【养龙虾】OpenClaw 安装部署全流程 - 手把手教你搭建自己的 AI 助手

【养龙虾】OpenClaw 安装部署全流程 - 手把手教你搭建自己的 AI 助手
折腾了整整两天,终于把 OpenClaw 部署好了!过程中踩了不少坑,今天把完整流程记录下来,希望能帮到想入门的小伙伴。本文适合零基础新手,大佬请绕道~
既然都开始养虾了,那肯定少不了让它来生成一篇养虾的过程文章。
在这里插入图片描述

目录

🤔 什么是 OpenClaw?

简单来说,OpenClaw 是一个自托管的 AI 网关,它可以把你常用的聊天软件(微信、Telegram、Discord、iMessage…)和一个 AI 助手连接起来。

举几个例子:

  • 📱 在微信上发消息,AI 就能自动回复
  • 💬 在 Discord 群里 @它,AI 就能参与讨论
  • 📲 人在外面用 WhatsApp 随时召唤你的私人 AI

为什么叫"龙虾"?

  • 官方 Logo 就是一只红色卡通龙虾 🦞
  • 英文名 OpenClaw 直译是"开源的钳子",像龙虾的大爪子

🛠️ 环境准备

硬件要求

配置最低要求推荐配置
操作系统macOS 10.15+ / Linux / Windows WSL2macOS 12+
内存8GB16GB+
存储空间5GB20GB+
网络能访问国际互联网稳定带宽

软件要求

# 检查 Node.js 版本(需要 Node 22+)node--version# 如果没有 Node.js,推荐使用 nvm 安装curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh |bash nvm install22 nvm use 22

💡 小提示:如果你用的是 macOS,推荐直接用 Homebrew 安装:

brew install node@22 

📋 安装步骤

方式一:macOS 用户(最简单)

如果你用的是 Mac,强烈推荐使用官方 App,体验最丝滑:

# 方法 1:直接下载安装包# 访问 https://github.com/openclaw/openclaw/releases 下载 .dmg 文件# 方法 2:使用 Homebrew brew install openclaw/tap/openclaw 

安装完成后,打开 OpenClaw.app,它会出现在菜单栏。

方式二:命令行安装(跨平台)

这是最通用的安装方式,Linux/Windows WSL/Mac 通用:

# 1. 全局安装 OpenClaw CLInpminstall-g openclaw # 2. 验证安装 openclaw --version# 3. 初始化设置 openclaw setup 

运行 openclaw setup 后,会出现交互式引导,按提示选择即可。

⚠️ 注意:有些渠道需要额外配置,比如 Telegram 需要先找 @BotFather 申请 Bot Token,Discord 需要创建开发者应用。

方式三:Docker 部署(适合服务器)

如果你是部署在服务器上,Docker 是最省心的选择:

# 1. 拉取镜像docker pull openclaw/openclaw:latest # 2. 创建配置目录mkdir-p ~/.openclaw # 3. 运行容器docker run -d\--name openclaw \-p18789:18789 \-v ~/.openclaw:/root/.openclaw \ openclaw/openclaw:latest 

🔧 详细配置

配置文件位置
~/.openclaw/openclaw.json
基础配置示例

{"gateway":{"port":18789, "verbose":true}, "channels":{"telegram":{"enabled": true, "botToken":"YOUR_BOT_TOKEN_HERE"}, "discord":{"enabled": true, "botToken":"YOUR_DISCORD_BOT_TOKEN"}}, "model":{"provider":"anthropic", "model":"claude-sonnet-4-20250514", "apiKey":"sk-ant-xxx..."}}

🔐 安全提醒:建议使用环境变量而非直接在配置文件写敏感信息

🔗 渠道配置详解

Telegram 配置步骤

Step 1:创建 Bot

1.打开 Telegram,搜索 @BotFather
2.发送 /newbot 命令
3.给你的 Bot 起个名字(比如 “我的 AI 助手”)
4.给你的 Bot 设置用户名(必须以 _bot 结尾)
5.复制 Bot Father 给你的 Token

Step 2:配置 OpenClaw

openclaw config set channels.telegram.botToken "你的Token"

Step 3:启动并测试

openclaw gateway # 在 Telegram 中搜索你的 Bot 用户名,发送 /start 进行配对

Discord 配置步骤

Step 1:创建 Discord 应用
1.访问 https://discord.com/developers/applications
2.点击 “New Application”

Step 2:创建 Bot
1.进入 “Bot” 页面
2.点击 “Add Bot”
3.复制 Bot Token(记得开启 Message Content Intent)

Step 3:邀请 Bot 到服务器
1.进入 “OAuth2” -> “URL Generator”
2.勾选 bot 权限
3.复制生成的 URL,在浏览器中打开并选择服务器

🚀 启动与验证

启动 Gateway

# 前台运行(查看日志) openclaw gateway --verbose# 后台运行 openclaw gateway &

验证

openclaw health 

打开控制台
浏览器访问 http://127.0.0.1:18789

架构流程图

用户发送消息 → 聊天渠道 → Gateway → AI Model → 返回消息

🔍 常见问题汇总

Q1:启动报错 “Port 18789 already in use”

lsof-i :18789 # 或者换端口 openclaw gateway --port18790

Q2:Telegram Bot 发消息没反应
1.检查 Bot Token 是否正确
2.确保已经和 Bot 发起对话(需要先私聊 /start)
3.查看日志:openclaw gateway --verbose

