永久免费 OpenClaw 部署（续）：手把手带你避开所有坑

2026-3-17 13:59 技术教程游魂 26人 0人

永久免费 OpenClaw 部署（续）：手把手带你避开所有坑

03-17 26人

前言

没想到上一篇 OpenClaw 的教程火了《零成本搭建专属AI助手：OpenClaw永久免费部署全攻略》，但评论区也炸了——看来部署的路上确实“坑”不少。为了不让大家的热情卡在最后一步，今天这篇专门用来“填坑”。

我会针对大家反馈最多的部署问题，给出最直接的解决方案。同时，也借这个机会聊聊我近期的一些使用心得。闲言少叙，咱们直接进入正题，帮你顺利上车！

永久免费OpenClaw部署续-手把手带你避开所有坑

文章较长，共 9 个模块，各位可按需跳读：

免费 API 申请渠道
OpenClaw 容器化部署详解
消息通道接入方法
技能系统接入指南
两层记忆机制深度解析
定时任务机制剖析
智能体与会话机制
浏览器自动化全攻略
节点接入实战

1. 免费 API 申请渠道

之前带大家申请的是 NVIDIA 的 API，虽然完全免费，但有速率限制（40 RPM）。

用的人多了，平台难免进一步收紧限流。 反应慢 多半是 LLM 请求被限速所致。

因此，本文再分享两个国内 API 平台，都有免费额度，方便大家快速体验 OpenClaw。

1.1 硅基流动

注册链接：https://cloud.siliconflow.cn/i/wGX463Hv 可获 16 元免费额度。

模型广场：https://cloud.siliconflow.cn/me/models 建议选用 Pro 系列模型。

硅基流动模型广场

拿到 API Key 后，同时保存请求地址： OPENAI_API_BASE：https://api.siliconflow.cn/v1

1.2 七牛云

注册链接：https://s.qiniu.com/vM3AJj 可获 1000 万 Token 免费额度。

模型广场：https://portal.qiniu.com/ai-inference/model

七牛云模型广场

使用邀请奖励：

七牛云资源包

拿到 API Key 后，请求地址为： OPENAI_API_BASE：https://api.qnaigc.com/v1

这里有更多虾粮：https://www.iyouhun.com/post-301.html

2. OpenClaw 容器化部署详解

2.0 最低资源配置

笔者曾在 2 核 2G 的机器上测试过：

# free -m
               total        used        free      shared  buff/cache   available
Mem:            1966        1479         164           1         497         487
Swap:           4095         743        3352

OpenClaw Gateway 启动后内存占用约 1500MB，配合虚拟内存可无压力运行。
因此，HuggingFace 上免费的 2 核 16G 实例绰绰有余。

之前已分享如何在 HuggingFace 新建 Space 和 Dataset 以实现持久运行和状态保存，具体步骤不再重复。

这里重新梳理了 Space 的文件结构，方便大家配置：

Space文件结构

注：所有文件已打包，文末提供获取方式。

下面说明各文件的作用。

2.1 镜像构建文件

Dockerfile 定义了容器运行的基础环境。Space 启动时先构建镜像，再拉起容器。

浏览器自动化
语音识别与合成
视频处理

大家可按需修改：
Dockerfile文件预览

2.2 OpenClaw 默认配置

OpenClaw 依赖根目录下的 openclaw.json 配置文件运行，因此独立出该文件，方便编辑默认配置。

例如配置不同模型供应商：

又比如接入不同消息通道：
配置消息通道

将 api_key 等敏感参数通过环境变量设置，在 Space 的 Settings 中添加。

2.3 状态同步脚本

/root/.openclaw 目录存放所有与 OpenClaw 交互的数据，需永久保存。
新建 sync.py 负责与 Dataset 同步：

容器启动时：从 Dataset 拉取数据
运行时：定时上传数据至 Dataset

2.4 容器启动脚本

该脚本决定容器的运行方式：
start-openclaw.sh文件一览
最后一步将 OpenClaw 放到后台运行，避免因 Gateway 重启导致容器挂掉、数据丢失。

2.5 配置 Space

回到你的 Space，右上角点击 Settings，拉到最下方 Variables and Secrets，将 openclaw.json 中的所有环境变量填进去。

