OpenClaw 入门指南：AI Agent 本地部署与优化

一、OpenClaw 是什么？为什么它如此火爆？

1.1 项目背景与起源

OpenClaw（原名 Clawdbot，后更名为 Moltbot，最终定名为 OpenClaw）由 PSPDFKit 创始人 Peter Steinberger 于 2026 年初开源。作为一个深耕 PDF 技术多年的连续创业者，Peter 在开发过程中深刻体会到 AI 辅助工具的重要性，于是决定打造一个真正属于自己的 AI 助手。

项目开源后，在技术社区引发了巨大反响。在 GitHub 上，项目在 72 小时内增长超过 6 万 Star，两周内突破 15 万 Star，成为 GitHub 史上增长最快的开源项目之一。这一现象级的增长背后，折射出开发者对'拥有自己的 AI 助手'的强烈需求。

1.2 核心定位与价值主张

OpenClaw 的核心定位非常清晰：

在你自己的设备上运行的 AI Agent，连接各种消息平台，提供 24/7 全天候的 AI 助手体验。

这个定位解决了当前 AI 助手市场的三大痛点：

第一，数据隐私问题。使用 ChatGPT、Claude 等云端服务，意味着你的对话数据、工作内容都存储在第三方服务器上。对于企业用户和注重隐私的个人用户来说，这是一个难以接受的风险。OpenClaw 完全本地运行，数据不出你的设备，从根本上解决了隐私问题。

第二，多平台碎片化问题。你可能同时在用 WhatsApp 和同事沟通、用 Telegram 和朋友聊天、用飞书处理工作。每个平台都有独立的 AI 机器人，体验割裂。OpenClaw 支持 20+ 消息平台，一套系统统一接入，无论你在哪个平台，都能获得一致的 AI 助手体验。

第三，成本控制问题。订阅多个 AI 服务每月可能花费上百美元，而且按量计费的模型很容易因为配置不当而产生意外高额账单。OpenClaw 开源免费，支持本地模型，让你完全掌控成本。

1.3 与主流框架的技术对比

为了帮助读者更好地理解 OpenClaw 在技术生态中的定位，我们将其与当前主流的 AI Agent 框架进行对比：

特性	OpenClaw	LangChain	AutoGPT	ChatGPT
部署方式	本地自托管	云端/本地	云端	云端
消息平台	20+ 平台	单一	单一	单一
成本模型	开源免费	部分付费	付费	订阅制
数据隐私	✅ 完全本地	⚠️ 可配置	❌ 云端存储	❌ 云端存储
可扩展性	Skill 系统	插件系统	有限	插件系统
本地模型	✅ Ollama	✅ 支持	❌ 不支持	❌ 不支持
浏览器控制	✅ 内置	⚠️ 需集成	⚠️ 需集成	❌ 无
定时任务	✅ Cron	❌ 无	❌ 无	❌ 无

从对比可以看出，OpenClaw 在多渠道接入、本地部署、隐私保护方面具有独特优势，特别适合需要多平台统一接入、对数据隐私有较高要求的场景。

1.4 技术架构全景解析

OpenClaw 采用三层架构设计，从下到上分别是消息渠道层、Gateway 核心控制平面、AI 模型层。

OpenClaw 技术架构

图 1：OpenClaw 三层架构设计，展示了消息渠道层、Gateway 核心层、AI 模型层的关系

🤖 AI 模型层 ⚙️ Gateway 核心控制平面 📱 消息渠道层

WhatsApp, Telegram, Discord, 飞书，钉钉，Slack Session Manager, Channel Router, Tools Registry, Memory Store OpenAI GPT-4o, Claude, DeepSeek, 豆包，Ollama 本地

消息渠道层负责统一接入各种消息平台。无论是即时通讯软件（WhatsApp、Telegram、Discord）、企业协作工具（飞书、钉钉、Slack），还是社交媒体平台，都可以通过统一的接口接入 OpenClaw。这一层屏蔽了不同平台的协议差异，让上层不需要关心消息来自哪个平台。

Gateway 核心控制平面是 OpenClaw 的'大脑'，包含四个核心模块：Session Manager 负责管理用户会话，维护对话上下文；Channel Router 负责消息路由，将消息分发到正确的处理流程；Tools Registry 管理所有可用工具，包括内置工具和自定义技能；Memory Store 负责记忆存储，支持短期记忆和长期记忆。

