在Ubuntu上安装OpenClaw主要有两种主流且官方推荐的方式:一键脚本安装(适合新手和快速部署)和 Docker 安装(适合需要环境隔离和生产环境部署)

在Ubuntu上安装OpenClaw主要有两种主流且官方推荐的方式:一键脚本安装(适合新手和快速部署)和 Docker 安装(适合需要环境隔离和生产环境部署)。此外,对于开发者或需要特定版本的用户,也可以选择从源码安装

以下是针对Ubuntu系统的详细操作步骤分解。

⚙️ 第一步:系统准备与依赖安装

在开始之前,需要确保你的Ubuntu系统(建议使用22.04或24.04 LTS版本)已经准备好必要的工具。

  1. 打开终端

安装基础工具链:安装后续步骤中可能用到的curlgit等工具。

sudoaptinstall-ycurlwgetgit build-essential 

更新系统包:这是为了避免因系统包过旧而导致的依赖冲突。

sudoapt update &&sudoapt upgrade -y

🚀 第二步:选择并执行安装方法

你可以根据自身需求,从以下三种方法中选择一种进行安装。

方法一:一键脚本安装(最推荐)

这是官方推荐的最简单、最省心的方式。脚本会自动处理Node.js依赖的检测和安装,并直接启动配置向导。

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

执行后,脚本会引导你进入下一步的配置流程。

方法二:Docker 安装(环境隔离)

如果你偏好使用Docker,或者希望将OpenClaw运行在隔离的容器环境中,可以使用此方法。

  1. 安装 Docker:如果你的系统中尚未安装Docker和Docker Compose,需要先安装。

克隆仓库并运行脚本

# 创建并进入项目目录mkdir-p ~/openclaw &&cd ~/openclaw # 克隆官方仓库git clone https://github.com/openclaw/openclaw.git .# 运行Docker设置脚本 ./docker-setup.sh 

该脚本会自动构建镜像、生成访问令牌并启动服务。

方法三:npm / pnpm 安装(手动管理)

如果你已经安装了Node.js 22+,并希望自己管理全局包,可以使用npm或pnpm进行安装。

  1. 验证安装node --version 应显示 v22.x.x

全局安装 OpenClaw

npminstall-g openclaw@latest 

安装 Node.js 22+ (如果还未安装):

curl-fsSL https://deb.nodesource.com/setup_22.x |sudo-E - bash&&sudoaptinstall-y nodejs 

🧭 第三步:初始化配置

安装完成后,你需要通过“新手引导”来完成核心设置,如添加AI模型API密钥、配置守护进程等。

  • 如果你使用了Docker安装docker-setup.sh脚本通常会在安装过程中自动启动这个向导。

如果你使用了一键脚本或npm安装,需要手动启动配置向导:

openclaw onboard --install-daemon 

这个命令会启动一个交互式终端界面,引导你完成配置。

在配置向导中,你需要完成以下几个关键步骤:

  1. AI 模型提供商:选择你使用的模型(如Anthropic、OpenAI、阿里云百炼等),并输入你的API密钥。这是OpenClaw能够进行智能对话和任务处理的核心。
  2. 网关守护进程:确认安装。这能让OpenClaw在后台持续运行,并支持开机自启。
  3. 工作区路径:通常保持默认的 ~/.openclaw/workspace 即可,用于存储配置和数据。

✅ 第四步:验证安装并访问界面

  1. 访问 Web UI
    打开浏览器,访问 http://你的UbuntuIP地址:18789。如果是本地安装,直接访问 http://127.0.0.1:18789
    在页面中输入你找到的令牌,即可进入OpenClaw的控制面板。

获取访问令牌
你需要令牌来登录Web界面。可以通过以下命令查看配置文件中生成的令牌:

grep-A1'"token"' ~/.openclaw/openclaw.json 

检查网关状态

openclaw gateway status 

如果显示 running,则表示启动成功。

⚠️ 重要注意事项

  • 项目曾用名:OpenClaw曾多次更名(Clawdbot → Moltbot → OpenClaw)。如果你在查找旧文档或配置文件(如 ~/.clawdbot/),它们可能仍然指向同一个工具。