重点：找到 Space visibility，设为 Public：
设置为公开

当 Space 状态变为 Running，恭喜！你的 OpenClaw 已成功启动！

Running

访问地址：https://{user}-{space}.hf.space

注：私有 Space 只有在登录时才能访问，所以必须设为公开。

3. 消息通道接入方法

OpenClaw 的核心亮点之一：一个 Gateway 连接所有消息通道。

3.1 接入飞书

最新版 OpenClaw 已内置飞书支持，无需额外插件。

参考文档：https://www.feishu.cn/content/article/7613711414611463386

只需前往飞书开放平台创建一个应用：
飞书开放平台创建应用

拿到 AppID 和 AppSecret，对应配置文件中的环境变量。
应用凭证

然后在 事件与回调 中，采用 长连接 订阅事件：
长连接订阅事件

开通应用权限，也可导入其他应用配置好的权限（文末自取)：

配置成功后，在飞书中给机器人发消息试试~
若未收到回复，可到控制台让 OpenClaw 帮忙排查。

踩坑记录：如果飞书无法接收图片，大概率缺少以下权限：
获取与上传图片或文件资源权限

OpenClaw 给飞书发送图片需两步：

上传图片到飞书服务器，获取 image_key
用 image_key 发送图片

3.2 接入企业微信

企业微信官方已支持通过 机器人接入 OpenClaw。

参考文档：https://open.work.weixin.qq.com/help2/pc/cat?doc_id=21657

两条命令搞定：

# 安装插件
openclaw plugins install @wecom/wecom-openclaw-plugin
# 无需重启，添加渠道并选择企业微信
openclaw channels add

OpenClaw 的插件系统支持从 npm 仓库安装包。
执行 openclaw plugins install x 时，OpenClaw 会：

从 npm 下载该包
安装到 ~/.openclaw/plugins/
自动加载插件，注册企业微信通道

注意：企业微信机器人仅支持企业内部群聊，不可拉到外部群，即个人微信无法与机器人聊天。

3.3 接入个人微信

个人微信需通过 企业自建应用 接入 OpenClaw。

参考文档：https://github.com/BytePioneer-AI/openclaw-china/blob/main/doc/guides/wecom-app/configuration.md

创建应用

然后通过微信插件的形式接入个人微信：

同样两条命令搞定：

# 安装插件
openclaw plugins install @openclaw-china/wecom-app
# 无需重启，配置
openclaw china setup

3.4 接入QQ

创建 QQ机器人 并绑定至 OpenClaw 环境，即可通过QQ机器人给OpenClaw下达指令。

支持Markdown、图片、语音、文件等多媒体消息收发，手机端QQ、桌面端QQ均可使用。

参考文档：https://q.qq.com/qqbot/openclaw/index.html

QQ机器人接入指南

OpenClaw 原生接入流程

# 1.安装OpenClaw开源社区QQBot插件
openclaw plugins install @tencent-connect/openclaw-qqbot@latest
# 2.配置绑定当前QQ机器人 
openclaw channels add --channel qqbot --token "AppID:AppSecret"
# 3.重启本地OpenClaw服务 
openclaw gateway restart

QQ使用示例

4. 技能系统接入指南

Skill 本质上是将最佳实践代码化和文件化，最早由 Claude 提出。
为什么使用 Skills

4.1 OpenClaw 的技能系统

OpenClaw 的强大很大程度上得益于 Skill 机制。
在 OpenClaw 中，Skill 存在于三个位置：

内置 Skills：/usr/local/lib/node_modules/openclaw/skills
（Windows 对应：C:UsersadminAppDataRoaming pm ode_modulesopenclawskills）
全局 Skills：~/.openclaw/skills
Agent 专属 Skills：~/.openclaw/workspace/skills

OpenClaw 启动时会按以下优先级加载 Skill：

workspace/skills (最高)
    ↓
~/.openclaw/skills
    ↓
node_modules/openclaw/skills (最低)

4.2 Skill 安装方式

方式1：复制粘贴（最简单）
将 Skill 包放到 ~/.openclaw/skills/ 文件夹下即可。

方式2：从技能市场安装
技能市场地址：https://clawhub.ai/

clawdhub install self-improving-agent

注意：默认如果不登录安装可能会限流，使用 Github 登录后生成自己的 CLI token

clawdhub登录创建token

# 配置登录
clawhub login --token clh_xxxxxxx

方式3：Skills CLI 安装

# 格式
npx skills add vercel-labs/skills@find-skills -g
# 默认会装到 ~/.agents/skills/find-skills
# Skills CLI 自动检测 OpenClaw 存在，创建软链接到 ~/.openclaw/skills/
# 若访问 GitHub 失败，可下载到本地后安装
npx skills add ./xx --skill find-skills