AI 模型层提供智能推理能力。OpenClaw 支持多种 AI 模型后端，包括 OpenAI 的 GPT 系列、Anthropic 的 Claude、国内的 DeepSeek 和豆包，以及通过 Ollama 运行的本地开源模型。用户可以根据需求灵活选择，在成本、性能、隐私之间找到最佳平衡。

二、快速部署：5 分钟上手体验

2.1 环境要求与准备

在开始部署之前，请确保你的系统满足以下要求：

环境	最低要求	推荐配置
Node.js	≥ 22 LTS	24+
操作系统	macOS / Linux / Windows (WSL2)	macOS / Linux
内存	2GB	4GB+
磁盘	500MB	1GB+

Node.js 是 OpenClaw 的唯一依赖，建议使用 LTS（长期支持）版本以获得最佳稳定性。如果你还没有安装 Node.js，可以从官网下载安装包，或使用 nvm（Node Version Manager）进行版本管理。

2.2 部署流程概览

整个部署过程可以分为五个步骤，从环境检查到最终验证，通常只需要 5 分钟左右。

环境检查
安装 OpenClaw
初始化配置
启动 Gateway
验证运行

2.3 详细安装步骤

第一步：安装 OpenClaw

使用 npm 或 pnpm 全局安装 OpenClaw：

# 使用 npm 安装
npm install -g openclaw@latest
# 或使用 pnpm（推荐，更快更省空间）
pnpm add -g openclaw@latest

安装过程通常需要 1-2 分钟，取决于你的网络环境。如果遇到网络问题，可以配置国内镜像源加速下载。

第二步：运行初始化向导

安装完成后，运行引导向导进行初始化配置：

openclaw onboard

向导会引导你完成以下配置：

Gateway 配置：设置监听端口（默认 18789）和认证方式
AI 模型选择：选择默认使用的 AI 模型（OpenAI、Claude、DeepSeek 等）
API Key 配置：输入所选模型的 API 密钥
渠道接入：可选，立即配置消息平台接入

第三步：启动 Gateway 服务

配置完成后，启动 Gateway 服务：

# 前台运行（调试模式）
openclaw gateway --verbose
# 或使用守护进程（生产环境推荐）
openclaw gateway start

前台运行模式可以看到详细的日志输出，适合调试和问题排查。守护进程模式会在后台运行，适合生产环境长期运行。

第四步：验证安装

发送一条测试消息验证系统是否正常工作：

openclaw agent --message "你好，请介绍一下你自己"

如果一切正常，你会收到 AI 的回复。至此，OpenClaw 已经成功部署并运行。

2.4 常见安装问题排查

在安装过程中，可能会遇到一些常见问题。以下是问题列表和解决方案：

问题	原因	解决方案
`EACCES` 权限错误	npm 全局目录权限不足	使用 `sudo npm install -g openclaw` 或配置 npm 用户目录
网络超时	网络连接问题	配置国内镜像：`npm config set registry https://registry.npmmirror.com`
Node 版本过低	Node.js 版本不满足要求	升级到 Node.js 22+
端口被占用	18789 端口已被其他程序使用	使用 `lsof -i :18789` 查找并终止占用进程，或更换端口

三、部署方案深度对比

3.1 四种主流部署方案

根据不同的使用场景和需求，OpenClaw 支持四种部署方案：

个人体验
长期运行
远程访问
企业生产

3.2 方案详细对比

方案	适用场景	成本	优点	缺点	推荐指数
本地开发机	个人体验、开发调试	零成本	5 分钟上手、零基础设施	关机后无法访问	⭐⭐⭐
Mac Mini	长期运行、隐私优先	$599-$1999	零月租、可本地模型	一次性投入高	⭐⭐⭐⭐⭐
云服务器	远程访问、团队协作	68-99 元/年	随时随地访问	需要运维	⭐⭐⭐⭐
Docker	企业部署、多实例	按需	安全隔离、易扩展	配置复杂	⭐⭐⭐⭐⭐

3.3 方案一：本地开发机（零成本体验）

这是最简单的部署方式，适合想要快速体验 OpenClaw 的用户。只需要一台日常使用的电脑，无需额外投入。

优点：零成本、5 分钟上手、无需额外基础设施。

缺点：电脑关机后服务停止，无法 24 小时运行；网络环境变化可能导致连接中断。

适用人群：想要快速体验 OpenClaw 的个人用户、开发调试阶段的开发者。

3.4 方案二：Mac Mini 本地服务器（性价比之选）

如果你需要 24 小时运行 AI 助手，同时注重数据隐私，Mac Mini 是最佳选择。Apple Silicon 芯片的能效比极高，待机功耗仅几瓦，非常适合长期运行。

