ClawdBot新手教程：通过Web UI修改模型配置并验证生效

优质文章学习记录

— 9 min read

ClawdBot新手教程：通过Web UI修改模型配置并验证生效

1. ClawdBot是什么：你的本地AI助手

ClawdBot 是一个可以在你自己的设备上运行的个人 AI 助手。它不依赖云端服务，所有推理都在本地完成，既保护隐私，又避免网络延迟和调用限制。它的后端由 vLLM 提供高性能大模型推理能力，支持高并发、低延迟的文本生成任务。

你不需要懂 Python、不用配 CUDA 环境、也不用写一行部署脚本——只要一台能跑 Docker 的机器（哪怕是树莓派 4），就能把它拉起来，变成你专属的智能工作台。

它不是玩具，也不是 Demo 工程。ClawdBot 的设计目标很实在：把复杂的大模型能力，封装成普通人能点、能改、能信得过的工具。你可以把它看作一个“可配置的 AI 操作系统”：模型是引擎，配置是油门，Web UI 是方向盘，而你，就是驾驶员。

2. 先让 Web 控制台跑起来：三步打通访问链路

很多新手卡在第一步：打开浏览器输入 http://localhost:7860，结果页面打不开。这不是你配置错了，而是 ClawdBot 默认启用了设备授权机制，防止未授权访问。别担心，整个过程只需三条命令，30 秒搞定。

2.1 查看待批准的设备请求

ClawdBot 启动后，会自动生成一个设备绑定请求。你需要先确认这个请求是否存在：

clawdbot devices list

你会看到类似这样的输出：

ID Status Created At Last Seen abc123 pending 2026-01-24 10:22:15 -

只要状态是 pending，就说明请求已发出，但还没被批准。

2.2 批准设备，解锁 Web 访问权限

复制上面显示的 ID（比如 abc123），执行批准命令：

clawdbot devices approve abc123

批准成功后，终端会返回 Approved device abc123。此时再刷新浏览器，通常就能看到熟悉的 Web 界面了。

小提示：如果你是在远程服务器（比如云主机或 NAS）上运行 ClawdBot，本地浏览器直接访问 http://localhost:7860 是无效的。你需要做端口转发。ClawdBot 已贴心地为你生成了 SSH 命令：

执行后，在本地浏览器打开 http://localhost:7860 即可。

2.3 备用方案：一键获取带 Token 的 Dashboard 链接

如果上述方式仍不奏效，或者你想跳过手动批准步骤，直接获得可访问链接，运行：

clawdbot dashboard

你会看到类似这样的输出：

Dashboard URL: http://127.0.0.1:7860/?token=23588143fd1588692851f6cbe9218ec6b874bb859e775762 ... Then open: http://localhost:7860/ http://localhost:7860/?token=23588143fd1588692851f6cbe9218ec6b874bb859e775762

复制带 ?token= 的完整链接，粘贴到浏览器地址栏，回车——Web 控制台立刻现身。

验证成功标志：页面左上角显示 🦞 ClawdBot Logo，顶部导航栏有 Chat、Config、Models、Logs 等标签。这说明你已正式进入控制中心。

3. 修改模型配置：两种方式，推荐 UI 操作

ClawdBot 默认使用 vllm/Qwen3-4B-Instruct-2507 模型，但你完全可以换成其他兼容 OpenAI API 的模型，比如本地部署的 Qwen2.5、Phi-3、DeepSeek-Coder，甚至自建的 Llama 3 接口。修改方式有两种：编辑 JSON 文件 或 使用 Web UI。我们强烈推荐后者——更直观、更安全、不易出错。

3.1 Web UI 修改法（新手首选）

  1. 点击左侧导航栏 Config → Models → Providers
    （对应图中“图2”位置）
  2. 你会看到一个表格，当前只有一行 vllm 提供商。点击右侧的 ** Edit** 按钮。
  3. 想换模型？只需改两处：
    • 把 "id" 的值改成你本地 vLLM 服务实际加载的模型 ID（例如 qwen2.5-7b-instruct）
    • 把 "name" 改成你喜欢的显示名称（例如 Qwen2.5-7B）
  4. 点击 Save，系统会自动重载配置。无需重启服务，也不用 reload 容器。

在弹出的 JSON 编辑器中，找到 models 数组部分。默认是：

"models": [ { "id": "Qwen3-4B-Instruct-2507", "name": "Qwen3-4B-Instruct-2507" } ]
为什么推荐 UI？因为直接改 /app/clawdbot.json 文件容易因格式错误（比如多一个逗号、少一个引号）导致整个服务启动失败。UI 编辑器自带语法校验，保存前会提示你是否合法，极大降低翻车概率。