4.3 推荐 Skill

根据笔者使用频率，推荐以下值得快手上手的 Skill
推荐安装Skill

当然你也可以上 https://clawhub.ai/skills?sort=downloads 查看热门 Skill 安装

find-skills
- 搜索技能：npx skills find <关键词>
- 安装技能：npx skills add <包名>
- 浏览地址：https://skills.sh/
self-improving-agent
自我改进——记录经验教训，持续优化。重要学习内容可升级到 SOUL.md、AGENTS.md、TOOLS.md。
核心逻辑：让 Agent 记住错误、自我优化。

这是让 AI “变聪明” 的最快方式。它赋予了 Agent 反思能力，让它在处理复杂任务时越来越顺手。
skill-vetter
- 权限 scope 是否过大
- 有无可疑模式（窃密、高风险操作）
- 来源是否可靠
tavily-search
- 比普通搜索更适合 AI 处理
- 返回简洁、相关的结果
- 支持地区和语言过滤
summarize

总结——信息消减器

快速总结 URL、PDF、图片、YouTube 视频。

5. 两层记忆机制深度解析

OpenClaw 如何记住你？
答案是：Markdown（文件） + SQLite（向量索引）

5.1 文件记忆

~/.openclaw/agents/main
└── sessions/
    └── *.jsonl        # 会话记忆（自动记录）
~/.openclaw/workspace/
├── MEMORY.md          # 长期记忆（精华浓缩，存储决策、偏好、经验教训）
└── memory/
    └── YYYY-MM-DD.md  # 每日笔记（默认加载今天 + 昨天的日志）

5.2 向量记忆

向量保存和检索流程：

Markdown 文件 → 分块（约 400 token，80 token 重叠）
                    ↓
              生成嵌入向量（OpenAI/Gemini/本地模型）
                    ↓
              存入 SQLite（chunks 表 + chunks_fts 全文索引）
                    ↓
              查询时：混合搜索（向量相似度 + BM25 关键词）

数据库位置：~/.openclaw/memory/main.sqlite
注：SQLite 只是索引层，真正的记忆仍是 Markdown 文件。

默认配置是 FTS-only（无向量嵌入）。要启用向量搜索，需在 openclaw.json 中配置 memorySearch.provider：

openai
local
…

配置后支持语义搜索、混合搜索（向量语义匹配 + BM25 关键词）。

记忆调用有两种方式：

memory_search：语义搜索，返回片段+路径+行号
memory_get：按路径读取特定记忆文件

6. 定时任务机制剖析

OpenClaw 的 Cron 是 Gateway 内置的任务调度器。

定时任务

它有两种执行模式：

主会话模式（main）：在主会话中运行，适合需要主会话上下文的简单提醒。

openclaw cron add --name "任务名" --cron "0 8 * * *" --session main --system-event "触发时要做的事" --tz "Asia/Shanghai"

隔离模式（isolated）：在独立会话中运行（会自动在会话列表中创建会话），可配置自动发送结果到指定通道，适合后台任务、定期报告、不想污染主会话的事务。

文件位置：

任务定义：~/.openclaw/cron/jobs.json
执行历史：~/.openclaw/cron/runs/xx.jsonl

常用命令：

# 查看任务列表
openclaw cron list
# 修改任务
openclaw cron edit <任务ID> --system-event "新消息"
# 手动测试
openclaw cron run <任务ID>

7. 智能体与会话机制

7.1 Agent（智能体）

Agent 是 OpenClaw 的核心概念——一个完整的大脑，包含：

组件	说明
Workspace	工作目录，存放 AGENTS.md、SOUL.md、USER.md 等配置文件
Agent 状态	`~/.openclaw/agents/agentId/agent/`
会话汇总	`~/.openclaw/agents/agentId/sessions/sessions.json`
会话记录	`~/.openclaw/agents/agentId/sessions/sessionId.jsonl`

Agent 的特性：

技能独立：通过各自的 skills/ 文件夹加载技能，也可共享全局技能
会话隔离：不同 Agent 的会话互不影响
默认只有一个 main Agent

如何创建更多 Agent？

# 假设创建一个名为 nanny 的 Agent
openclaw agents add nanny --workspace C:Usersadmin.openclawworkspace-nanny

创建成功后，如何与 Agent 对话：

# 若没有会话，会自动创建一个 main session
openclaw agent --to nanny --message "hi"
# 给指定 Agent + 指定会话发消息
openclaw agent --to nanny --session-id test --message "hi"

