统信 UOS V2500 服务器 | OpenClaw AI Agent 全流程安装部署手册

一、文档概述

1.1 文档目的

本文档详细阐述在统信 UOS 服务器操作系统中安装、部署及初始化配置 OpenClaw 的全流程,为运维人员及开发人员可落地的操作指南,确保 OpenClaw 稳定部署并正常发挥其 AI 助手核心能力。

1.2 OpenClaw 简介

OpenClaw 是一款本地 AI Agent 工具,前身为 Clawdbot,经 moltbot 阶段迭代优化,具备高主动性和强系统底层操作能力。核心功能包括执行 Shell 命令、自动化提交 Git PR、管理数据库,支持对接 Telegram、WhatsApp 等主流通讯应用;其 “Skills” 插件机制可按需扩展功能,默认本地部署模式,兼容 Anthropic、OpenAI 等多模型,能有效保障数据隐私安全。

二、环境准备

部署环境为统信 UOS 服务器操作系统,需确保服务器网络通畅(在线安装 Node.js 时),或提前下载好 Node.js 离线安装包;同时需具备服务器 root / 管理员权限,避免权限不足导致操作失败。

三、安装部署步骤

3.1 安装 Node.js

OpenClaw 运行依赖 Node.js 环境,需安装 v24.13.0 版本,提供在线、离线两种安装方式,可根据服务器网络情况选择。

3.1.1 在线安装方式
  1. 执行以下命令安装 nvm(Node.js 版本管理工具):
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh |bash
  1. 加载 nvm 环境(无需重启 Shell):
"$HOME/.nvm/nvm.sh"
  1. 安装 Node.js v24.13.0:
nvm install24
  1. 验证安装结果:
# 验证 Node.js 版本,应输出 "v24.13.0"node -v # 验证 npm 版本,应输出 "11.6.2"npm -v 
3.1.2 离线安装方式

若服务器无外网,可采用离线安装:

  1. 下载 Node.js 离线包(提前在有网环境下载后传输至服务器):
wget https://nodejs.org/dist/v24.13.0/node-v24.13.0-linux-x64.tar.xz 
  1. 解压缩下载的安装包:
tar xvf node-v24.13.0-linux-x64.tar.xz 
  1. 移动解压包至系统标准目录:
mv node-v24.13.0-linux-x64 /usr/local/nodejs 
  1. 配置全局环境变量:
  • 编辑 profile 文件:
vim /etc/profile 
  • 在文件末尾添加以下配置(指定 Node.js 安装目录,将 bin 目录加入系统 PATH):
 export NODE_HOME=/usr/local/nodejs export PATH=$NODE_HOME/bin:$PATH 
  • 保存并退出 vim(操作:按 ESC → 输入 :wq → 回车)。
  1. 使环境变量立即生效:
source /etc/profile 
  1. 验证安装结果:
# 验证 Node.js 版本 node -v # 验证 npm 版本(Node.js 自带,无需单独安装) npm -v 
在这里插入图片描述

3.2 安装 OpenClaw

执行以下一键安装命令,触发 OpenClaw 安装流程:

curl -fsSL https://openclaw.ai/install.sh | bash 

安装完成后终端会弹出确认界面,输入 Yes 并按下回车键,进入 OpenClaw 初始化配置流程。

在这里插入图片描述

3.3 OpenClaw 初始化配置

安装后按终端引导完成初始化配置,核心配置项及操作如下:

3.3.1 服务运行端口配置
在这里插入图片描述
3.3.2 模型对接配置

需配置 Anthropic/OpenAI 密钥、模型地址等信息,本文以 Moonshot AI 模型服务为例:

本文档选择使用2.5模型,模型选择后回车确认:

在这里插入图片描述

在输入模型API key后回车如下图则表则连接模型API成功,继续选择使用的模型:

在这里插入图片描述

输入模型 API key 回车后,如下界面表示连接模型 API 成功,输入准备好的API key:

在这里插入图片描述

模型选择界面如下:

在这里插入图片描述
3.3.3 通讯应用对接配置
在这里插入图片描述
3.3.4 配置Skills插件

推荐选择默认 yes,可启用已符合条件的 4 个技能,快速体验扩展功能;后续可通过补充依赖(安装对应软件、配置权限)解锁更多技能。若暂时无需扩展功能,选择 No 跳过此步骤。

在这里插入图片描述
3.3.5配置Homebrew

推荐选择默认yes,系统会提供 Homebrew 的安装命令,安装后可快速自动部署技能所需依赖。

在这里插入图片描述

选择后进入 Homebrew 安装及技能包管理器选择界面,推荐使用默认 npm

在这里插入图片描述

完成选择后,系统会基于选定的包管理器配置技能依赖安装环境,随后进入缺失功能依赖安装界面,可按需选择安装,或默认跳过(后续需用时再安装):

![[Pasted image 20260202111516.png]]

3.4 服务启动与状态校验

  1. 启动 OpenClaw 服务(配置完成后自动启动,也可手动执行启动命令);
  2. 查看服务运行状态:
openclaw status 
  • 正常状态下终端会显示服务运行中、端口监听正常等信息;
  • 若状态异常,需检查配置项、端口占用、Node.js 环境等。
在这里插入图片描述
  1. 访问 Web 管理界面:
  • 打开浏览器,输入 http://服务器IP:配置端口(端口为初始化配置时指定);

正常情况下可进入 OpenClaw Web 控制台,验证界面功能是否正常加载。

在这里插入图片描述

四、常见问题排查

问题现象排查措施
Node.js 版本验证失败1. 检查环境变量配置是否正确,执行 source /etc/profile 重新加载;

