功率也最高。去 console.anthropic.com 注册一个账号，创建一个 API Key 就行，新用户有免费额度可以先试着玩。如果你不想花钱，也可以接 OpenAI 的 API 或者跑本地模型（后面会讲）。第二，你需要至少一个聊天平台的 Bot 账号。比如用 Telegram 的话，找 @BotFather 创建一个 Bot 拿到 Token 就行。WhatsApp 的对接要稍微复杂一点，需要扫码登录。具体选哪个平台看个人习惯，我自己用的是 Telegram，因为 Bot API 最方便。第三，硬件要求很低——OpenClaw 本身是 Node.js 应用，内存占用大概 200-400MB，任何 2018 年以后的设备都能跑。唯一需要注意的是，如果你要用浏览器自动化功能，机器上需要有 Chromium 或 Chrome。好了，准备工作搞定，下面逐个平台讲部署流程。
macOS 部署：个人开发者的首选方案
macOS 是 OpenClaw 社区里用得最多的平台，也是体验最好的。很多人直接拿一台 Mac Mini 当 7×24 小时的 AI 助手专用机——安静、省电、性能足够。安装过程非常简单，打开终端，执行一行命令就完事了：curl -fsSL https://openclaw.ai/install.sh | bash。这个脚本会自动检测你的系统环境，如果没有 Node.js 会帮你装上 Homebrew 然后通过 Homebrew 安装 Node。整个过程大约两三分钟。如果你是开发者，更推荐用 npm 方式安装：npm i -g openclaw，然后执行 openclaw onboard 开始初始化配置。onboard 流程是一个交互式向导，会问你几个问题：用哪个 LLM（选 Claude 或 GPT）、填 API Key、选聊天平台、设置 Bot Token。填完之后 OpenClaw 就会启动，并且在你选的聊天应用里发一条欢迎消息——看到那个龙虾 emoji 出现在 Telegram 里的时候，说实话还挺有仪式感的。如果你是那种喜欢看源码的人（我也是），可以用 Git 方式安装：git clone 下来，pnpm install，pnpm run build，然后 pnpm run openclaw onboard。这样做的好处是你可以随时改代码、加功能、提 PR。Apple Silicon 和 Intel Mac 都完全兼容，M 系列芯片跑起来甚至更快一些。安装完之后建议配一下 launchd，让 OpenClaw 开机自动启动，这样即使机器重启了你的助手也不会掉线。
macOS 进阶：Companion App 和 iMessage 对接
macOS 上有一个独家福利——OpenClaw 提供了一个原生的 Companion App（目前还是 Beta），是一个菜单栏应用，可以快速查看助手状态、最近的消息和日志输出，不用一直开着终端。下载地址在 openclaw.ai 首页，要求 macOS 15 以上，Intel 和 Apple Silicon 都支持。更酷的一个玩法是 iMessage 对接。因为 OpenClaw 跑在 Mac 上，它可以直接通过 macOS 内置的 Messages 框架收发 iMessage。配置也不复杂，在 onboard 的时候选择 iMessage 作为聊天渠道就行。这意味着你可以直接在 iPhone 的短信应用里跟你的 AI 助手对话，不用装任何额外的 App。对于非技术用户来说，这个体验真的很丝滑——看起来就像在跟一个真人朋友发消息，但这个朋友碰巧能帮你查航班、读邮件、写代码。有个小坑要注意：iMessage 对接需要你的 Mac 保持登录状态且没有休眠。如果你是专门拿一台 Mac Mini 跑的话，记得在系统设置里关掉自动休眠。
Linux 服务器部署：7×24 小时在线的正确姿势
如果你没有闲置的 Mac 或者不想让个人电脑 24 小时开着，Linux 服务器是最佳替代方案。家里有台旧笔记本装个 Ubuntu 就行，或者干脆买一台最便宜的 VPS。我自己用的是一台 2 核 4G 内存的腾讯云轻量应用服务器，跑 Ubuntu 22.04，一年费用也就几百块，完全够用。安装流程和 macOS 几乎一样，SSH 登上去执行：curl -fsSL https://openclaw.ai/install.sh | bash。脚本会自动用系统包管理器装 Node.js。装完之后 openclaw onboard 走一遍向导就行。关键的一步是要把 OpenClaw 做成系统服务，否则你一关 SSH 会话它就停了。