硬件配置推荐：

配置	价格	性能	适用模型
Mac Mini M4 (16GB)	$599	流畅运行 7B 模型	Qwen-7B, Llama-7B
Mac Mini M4 Pro (32GB)	$1,399	流畅运行 32B 模型	DeepSeek-32B, Qwen-32B
Mac Mini M4 Pro (64GB)	$1,999	可运行 70B 模型	Llama-70B, Qwen-72B

搭配 Ollama 实现完全离线：

# 安装 Ollama
brew install ollama
# 下载本地模型
ollama pull deepseek-r1:32b
# 配置 OpenClaw 使用本地模型
openclaw config set models.default.provider ollama
openclaw config set models.default.model deepseek-r1:32b

使用本地模型后，你的 AI 助手完全不需要联网，数据隐私得到最大保障，同时运行成本为零。

3.5 方案三：云服务器部署

如果你需要从任何地方访问 AI 助手，或者需要与团队成员共享使用，云服务器是合适的选择。

国内云厂商推荐：

厂商	配置	价格	特点
阿里云	2C4G	68 元/年	预装镜像，一键部署
腾讯云	2C4G	99 元/年	新用户优惠
华为云	2C4G	88 元/年	企业级稳定性

云服务器部署需要注意安全配置，建议配置防火墙规则，仅允许特定 IP 访问 Gateway 端口。

3.6 方案四：Docker 容器化（生产级推荐）

对于企业用户或需要多实例部署的场景，Docker 容器化是最佳选择。

# docker-compose.yml
version: '3.8'
services:
  openclaw:
    image: openclaw/gateway:latest
    container_name: openclaw-gateway
    ports:
      - "18789:18789"
    volumes:
      - ./workspace:/workspace
      - ./config:/config
    environment:
      - OPENCLAW_AUTH_TOKEN=${AUTH_TOKEN}
      - OPENAI_API_KEY=${OPENAI_API_KEY}
    restart: unless-stopped
    # 安全加固
    read_only: true
    user: "1000:1000"
    security_opt:
      - no-new-privileges:true

Docker 部署的优势包括：环境隔离、易于扩展、便于版本管理、支持 CI/CD 集成。

四、Token 成本优化：从 $150/月降至 $35/月

4.1 成本陷阱警示

OpenClaw 本身是免费开源的，但调用 LLM API 会产生费用。如果配置不当，成本很容易失控。

以下是真实案例中的成本陷阱：

场景	消耗	费用
配置不当的心跳检查（30 分钟/次）	一晚	$18.75
单日'待机'状态	5000 万 Tokens	~$11
无限制的上下文累积	持续增长	不可控

一个用户曾因为心跳任务配置过于频繁，一晚上消耗了 $18.75。另一个用户因为没有限制上下文窗口，Token 消耗持续增长，月度账单达到 $150。

4.2 Token 消耗构成分析

了解 Token 消耗的构成，才能有针对性地优化：

Token 消耗：占比 40-50%（上下文累积、历史对话存储、工具输出缓存）
工具输出：占比 20-30%（搜索结果、文件内容）
系统提示词：占比 10-15%（角色定义、技能说明）
心跳任务：占比 5-10%（定期检查、状态同步）

从分析可以看出，上下文累积是最大的消耗来源，占比高达 40-50%。这是因为每轮对话都会保留历史记录，随着对话轮数增加，Token 消耗呈线性增长。

4.3 六大优化策略

策略一：智能模型路由

根据任务复杂度选择合适的模型，简单任务用便宜模型，复杂任务用强模型：

{
  "models": {
    "routing": {
      "default": "gpt-4o-mini",
      "tasks": {
        "coding": "claude-3-5-sonnet",
        "chat": "gemini-flash",
        "summary": "haiku"
      }
    }
  }
}

策略二：上下文窗口限制

设置上下文窗口上限，防止对话过长导致 Token 爆炸：

{
  "sessions": {
    "maxContextTokens": 4000,
    "autoResetThreshold": 0.8
  }
}

策略三：会话定期重置

设置定时任务，每天凌晨重置会话：

crontab -e
# 添加：每天凌晨 4 点重置会话
0 4 * * * openclaw sessions reset --all

策略四：本地模型回退

配置本地模型作为备用，当云端模型不可用或预算超限时自动切换：

{
  "models": {
    "fallback": {
      "enabled": true,
      "local": "ollama:deepseek-r1:14b",
      "trigger": "rate_limit_exceeded"
    }
  }
}