网络访问配置:如果需要在局域网内的其他设备上访问OpenClaw的Web界面,你需要修改配置,让其监听所有网络接口:

openclaw config set gateway.bind lan openclaw gateway restart 

安全提示:请勿将此端口(18789)直接暴露在公网上,以免带来安全风险。如需远程访问,强烈建议使用VPN或配置带身份验证的反向代理(如Caddy、Nginx)。

Read more

Win11+Ubuntu双系统彻底卸载指南:100%清理分区与GRUB引导项

Win11+Ubuntu双系统彻底卸载指南:100%清理分区与GRUB引导项

文章目录 * 一、备份重要数据(可选但强烈推荐) * 二、删除 Ubuntu 分区 * 三、清理 GRUB 引导项 * 1.挂载 EFI 分区 * 2.检查 EFI 分区是否残留 ubuntu 文件 * 四、扩展 Windows 分区(可选) * 五、最终检查 * 双系统 win11 + ubuntu22.04,如何完全卸载 ubuntu22.04? * 一、备份重要数据(可选但强烈推荐) * 二、删除 Ubuntu 分区 * 三、清理 GRUB 引导项 * 1.挂载 EFI

By Ne0inhk
[linux仓库]图解System V共享内存:从shmget到内存映射的完整指南

[linux仓库]图解System V共享内存:从shmget到内存映射的完整指南

🌟 各位看官好,我是! 🌍 Linux == Linux is not Unix ! 🚀 今天来学习System V共享内存,从了解接口再到探查共享内存实现的原理。 👍 如果觉得这篇文章有帮助,欢迎您一键三连,分享更多人哦! 目录 System V共享内存 共享内存原理 创建共享内存 - 研究特性 shmget 创建共享内存 shmctl - 控制共享内存 shmat - 挂接共享内存 shmdt - 删除映射关系  再探共享内存原理 特征总结 总结 扩展  借助管道实现控制板共享内存 System V共享内存 我们前面说过,当需要有进程间通信的需求时,程序员为了偷懒选择了复用之前的代码,创建了管道,而管道的原理是基于文件的.随着时代的发展,程序员逐渐发现有一些是管道不能解决的问题,因此不得不真正的创建了一个可以进行通信的资源.此时,在上层就有公司定制了一套System V标准,由其他公司按照这个标准进行不同的实现.

By Ne0inhk
VMware+Ubuntu+ROS完整部署流程

VMware+Ubuntu+ROS完整部署流程

本文是自己整理的完整的部署ROS的流程,欢迎大家沟通与交流,才疏学浅,有不对的地方欢迎大家与我交流。 注:本文章只适合Windows电脑用户 1.下载需要用到的资料 首先下载虚拟机软件VMware,win10系统选择下载1,win11系统选择下载2,以下是我自己的百度网盘链接: 下载1: 链接:https://pan.baidu.com/s/1d9lAB3OH2LkbmXXNXTmI3A? 提取码:pwd=6cdm 下载2: 链接:https://pan.baidu.com/s/1cgU_tzzkaOaPML0VMbisrA?pwd=m7vs 提取码: m7vs 然后根据你想学习的内容,选择你要下载的Ubuntu镜像,链接对应的镜像版本以及镜像可安装的ROS版本如下: 链接1:(Ubuntu18.04+ros1+melodic) 链接:https://pan.baidu.com/s/

By Ne0inhk
Flutter 组件 image_size_getter_http_input 的鸿蒙化适配实战 - 驾驭极致图像采样大坝、实现 OpenHarmony 高性能列表滚动与流式渲染指纹预检方案

Flutter 组件 image_size_getter_http_input 的鸿蒙化适配实战 - 驾驭极致图像采样大坝、实现 OpenHarmony 高性能列表滚动与流式渲染指纹预检方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 image_size_getter_http_input 的鸿蒙化适配实战 - 驾驭极致图像采样大坝、实现 OpenHarmony 高性能列表滚动与流式渲染指纹预检方案 前言 在鸿蒙(OpenHarmony)生态的重型电商应用、短视频流媒体或者任何涉及海量瀑布流展示的 0308 批次项目中。“图像渲染的即时感与列表滚动丝滑度维度”是衡量整个前端交互体验的最终质量门禁。面对包含数千张高分辨率商品图、动态变化的社交媒体封面、甚至是跨设备同步产生的超大素材包。如果仅仅依靠传统的“全量下载后再获取尺寸”或者干瘪的占位图策略。不仅会导致在列表快速滚动时因为频繁的布局重绘(Relayout)产生严重的卡顿。更会因为内存溢出(OOM)的风险,让老旧机型在处理图像海啸时瞬间崩溃。 我们需要一种“只读头部、先知大小”的极速采样艺术。 image_size_getter_http_input 是一套专注于无缝整合

By Ne0inhk