推荐用 systemd 来管理，创建一个 /etc/systemd/system/openclaw.service 文件，指定好 ExecStart 路径和工作目录，然后 systemctl enable openclaw 开机自启，systemctl start openclaw 立即启动。这样即使服务器重启、进程意外退出，systemd 都会自动帮你拉起来。还有一个注意事项：如果你需要浏览器自动化功能（比如让 OpenClaw 帮你自动填表、抓网页数据），需要在服务器上装一个 headless Chrome。Ubuntu 上执行 apt install chromium-browser 就行。OpenClaw 会自动检测系统中的 Chrome/Chromium 路径，不需要额外配置。
树莓派方案：低功耗 AI 助手的极客玩法
这是我最喜欢的部署方案，也是社区里热度很高的玩法。有个用户 @AlbertMoral 说他在树莓派上装了 OpenClaw 然后接了 Cloudflare Tunnel，几分钟就在手机上通过 WhatsApp 搭了个网站——听着像吹牛，但我自己复现过，确实可以。硬件方面，推荐树莓派 4B（4GB 版）或者最新的树莓派 5。老一代的 3B+ 理论上也行，但内存只有 1GB，跑起来比较吃力。系统装 Raspberry Pi OS（64 位版本），这是基于 Debian 的，所以安装流程和 Ubuntu 一模一样。一行命令安装 OpenClaw，onboard 配置，搞定。树莓派的优势是功耗极低——满载也就 7-8 瓦，一个月电费可以忽略不计。放在家里的路由器旁边，接上网线和电源，然后就可以通过 Telegram 随时随地跟你的 AI 助手对话了。我还给它接了一个 USB 摄像头，配合 OpenClaw 的技能系统写了个定时拍照的 Skill——社区里有人做了更狠的，让 OpenClaw 根据天气情况自动拍一张窗外的照片发到聊天里。树莓派上唯一需要注意的性能瓶颈是 Node.js 的初始启动速度比较慢（大约 15 秒），但启动之后的运行和响应速度跟 x86 服务器没有体感差异。另一个小坑是 ARM 架构下某些 npm 包可能没有预编译的 binary，安装时会自动从源码编译，第一次 npm install 可能要等比较久——耐心等就好。
Windows 部署：WSL2 是你的好朋友
虽然 OpenClaw 官方主要面向 macOS 和 Linux，但 Windows 用户也不用担心——通过 WSL2（Windows Subsystem for Linux）可以获得几乎一样的体验。首先确保你的 Windows 10/11 已经开启了 WSL2 功能，然后在 Microsoft Store 里安装一个 Ubuntu 发行版。打开 WSL 的 Ubuntu 终端后，后续步骤就和 Linux 完全一样了：curl 安装脚本、onboard 配置、systemd 管理。对于不想用 WSL 的用户，OpenClaw 也可以直接在 Windows 的 PowerShell 或者 CMD 里安装和运行，官网给出了对应的安装命令。不过根据社区反馈，原生 Windows 环境下偶尔会遇到一些路径和权限的兼容性问题，WSL2 方案明显更稳定。还有一种不需要折腾的方式：直接用 Docker Desktop for Windows 来跑——下面马上会讲。
云平台部署全攻略：AWS、阿里云、Vercel 和 Railway
如果你不想维护任何物理设备，直接扔到云上是最省心的方案。目前主流云平台都能跑 OpenClaw，这里按使用门槛从低到高排列。最简单的是用 Railway 或 Render 这类 PaaS 平台——创建一个新项目，选择 Node.js 环境，把 OpenClaw 的 GitHub 仓库地址填进去，设置好环境变量（API Key、Bot Token 等），点击 Deploy，三分钟搞定。费用方面 Railway 有免费额度，够个人用户日常使用了。中等难度的是用传统云服务器——阿里云 ECS、腾讯云 CVM、AWS EC2 或者 DigitalOcean Droplets 都行。选最低配的实例就够用了（1 核 1G 就能跑，2 核 2G 比较舒服），操作系统选 Ubuntu 22.04 或 24.04，然后 SSH 上去按 Linux 的流程装就行。推荐搭配 Cloudflare Tunnel 做内网穿透，这样不用开放服务器的公网端口，安全性好很多。还有一种比较前沿的玩法是用 Docker 部署——社区已经有人做了 OpenClaw 的 Docker 镜像，docker pull 下来配置好环境变量直接 docker run 就能跑。结合 Docker Compose 还可以一键部署 OpenClaw + Cloudflare Tunnel + 日志收集的完整栈。对于企业用户来说，Docker 方案最容易纳入现有的 CI/CD 和运维体系。值得一提的是，OpenClaw 的赞助商里有 Vercel 和 Convex，所以在这两个平台上的集成可能会越来越好——持续关注官方博客就行。