策略五：心跳任务优化

将心跳间隔从 30 分钟改为 4 小时，可节省 87% 的待机成本：

{
  "heartbeat": {
    "enabled": true,
    "interval": "4h",
    "tasks": ["email", "calendar"]
  }
}

策略六：供应商硬性限制

设置月度预算上限，防止意外超支：

export OPENAI_MAX_MONTHLY_BUDGET=50

4.4 优化效果对比

指标	优化前	优化后	节省
月度成本	$150	$35	77%
日均 Tokens	1500 万	320 万	79%
响应速度	2.3s	1.1s	52%
待机消耗	$0.5/天	$0.06/天	88%

通过以上六大策略的组合使用，月度成本可以从 $150 降至 $35，节省 77%。同时，由于上下文更精简，响应速度反而提升了 52%。

五、安全加固：企业级防护方案

5.1 已知安全威胁回顾

OpenClaw 作为一个快速发展的项目，也经历过安全事件。了解这些事件有助于我们更好地保护自己的部署：

事件	时间	影响	状态
CVE-2026-25253	2026.1	WebSocket 劫持，RCE 漏洞	✅ 已修复
923 个网关暴露	2026.2	零认证暴露公网	⚠️ 用户责任
恶意 VS Code 扩展	2026.2	远程访问木马	✅ 已下架

最严重的是 CVE-2026-25253，攻击者可以通过 WebSocket 劫持实现远程代码执行。这个漏洞在 2026 年 1 月被披露后，开发团队在 24 小时内发布了修复版本。

另一个值得警惕的是 923 个网关暴露事件。由于用户将 Gateway 直接暴露在公网且未配置认证，任何人都可以访问这些 AI 助手。这提醒我们，安全配置是用户的责任。

5.2 安全防护流程

AI 模型 -> Gateway -> 用户

不在白名单：Token 认证失败 -> 401 未授权
在白名单：认证成功 -> 白名单检查 -> 权限检查 -> 转发请求 -> 返回响应 -> 返回结果

5.3 四级访问控制策略

OpenClaw 提供四级访问控制策略，从最严格到最宽松：

{
  "security": {
    "dmPolicy": "pairing",
    "allowlist": ["+86138xxxxxxxx"],
    "groupChat": {
      "requireMention": true
    }
  }
}

四级策略说明：

策略	说明	适用场景
`pairing`	必须通过配对流程	个人使用，最安全
`allowlist`	仅白名单用户可访问	团队内部使用
`open`	开放访问	公开服务（不推荐）
`disabled`	完全禁用	维护模式

5.4 安全加固检查清单

部署 OpenClaw 时，请逐项检查以下安全配置：

升级到最新版本（修复已知漏洞）
启用 Token 认证（防止未授权访问）
配置白名单访问（限制用户范围）
关闭公网暴露或使用 VPN（防止外部攻击）
设置 API 预算上限（防止成本失控）
启用 Docker 沙箱（生产环境）
定期检查日志（发现异常行为）
备份配置文件（灾难恢复）

六、实战案例：搭建智能工作流

6.1 案例 1：智能日报生成

每天自动收集工作信息，生成结构化日报：

# 创建技能目录
mkdir -p ~/.openclaw/skills/daily-report
# 设置定时任务
crontab -e
# 添加：每天下午 6 点生成日报
0 18 * * * openclaw agent --message "生成今日工作日报"

6.2 案例 2：智能客服机器人

基于知识库自动回答用户问题：

接收消息
关键词匹配
常见问题/投诉/退款
自动回复
转人工

6.3 案例 3：代码审查助手

自动审查代码提交，提供改进建议：

# 配置 Git Hook
echo '#!/bin/bash
openclaw agent --message "审查本次代码提交：$(git diff HEAD~1)"' > .git/hooks/post-commit
chmod +x .git/hooks/post-commit

七、常见问题与解决方案

Q1: Gateway 启动失败，端口被占用？

# 查找占用 18789 端口的进程
lsof -i :18789
# 终止进程
kill -9 <PID>
# 或更换端口
openclaw gateway --port 18888

Q2: WhatsApp 登录二维码无法显示？

# 使用终端二维码渲染
openclaw channels login whatsapp --qr-terminal

Q3: AI 响应很慢？

# 切换到更快的模型
openclaw config set models.default.model gpt-4o-mini
# 或使用本地模型
openclaw config set models.default.provider ollama
openclaw config set models.default.model deepseek-r1:7b

