腾讯云轻量服务器部署OpenClaw：从零搭建7×24小时AI助手

前阵子群里有朋友晒了一张截图——腾讯云轻量服务器 99 元/年活动价，上面跑着一个叫 OpenClaw 的开源 AI 助手，7×24 小时不关机，能定时推天气、抓网页、执行脚本，还能通过网页随时对话。群里顿时炸了锅：“这不就是传说中的私人 AI 管家？”我也跟着折腾了一圈，今天把完整流程写出来。整个过程下来，费用就是服务器年费和 API 调用费，没有其它隐藏成本。这篇文章不涉及复杂的分布式架构，只要你会基本的 Linux 命令，跟着一步步操作，基本一个小时左右能把整套东西跑起来。

我从买服务器到配置 Skill、再到让进程崩溃自动重启，这些坑都踩过一遍，文里会直接把最终可用的方案给你。

1. 为什么值得把 AI 助手放到云服务器上

1.1 OpenClaw 能做什么

OpenClaw 是一个开源 AI Agent 框架，中文社区里大家常叫它“龙虾”。它在做的事概括起来就是：把一个大语言模型“包装”成一个能主动执行任务的 Agent，而不是只会聊天的对话框。你可以通过网页面板和它对话，也能给它配置一个又一个 Skill，让它定时执行、调用工具、读写文件、跑命令，然后把结果通过你自己设定的渠道推送给你。

和那些只能被动问答的产品不一样，OpenClaw 的核心价值在于“主动干活”。只要你给它足够的工具和权限，它就可以在你睡觉的时候帮你完成重复性的信息处理工作。比如每天早上抓取某个网页的价格变动、定时生成工作日志、监控某个服务的健康状态并在出问题时立刻通知你。

这个东西本身不算重，它更像一个“调度中枢”，真正烧大模型算力的是背后的模型 API 服务。所以它对服务器的要求不高，但对稳定性的要求很高，这也决定了它最适合的归宿是云服务器而不是你的个人电脑。

1.2 99元的服务器够不够用

腾讯云这个 99元/年 的活动，通常对应的是轻量应用服务器，配置一般是 2核2G 或 2核4G 的新用户首年价格。很多人第一反应是：2G 内存够跑 AI 的东西吗？我实测下来的结论是：跑 OpenClaw 本体，加上两三个 Skill，2G 完全够用。进程内存占用一般在 300MB 到 700MB 之间，主要取决于你同时挂了多少插件、日志量多大。

但你得心里有数：99 元通常是新用户首年优惠价，续费会回到正常价位，大概二三百元一年，这依然是不贵的长期成本。如果你准备同时跑 Dify、ComfyUI 这类更重的项目，建议至少买 2核4G 或者考虑 4G 以上的配置，不要在 2G 机器上什么都塞，服务器内存一旦被打满，OpenClaw 会先出现响应变慢，接着就是各种奇怪的超时错误。

另外别把 99 元活动价当成“永久低价”，买之前确认好活动规则和续费价格，免得第二年心理落差大。

1.3 整套系统的工作方式

把这套方案拆开看，其实就是三条链路：浏览器或聊天入口连接 OpenClaw 服务，OpenClaw 根据你配置的模型 API 发起大模型调用，再通过 Skill 执行真正的操作，操作结果又通过同样的链路回传给你。中间没有一台“中心服务器”替你干活，控制权完全在你自己的服务器上。

这样做最大的好处，是数据和权限都掌握在自己手里。你想让 AI 读哪些文件、执行哪些命令、访问哪些网站，都由你的配置决定。它不像在线版工具那样把你的数据放到别人那里，很多对数据敏感的场景（比如把公司内部文档摘要整理、定时监控某个后台系统的状态）就特别适合这样部署。