聊天平台对接详解：Telegram、WhatsApp 和 Discord
OpenClaw 装好之后，最关键的一步是把它和你日常用的聊天软件连上。这里展开讲三个最常用的平台。Telegram 对接最简单：找 @BotFather 发 /newbot，取个名字，拿到 Token，在 OpenClaw 的 onboard 流程或配置文件中填入就行。Telegram Bot 的好处是可以在群组里使用——你可以把 OpenClaw Bot 拉进一个群组，让它作为团队助手工作，所有人都可以 @ 它提需求。WhatsApp 对接需要多一步：OpenClaw 用的是 WhatsApp Web 的协议，第一次连接时需要你用手机扫一个二维码（和电脑上登 WhatsApp Web 一样）。扫完之后会话就保持了，不需要重复扫。WhatsApp 方案的优势是你可以用自己的手机号和 OpenClaw 对话，看起来就像在跟一个联系人发消息，对非技术用户最友好。Discord 对接也很流畅：到 Discord Developer Portal 创建一个 Application，生成 Bot Token，邀请到你的服务器，然后在 OpenClaw 配置中填入。有意思的是 Discord 的 Bot 天然支持多服务器，你可以让同一个 OpenClaw 实例在不同的 Discord 服务器里工作——社区里有人做了三个实例克隆（对，让 OpenClaw 自己搞定了克隆流程），分别挂在不同的服务器上，各自独立工作。除了这三个，Slack 和 Signal 也支持，配置方式类似，文档里都有详细说明。
技能系统和自动化：让 OpenClaw 真正干活
部署只是第一步，真正让 OpenClaw 值回投入的是它的技能（Skills）系统。OpenClaw 把能力封装成一个个 Skill 插件，你可以从 ClawHub（类似于 App Store）下载现成的，也可以让 OpenClaw 自己写。对，你没看错——你可以在聊天里跟它说「我需要一个能查询航班价格的技能」，它会自己写代码、自己测试、自己安装。社区里有人因为找不到现成的航班查询 API，就让 OpenClaw 写了一个多平台比价的终端工具。目前社区热门的技能包括：Gmail 集成（自动清理收件箱、分类邮件、代写回复）、GitHub 集成（监控 Issue、自动审查 PR、合并代码）、日历管理（读取 Google Calendar 或 Apple Calendar 的日程、自动安排会议）、智能家居控制（飞利浦 Hue 灯光、各种物联网设备）、健康数据同步（WHOOP 手环数据读取和分析）。还有一些比较硬核的用法：有人让 OpenClaw 接入了 Sentry 的 Webhook，应用出了 Bug 它自动捕获错误、分析代码、开 PR 修复——全程不需要人工介入。另一个让我印象深刻的案例是一个用户的 OpenClaw 自己去跟保险公司打了一架——因为误解了用户的一句回复，它直接给保险公司发了一封质疑拒赔的邮件，结果保险公司居然重新开始调查了。这种「自主行动」的能力是传统聊天机器人根本做不到的。
本地模型接入：不花一分钱 API 费用的方案
虽然接 Claude 或 GPT 的 API 体验最好，但如果你对成本敏感或者对数据隐私有极致要求，OpenClaw 也支持接本地模型。最推荐的方案是用 Ollama——在本机或局域网内的另一台机器上跑 Ollama，然后把 OpenClaw 的 LLM 配置指向 Ollama 的本地地址就行。模型选择方面，社区反馈 MiniMax M2.5 在 OpenClaw 上的表现相当不错，工具调用的解析成功率很高。如果你的机器有不错的 GPU（比如 RTX 3090 或 M2 Pro 以上的 Mac），跑 70B 参数的模型也很流畅。纯 CPU 推理的话建议选 7B-13B 级别的模型，响应速度大概在 3-8 秒之间，对于日常的文本类任务完全够用。需要注意的是，本地模型在工具调用（Function Calling）方面的能力和 Claude 还有明显差距，一些复杂的多步骤任务可能会出错。我的建议是：日常简单任务用本地模型省钱，重要任务或者需要浏览器操作的时候切回 Claude API。OpenClaw 支持在运行时动态切换模型，你甚至可以在聊天里直接说「切换到 Claude」或者「用本地模型」。
