OpenClaw启动后,web控制面板无法登录,返回信息:Not Found

OpenClaw启动后,web控制面板无法登录,返回信息:Not Found

在1.19这台服务器安装了OpenClaw,不管用浏览器,还是直接使用curl,都是返回信息:Not Found

但是1.12这台服务器就没有问题...

curl http://localhost:18789
Not Found

查看绑定情况

openclaw config get gateway.bind 🦞 OpenClaw 2026.3.2 (85377a2) — I'm not saying your workflow is chaotic... I'm just bringing a linter and a helmet. loopback

绑定到lan

打开网络连通

openclaw config set gateway.bind lan

重启gateway

openclaw gateway restart

设备列表和配对

 配置设备对

openclaw devices list

批准

openclaw devices approve

不管用

看npm版本

 npm -v 11.3.0

升级到11.11

npm install -g [email protected]

然后重新build

没有用npmp安装

​ pnpm store prune rm -rf node_modules # 重新安装依赖并构建 pnpm install ​

而是用npm重新安装

npm i -g openclaw openclaw onboard 

问题照旧。

尝试删除OpenClaw然后重装

先删除

openclaw uninstall

删除完毕:

openclaw uninstall 🦞 OpenClaw 2026.3.2 (85377a2) — Your task has been queued; your dignity has been deprecated. │ ◇ Uninstall which components? │ Gateway service, State + config, Workspace │ ◇ Proceed with uninstall? │ Yes Stopped systemd service: openclaw-gateway.service Removed systemd service: /home/skywalk/.config/systemd/user/openclaw-gateway.service Removed ~/.openclaw Removed ~/.openclaw/workspace CLI still installed. Remove via npm/pnpm if desired.

重新安装了一遍,问题都没解决

最终安装openclaw-cn来解决

最后是安装了openclaw-cn解决的。显示:

Read more

内网穿透的应用-随时随地用 OpenClaw!打造你的专属随身 AI

内网穿透的应用-随时随地用 OpenClaw!打造你的专属随身 AI

前言 如果你已经完成了 OpenClaw 的部署,却还只局限于 “在家用电脑访问”,那真的太可惜了。这款拥有 230K + 星标的神级项目,最大的亮点就是 “本地运行、数据私有”,但局域网的限制,却让它的实用性大打折扣 —— 试想一下,当你在公司加班,需要用 OpenClaw 帮忙写一段代码、分析一份报告,却因为无法访问家里的电脑而束手无策;当你外出旅行,想让 AI 生成一份旅行攻略,却只能等回到家才能操作。这样的 OpenClaw,显然没有发挥出它应有的价值。 我在使用 OpenClaw 的过程中,也曾被这个问题困扰许久。直到接触到内网穿透工具,才彻底解决了这个痛点。不同于传统的端口映射,无需修改路由器设置,无需公网 IP,只需简单几步安装配置,就能把本地的 OpenClaw 服务映射到公网。这意味着,无论你身处何地,只要有网络,手机、平板、笔记本都能轻松连接到家里的

Python+Agent入门实战:0基础搭建可复用AI智能体

Python+Agent入门实战:0基础搭建可复用AI智能体

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 【前言】 * 一、先理清:Python+Agent,到底强在哪里? * 1.1 核心区别:Python脚本 vs Python+Agent * 1.2 2026年Python+Agent的3个热门入门场景 * 1.3 新手入门核心技术栈 * 二、环境搭建:10分钟搞定Python+Agent开发环境 * 2.1 第一步:安装Python * 2.2 第二步:创建虚拟环境 * 2.3 第三步:安装核心依赖包 * 2.4 第四步:配置OpenAI

Stable Diffusion(SD)完整训练+推理流程详解(含伪代码,新手友好)

Stable Diffusion(SD)完整训练+推理流程详解(含伪代码,新手友好)

Stable Diffusion(SD)的核心理论基石源自论文《High-Resolution Image Synthesis with Latent Diffusion Models》(LDM),其革命性创新在于将扩散模型从高维像素空间迁移至 VAE 预训练的低维潜空间,在大幅降低训练与推理的计算成本(相比像素级扩散模型节省大量 GPU 资源)的同时,通过跨注意力机制实现文本、布局等多模态条件控制,兼顾了生成质量与灵活性。本文将基于这一核心思想,从数据预处理、模型训练、推理生成到 LoRA 轻量化训练,一步步拆解 SD 的完整技术流程,每个关键环节均搭配伪代码,结合实操场景,理解 SD 的工程实现。 论文地址:https://arxiv.org/pdf/2112.10752 论文代码:https://github.com/CompVis/latent-diffusion

AI率从100%降到0%,分享快速降Turnitin的AIGC率的方法!

AI率从100%降到0%,分享快速降Turnitin的AIGC率的方法!

近期,部分高校在Turnitin的AIGC 检测模块等系统中增设了“人工智能生成内容”指标。若检测结果高于学校规定阈值(通常为 20% 以下),可能被要求修改甚至重新提交。以下五种策略经课堂实测与案例验证,可在保证文章质量的前提下,有效降低 AIGC 比例。 Turnitin AIGC检测 1. 句式重构 将复合句拆分为多组短句,交替使用被动式、倒装、反问、祈使等句型,并灵活更换主语视角。此举既能提升文本可读性,又能打破 AI 高频模板,显著降低机器痕迹。 2. 段落逻辑重排 人工智能生成内容常呈现“总—分—总”或“因果—例证—结论”的固定顺序。可故意调换分论点次序,把案例提前、结论置后,或穿插过渡段,使整体逻辑略显“不完美”,从而偏离 AI 典型结构。