但也要提醒一句：给 AI Agent 的权限越大，风险也越大。OpenClaw 能执行命令、操作文件，这意味着如果模型交互被恶意利用，你的服务器也可能被反向操作。所以生产环境里，一定要用独立普通用户运行服务，尽量不要用 root，这一步我在后面的环境配置部分会重点演示。

2. 部署前要备齐的四样东西

2.1 一台腾讯云轻量服务器（购买要点）

既然标题里提到的是腾讯云 OpenClaw 部署，我就直接按腾讯云轻量应用服务器为例来讲。登录腾讯云控制台后，进入“轻量应用服务器”页面，点击新建。地域选择上，尽量选离你自己近的区域，延迟会低一些；如果你主要是给国内服务用的，选境内地域即可。

镜像方面，我建议选 Debian 12 或 Ubuntu 22.04 LTS，这两个系统的软件源比较全，社区遇到问题也容易搜到解决方案。千万别选带图形化界面的镜像，纯命令行版本最省资源。带宽一般给的基础套餐就够了，OpenClaw 本身流量不大。

服务器创建完成后，第一件事不是急着装环境，而是去轻量服务器的“防火墙”页面，把你准备给 OpenClaw Web 面板用的端口（我习惯用 8090）放行出来。这一步很多人会漏，结果后面本地怎么都打不开网页面板，其实端口根本没有放行。

2.2 一个大模型 API Key

OpenClaw 本身不自带模型能力，它需要连接一个大模型 API。目前市场上支持 OpenAI 兼容接口的服务很多，国内可用的一众模型服务基本都兼容这个协议。选型上我建议优先选那些调用价格透明、接口稳定的服务商，先充个几十块测试，跑通了再加钱。

申请完 API Key，你还要确认三样信息：接口地址（baseURL）、密钥字符串、你选的模型名。比如用某些国产模型服务时，模型名可能叫“deepseek-chat”或“glm-4-plus”之类的，这个字符串在配置里不能写错。OpenClaw 的配置一般支持填写这些字段，所以提前记到一个小本本上，后面配置时直接复制粘贴。

另外别把 API Key 直接分享给别人，也别提交到公开的 Git 仓库里。这个 key 相当于你钱包的钥匙，一旦泄露，对方能用你的额度做大量调用产生费用。

2.3 一个 SSH 终端工具

你需要在本地电脑上能舒服地操作远程服务器，所以一个顺手好用的 SSH 终端是必备品。macOS 和 Linux 用户直接用系统自带的 Terminal 就行，敲ssh 用户名@服务器IP就能连上。Windows 用户建议用 Termius 或 Xshell，两者的免费版足够日常使用。

连接上服务器后，接下来的所有操作都在这个终端窗口里完成。我建议把服务器的公网 IP、root 密码（或密钥文件）存到本地密码管理器里，避免部署到一半找不到凭据。你也可以给 SSH 配置密钥登录，这样比密码登录更安全，这个属于进阶操作，后文不展开，但强烈建议再熟悉命令后自己配置上。

2.4 Skill 与开源仓库的准备

OpenClaw 的能力在很大程度上由 Skill 决定。Skill 可以理解为给 Agent 安装的“技能插件”，比如某个 Skill 负责定时抓取 RSS、某个 Skill 负责调用天气接口。所以安装 OpenClaw 之前，最好先到它的官方仓库和社区讨论区逛一圈，看看当前有哪些常用的 Skill，搞清楚它们的安装方式和配置依赖。

官方仓库一般会提供 README 和安装脚本，OpenClaw 目前支持通过安装脚本指定 git 安装方式，也就是直接从 GitHub 的 main 分支把源码检出到本地。这种方式对想追新版本的玩家很友好，因为git pull一下就能升级，不需要重新下载完整包。我的建议是第一次安装用官方默认方式，等到跑熟了再切到 git 分支管理升级，别一上来就整太复杂。

