OpenClaw 是一款在 GitHub 上获得较高关注的 AI 助手开发平台，旨在将操作系统打造为 AI 驱动的智能体。在实际落地过程中，环境配置与网络访问往往是最大的挑战。本文记录了从安装到模型接入的完整实践路径，重点梳理了常见坑点及解决方案。
安装方式选择
OpenClaw 基于 Node.js 生态，支持多种安装途径。直接通过 npm 或 pnpm 全局安装有时会遇到依赖构建失败的问题，尤其是涉及原生模块时（如 sharp、node-llama-cpp）。
pnpm 安装示例：
pnpm setup
source /home/user/.bashrc
pnpm add -g openclaw@latest pnpm approve-builds -g
一键脚本安装：
国内网络环境下，GitHub 连接不稳定可能导致安装中断。推荐使用官方脚本配合镜像源，或者直接使用国内适配版本 openclaw-cn。
curl -fsSL https://openclaw.ai/install.sh | bash -s -- --install-method git
若遇到 SSL 超时或 Git 拉取失败，可尝试先克隆仓库再执行安装脚本，或切换到国内镜像源。
启动与远程访问
初始化完成后，需运行 onboard 命令进行配置。默认情况下，网关仅监听本地回环地址（127.0.0.1），这意味着无法直接从局域网其他设备访问 Web 面板。
开启局域网访问：
openclaw config set gateway.bind lan
如果出于安全考虑不想开放绑定，可以通过 SSH 隧道映射实现安全访问：
ssh -N -L 18789:127.0.0.1:18789 user@server_ip
随后在本地浏览器打开 http://localhost:18789/ 即可。
配对验证：
首次登录可能提示 pairing required。此时需在终端列出设备并批准：
openclaw devices list
openclaw devices approve <device_id>
常见问题排查
在调试过程中，我们遇到了几个典型错误，整理如下以便参考：
- Git 依赖报错：安装时报错
[email protected]: Permission denied。这通常是因为 SSH Key 未配置或网络波动。升级 npm 至最新版本后重试往往能解决部分兼容性问题。 - 构建失败：Canvas 组件打包报错
UNRESOLVED_ENTRY。清理缓存并重新安装依赖通常有效：pnpm store prune rm -rf node_modules pnpm install - 磁盘空间不足：安装过程需要大量临时空间，若根分区已满会导致更新失败。检查磁盘使用情况并及时扩容。
- Origin 限制：浏览器访问控制台时报
origin not allowed。需修改配置文件.openclaw/openclaw.json，在gateway.controlUi.allowedOrigins中添加允许的域名。 - 模型推理错误：调用某些免费模型接口返回 403 状态码，可能是服务未启动或鉴权失败。建议优先测试付费 API 以确保稳定性。
大模型接入与成本
完成基础部署后，接入大模型是关键一步。经过多轮测试，部分免费社区模型因 Token 长度限制（如 4k）难以满足长上下文需求。最终选用千帆大模型的 ERNIE-Lite-Pro-128K 版本，效果较为稳定。
成本估算： OpenClaw 属于资源消耗型应用。以千帆 Lite Pro 为例，单次简单对话（如查询天气、系统状态）约花费 0.02 元。若涉及复杂任务或高频交互，月费成本会显著上升。对于预算有限的场景，也可关注 WinClaw 等提供每日免费额度的替代方案。
总结
OpenClaw 的本地化部署虽然起步阶段存在不少网络与依赖坑点，但一旦跑通流程，其扩展性非常强。核心在于选择合适的安装源、正确配置网关绑定以及处理好模型鉴权。对于希望搭建私有 AI 助手的开发者来说，这是一个值得投入的实践项目。