VPS部署OpenClaw接入国产大模型，打造免费个人AI助手

把一台吃灰的VPS变成个人专属AI助手这件事听起来很折腾但实际操作下来其实就是“装个容器、配上模型、接上消息渠道”三步。这篇博文想聊的就是怎么在VPS上部署OpenClaw这一套智能体框架然后把它接到国产大模型的API上用最低的成本让它真正跑起来。标题里的“龙虾”是个比喻。OpenClaw这个名字本身带个“Claw”大家就把部署好的这个AI智能体叫“龙虾”。“龙虾饲料”就更直白了——大模型API就是喂给这只龙虾的饲料没有模型接口框架再漂亮也只是一副空壳。国产模型现在的API价格卷得厉害有的甚至直接给免费额度拿来当饲料再合适不过。这篇文章适合手里有VPS但不知道拿来干嘛的人也适合想入门AI智能体开发但不想被海外模型API价格劝退的朋友。整个部署过程并不需要多高深的编程能力跟着步骤走一个晚上就能把这只“龙虾”养起来。1. 先把“龙虾”这只AI宠物养在哪里VPS选型与部署思路1.1 OpenClaw到底是什么为什么选VPS部署OpenClaw是一个开源的个人AI助手框架核心作用是把大语言模型对接进各种消息渠道。你可以把它理解成一个“中转大脑”——它本身不产生智能但它负责接收你的消息、调用模型推理、再把结果返回给你。支持的消息渠道包含Telegram、Discord、飞书、微信等这意味着你可以在任何日常使用的聊天软件里召唤这个AI助手。有人会问这东西不是能装在本地电脑上吗为什么非要扔到VPS上原因有三个。第一OpenClaw本质上是一个需要长期运行的守护进程本地电脑会关机、会休眠、会断网但VPS可以全年无休地跑着第二有些消息渠道的回调地址要求公网可达比如飞书机器人、企业微信本地电脑没有公网IP做起来很麻烦第三VPS的带宽和稳定性远超家庭网络推消息不卡顿。所以“VPS OpenClaw”这个组合是这个项目最标准的玩法。1.2 VPS系统选择与基础环境准备部署OpenClaw对VPS的硬件要求并不高1核1G内存的机器就能跑起来但如果你打算顺便在本地跑一个小模型后面会讲建议至少2核4G。系统层面推荐Debian 12或Ubuntu 22.04/24.04 LTS。这两个系统的软件源新、依赖好装、社区资料多遇到问题搜一下基本都能解决。CentOS已经停止维护了新项目不建议再碰。拿到VPS后的第一步是登录服务器并做基础配置。SSH连上去之后建议先完成三件事更新软件源、修改SSH默认端口防止被暴力扫描、配置好防火墙。具体命令如下apt update apt upgrade -y vim /etc/ssh/sshd_config # 找到 Port 22改成你自定义的端口比如 22822 systemctl restart sshd ufw allow 22822/tcp ufw enable这里有一个很关键的细节务必先把新SSH端口在防火墙里放行再重启SSH服务。否则一旦防火墙没放行新端口你当前的连接就会断掉而旧端口又被你改了就会陷入“被关在门外”的尴尬。别问我怎么知道的很多新手都在这上面吃过亏。接下来安装Docker和Docker Compose插件。OpenClaw官方最推荐的方式就是通过容器运行因为依赖全部封装在镜像里不会污染宿主机环境升级和回滚也方便curl -fsSL https://get.docker.com | bash systemctl enable --now docker docker compose version看到Docker Compose version v2.x.x的输出环境就准备好了。2. 用Docker把OpenClaw装进“虾缸”里2.1 三种安装方式对比OpenClaw的安装方式目前有三种直接跑源码、用Docker单容器跑、用Docker Compose编排跑。我强烈建议直接用Docker Compose理由如下直接跑源码适合开发者但你需要自己安装Node.js、npm、pnpm还要处理一堆依赖版本冲突问题光环境就够折腾半天的。单容器docker run虽然也能跑但每次启动都要敲一长串命令传一大堆环境变量改配置也不方便。Docker Compose可以把所有的环境变量、数据卷、网络模式都写在一个docker-compose.yml文件里以后想改配置改完文件重启容器即可日志查看、备份恢复都极其方便。对于“部署一次长期运行”的使用场景Compose是最省心的方案。2.2 docker-compose.yml配置与参数解读OpenClaw官方镜像发布在GitHub Container Registry项目地址是ghcr.io/openclaw/openclaw:latest。