3. 十分钟把服务器环境收拾干净

3.1 SSH 登录与创建普通用户

服务器创建好后，先用控制台提供的密码登录。腾讯云轻量服务器默认 root 用户登录，但我不建议直接用 root 跑 OpenClaw。原因很简单：Agent 能执行命令，一旦某个 Skill 被诱导执行了破坏性命令，root 权限可以把你整台机器删得干干净净。用普通用户跑，能挡住一大半这类风险。

先升级一下系统软件包，然后创建新用户：

apt update && apt upgrade -y adduser claw usermod -aG sudo claw su - claw

后续的操作都建议在这个 claw 用户下进行。给 claw 配上 sudo 权限，是为了某些需要提权的操作（比如安装系统级依赖），但 OpenClaw 进程本身运行在无特权用户下，权限边界比较清晰。

3.2 安装 Node.js 与 Git

OpenClaw 官方安装脚本通常会自动处理运行环境的依赖，但如果你打算用 git 方式安装，或者想手动排查问题，先把 Node.js 和 Git 装上是稳妥的。Node.js 建议装当前 LTS 版本，版本太旧会导致部分 Skill 依赖安装失败。

curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs git node -v git --version

这里装上 Git 还有一个用途：从 GitHub 的 main 分支检出 OpenClaw 源码，方便之后升级。国内拉取 GitHub 的速度偶尔不稳定，如果遇到 clone 超时，可以给 git 换一个国内可用的镜像加速源，或者找网络状况好的时间段重试，具体看你网络情况，这里不展开。

3.3 决定用 Docker 还是裸进程

在装 OpenClaw 之前，你会碰到一个选择：用 Docker 跑，还是直接裸进程跑。Docker 的好处是环境隔离、迁移方便；坏处是初学者一旦遇到容器内网络或端口映射问题，排查成本会上升。OpenClaw 本身依赖不多、进程不重，单机部署我建议直接裸进程跑，最多再用一个 PM2 做守护。

后面如果你想再部署 Dify、N8N 这类服务，再考虑引入 Docker 也不迟。一台 2G 内存的小服务器若同时跑大量容器，光是 Docker 常驻资源就会吃掉不少内层空间，对轻量部署来说不划算。

4. 安装 OpenClaw 并完成第一次对话

4.1 用官方脚本安装

OpenClaw 提供了一键安装脚本，官方文档里有完整的命令。按照官方仓库 README 里的指引，执行安装脚本，脚本会自动检测系统环境、安装依赖、拉取主程序。如果你想从 GitHub 的 main 分支检出源码，安装脚本支持加一个--git参数，具体参数名以你看到的官方文档为准：

curl -fsSL <官方安装脚本地址> | bash -s -- --git

这种 git 安装方式的好处是，之后你可以直接进入 OpenClaw 源码目录执行git pull来获取最新版本，省去重新下载安装包的麻烦。首次安装时间取决于服务器带宽和网络状况，一般几分钟能完成。

安装完成后，脚本通常会提示你编辑一个配置文件（一般是 config.json 或类似命名），也可能会帮你生成默认配置。不用急着改太多，先找到配置文件位置，后面几步只需要填最核心的字段。

4.2 配置文件里最关键的几个字段

配置文件里的字段在不同版本会有些出入，但核心概念不变。我拿一个典型的配置结构来说明：

{ "model": { "baseURL": "https://你的模型服务接口地址", "apiKey": "sk-你的密钥", "model": "deepseek-chat" }, "server": { "host": "0.0.0.0", "port": 8090, "token": "给面板设置一个访问密码" }, "bot": { "name": "我的助手", "timezone": "Asia/Shanghai" } }

这里最容易被忽略的是 host，默认可能是localhost，如果你希望从浏览器远程访问面板，必须把 host 改成0.0.0.0，否则外部根本连不进来。port 可以自定义，记住要和前面防火墙放行的端口一致。server.token 是访问面板的简易口令，建议一定设置，别把面板裸奔在公网上。