Q4: 如何备份配置？

# 备份整个配置目录
tar -czf openclaw-backup-$(date +%Y%m%d).tar.gz ~/.openclaw/
# 恢复备份
tar -xzf openclaw-backup-20260315.tar.gz -C ~/

Q5: 如何查看详细日志？

# 实时查看日志
openclaw logs --follow
# 查看最近 100 行
openclaw logs --lines 100
# 日志文件位置
cat ~/.openclaw/logs/gateway.log

八、总结与展望

8.1 核心优势回顾

维度	优势
隐私	完全自托管，数据不出本地
灵活	支持 20+ 消息平台，统一接入
经济	开源免费，成本可控
强大	浏览器控制、定时任务、技能扩展
安全	多层防护，企业级加固方案

8.2 适用人群

✅ 开发者：需要 AI 辅助编程、自动化工作流
✅ 运维工程师：7×24 监控告警、自动处理
✅ 内容创作者：素材收集、内容生成
✅ 个人用户：智能助手、日程管理
✅ 企业团队：知识库问答、流程自动化

8.3 学习路径建议

入门阶段：完成本地部署，熟悉基本命令
进阶阶段：接入消息平台，配置定时任务
高级阶段：开发自定义技能，集成外部工具
专家阶段：参与社区贡献，分享最佳实践

参考资料：

官方文档：https://docs.openclaw.ai
GitHub：https://github.com/openclaw/openclaw
社区：https://discord.com/invite/clawd
ClawHub 技能市场：https://clawhub.com

一、OpenClaw 是什么？为什么它如此火爆？

1.1 项目背景与起源

1.2 核心定位与价值主张

OpenClaw 的核心定位非常清晰：

在你自己的设备上运行的 AI Agent，连接各种消息平台，提供 24/7 全天候的 AI 助手体验。

这个定位解决了当前 AI 助手市场的三大痛点：

1.3 与主流框架的技术对比

为了帮助读者更好地理解 OpenClaw 在技术生态中的定位，我们将其与当前主流的 AI Agent 框架进行对比：

特性	OpenClaw	LangChain	AutoGPT	ChatGPT
部署方式	本地自托管	云端/本地	云端	云端
消息平台	20+ 平台	单一	单一	单一
成本模型	开源免费	部分付费	付费	订阅制
数据隐私	✅ 完全本地	⚠️ 可配置	❌ 云端存储	❌ 云端存储
可扩展性	Skill 系统	插件系统	有限	插件系统
本地模型	✅ Ollama	✅ 支持	❌ 不支持	❌ 不支持
浏览器控制	✅ 内置	⚠️ 需集成	⚠️ 需集成	❌ 无
定时任务	✅ Cron	❌ 无	❌ 无	❌ 无

从对比可以看出，OpenClaw 在多渠道接入、本地部署、隐私保护方面具有独特优势，特别适合需要多平台统一接入、对数据隐私有较高要求的场景。

1.4 技术架构全景解析

OpenClaw 采用三层架构设计，从下到上分别是消息渠道层、Gateway 核心控制平面、AI 模型层。

OpenClaw 技术架构

图 1：OpenClaw 三层架构设计，展示了消息渠道层、Gateway 核心层、AI 模型层的关系

🤖 AI 模型层 ⚙️ Gateway 核心控制平面 📱 消息渠道层

WhatsApp, Telegram, Discord, 飞书，钉钉，Slack Session Manager, Channel Router, Tools Registry, Memory Store OpenAI GPT-4o, Claude, DeepSeek, 豆包，Ollama 本地

二、快速部署：5 分钟上手体验

2.1 环境要求与准备

在开始部署之前，请确保你的系统满足以下要求：

环境	最低要求	推荐配置
Node.js	≥ 22 LTS	24+
操作系统	macOS / Linux / Windows (WSL2)	macOS / Linux
内存	2GB	4GB+
磁盘	500MB	1GB+

