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

一种无人机辅助射频探测的无线地下土壤健康监测智能钉平台(Nature Communications,2025)

一种无人机辅助射频探测的无线地下土壤健康监测智能钉平台(Nature Communications,2025)

通讯作者:Yashwanth Ramesh DOI:https://doi.org/10.1038/s41467-025-67889-w 摘要 监测大面积农业区域的地下土壤状况对于优化资源利用和支持可持续作物生产至关重要。然而,大多数现有传感系统依赖电池供电的电子设备,成本高昂、需要维护且难以规模化部署。为解决这些局限性,我们提出了 HARVEST(Hybrid Antenna for Radio frequency-enhanced Volumetric water content and Electrical conductivity-based Soil Tracking,基于射频增强的体积含水量和电导率土壤跟踪混合天线系统)—— 一种低成本无线平台,无需机载电子设备。HARVEST 采用钉状传感探头,与地面上方的三环天线进行物理和电气耦合,在减少信号损耗的同时,保持对地下土壤变化的敏感性。土壤含水量和盐度的变化会改变埋地探头的电气特性,导致天线谐振响应偏移,该偏移可通过空中读取器进行无线检测。该系统通过电磁仿真进行优化,并通过实验室实验和全生育期田间部署验证有效性。HA

基于GitHub智能客服机器人源码的实战开发与性能优化指南

基于GitHub智能客服机器人源码的实战开发与性能优化指南 背景痛点:高并发与语义理解的双重夹击 把开源客服机器人从“跑通”到“跑得稳”,最痛的往往只有两件事:并发一上来就掉线程,用户多问两句就“已读不回”。 GitHub 上 star 数靠前的几个项目(python-telegram-bot、ChatterBot-REST、Rasa-oss-demo 等)在本地 demo 时都很丝滑,一旦放到生产环境,常见症状如下: 1. 阻塞式 I/O 导致 Webhook 响应超时,GitHub 重试三次后直接 502。 2. 意图识别模型在笔记本上 95% 准确率,线上真实口语 70% 都不到,用户一句“咋回事啊”直接 fallback。 3. 对话状态放在内存 dict,多实例部署时互相“串台”

YOLO11-LADH改进:无人机与鸟类目标检测的精准识别方案

本数据集名为"drone car",版本为v1,于2024年2月24日通过qunshankj平台导出,采用CC BY 4.0许可证授权。该数据集共包含1638张图像,所有图像均已进行预处理,包括自动调整像素方向(剥离EXIF方向信息)以及将图像尺寸调整为640x640像素(拉伸方式)。为增强数据多样性,对每张源图像以50%的概率应用了水平翻转增强技术,创建了三个不同版本的数据。数据集采用YOLOv8格式标注,包含两个类别:鸟类(bird)和无人机(drone)。数据集分为训练集、验证集和测试集三个部分,适用于目标检测算法的训练和评估。该数据集主要针对无人机和鸟类的自动识别任务,可用于开发智能监控系统,特别是在需要区分飞行器与鸟类以避免潜在风险的场景中具有重要应用价值。 1. YOLO11-LADH改进:无人机与鸟类目标检测的精准识别方案 1.1. 🚁 前言 近年来,无人机技术在航拍摄影、农业监测、物流配送等领域得到了广泛应用,📸 同时鸟类与无人机之间的安全冲突也日益增多。如何精准识别无人机与鸟类目标,对于保障空域安全、防止无人机扰鸟事件具有重要意义。🔍 本文将介绍基于Y

【AI绘画】DALL·E 3 绘图功能与 DALL·E API 探索

【AI绘画】DALL·E 3 绘图功能与 DALL·E API 探索

博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]本文专栏: AI绘画 文章目录 * 💯前言 * 💯DALL·E 3 图像生成介绍 * 图像质量与分辨率 * 图像生成机制的解析 * 多图生成功能 * 💯使用 DALL·E 编辑器界面 * 实际应用 * 编辑器的实用建议 * 💯DALL·E API 的探索 * 获取API Key的基本步骤 * API 功能概览 * 实际应用场景 * 使用注意事项 * 最佳实践 * 💯小结 💯前言 DALL·E 3 是 OpenAI 最新的图像生成技术,通过对文本描述的深度理解和生成对抗网络(GANs)的应用,能够快速生成高质量、细节丰富的图像。本文将从图像生成机制、分辨率与格式选择、多图生成功能、编辑器界面操作及 API 的使用等多个方面,