模型服务商提供的 baseURL 和 apiKey 各不一样，复制的时候注意别把sk-前缀漏了，也别粘贴进多余空格。我第一次配置时就因为粘贴 key 时多了一个换行符，导致 API 认证一直失败，卡了半小时。

4.3 首次启动与日志验证

配置改完后，先别急着连面板，用命令行启动一次 OpenClaw：

openclaw start openclaw logs

看到日志里出现类似“服务启动成功”“listening on 8090”这样的信息，说明进程起来了。如果日志里报错，先看是不是 API 地址或者 Key 的问题，这两个都是高频报错点。

如果启动失败，但日志没有明显报错，可以试着直接查看进程状态：

ps aux | grep openclaw curl http://127.0.0.1:8090/health

如果本机 curl 有响应，说明服务本身没问题，问题大概率出在防火墙或者 host 配置上。这种从“内到外逐层排查”的思路，比东戳一下西戳一下高效得多。

4.4 从网页面板里喊一声“你好”

服务起来之后，在本地浏览器输入http://服务器IP:8090，看到登录页，输入你在配置里设置的 token，进入面板。

这时你可以像用网页版聊天工具一样，给助手发一句最朴素的话：“你好，请简单介绍一下你自己”。它会先调用模型接口，把结果返回给你。表面上这只是一次聊天，实际上意味着整套链路已经打通：网页入口、OpenClaw 调度、模型 API、结果回传。链路通了，后面 Skill 的玩法才有基础。

第一次对话如果响应慢，不用太慌。模型首字返回时间一般在几秒内，慢的话可能和模型服务本身的负载有关。你可以在面板里再试试连续对话，如果都流畅，说明部署成功。

5. Skill 才是助手真正“有用”的关键

5.1 Skill 的安装和启用的常规套路

如果说 OpenClaw 本尊是一副骨架，Skill 就是填进去的血肉。它的安装方式一般是把 Skill 文件放到指定的 skills 目录下，然后在配置里启用。社区里已经有大量现成 Skill，比如网页抓取、RSS 订阅、天气查询、定时消息推送等，直接拿来改改配置就能用。

我第一次把 OpenClaw 跑起来之后，兴冲冲试了一下自带能力，发现它除了聊天也干不了什么重活，一度觉得很鸡肋。后来才明白过来：不是框架不行，是没装 Skill。装好第一个必用的 Skill 之后，它才从“聊天机器人”变成“干活 AI 助手”。所以新手安装的时候，建议把 Skill 安装时间也算进部署计划，别以为跑通对话就结束了。

5.2 新人优先考虑的三类 Skill

• 定时任务类：支持 cron 表达式，能定时执行任意可脚本化的操作，比如每天 9 点把天气推送给你的 IM 机器人。
• 网页抓取与 RSS 类：让助手定期访问某个网址，提取标题、摘要或价格信息，持续监控你应该关注的内容。
• 命令执行与文件操作类：让助手能通过对话调用预设命令，比如生成备份、查看日志、统计磁盘占用。

这三类 Skill 覆盖了绝大多数个人助手的典型使用场景。安装顺序上，我建议先装命令执行类，因为它能帮你在调试时“执行自定义命令”，方便验证其它 Skill 的依赖是否正常。等到运行机制熟悉了，再陆续加定时和抓取类的 Skill。

5.3 实战：做一个每天早上9点的天气推送

这里给一个可以直接参考的配置思路。假设你已经有一个能向手机或群聊发送消息的通道，比如企业微信机器人、钉钉机器人，或者其它你常用且服务器能访问到的消息服务，先用其中任意一个，从配置里拿到 webhook 地址。

然后在 OpenClaw 的 skill 配置里，找到“定时任务”类型的 Skill，添加一条 cron 表达式：0 9 * * *，表示每天早上 9 点触发。触发的动作分成两步：先调用天气查询接口拿到某个城市的天气数据，再把结果格式化后通过 webhook 推送出去。