创建一个工作目录比如/opt/openclaw在里面新建docker-compose.ymlservices: openclaw: image: ghcr.io/openclaw/openclaw:latest container_name: openclaw restart: unless-stopped environment: - OPENCLAW_CHANNELSTELEGRAM - OPENCLAW_CHANNEL_TELEGRAM_BOT_TOKEN你的Telegram机器人TOKEN - OPENCLAW_MODELqwen-plus - OPENAI_API_KEY你的千问API_KEY - OPENAI_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 volumes: - openclaw-data:/app/data extra_hosts: - host.docker.internal:host-gateway volumes: openclaw-data:这里逐项解释一下。OPENCLAW_CHANNELS决定这个智能体接入哪个消息渠道如果要同时接入多个渠道用英文逗号分隔。OPENCLAW_MODEL指定模型名称OPENAI_API_KEY和OPENAI_BASE_URL则是指向模型服务商的钥匙和地址——因为OpenClaw兼容OpenAI接口协议而国产模型厂商基本都提供了这种兼容接口所以这里可以直接填国产模型的参数这就是“免费模型做龙虾饲料”的底层逻辑。volumes部分挂载了一个命名卷OpenClaw的会话状态、记忆、配置都会持久化存储在这里。以后升级镜像或重启容器数据不会丢。extra_hosts这一段是为后面接本地模型预留的Linux下容器访问宿主机的host.docker.internal需要这个配置才能生效。2.3 启动与观察日志配置写好后在/opt/openclaw目录下执行docker compose up -d docker logs -f openclaw第一次启动会拉取镜像时间取决于VPS到GitHub的网络情况一般几分钟内能完成。日志里如果出现类似“Agent is ready”或“Starting Telebot”的字样说明容器已经正常启动并且消息渠道也成功连上了。如果一直卡在某些报错上不要慌后面第5章的排查清单基本能覆盖九成的问题。这里有个操作习惯值得养成每次修改docker-compose.yml后不需要删掉整个容器只需要执行docker compose up -dCompose会自动检测配置变化并重新创建容器。但如果改了环境变量容器重建后会话数据卷里保留的配置可能还是旧值所以重要配置改动后最好重启一下容器docker compose restart openclaw3. “龙虾饲料”怎么配接入国产大模型API3.1 为什么选择OpenAI兼容接口聊到“饲料”这块先讲清楚一个核心机制。OpenClaw在设计时所有的大模型调用都通过一个统一的接口抽象层完成。在这个抽象层里默认的协议风格是OpenAI兼容格式——也就是说不管是哪个厂商的模型只要它提供了/chat/completions接口OpenClaw就能通过配置OPENAI_API_KEY和OPENAI_BASE_URL来直接调用。国产模型厂商这几年为了生态几乎都做了OpenAI兼容接口。阿里百炼千问、DeepSeek、智谱、月之暗面Kimi、腾讯混元它们都开放了类似的API地址。这就省去了写各种SDK适配代码的麻烦相当于给龙虾的“饲料槽”做成了标准尺寸谁家的饲料都能倒进去。3.2 免费额度和性价比模型推荐标题里说“免费使用”需要客观地拆解一下有些国产模型确实提供永久免费档比如智谱的GLM-4-Flash有些提供新人赠送额度还有一些虽然收费但价格低到可以忽略不计。下面这张表是我实测过的几个接入方案模型厂商API Base URL推荐模型价格/额度阿里百炼https://dashscope.aliyuncs.com/compatible-mode/v1qwen-plus、qwen-turbo新用户有免费额度turbo价格极低智谱AIhttps://open.bigmodel.cn/api/paas/v4glm-4-flashglm-4-flash完全免费DeepSeekhttps://api.deepseek.com/v1deepseek-chat新用户赠送额度充值价格便宜月之暗面https://api.moonshot.cn/v1moonshot-v1-8k新用户有赠金Ollama本地http://host.docker.internal:11434/v1qwen2.5等开源模型无API费用消耗VPS算力如果你的VPS只是拿来跑OpenClaw我建议先用智谱的glm-4-flash做“保底饲料”。