2.2 部署流程概览

整个部署过程可以分为五个步骤，从环境检查到最终验证，通常只需要 5 分钟左右。

环境检查
安装 OpenClaw
初始化配置
启动 Gateway
验证运行

2.3 详细安装步骤

第一步：安装 OpenClaw

使用 npm 或 pnpm 全局安装 OpenClaw：

# 使用 npm 安装
npm install -g openclaw@latest
# 或使用 pnpm（推荐，更快更省空间）
pnpm add -g openclaw@latest

安装过程通常需要 1-2 分钟，取决于你的网络环境。如果遇到网络问题，可以配置国内镜像源加速下载。

第二步：运行初始化向导

安装完成后，运行引导向导进行初始化配置：

openclaw onboard

向导会引导你完成以下配置：

Gateway 配置：设置监听端口（默认 18789）和认证方式
AI 模型选择：选择默认使用的 AI 模型（OpenAI、Claude、DeepSeek 等）
API Key 配置：输入所选模型的 API 密钥
渠道接入：可选，立即配置消息平台接入

第三步：启动 Gateway 服务

配置完成后，启动 Gateway 服务：

# 前台运行（调试模式）
openclaw gateway --verbose
# 或使用守护进程（生产环境推荐）
openclaw gateway start

前台运行模式可以看到详细的日志输出，适合调试和问题排查。守护进程模式会在后台运行，适合生产环境长期运行。

第四步：验证安装

发送一条测试消息验证系统是否正常工作：

openclaw agent --message "你好，请介绍一下你自己"

如果一切正常，你会收到 AI 的回复。至此，OpenClaw 已经成功部署并运行。

2.4 常见安装问题排查

在安装过程中，可能会遇到一些常见问题。以下是问题列表和解决方案：

问题	原因	解决方案
`EACCES` 权限错误	npm 全局目录权限不足	使用 `sudo npm install -g openclaw` 或配置 npm 用户目录
网络超时	网络连接问题	配置国内镜像：`npm config set registry https://registry.npmmirror.com`
Node 版本过低	Node.js 版本不满足要求	升级到 Node.js 22+
端口被占用	18789 端口已被其他程序使用	使用 `lsof -i :18789` 查找并终止占用进程，或更换端口

三、部署方案深度对比

3.1 四种主流部署方案

根据不同的使用场景和需求，OpenClaw 支持四种部署方案：

个人体验
长期运行
远程访问
企业生产

3.2 方案详细对比

方案	适用场景	成本	优点	缺点	推荐指数
本地开发机	个人体验、开发调试	零成本	5 分钟上手、零基础设施	关机后无法访问	⭐⭐⭐
Mac Mini	长期运行、隐私优先	$599-$1999	零月租、可本地模型	一次性投入高	⭐⭐⭐⭐⭐
云服务器	远程访问、团队协作	68-99 元/年	随时随地访问	需要运维	⭐⭐⭐⭐
Docker	企业部署、多实例	按需	安全隔离、易扩展	配置复杂	⭐⭐⭐⭐⭐

3.3 方案一：本地开发机（零成本体验）

这是最简单的部署方式，适合想要快速体验 OpenClaw 的用户。只需要一台日常使用的电脑，无需额外投入。

优点：零成本、5 分钟上手、无需额外基础设施。

缺点：电脑关机后服务停止，无法 24 小时运行；网络环境变化可能导致连接中断。

适用人群：想要快速体验 OpenClaw 的个人用户、开发调试阶段的开发者。

3.4 方案二：Mac Mini 本地服务器（性价比之选）

如果你需要 24 小时运行 AI 助手，同时注重数据隐私，Mac Mini 是最佳选择。Apple Silicon 芯片的能效比极高，待机功耗仅几瓦，非常适合长期运行。

硬件配置推荐：

配置	价格	性能	适用模型
Mac Mini M4 (16GB)	$599	流畅运行 7B 模型	Qwen-7B, Llama-7B
Mac Mini M4 Pro (32GB)	$1,399	流畅运行 32B 模型	DeepSeek-32B, Qwen-32B
Mac Mini M4 Pro (64GB)	$1,999	可运行 70B 模型	Llama-70B, Qwen-72B

搭配 Ollama 实现完全离线：

# 安装 Ollama
brew install ollama
# 下载本地模型
ollama pull deepseek-r1:32b
# 配置 OpenClaw 使用本地模型
openclaw config set models.default.provider ollama
openclaw config set models.default.model deepseek-r1:32b

使用本地模型后，你的 AI 助手完全不需要联网，数据隐私得到最大保障，同时运行成本为零。

3.5 方案三：云服务器部署

如果你需要从任何地方访问 AI 助手，或者需要与团队成员共享使用，云服务器是合适的选择。

国内云厂商推荐：

厂商	配置	价格	特点
阿里云	2C4G	68 元/年	预装镜像，一键部署
腾讯云	2C4G	99 元/年	新用户优惠
华为云	2C4G	88 元/年	企业级稳定性