第一次配置完建议先把 cron 时间改成几分钟后，例如当前时间的下一分钟，设好后等它真的触发一次，确认推送内容格式正确，再改回正式的 9 点。别直接填0 9 * * *然后就去睡觉，第二天大概率发现推送失败或不完整。这种“先高频测试、再低频运行”的做法，能让排查问题的成本降到最低。

6. 稳定跑一个月不崩的运维要点

6.1 用 PM2 把 OpenClaw 守护起来

服务器重启后，OpenClaw 不会自动恢复，这会让它“7×24 小时在线”的承诺大打折扣。我的做法是用 PM2 把它守护起来，PM2 不仅能进程崩溃后自动重启，还能设置开机自启。安装和启动命令如下：

npm install -g pm2 pm2 start openclaw pm2 save pm2 startup

pm2 save会把当前进程列表保存下来，pm2 startup会生成一个系统服务，让服务器开机后自动拉起进程。配置好之后，你可以故意kill一下 OpenClaw 进程测试，会发现几秒后它又自动起来了，这种体验对线上服务很重要。

日志管理也是 PM2 的强项。默认日志文件会存在~/.pm2/logs/下，建议配置一个日志轮转，不然长时间运行后磁盘会被日志塞满。一个小技巧是定期执行pm2 flush清空旧日志，或者安装 pm2-logrotate 插件自动清理。

6.2 升级 OpenClaw 的正确姿势

社区迭代快，我建议每个月左右升级一次。如果当初你用 git 方式安装，升级很简单：先停掉 PM2 里的服务，然后到 OpenClaw 源码目录执行git pull拉取 main 分支最新代码，再重新安装依赖、启动服务。完整流程大致是：

pm2 stop openclaw cd ~/openclaw git pull npm install pm2 start openclaw

升级前最重要的动作是备份配置！把配置文件复制一份到其它目录，或者把 skill 目录做个 tar 包：

cp config.json config.json.bak.$(date +%Y%m%d) tar czf skills_backup.tar.gz skills/

因为新版启动时可能改动配置结构，若升级后启动失败，至少你能回滚。我习惯升级后先看日志确认正常，再继续日常使用。另外，如果是手动安装的非 git 版本，升级前记得去官方仓库看有没有迁移说明，有些大版本升级会有破坏性变更。

6.3 常见问题排查速查表

这张表覆盖了我遇到的大部分问题。很多问题其实不是 OpenClaw 本身的问题，而是服务器环境或配置细节的问题。遇到 bug 别急着删了重装，先看日志，大多数答案都在日志里。

6.4 后续还能怎么玩

OpenClaw 跑稳之后，扩展空间其实很大。你可以把它接到 IM 机器人上，实现用手机随时喊话；也可以给它配多个模型，按任务切换；还能把财务数据或工作进度的抓取做成定时任务，每天早上推到群里，等于给自己安排了一个自动化的“值班助理”。

如果你对低功耗设备感兴趣，社区里还有人在玩树莓派甚至 ESP32 这类单片机接入 OpenClaw 的方案。简单说，就是通过 Python 客户端（比如社区里流传的 pycoclaw）在小型设备上做一个对话终端或执行器，再和云端实例联动。听起来很极客，但在某些特定场景下确实能省不少电，适合有硬件折腾经验的朋友后续探索。不过这类玩法相对进阶，建议先把基础部署和 Skill 跑熟再碰。

我自己在使用中最深的一个体会是：OpenClaw 这类 AI Agent 的价值不是“问它什么它都能答”，而是“你给它设定好规则之后，它能长期自动执行”。它真正适合的是那些重复、耗时、但逻辑清晰的任务。最后再分享一个小技巧：给 Skill 配置通知渠道时，优先用那些支持手机端消息推送的机器人，这样即使你不在电脑前，也能第一时间收到消息。配置完初期，建议定期翻一翻 PM2 日志，了解助手在日常运行中的表现，很多可以优化的点都会从日志里浮现出来。