Clawdbot 上手实录:部署+反代+WebAuth 一步到位

Clawdbot 上手实录:部署+反代+WebAuth 一步到位

这两天,Clawdbot 在技术圈突然爆火,不少人已经开始在服务器上尝鲜部署。但真正跑起来之后才发现,Web 控制台、HTTPS、安全访问这些问题一个都绕不开。
这篇文章就简单记录一下 Clawdbot 的部署过程,以及如何通过宝塔面板做反向代理并加一层 Web Auth,让它用起来方便,也更安全。

安装Clawdbot

1. 登录面板,打开SSH终端,或直接打开SSH终端

  • 常用系统Debian/Ubuntu/CentOS,可直接指向以下命令安装
curl -fsSL https://clawd.bot/install.sh | bash

部分国产操作系统如OpenCloudOS/Alibaba Cloud Linux,请先到面板-网站-Node项目-Node版本管理器-右上角更新版本列表-安装最新稳定版v24.13.0

图片

并设置命令行版本为刚刚安装的稳定版

图片

然后终端执行以下命令安装

npm install -g clawdbot@latest

2. 安装完成后执行以下命令进行初始化,如若脚本安装会自动进入初始化页面,可忽略下面的命令。

clawdbot onboard --install-daemon

图片

3. 根据流程提示完成初始化配置:

  • I understand this is powerful and inherently risky. Continue?(我知道这个功能很强,但也存在风险,要继续吗?)按左方向键,选择yes
  • Select channel (QuickStart)(选择通道),根据自己需要选择渠道并按提示完成配置,我这里使用网页对话,直接跳过,大家可以根据自己需要选择

安装完成后会展示Token,注意保存,一会会用到

图片

剩下的几个API配置我先默认跳过,实际使用时根据自己需要选择

图片

根据需要选择自己的技能,空格键选中,最后按回车键确认,等待安装即可,如果不想现在安装可以选择第一项跳过。

图片

Configure skills now? (recommended)(配置技能),配置技能并选择安装技能的方式,默认选择即可。

图片

Model/auth provider(模型 / 鉴权提供方),根据自己需要选择并设置,请注意,此处列表里面的Moonshot、Qwen,默认为国际站端点,国内账户可能无法使用。

图片

Onboarding mode(引导模式)默认快速开始即可

图片

4. 安装服务:面板或者腾讯云/阿里云控制台免密登录方式无法完成服务安装,需要使用SSH客户端连接到服务器,并执行以下命令安装服务。

clawdbot daemon install

图片

5. 安装完成执行以下命令启动

clawdbot daemon start

图片

配置反向代理

1. 服务默认监听本地端口,不支持公网访问,因此需要配置反向代理,打开面板-网站-PHP,添加项网站,并设置域名(我这里用IP做演示)

图片

2. 打开站点设置-SSL,为站点配置SSL证书

3. 点击反向代理-添加配置反向代理,并填写以下配置

图片

4. 配置完成后找到之前保存的Token

图片

替换Token域名为实际域名,例如我这里将

http://localhost:18789/?token=d275f89c6905729e850634de060e64a30822b5264fe99703

替换成

https://43.133.61.18/?token=d275f89c6905729e850634de060e64a30822b5264fe99703

正常应该看到如下提示

图片

5. 回到终端,执行以下命令,查看待授权的访问

clawdbot devices list

图片

6. 执行以下命令,批准访问

clawdbot devices approve request-id

如:

clawdbot devices approve 54c0def3-e60a-4074-ad43-19887d222d7f

执行成功将看到以下提示:

图片

页面状态也会变成OK

图片

7. 此时我们就可以试着和他进行对话

图片

配置BasicAuth

如果想要再加固一层,可以配置BasicAuth,但面板的访问限制无法对反向代理直接生效,因此我们需要手动修改配置:

1. 打开终端,执行以下命令,生成htpasswd文件

printf "用户名:$(openssl passwd -apr1 密码)\n" > /www/server/nginx/conf/clawd.pass

请替换用户名和密码,例如:

printf "clawd:$(openssl passwd -apr1 clawd123)\n" > /www/server/nginx/conf/clawd.pass

图片

生成后执行以下命令修改权限:

chown root:www /www/server/nginx/conf/clawd.pass                                                chmod 640 /www/server/nginx/conf/clawd.pass

2. 回到网站-设置-反向代理-配置文件

图片

3. 打开并添加以下内容:​​​​​​​

auth_basic "Authorization"; auth_basic_user_file /www/server/nginx/conf/clawd.pass;

图片

4. 点击保存,服务会自动重载。

5. 再次访问,应该可以看到需要输入用户名和密码,输入刚才设置的用户名和密码点击登录即可。

图片

到这里,Clawdbot 的部署和访问就算完整跑通了。整体来看,Clawdbot 本身并不复杂,真正容易踩坑的反而是访问方式和安全边界:本地监听、Token 授权、HTTPS、以及如何避免直接暴露在公网。