它的免费额度是指调用次数不花钱日常聊天、写文案、做总结完全够用。如果想要更强的推理能力可以用DeepSeek或千问的付费档价格也很便宜一个月重度使用下来可能还不如一杯奶茶钱。3.3 配置文件实操以千问和DeepSeek为例下面以阿里千问为例把上文的docker-compose.yml调整成可用的版本environment: - OPENCLAW_CHANNELSTELEGRAM - OPENCLAW_CHANNEL_TELEGRAM_BOT_TOKEN123456:ABC-DEF... - OPENCLAW_MODELqwen-plus - OPENAI_API_KEYsk-你的DashScopeAPIKey - OPENAI_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1拿到DashScope的API Key很简单登录阿里云百炼控制台在“API-KEY管理”页面创建一个即可。创建时建议直接把权限限定为“模型调用”不要把整个账号的管理权限暴露出来。改完配置后执行docker compose up -d让容器重建再docker logs -f openclaw观察是否报鉴权错误。切换成DeepSeek时只需要改四个值environment: - OPENCLAW_MODELdeepseek-chat - OPENAI_API_KEYsk-你的DeepSeekAPIKey - OPENAI_BASE_URLhttps://api.deepseek.com/v1其余配置不变。DeepSeek的API兼容做得很好我用下来几乎没有出现格式问题。切换模型后建议清一下OpenClaw的会话历史再测试否则旧的对话上下文可能还在按上一套模型的思维风格和参数回复影响直观感受。清理方式是把数据卷里对应的会话记录删掉或者直接给容器改名让旧卷“孤儿化”不过最省事的方法是到渠道里给机器人发一条“重置会话”的指令——OpenClaw内置了这类斜杠命令。4. 想彻底不花钱Ollama本地模型做虾粮4.1 本地模型部署到底可不可行如果你连几块钱的API费用都不想掏还可以走另一条路直接在VPS上跑Ollama用开源模型当“饲料”。这个方案的原理是Ollama是一个本地模型运行工具启动后会暴露一个OpenAI兼容的接口OpenClaw只需要把OPENAI_BASE_URL指向本地地址就行。但这条路有门槛。整体体验和云端模型有差距。如果VPS只有2G内存跑7B模型会非常吃力生成速度慢到让人怀疑人生4G内存勉强能跑但也就只能处理短对话要想流畅体验至少得8G内存最好是带GPU的云主机。所以我给的建议是低配VPS老老实实用API高配VPS可以玩本地模型两者不冲突甚至可以混合用——日常聊天用免费API隐私敏感内容切本地模型。4.2 Ollama部署与OpenClaw对接在VPS上部署Ollama很简单一条命令搞定curl -fsSL https://ollama.com/install.sh | sh然后拉取一个适合低配机的模型。4G内存的机器建议用qwen2.5:3b8G内存可以上qwen2.5:7bollama pull qwen2.5:3b ollama serveOllama默认监听在127.0.0.1:11434外部无法直接访问但OpenClaw容器可以通过host.docker.internal这个特殊域名访问宿主机。确保docker-compose.yml里有前面提到的extra_hosts配置然后把环境变量改成本地地址environment: - OPENCLAW_MODELqwen2.5:3b - OPENAI_API_KEYollama - OPENAI_BASE_URLhttp://host.docker.internal:11434/v1注意Ollama的Web服务默认不带鉴权所以千万别把Ollama的端口暴露到公网否则你的服务器会被别人白嫖算力严重的会被拉去挖矿。这是本地模型方案里最重要的一条安全底线。4.3 本地模型与云端模型的取舍心得本地模型的价值在于数据私密性和零API成本但代价是智商明显下降。qwen2.5:3b这种小模型写写文案还行做复杂的逻辑推理、代码生成就力不从心。