3.2 手动文件修改法（进阶备用）

如果你习惯命令行，或需要批量修改，也可以直接编辑配置文件：

nano /app/clawdbot.json

重点修改两个位置：

  • agents.defaults.model.primary：指定默认使用的模型标识，格式为 provider/model-id，如 vllm/qwen2.5-7b-instruct
  • models.providers.vllm.models：确保这里列出的 id 与上面一致，且 baseUrl 指向你本地 vLLM 的地址（通常是 http://localhost:8000/v1）

改完保存，然后重启 ClawdBot 容器即可生效。

注意：/app/clawdbot.json 是容器内路径，宿主机上对应的是 ~/.clawdbot/clawdbot.json。两者内容同步，改任意一处都有效。

4. 验证模型是否真正生效：三重确认法

改完配置，别急着去聊天。先用下面三个方法交叉验证，确保新模型真的“上岗”了。

4.1 终端命令验证：clawdbot models list

这是最直接、最权威的方式。运行：

clawdbot models list

正常输出应类似：

Model Input Ctx Local Auth Tags vllm/qwen2.5-7b-instruct text 131k yes yes default

关键看三点：

  • 第一列 Model 显示的是你刚设置的新 ID（不是旧的 Qwen3-4B...）
  • Ctx 列显示上下文长度（如 131k），说明模型已正确加载并报告了能力
  • Local Auth 为 yes，表示该模型走本地 vLLM，没被意外路由到远程

如果这里还是旧模型名，说明配置没生效，请检查 providers.vllm.models 中的 id 是否拼写一致。

4.2 Web UI 实时查看：Models 页面刷新

回到 Web 控制台，再次点击 Config → Models → Providers。点击 vllm 行的 ** Edit**，确认 JSON 中 models[0].id 和 models[0].name 已更新。关闭编辑器后，页面右上角会短暂显示 Configuration reloaded 提示。

4.3 实际对话验证：用一句测试语句

打开 Chat 标签页，输入一句简单但能体现模型风格的话，比如：

请用一首五言绝句，描写春天的竹林。

观察两点：

  • 响应速度：如果新模型参数量更大（如 7B vs 4B），首次响应可能稍慢（1–2 秒），但后续会变快（vLLM 的 PagedAttention 优势）；
  • 回答风格：Qwen2.5 和 Qwen3 在古诗生成、逻辑严谨性上有细微差别。多问两句，感受语言节奏和用词偏好是否符合预期。
验证通过标志：命令行 models list 显示新模型 + Web UI 配置一致 + 聊天回复风格匹配。三者全部满足，才算真正生效。

5. 常见问题与避坑指南

新手在修改模型配置时，常遇到几个“看似报错、实则正常”的情况。这里帮你提前排雷。

5.1 “Gateway not reachable” 报错，但聊天功能正常？

这是 clawdbot channels status 命令的典型输出，完全不影响模型配置和聊天功能。它只检测 Telegram 等外部通道的连通性，而你当前操作的是本地模型推理通道（vLLM）。只要 clawdbot models list 能列出模型，就说明核心能力一切正常。

5.2 修改后 models list 仍显示旧模型？

最常见原因有两个：

  • 拼写不一致：agents.defaults.model.primary 写的是 vllm/qwen2.5-7b-instruct，但 models.providers.vllm.models[0].id 写成了 qwen25-7b-instruct（少了点号或大小写错误）；
  • JSON 格式错误：手动编辑时多加了一个逗号，或引号没闭合。此时 ClawdBot 会静默忽略配置，继续用默认模型。用 clawdbot dashboard 命令的输出里如果有 Your .env is showing; don't worry, I'll pretend I didn't see it. 这类提示，说明配置加载成功；如果出现 Error loading config，那就是 JSON 语法问题。

5.3 换了模型，但响应变慢或出错？

检查你的 vLLM 服务是否真的加载了新模型。进入 vLLM 容器，运行：

curl http://localhost:8000/v1/models

返回的 JSON 中 data[0].id 必须与你在 ClawdBot 中配置的 id 完全一致（包括大小写、符号）。如果 vLLM 根本没加载该模型，ClawdBot 就会报错或 fallback 到默认模型。

5.4 想试试别的模型，但不知道哪些能用？

ClawdBot 兼容所有遵循 OpenAI API 格式的后端，包括：

  • vLLM（推荐，性能最强）
  • Ollama（适合快速试模）
  • Text Generation WebUI（兼容性好）
  • 自建 FastAPI 封装服务

只要你的后端能响应 GET /v1/models 并返回标准格式，ClawdBot 就能识别。配置时，把 baseUrl 指向它的地址，id 填它返回的模型 ID 即可。

