Ubuntu安装OpenClaw报错Gateway service check failed解决方法

Bug: gateway install fails on fresh Linux servers — execFileUtf8 clobbers systemctl stdout

来源: GitHub Issue #32635

OpenClaw 版本: 2026.3.2
操作系统: Ubuntu 24.04 LTS
Node: v22.22.0


问题描述

在全新的 Linux 服务器(Ubuntu 22.04/24.04)上,openclaw gateway install 命令失败。这些服务器上 systemd user services 已正确配置,但 openclaw-gateway service 尚未安装。

错误信息

Gateway service check failed: Error: systemctl is-enabled unavailable: Command failed: systemctl --user is-enabled openclaw-gateway.service 

根本原因

dist/systemd-*.js 文件中,isSystemdServiceEnabled() 函数调用 execFileUtf8("systemctl", ["--user", "is-enabled", "openclaw-gateway.service"])

当服务不存在时,systemctl 返回:

  • 退出码: 4
  • stdout: "not-found\n"
  • stderr: "" (空)

execFileUtf8 函数处理非零退出码时,会用 error.message 替换空的 stderr:

const stderrText = String(stderr ?? ""); resolve({ stdout: String(stdout ?? ""), stderr: stderrText || (typeof e.message === "string" ? e.message : ...), code: typeof e.code === "number" ? e.code : 1 }); 

这导致:

  • stdout: "not-found"
  • stderr: "Command failed: systemctl --user is-enabled openclaw-gateway.service" (被覆盖)

然后 readSystemctlDetail() 优先选择 stderr(truthy)而非 stdout:

function readSystemctlDetail(result) { return (result.stderr || result.stdout || "").trim(); } 

所以 detail = "Command failed: systemctl --user is-enabled openclaw-gateway.service" — 而不是 "not-found"。

isSystemdUnitNotEnabled(detail) 检查 "not-found",但 detail 字符串是错误消息,所以返回 false。代码继续执行并抛出异常。

复现步骤

  1. 全新 Ubuntu 服务器,已启用 systemd user services
  2. 通过 npm 全局安装 openclaw
  3. 运行 openclaw gateway install --port 18789 --force
  4. 观察错误

期望行为

gateway install 应识别退出码 4 / "not-found" 为 "服务尚未安装",并继续创建服务文件。

建议修复

三选一:

  1. execFileUtf8: 不再用 error.message 替换空的 stderr(或分开存储两者)
  2. readSystemctlDetail: 当 stderr 包含 "Command failed" 时,优先使用 stdout
  3. isSystemdServiceEnabled: 也直接检查 stdout 中的 unit-not-found 模式

临时解决方案

在调用 openclaw gateway start 前手动创建 systemd user service 文件:

mkdir -p ~/.config/systemd/user cat > ~/.config/systemd/user/openclaw-gateway.service << EOF [Unit] Description=OpenClaw Gateway After=network-online.target Wants=network-online.target [Service] ExecStart=$(which node) $(realpath $(which openclaw)) gateway run --port 18789 Restart=always RestartSec=5 KillMode=process WorkingDirectory=$HOME/.openclaw [Install] WantedBy=default.target EOF systemctl --user daemon-reload systemctl --user enable openclaw-gateway.service systemctl --user start openclaw-gateway.service 

备注

v2026.3.2 更新日志提到修复了 "container systemd checks"(#26089),但那仅覆盖 ENOENT/EACCES 情况 — 不包括这个 systemd 可用但单元尚不存在的退出码 4 场景。


🎁 MiniMax 跨年福利来袭!邀好友享 Coding Plan 双重好礼,助力开发体验!好友立享 9折 专属优惠 + Builder 权益,你赢返利 + 社区特权!👉 立即参与

Read more

AIGC已入侵日常生活,你察觉到了吗?

AIGC已入侵日常生活,你察觉到了吗?