7.2 多 Agent 路由

多 Agent 场景下，可通过 bindings 将不同通道的消息路由到对应 Agent：

# 查看所有 bindings
openclaw agents list --bindings

具体配置可在 openclaw.json 中添加路由映射：

"bindings": [
  {
    "agentId": "main",
    "match": {
      "channel": "feishu",
      "accountId": "main"
    }
  }
]

7.3 Session（会话）

Session 是 Agent 与用户之间的对话上下文。

Session Key映射规则

若需每个通道的会话隔离，可在 openclaw.json 中启用 DM 模式：

"session": {
  "dmScope": "per-channel-peer"
}

这样，每个通道连接成功都会自动新建一个 Session。

会话管理

此外，建议定期清理会话文件：

"session": {
  "maintenance": {
    "mode": "enforce",      // 自动清理
    "pruneAfter": "30d",    // 30 天不活跃的会清理
    "resetArchiveRetention": "1d" // 1 天前的重置会话会清理
  }
}

也可手动管理：

# 查看会话列表
openclaw sessions list
# 查看特定 Agent 的会话
openclaw sessions --agent nanny
# 清理会话（预览）
openclaw sessions cleanup --dry-run
# 强制清理
openclaw sessions cleanup --enforce

8. 浏览器自动化全攻略

OpenClaw 拥有联网能力，本质上有 3 种工具：

web_search：调用 Brave 等搜索引擎
web_fetch：给定具体 URL，发送 HTTP 请求获取 HTML
browser：交互式操作浏览器

3 种工具的适用场景如下：

联网工具对比

下面重点介绍 browser 的两种模式。

8.1 browser 简介

browser 有两种模式：

有头模式（chrome）：必须有桌面环境（Windows/macOS/Linux 桌面版）
无头模式（后台）：无需桌面环境

browser 指令举例：

# 以用户 openclaw 登录
browser open --profile openclaw --url https://github.com/trending
# 获取页面文本 + 元素结构（非截图）
browser snapshot --refs aria

8.2 有头浏览器

有头浏览器的工作原理：

┌─────────────────────────────────────┐
│  Chrome (桌面浏览器)                 │
│  ┌─────────────────────────────┐   │
│  │ OpenClaw Browser Relay 扩展  │   │
│  └─────────────────────────────┘   │
│         ↓ (通过 chrome.debugger)   │
│  Local Relay Server (端口 18792)   │
└─────────────────────────────────────┘
         ↓ (WebSocket 通过 Gateway)
OpenClaw:
┌─────────────────────────────────────┐
│ browser 工具 (profile="chrome")     │
│ → 发送命令到你的 Relay               │
│ → Relay 控制你的 Chrome 标签页       │
└─────────────────────────────────────┘

配置步骤：

前往 Chrome 应用商店安装 OpenClaw Browser Relay：
输入 token 并保存：
新开标签页，确保状态为 ON：

8.3 无头浏览器

无头浏览器适合 VPS、容器等无桌面环境。

┌─────────────────────────────────────┐
│ OpenClaw Gateway                    │
│ ┌─────────────────────────────────┐ │
│ │ browser 工具                    │ │
│ │ → 启动本地 Chrome 进程          │ │
│ │ → 通过 CDP 协议通信             │ │
│ └─────────────────────────────────┘ │
└─────────────────────────────────────┘
            ↓ CDP
┌─────────────────────────────────────┐
│ Chrome (无头模式)                   │
│ --headless --no-sandbox             │
└─────────────────────────────────────┘

首先安装依赖：

# 安装 Playwright 和 Chromium
npx playwright install chromium --with-deps

然后在 openclaw.json 中配置无头模式：

"browser": {
  "enabled": true,
  "executablePath": "/root/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome",
  "headless": true,
  "noSandbox": true,
  "defaultProfile": "openclaw"
}

踩坑提醒：容器重启后，若 Chrome 的锁文件（SingletonLock, SingletonSocket）未清理，会导致新进程无法启动。解决方案：

# 启动前删除锁文件
rm -rf ~/.openclaw/browser/openclaw/user-data/Singleton*

9. 节点接入实战

OpenClaw 的节点（Nodes）用于 “远程控制终端” 。
我们可以通过 OpenClaw 远程控制手机、电脑等终端，实现拍照、截屏、获取位置、发送通知、执行命令等。