云服务器部署需要注意安全配置，建议配置防火墙规则，仅允许特定 IP 访问 Gateway 端口。

3.6 方案四：Docker 容器化（生产级推荐）

对于企业用户或需要多实例部署的场景，Docker 容器化是最佳选择。

# docker-compose.yml
version: '3.8'
services:
  openclaw:
    image: openclaw/gateway:latest
    container_name: openclaw-gateway
    ports:
      - "18789:18789"
    volumes:
      - ./workspace:/workspace
      - ./config:/config
    environment:
      - OPENCLAW_AUTH_TOKEN=${AUTH_TOKEN}
      - OPENAI_API_KEY=${OPENAI_API_KEY}
    restart: unless-stopped
    # 安全加固
    read_only: true
    user: "1000:1000"
    security_opt:
      - no-new-privileges:true

Docker 部署的优势包括：环境隔离、易于扩展、便于版本管理、支持 CI/CD 集成。

四、Token 成本优化：从 $150/月降至 $35/月

4.1 成本陷阱警示

OpenClaw 本身是免费开源的，但调用 LLM API 会产生费用。如果配置不当，成本很容易失控。

以下是真实案例中的成本陷阱：

场景	消耗	费用
配置不当的心跳检查（30 分钟/次）	一晚	$18.75
单日'待机'状态	5000 万 Tokens	~$11
无限制的上下文累积	持续增长	不可控

一个用户曾因为心跳任务配置过于频繁，一晚上消耗了 $18.75。另一个用户因为没有限制上下文窗口，Token 消耗持续增长，月度账单达到 $150。

4.2 Token 消耗构成分析

了解 Token 消耗的构成，才能有针对性地优化：

Token 消耗：占比 40-50%（上下文累积、历史对话存储、工具输出缓存）
工具输出：占比 20-30%（搜索结果、文件内容）
系统提示词：占比 10-15%（角色定义、技能说明）
心跳任务：占比 5-10%（定期检查、状态同步）

从分析可以看出，上下文累积是最大的消耗来源，占比高达 40-50%。这是因为每轮对话都会保留历史记录，随着对话轮数增加，Token 消耗呈线性增长。

4.3 六大优化策略

策略一：智能模型路由

根据任务复杂度选择合适的模型，简单任务用便宜模型，复杂任务用强模型：

{
  "models": {
    "routing": {
      "default": "gpt-4o-mini",
      "tasks": {
        "coding": "claude-3-5-sonnet",
        "chat": "gemini-flash",
        "summary": "haiku"
      }
    }
  }
}

策略二：上下文窗口限制

设置上下文窗口上限，防止对话过长导致 Token 爆炸：

{
  "sessions": {
    "maxContextTokens": 4000,
    "autoResetThreshold": 0.8
  }
}

策略三：会话定期重置

设置定时任务，每天凌晨重置会话：

crontab -e
# 添加：每天凌晨 4 点重置会话
0 4 * * * openclaw sessions reset --all

策略四：本地模型回退

配置本地模型作为备用，当云端模型不可用或预算超限时自动切换：

{
  "models": {
    "fallback": {
      "enabled": true,
      "local": "ollama:deepseek-r1:14b",
      "trigger": "rate_limit_exceeded"
    }
  }
}

策略五：心跳任务优化

将心跳间隔从 30 分钟改为 4 小时，可节省 87% 的待机成本：

{
  "heartbeat": {
    "enabled": true,
    "interval": "4h",
    "tasks": ["email", "calendar"]
  }
}

策略六：供应商硬性限制

设置月度预算上限，防止意外超支：

export OPENAI_MAX_MONTHLY_BUDGET=50

4.4 优化效果对比

指标	优化前	优化后	节省
月度成本	$150	$35	77%
日均 Tokens	1500 万	320 万	79%
响应速度	2.3s	1.1s	52%
待机消耗	$0.5/天	$0.06/天	88%

通过以上六大策略的组合使用，月度成本可以从 $150 降至 $35，节省 77%。同时，由于上下文更精简，响应速度反而提升了 52%。

五、安全加固：企业级防护方案

5.1 已知安全威胁回顾

OpenClaw 作为一个快速发展的项目，也经历过安全事件。了解这些事件有助于我们更好地保护自己的部署：

事件	时间	影响	状态
CVE-2026-25253	2026.1	WebSocket 劫持，RCE 漏洞	✅ 已修复
923 个网关暴露	2026.2	零认证暴露公网	⚠️ 用户责任
恶意 VS Code 扩展	2026.2	远程访问木马	✅ 已下架