通过宝塔面板做一层反向代理,再加上 Basic Auth,把这些问题一次性解决,既不影响使用体验,也能让人用得更放心。

当然最终来说,如果你在终端已经完成了所有配置,包括相关的聊天通道,不需要在网页管理和使用,那你完全可以忽略反向代理的步骤,那样也会变得更安全一些。

Read more

VSCode Github Copilot使用OpenAI兼容的自定义模型方法

VSCode Github Copilot使用OpenAI兼容的自定义模型方法

背景 VSCode 1.105.0发布了,但是用户最期待的Copilot功能却没更新!!! (Github Copilot Chat 中使用OpenAI兼容的自定义模型。) 🔥官方也关闭了Issue,并且做了回复,并表示未来也不会更新这个功能: “实际上,这个功能在可预见的未来只面向内部人员开放,作为一种“高级”实验功能。是否实现特定模型提供者的功能,我们交由扩展作者自行决定。仅限内部人员使用可以让我们快速推进,并提供一种可能并非始终百分之百完善,但能够持续改进并快速修复 bug 的体验。如果这个功能对你很重要,我建议切换到内部版本 insider。” 🤗 官方解决方案:安装VSCode扩展支持 你们完全不用担心只需要在 VS Code 中安装扩展:OAI Compatible Provider for Copilot 通过任何兼容 OpenAI 的提供商驱动的 GitHub Copilot Chat,使用前沿开源大模型,如 Kimi K2、DeepSeek

Copilot助力AI原生应用:提升开发效率的5种方法

Copilot助力AI原生应用:提升开发效率的5种方法 关键词:GitHub Copilot、AI原生应用、开发效率、代码生成、智能补全、上下文感知、开发协作 摘要:在AI原生应用(AI-Native Apps)的开发浪潮中,开发者面临着代码复杂度高、迭代速度快、跨模态能力需求强等挑战。作为GitHub与OpenAI联合推出的AI代码助手,GitHub Copilot通过“代码即自然语言”的交互方式,正在重塑开发者的工作流。本文将结合真实开发场景,拆解Copilot提升效率的5种核心方法,并通过实战案例演示如何在AI原生应用中最大化发挥其价值。 背景介绍 目的和范围 本文旨在帮助开发者(尤其是AI原生应用开发者)掌握GitHub Copilot的核心能力,通过具体方法和实战案例,解决“如何用AI工具提升开发效率”的实际问题。内容覆盖从基础功能到高阶技巧,适用于前端、后端、全栈开发场景。 预期读者 * 正在开发AI原生应用(如智能客服、推荐系统、AIGC工具)的开发者 * 希望优化现有开发流程的技术团队 * 对AI辅助开发工具感兴趣的技术管理者

Ollama下载模型太慢?试试国内HuggingFace镜像+LLama-Factory组合

Ollama下载模型太慢?试试国内HuggingFace镜像+LLama-Factory组合 在本地跑一个大模型,第一步不是写代码、调参数,而是——等它下载完。 这听起来有点荒诞,却是许多中国开发者的真实日常。当你兴致勃勃地打开终端,输入 ollama run llama3:8b,满心期待地准备开启微调之旅时,现实却给你泼了一盆冷水:进度条纹丝不动,网络连接频繁中断,几个小时过去连基础权重都没拉下来。 问题出在哪?根源就在于——Ollama 默认从 HuggingFace 官方仓库拉取模型,而这个服务器远在海外。对于国内用户来说,这无异于“越洋取经”,不仅速度慢如龟爬,还常因网络波动导致失败重试,白白浪费时间和算力资源。 但其实,我们完全不必硬扛这条路。真正聪明的做法是:绕开公网瓶颈,借助国内镜像高速获取模型 + 使用 LLama-Factory 实现低门槛、高效率的本地微调。这套组合拳不仅能让你把“等待下载”的时间省下来喝杯咖啡,还能让7B甚至13B级别的模型在一张消费级显卡上顺利训练起来。 镜像加速:别再用裸连 HuggingFace

农业机器人如何自主导航?:5大核心路径规划算法深度解析

第一章:农业机器人自主导航与路径规划概述 农业机器人在现代精准农业中扮演着日益重要的角色,其核心能力之一是能够在复杂多变的农田环境中实现自主导航与高效路径规划。这一过程不仅依赖于高精度的环境感知系统,还需融合多种算法模型以应对非结构化地形、动态障碍物及作业任务的多样性。 自主导航的基本构成 农业机器人的自主导航通常由三个关键模块组成: * 定位:通过GPS、IMU与SLAM技术确定机器人在田间的实时位置 * 地图构建:利用激光雷达或视觉传感器生成环境的二维或三维表示 * 运动控制:将规划路径转化为电机指令,驱动机器人沿预定轨迹行驶 典型路径规划算法对比 算法优点缺点A*全局最优路径,适用于静态环境计算开销大,难以应对动态障碍Dijkstra保证最短路径搜索范围广,效率较低RRT适用于高维空间和非完整约束路径不平滑,随机性较强 基于ROS的路径规划代码示例 以下是在ROS(Robot Operating System)中使用A*算法进行栅格地图路径搜索的核心片段: // A* 路径搜索核心逻辑 std::vector<Node> astar_path(c