2. 离线安装时确认解压包路径与 NODE_HOME 一致。
OpenClaw 安装脚本执行失败1. 检查服务器网络是否能访问 openclaw.ai

2. 确认服务器已安装 curl 工具(执行 yum install curl/apt install curl 安装)。
Web 界面无法访问1. 检查服务器防火墙 / 安全组是否放行配置端口;

2. 验证服务器 IP 地址是否正确,配置端口是否未被修改。

五、文档附则

  1. 本文档适配 OpenClaw 最新稳定版本及 UOS V2500 服务器系统,若版本迭代,需同步更新安装脚本、配置项等内容;
  2. 部署过程中涉及的敏感信息(如模型密钥、管理员密码)需妥善保管,避免泄露;
  3. 建议部署前备份服务器关键配置,部署后进行功能测试(如执行 Shell 命令、对接通讯应用),确保 OpenClaw 满足业务需求。

Read more

PX4无人机|MID360使用FAST_LIO,实现自主飞行及定点——PX4无人机配置流程(六)

PX4无人机|MID360使用FAST_LIO,实现自主飞行及定点——PX4无人机配置流程(六)

PX4固件版本为1.15.4 qgc地面站版本为4.4.5 飞控,使用微空科技MicoAir743V2 机载电脑:12代i5,ubuntu20.04 安装位置:mid360的接口对应飞机的后方 推荐阅读px4+vio实现无人机室内定位_px4+室内视觉定位-ZEEKLOG博客 和飞控连接机载电脑相关,有用 代码参考: PX4|基于FAST-LIO mid360的无人机室内自主定位及定点悬停_fastlio mid360-ZEEKLOG博客 使用视觉或动作捕捉系统进行位置估计 | PX4 指南(主) --- Using Vision or Motion Capture Systems for Position Estimation | PX4 Guide (main) 一.px4飞控设置 建议看官方文档:Using Vision or Motion

数字频率计设计在FPGA上的优化策略

FPGA上的数字频率计设计:从原理到实战的系统优化 你有没有遇到过这样的场景?手头有个信号发生器,输出一个未知频率的方波,想快速测出它的频率。用万用表?不行,普通万用表不支持高频测量。拿示波器看周期?可以,但操作繁琐、响应慢。这时候,一台高精度、响应快的 数字频率计 就显得尤为重要。 而在现代电子系统中,基于FPGA实现的数字频率计,正逐渐取代传统单片机或专用IC方案,成为高性能测量设备的核心选择。为什么?因为FPGA不仅具备并行处理能力,还能灵活重构逻辑结构,尤其适合对实时性、精度和动态范围都有严苛要求的应用。 但问题来了: 有了FPGA,是不是随便写个计数器就能搞定频率测量? 答案是否定的。 很多初学者在FPGA上做频率计时,常犯几个致命错误:直接把待测信号当钟用、跨时钟域数据没同步、低频误差大得离谱……结果要么烧板子,要么测不准,甚至系统频繁崩溃。 本文将带你深入剖析 数字频率计在FPGA平台上的完整设计链条 ,从基础原理出发,聚焦实际工程中的关键瓶颈,提出一套可落地的优化策略。我们不堆术语,只讲“人话”;不罗列理论,只谈你在调试时真正会踩的坑和对应的解法。 闸门

飞书机器人实战:5分钟搞定图片消息发送(含常见报错解决方案)

飞书机器人实战:5分钟搞定图片消息发送(含常见报错解决方案) 你是否遇到过这样的场景:服务器监控系统捕捉到一个异常峰值,你希望它能自动将一张清晰的图表截图,直接推送到团队的飞书群里,而不是一封冰冷的邮件;或者,你的自动化日报系统生成了精美的数据可视化图片,你希望它能无缝地出现在每日的晨会通知中。对于许多开发者和运维工程师来说,将图片消息集成到自动化流程中,是一个能极大提升信息传达效率和体验的“刚需”。 飞书机器人提供了强大的消息推送能力,但初次接触其图片消息发送功能时,你可能会发现它比预想的要“曲折”一些——它不像发送文本那样直接丢一个图片链接就行,而是需要经过一个“上传-获取密钥-发送”的流程。这个过程里,权限配置、tenant_access_token获取、图片上传格式、image_key的使用,每一步都可能藏着一个小坑。别担心,这篇文章就是为你准备的“避坑指南”。我们将抛开官方文档那略显冰冷的步骤罗列,从一个实战者的角度,带你用大约5分钟的时间,彻底打通从零到一发送飞书图片消息的全链路,并重点剖析那些你可能马上就会遇到的报错及其根因解决方案。我们的目标是:让你看完就能用,用了

【大模型应用篇】用 OpenClaw + 飞书打造 7x24 小时服务器运维机器人

【大模型应用篇】用 OpenClaw + 飞书打造 7x24 小时服务器运维机器人

前言 本文基于OpenClaw,也是最近超火的可在本地运行的AI Agent网关,记录从零搭建通过飞书对话管理服务器运维机器人的全过程。该机器人支持随时随地通过飞书查看服务器状态、检索日志、管理进程,其核心机制在于:由OpenClaw将聊天平台(飞书等)的消息路由至大模型,模型调用本地工具(如Shell、文件系统、浏览器)执行相应任务,最终将结果自动返回至飞书会话中,实现自动化运维交互。 架构概览 飞书 App (WebSocket 长连接)         ↕ OpenClaw Gateway (服务器上 systemd 常驻)         ↕ AI 模型 (DeepSeek v3.2/GLM 4.7)         ↕ 服务器 Shell (受白名单限制的命令执行) 核心组件: * OpenClaw Gateway:Agent 网关,管理会话、工具调用、渠道连接 * 飞书插件:通过