最严重的是 CVE-2026-25253，攻击者可以通过 WebSocket 劫持实现远程代码执行。这个漏洞在 2026 年 1 月被披露后，开发团队在 24 小时内发布了修复版本。

5.2 安全防护流程

AI 模型 -> Gateway -> 用户

不在白名单：Token 认证失败 -> 401 未授权
在白名单：认证成功 -> 白名单检查 -> 权限检查 -> 转发请求 -> 返回响应 -> 返回结果

5.3 四级访问控制策略

OpenClaw 提供四级访问控制策略，从最严格到最宽松：

{
  "security": {
    "dmPolicy": "pairing",
    "allowlist": ["+86138xxxxxxxx"],
    "groupChat": {
      "requireMention": true
    }
  }
}

四级策略说明：

策略	说明	适用场景
`pairing`	必须通过配对流程	个人使用，最安全
`allowlist`	仅白名单用户可访问	团队内部使用
`open`	开放访问	公开服务（不推荐）
`disabled`	完全禁用	维护模式

5.4 安全加固检查清单

部署 OpenClaw 时，请逐项检查以下安全配置：

升级到最新版本（修复已知漏洞）
启用 Token 认证（防止未授权访问）
配置白名单访问（限制用户范围）
关闭公网暴露或使用 VPN（防止外部攻击）
设置 API 预算上限（防止成本失控）
启用 Docker 沙箱（生产环境）
定期检查日志（发现异常行为）
备份配置文件（灾难恢复）

六、实战案例：搭建智能工作流

6.1 案例 1：智能日报生成

每天自动收集工作信息，生成结构化日报：

# 创建技能目录
mkdir -p ~/.openclaw/skills/daily-report
# 设置定时任务
crontab -e
# 添加：每天下午 6 点生成日报
0 18 * * * openclaw agent --message "生成今日工作日报"

6.2 案例 2：智能客服机器人

基于知识库自动回答用户问题：

接收消息
关键词匹配
常见问题/投诉/退款
自动回复
转人工

6.3 案例 3：代码审查助手

自动审查代码提交，提供改进建议：

# 配置 Git Hook
echo '#!/bin/bash
openclaw agent --message "审查本次代码提交：$(git diff HEAD~1)"' > .git/hooks/post-commit
chmod +x .git/hooks/post-commit

七、常见问题与解决方案

Q1: Gateway 启动失败，端口被占用？

# 查找占用 18789 端口的进程
lsof -i :18789
# 终止进程
kill -9 <PID>
# 或更换端口
openclaw gateway --port 18888

Q2: WhatsApp 登录二维码无法显示？

# 使用终端二维码渲染
openclaw channels login whatsapp --qr-terminal

Q3: AI 响应很慢？

# 切换到更快的模型
openclaw config set models.default.model gpt-4o-mini
# 或使用本地模型
openclaw config set models.default.provider ollama
openclaw config set models.default.model deepseek-r1:7b

Q4: 如何备份配置？

# 备份整个配置目录
tar -czf openclaw-backup-$(date +%Y%m%d).tar.gz ~/.openclaw/
# 恢复备份
tar -xzf openclaw-backup-20260315.tar.gz -C ~/

Q5: 如何查看详细日志？

# 实时查看日志
openclaw logs --follow
# 查看最近 100 行
openclaw logs --lines 100
# 日志文件位置
cat ~/.openclaw/logs/gateway.log

八、总结与展望

8.1 核心优势回顾

维度	优势
隐私	完全自托管，数据不出本地
灵活	支持 20+ 消息平台，统一接入
经济	开源免费，成本可控
强大	浏览器控制、定时任务、技能扩展
安全	多层防护，企业级加固方案

8.2 适用人群

✅ 开发者：需要 AI 辅助编程、自动化工作流
✅ 运维工程师：7×24 监控告警、自动处理
✅ 内容创作者：素材收集、内容生成
✅ 个人用户：智能助手、日程管理
✅ 企业团队：知识库问答、流程自动化

8.3 学习路径建议

入门阶段：完成本地部署，熟悉基本命令
进阶阶段：接入消息平台，配置定时任务
高级阶段：开发自定义技能，集成外部工具
专家阶段：参与社区贡献，分享最佳实践

参考资料：

官方文档：https://docs.openclaw.ai
GitHub：https://github.com/openclaw/openclaw
社区：https://discord.com/invite/clawd
ClawHub 技能市场：https://clawhub.com