我实测过7B模型在8G内存VPS上的生成速度大概是每秒8到12个token比云端模型慢一个数量级但好处是“吃多少饲料都不花钱”。对于大多数用户我建议的路线是先把云端免费或低价API跑通让整个系统先“活”起来之后再根据需求决定要不要折腾本地模型。一口吃不成胖子先把龙虾养活再考虑给它换高级饲料。5. 常见问题与排查实录5.1 agent failed before reply: session file locked (timeout 60000ms)这是OpenClaw部署中比较经典的一个报错字面意思是“会话文件被锁住了等待60秒超时”。出现这个问题的根本原因通常是同一个会话被多个请求并发触发了锁竞争或者上一次请求异常退出后锁文件没有及时释放。处理步骤如下docker exec -it openclaw sh ls /app/data/sessions/ # 找到报错对应的session文件直接删掉或重命名 rm -rf /app/data/sessions/xxx exit docker restart openclaw删掉会话文件会让这个会话的历史记录丢失但不影响整体。如果你的使用场景里经常出现这个问题可以考虑减少同时触发智能体的渠道数量不要让两个聊天软件同时和同一个session对话。5.2 微信发消息不回复、飞书输出被截断OpenClaw支持微信但说实话这块体验最不稳定。微信的接入依赖非官方hook方案Web协议经常被风控表现为“机器人能发消息但收不到用户消息”或者反过来。如果遇到这个问题先检查登录二维码是否过期、进程是否掉线实在不行就换官方协议更稳定的渠道。Telegram和Discord的机器人接口是官方开放的体验最稳。项目里最先接通的渠道我会推荐从Telegram入手少踩很多坑。飞书输出被截断的现象也很多人遇到过原因是飞书对单条消息长度有硬性限制超长文本会被截断。解决办法是在OpenClaw的配置里启用消息自动分片功能或者把生成回复时的最大token数调低让它“把话分几句说”。另外OpenClaw在飞书里输出的Markdown格式偶尔会解析异常建议关掉渠道侧的额外渲染以纯文本发送。5.3 时间不同步、容器重启后配置丢失VPS如果长时间没重启系统时间可能会偏移导致API请求里带的JWT令牌被判定为过期报奇怪的鉴权错误。处理方法很简单apt install -y chrony systemctl enable --now chrony timedatectl看到System clock synchronized: yes就没问题了。配置丢失的问题多是因为修改compose文件后忘了重建容器或者数据卷权限不对导致无法写入。记住一个原则改了environment里的内容一定要docker compose up -d让容器重新创建光执行restart有时不会重新读取环境变量。同时定期备份数据卷也很有必要docker run --rm -v openclaw-data:/data -v /opt/openclaw/backup:/backup alpine tar czf /backup/openclaw-data-$(date %Y%m%d).tar.gz -C /data .5.4 相关热搜词问题速查表现象可能原因解决办法API请求一直报401API Key错误或余额不足检查key、查看服务商控制台容器启动后立即退出环境变量缺失或镜像拉取不完整docker logs openclaw查看日志模型回复乱码渠道和模型编码不匹配在OpenClaw配置中强制UTF-8编码Telegram命令没反应Bot Token配置错误或机器人没被拉进群检查token、确认群组权限VPS重启后龙虾不见了restart策略没设置compose文件中加restart: unless-stopped写在最后的一点心里话这套东西我前前后后搭建了不止一次最大的体会是不要把OpenClaw当成一个“用完即走”的玩具它是一个真正可以长期运营的个人AI基础设施。接入国产模型之后日常的消息总结、待办提醒、文章润色、甚至简单的代码审查都可以丢给这只“龙虾”去做而成本几乎可以忽略不计。还有两个小技巧分享给看到这里的朋友。第一重要配置改动前先把docker-compose.yml复制一份备份再改这样万一改崩了还能一分钟回滚第二如果你同时接了多个渠道但消息会串场可以在配置里按渠道拆分不同的工作区或角色设定让Telegram里的“龙虾”和飞书里的“龙虾”各司其职。我是在跑了大概一周之后才把这几个细节调明白现在这只龙虾已经稳稳当当替我干了不少活了。