9.1 设备与节点的区别

设备与节点

Device（设备） = 配对身份层，解决 “谁可以连接” 的问题：
- operator（操作员，管理 Gateway）
- node（节点，提供能力）
Node（节点） = 能力层，解决 “连接后能干什么” 的问题：

Device
├── role: operator → 操作员，管理 Gateway
└── role: node → 节点，暴露能力（camera/screen/canvas...）

9.2 节点接入示例

假设我们要在远程 Linux 主机上调用 Windows 主机上的浏览器。
如何将 Windows 主机以 Node 形式连接到远程 Linux 主机上的 Gateway？

实测最好通过 SSH 隧道转发：

# 将 Windows 的 18790 通过 SSH 隧道转发到远程 62.234.xx.xx 的 18789
ssh -N -L 18790:127.0.0.1:18789 root@62.234.xx.xx
# 在 Windows 上执行 Node 连接
$env:OPENCLAW_GATEWAY_TOKEN="xxx"; openclaw node run --host 127.0.0.1 --port 18790 --display-name "win-docker"

第一次连接会报错（未配对）

node host gateway connect failed: pairing required

此时在远程Linux 主机的 device/pending.json 中会看到配对信息，批准后移到 paired.json。

# 再次运行
$env:OPENCLAW_GATEWAY_TOKEN="xxx"; openclaw node run --host 127.0.0.1 --port 18790 --display-name "win-docker"

控制台显示连接成功
Node连接成功

最后修改 Windows 主机的 ~/.openclaw/exec-approvals.json：

{
  "version": 1,
  "socket": {
    "path": "C:\Users\admin\.openclaw\exec-approvals.sock",
    "token": "xx"
  },
  "defaults": {
    "security": "full",
    "ask": "off",
    "askFallback": "allow"
  }
}

这样远程 Linux 主机就可以执行任何操作，无需手动确认。

测试访问 Windows 的浏览器，能否访问 Gemini？
测试访问Gemini

原理：Linux 主机通过 browser 工具与 Windows 节点通信，底层流程：

OpenClaw 发指令给 Windows 节点

openclaw nodes invoke --node win-docker --command browser.proxy

节点收到指令后启动 Chrome

"C:Program FilesGoogleChromeApplicationchrome.exe" --remote-debugging-port=18800 --user-data-dir="C:Usersadmin.openclawrowseropenclawuser-data"

OpenClaw 通过 Chrome DevTools Protocol (CDP) 远程控制浏览器
以 profile=openclaw 访问 Gemini，登录后数据持久化在
```
~/.openclaw/browser/openclaw/user-data
```

写在最后

纸上得来终觉浅，绝知此事要躬行。本文不仅是 OpenClaw 部署的 避坑地图 ，更是一份通往高效生产力的实战指南。

希望读罢此文，你不仅能避开我们踩过的雷，更能鼓起勇气亲手搭建起属于自己的 AI 助手。别犹豫了，现在就去和 OpenClaw 打个招呼，让它成为你工作流中的超级外挂吧！

注：文章中提到的代码脚本已打包，免费自取：夸克网盘 / UC 网盘 / 迅雷网盘 / 百度网盘

版权属于: 游魂博客

原文地址: https://www.iyouhun.com/post-310.html

转载时必须以链接形式注明原始出处及本声明。

永久免费 OpenClaw 部署（续）：手把手带你避开所有坑

永久免费 OpenClaw 部署（续）：手把手带你避开所有坑

前言

1. 免费 API 申请渠道

1.1 硅基流动

1.2 七牛云

2. OpenClaw 容器化部署详解

2.0 最低资源配置

2.1 镜像构建文件

2.2 OpenClaw 默认配置

2.3 状态同步脚本

2.4 容器启动脚本

2.5 配置 Space

3. 消息通道接入方法

3.1 接入飞书

3.2 接入企业微信

3.3 接入个人微信

3.4 接入QQ

4. 技能系统接入指南

4.1 OpenClaw 的技能系统

4.2 Skill 安装方式

4.3 推荐 Skill

5. 两层记忆机制深度解析

5.1 文件记忆

5.2 向量记忆

6. 定时任务机制剖析

7. 智能体与会话机制

7.1 Agent（智能体）

7.2 多 Agent 路由

7.3 Session（会话）

8. 浏览器自动化全攻略

8.1 browser 简介

8.2 有头浏览器

8.3 无头浏览器

9. 节点接入实战

9.1 设备与节点的区别

9.2 节点接入示例

写在最后

欢迎留言 取消

欢迎留言取消