Q3:Discord 提示 “Missing Access”
1.检查 Bot 权限是否足够
2.确保 Bot 已在服务器中
3.在 Discord Developer Portal 检查 intents 设置

⚠️ 注意事项

1.网络安全:部署在公网时务必配置访问密码
2.Token 消耗:AI 对话需要消耗 API Token,注意费用
3.隐私安全:不要在对话中输入敏感个人信息
4.及时更新:关注官方 releases 更新安全补丁

📚 参考资料

💬 最后

部署完成的那一刻,看到控制台显示"🟢 已连接",你就成功开始养虾啦!
祝大家都能养好自己的"小龙虾"! 🦞🚀

Read more

JVS-APS是什么?算法驱动+低代码融合,重塑智能排产新范式!

JVS-APS是什么?算法驱动+低代码融合,重塑智能排产新范式!

在制造业数字化转型的浪潮中,生产计划与排程(APS)正从“经验驱动”走向“算法驱动”。然而,市面上多数APS系统要么价格高昂、闭源锁定,要么实施复杂、难以与现有IT体系融合。今天,我们介绍一款开源、可私有化部署、且能与低代码平台无缝融合的智能排产系统——JVS-APS。 一、什么是APS?为什么需要智能排产? APS(Advanced Planning and Scheduling,高级计划与排程)是连接企业资源计划(ERP)与制造执行系统(MES)的“大脑”,负责在有限资源(设备、人力、物料)约束下,自动生成最优的生产计划与排程方案。 传统排产依赖ERP的粗能力计算或人工Excel表格,往往面临三大困境: * 资源冲突:设备、模具、人员同时被多个订单争抢,排产混乱; * 物料缺料:不考虑库存与在途物料,生产到一半才发现缺料; * 动态响应差:插单、

【Agent】Claude code辅助verilog编程

【Agent】Claude code辅助verilog编程

摘要:在 2026 年,硬件描述语言(HDL)的开发门槛正在被 AI 重新定义。本文记录了一次硬核挑战:在不查阅任何寄存器手册、不手画状态转移图的情况下,仅凭 Claude Code 辅助,完成了一个包含 UART 通信、协议解析(FSM)及 PWM 控制的完整 FPGA 模块设计与验证。这是一次关于“AI 辅助芯片设计”的真实压力测试。 目录 1. 引言:Verilog 开发者的“中年危机” 2. 项目挑战:从串口到 LED 的全链路设计 3. 开发实录:Claude Code 的 RTL 设计能力 * 3.1

一文讲清楚RAG 四大模式:Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

一文讲清楚RAG 四大模式:Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

随着技术迭代,RAG 已从最初的简单架构发展出多种进阶形态。本文将系统解析 RAG 的四大主流模式 ——Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG,从工作原理、技术特点到适用场景进行全方位对比,为技术选型提供参考。 一、RAG 基础:检索增强生成的核心逻辑 在深入模式解析前,需先明确 RAG 的核心逻辑。简单来说,RAG 由检索(Retrieval) 与生成(Generation) 两大模块构成: 检索模块:从预设知识库中精准定位与用户问题相关的信息片段(如文档、段落、句子); 生成模块:基于检索到的信息,结合大语言模型生成符合上下文、逻辑连贯的答案。 这种 “先检索再生成” 的模式,既保留了 LLM 的语言理解与生成能力,又通过外部知识的引入弥补了模型训练数据过时、事实准确性不足的缺陷。

Flutter 三方库 modular_core 大型应用级鸿蒙微服务化架构适配解析:纵深拆解路由控制组件化隔离网格,利用轻量级依赖注入中枢斩断应用深层耦合羁绊-适配鸿蒙 HarmonyOS ohos

Flutter 三方库 modular_core 大型应用级鸿蒙微服务化架构适配解析:纵深拆解路由控制组件化隔离网格,利用轻量级依赖注入中枢斩断应用深层耦合羁绊-适配鸿蒙 HarmonyOS ohos

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 modular_core 大型应用级鸿蒙微服务化架构适配解析:纵深拆解路由控制组件化隔离网格,利用轻量级依赖注入中枢斩断应用深层耦合羁绊 在构建超大型、多业务线的鸿蒙应用时,代码的模块化分层与解耦是决定项目成败的关键。modular_core 作为 flutter_modular 的核心逻辑库,提供了一套纯粹的依赖注入(DI)和模块生命周期管理机制。本文将深入解析该库在 OpenHarmony 上的适配与应用实践。 前言 什么是 modular_core?它不是一个 UI 框架,而是一套管理“对象如何创建”和“模块如何组织”的底层协议。在鸿蒙操作系统这种强调模块化分发(HAP/HSP)和细粒度原子化服务的生态中,利用 modular_core 可以帮助开发者构建出高内聚、低耦合的系统底座。本文将指导你如何在鸿蒙端侧实现模块的动态注入与回收。 一、