目录 引言:AIGC 掀起生活变革 AIGC 在内容创作领域的应用 写作辅助 图像生成 AIGC 在智能设备中的应用 智能语音助手 智能拍照与图像处理 AIGC 在生活服务中的应用 智能客服 旅行规划 AIGC 应用面临的挑战与思考 内容质量与可靠性 隐私与安全 对就业的影响 总结与展望 引言:AIGC 掀起生活变革 在数字化浪潮汹涌澎湃的当下,AIGC(人工智能生成内容,Artificial Intelligence Generated Content)如同一颗璀璨的新星,照亮了我们生活的每一个角落。它是继 PGC(专业生产内容)、UGC(用户生产内容)之后的又一内容生产新范式,借助机器学习、深度学习等人工智能技术,AIGC 能够自动生成文本、图像、音频、视频等多样化的内容 ,正逐渐渗透到我们生活的方方面面,从日常的信息获取、创意激发,

By Ne0inhk

8步出图效率革命:Qwen-Image-Lightning重构AIGC创作流程

导语:阿里通义千问团队推出的Qwen-Image-Lightning模型,通过创新蒸馏技术将图像生成步骤压缩至4-8步,实现12-25倍速度提升,同时保持复杂文本渲染核心优势,重新定义AIGC生产效率标准。 【免费下载链接】Qwen-Image-Lightning 项目地址: https://ai.gitcode.com/hf_mirrors/lightx2v/Qwen-Image-Lightning 行业现状:速度与质量的长期平衡 2024-2025年文生图领域呈现"双轨并行"发展态势:一方面以FLUX、SeedDream 3.0为代表的模型追求极致画质,需50-100步推理;另一方面企业级应用迫切需要实时响应,如电商广告素材生成要求3秒内出图。传统扩散模型面临"质量-速度"平衡难题,而Qwen-Image-Lightning通过FlowMatch蒸馏技术与动态时序调整,在8步内完成原本需100步的图像生成过程,实测在NVIDIA A100显卡上实现单图生成时间≤1秒。 核心亮点:三大技术突破实现效率跃升 1. 蒸馏技术重构推理流程 基于Qwen-Image 20B参

By Ne0inhk
高级java每日一道面试题-2025年7月15日-基础篇[LangChain4j]-如何集成国产大模型(如通义千问、文心一言、智谱 AI)?

高级java每日一道面试题-2025年7月15日-基础篇[LangChain4j]-如何集成国产大模型(如通义千问、文心一言、智谱 AI)?

你想了解在LangChain4j中如何集成主流的国产大模型(通义千问、文心一言、智谱AI),并希望得到面向高级面试的详细解答。这是LangChain4j落地国内场景的核心考点,既考察对框架扩展能力的理解,也考察对国产模型生态的熟悉度。 一、核心原理:国产模型集成的通用逻辑 LangChain4j对国产大模型的集成,核心遵循「统一接口 + 专属适配器」的设计: 1. 所有模型均实现LangChain4j的ChatLanguageModel/EmbeddingModel核心接口,保证调用方式一致; 2. 每个国产模型有专属的集成依赖(如langchain4j-dashscope对应通义千问); 3. 配置上需适配国产模型的专属参数(如阿里云AccessKey、百度API Key/Secret Key)。 二、完整集成实现(通义千问 + 文心一言 + 智谱AI) 以下是可直接运行的生产级代码,覆盖三大主流国产模型的集成,包含基础调用、参数配置、异常处理等核心要点。 1. 前置依赖(Maven) 首先引入各模型的专属集成依赖(按需选择): <dependencies><!

By Ne0inhk
AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

探秘海螺AI:多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中,海螺AI作为一款前沿的多功能AI工具,正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司(MiniMax)精心打造,依托自研的万亿参数MoE大语言模型ABAB6.5以及MiniMax语音大模型,展现出非凡的技术实力与应用潜力。MiniMax的核心团队源自商汤科技等业内知名企业,在多模态大模型研发领域深耕细作,为海螺AI的诞生奠定了坚实基础。 在这里插入图片描述 一、核心模型架构剖析 (一)基础模型:abab - 6.5 海螺AI的基础模型abab - 6.5采用了创新的混合专家系统设计,借助动态路由机制,即Sparse Gating Network,可依据输入内容智能激活8 - 12个子专家模型。这些子专家模型涵盖代码专家、多语言专家、逻辑推理专家等,各司其职,协同作业。在参数规模上,abab - 6.5总参数量高达1.2万亿,同时通过巧妙的设计,将活跃参数量控制在2000亿/query,有效平衡了模型的高容量与低推理成本。在训练优化环节,

By Ne0inhk