6. 总结：你已经掌握了模型配置的核心闭环

恭喜你，完成了从“打不开页面”到“自由切换模型”的完整旅程。回顾一下，你实际掌握的不是几条命令，而是一个可复用的工程化闭环：

  • 访问闭环：devices list → devices approve → dashboard，三步打通本地/远程访问；
  • 配置闭环：Web UI 图形化编辑 → 实时保存 → 自动重载，零风险修改；
  • 验证闭环：models list 查状态 → UI 看配置 → Chat 试效果，三重保险确认生效。

这背后体现的是 ClawdBot 的设计哲学：把开发者友好的能力，包装成用户友好的体验。你不需要理解 vLLM 的 PagedAttention 是什么，但你能用它跑起 7B 模型；你不需要研究 OpenAI API 的鉴权细节，但你能一键切到自己的私有模型。

下一步，你可以尝试：

  • 在 Config → Agents 中调整 maxConcurrent，控制同时处理多少个请求；
  • 上传一个 .pdf 文件到 Chat 界面，试试多文档问答能力；
  • 把 agents.defaults.workspace 指向你自己的项目目录，让 AI 直接读取你的代码或文档。

真正的 AI 助手，不在于它多强大，而在于你多容易让它为你所用。而你现在，已经拿到了那把钥匙。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 ZEEKLOG星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

Read more

AIGC时代Kubernetes企业级云原生运维实战：智能重构与深度实践指南

AIGC时代Kubernetes企业级云原生运维实战：智能重构与深度实践指南

文章目录 * 一、AIGC技术栈与Kubernetes的深度融合 * 1. 智能配置生成：从YAML到自然语言 * 2. 动态资源优化：AI驱动的弹性伸缩 * 二、智能运维体系架构深度解析 * 四维能力矩阵增强实现： * 关键组件升级代码示例： * 三、企业级实战策略深度实践 * 策略1：AI辅助的渐进式交付 * 策略2：自主优化闭环实现 * 四、典型场景实战深度解析 * 场景1：突发流量应对（完整代码示例） * 场景2：混合云灾备（多云适配代码） * 五、未来演进方向代码探索 * 数字孪生示例（简化版） * 边缘智能示例 * 《Kubernetes企业级云原生运维实战（云计算前沿实战丛书）》 * 编辑推荐 * 内容简介 * 作者简介 * 目录 * 前言/序言 * 本书内容 * 本书特点 在生成式AI（AIGC）与云原生技术深度融合的今天，Kubernetes正经历着从“容器编排工具”到“智能运维大脑”的蜕变。
基于YOLOv8的无人机红外检测系统（车辆行人）（YOLOv8深度学习+YOLO数据集+UI界面+Python项目+模型）

基于YOLOv8的无人机红外检测系统（车辆行人）（YOLOv8深度学习+YOLO数据集+UI界面+Python项目+模型）

一、项目介绍 摘要 本项目基于YOLOv8深度学习目标检测算法，开发了一套适用于无人机红外影像的实时检测系统，能够精准识别车辆（Car）、其他车辆（OtherVehicle）、行人（Person）以及无效检测区域（DontCare）等4类目标。系统采用大规模红外数据集进行训练，其中训练集10,128张、验证集715张、测试集355张，确保模型在复杂环境下的鲁棒性和泛化能力。 YOLOv8作为当前最先进的实时检测算法之一，在保持高精度的同时实现了低延迟、高效率的检测性能，特别适用于无人机（UAV）搭载的边缘计算设备。本系统可广泛应用于夜间监控、应急救援、智慧交通、军事侦察等场景，为红外视觉分析提供可靠的AI解决方案。 项目意义 1. 提升无人机红外检测的智能化水平 无人机搭载红外摄像头在夜间、雾天、烟雾环境等低能见度条件下具有独特优势，但传统算法在复杂场景下的检测能力有限。本系统利用深度学习技术，显著提高了红外影像中车辆、行人等关键目标的识别准确率，使无人机具备更强的自主感知能力。 2. 增强夜间与恶劣环境下的监控能力 红外成像不受光照条件限制，适用于夜间巡逻、森林

解决VsCode远程服务器上Copilot无法使用Claude的问题

最近在用vscode中的GitHub copilot，发现无法使用claude系列的模型 很多小伙伴知道要开代理，开往带你以后claude确实会出来，本地使用没有任何问题，但是如果使用远程服务器ssh，claude系列的模型就消失了，参考这篇博客https://blog.ZEEKLOG.net/qq_40620465/article/details/152000104 按照博主的方法，需要加一个改动，在设置远程服务器（注意不是“用户”）的setting.json时需要加入"http.useLocalProxyConfiguration": true, 完成后再重启vscode，claude就有了：