安全加固和隐私保护：生产环境必做的几件事
把 AI 助手部署到生产环境，安全问题不能糊弄。OpenClaw 在设计上就考虑了这一层——数据默认存储在本地，不会上传到任何第三方服务器。但还有几个点需要你自己动手加固。第一，API Key 的管理。不要把 Key 硬编码在配置文件里然后推到 GitHub 上（别笑，真有人干过）。推荐用环境变量或者系统级的密钥管理工具来存储。第二，系统权限控制。OpenClaw 默认拥有完整的系统访问权限——这意味着它可以读写任何文件、执行任何命令。如果你不放心，可以在配置中启用沙箱模式，限制它能访问的目录和命令范围。第三，网络安全。如果你的 OpenClaw 部署在公网服务器上，务必不要直接暴露端口。用 Cloudflare Tunnel 或者 Tailscale 做内网穿透是更安全的选择。OpenClaw 最近还和 VirusTotal 达成了合作，对社区贡献的技能插件做安全扫描——这在开源项目中是比较少见的，说明团队确实在认真对待安全问题。第四，定期检查 OpenClaw 的日志输出，看看它都执行了哪些操作。早期版本有过用户反馈说助手在没有明确指令的情况下「主动」发送了邮件，虽然后续版本加了确认机制，但养成查日志的习惯总没有坏处。
踩坑实录：那些文档里没写的问题和解决办法
任何开源项目部署都免不了踩坑，OpenClaw 也不例外。这里列几个我遇到的和社区高频出现的问题。第一个坑：Node.js 版本不兼容。OpenClaw 要求 Node.js 18 或以上，如果你系统里装的是旧版本，安装脚本会尝试帮你升级，但有时候会和系统自带的 Node 冲突。最稳妥的办法是先用 nvm 管理 Node 版本，切到 18 或 20 再安装。第二个坑：WhatsApp 登录状态丢失。WhatsApp Web 的 session 大约每隔一两周会过期，需要重新扫码。如果你的 OpenClaw 跑在无头服务器上，重新扫码就很麻烦。社区的解决方案是用 Telegram 作为主要聊天渠道——Token 是永久有效的，不存在过期问题。第三个坑：内存泄漏。某些版本的 OpenClaw 在长时间运行（超过一周）后内存占用会逐渐增长。临时解决办法是配一个 cron job 每天凌晨重启一次服务；根治方案是升级到最新版本，团队一直在修这类问题。第四个坑：Cloudflare Tunnel 配置。如果你用 Tunnel 做内网穿透，注意 Tunnel 的 Ingress 规则要指向 OpenClaw 的 HTTP 端口而不是 WebSocket 端口，否则聊天消息能发不能收。第五个坑：中文环境下的编码问题。某些 Skill 在处理中文文件名时会出现乱码，在环境变量里加上 LANG=en_US.UTF-8 通常能解决。遇到搞不定的问题，去 OpenClaw 的 Discord 社区发帖是最快的途径——那里活跃度非常高，基本上几个小时内就会有人回复。
写在最后：个人 AI 助手的时代刚刚开始
部署完 OpenClaw 之后的第一周，我让它做了这些事情：每天早上 8 点给我发一份新闻摘要和天气预报；监控我的三个 GitHub 仓库的 Issue 和 PR，有新消息立刻通知我；帮我整理了过去半年的报销发票，按类别分好了文件夹；在我说「帮我约周三下午和张工开会」的时候，自动检查双方日历、找到空闲时间段、发送会议邀请。这些事情以前要么我自己花时间做，要么需要付费给各种 SaaS 工具，现在一个在树莓派上默默跑着的小程序全包了。有人说 OpenClaw 是「开源版 Siri」，这个类比不太对——Siri 做不到的事情 OpenClaw 随便做。更准确的说法可能是：它是一个能力范围只受限于你想象力的数字员工。Karpathy 评价它「Excellent」，MacStories 的 Federico Viticci 写了长文说它展示了个人 AI 助手的未来形态。我自己的感受没这么宏大叙事，就是觉得确实好用——每天省下来的零碎时间加起来至少一个小时。如果你动手能力还行，花一个周末下午把它跑起来，绝对不会后悔。项目迭代很快，GitHub 上几乎每天都有新 commit，社区也非常活跃和友好。这是 2026 年我最推荐折腾的开源项目，没有之一。