11 KiB
tags
| tags | |||||
|---|---|---|---|---|---|
|
背景
OpenClaw 年初火了之后我就开始折腾，正好腾讯云、阿里云搞年终促销，就都试了一遍。结果发现云服务器部署这玩意儿有个硬伤——配置太低，尤其是内存，跑一些耗资源的任务根本扛不住。
所以决定用本地机器来搞。我没有 Mac mini，但有一台之前买的机械革命 imini：8845H + 32G 内存，虽然没有显卡，但跑 OpenClaw 这种场景显卡也不太重要，就拿它来搞一搞。
前置准备
科学上网
⚠️ 强烈建议先搞定这一步！
OpenClaw 很多依赖都在外网：GitHub、Docker、各种 API……没有科学上网，你家的 OpenClaw 基本就是"残废"状态。
建议：
- 搞个旁路由，买个稳定点的梯子
- 把 OpenClaw 那台机器的网关指向旁路由
- 这样全程无感，不用单独配置
工具准备
- SSH 工具：FinalShell、Termius 之类的，能远程访问 imini
- 文件管理：WinSCP 之类的 SFTP 工具，方便传文件、改配置
安装 Ubuntu 24
- 准备一个 U 盘
- 下载 Ubuntu 24 镜像
- 下载 balenaEtcher
- 用 balenaEtcher 将 Ubuntu 镜像写入 U 盘做成启动盘
- 用启动盘安装系统
安装完成后做几件事：
-
更新系统：
sudo apt update && sudo apt upgrade然后重启
-
在路由器里给 imini 分配一个固定 IP（方便后续 SSH 连接）
-
键盘、鼠标、显示器都可以拆掉了，插着网线、电源，丢角落里就行
安装 OpenClaw
使用一键安装脚本：
curl -fsSL https://openclaw.ai/install.sh | bash
安装完成后会自动进入配置界面。如果你用 Kimi 或者能用国外那几个模型（Claude、OpenAI 等），直接在配置里选好就行，这些都是自带的。
如果用其他模型，可以先跳过模型配置，我们后面直接改配置文件。核心配置文件只有一个：~/.openclaw/openclaw.json
配置 AI 模型
设置模型和 API Key
模型在 openclaw.json 的 models.providers 中配置，厂商名称可以自定义，URL 和 API 格式参考各模型厂商的接口文档。
⚠️ 注意：部分 CodingPlan 和纯 Token API 接口的 URL 不同，不仅仅是 API Key 不同。
以下是几个常用的国内模型配置示例，照着配，改改 apiKey 就行：
"models": {
"mode": "merge",
"providers": {
"bailian": {
"baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
"apiKey": "xxx",
"api": "openai-completions",
"models": [
{
"id": "qwen3-max-2026-01-23",
"name": "qwen3-max-thinking",
"reasoning": false,
"input": ["text"],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 262144,
"maxTokens": 65536
}
]
},
"mm": {
"baseUrl": "https://api.minimaxi.com/anthropic",
"apiKey": "xxx",
"api": "anthropic-messages",
"authHeader": true,
"models": [
{
"id": "MiniMax-M2.5",
"name": "MiniMax M2.5",
"reasoning": false,
"input": ["text"],
"cost": {
"input": 15,
"output": 60,
"cacheRead": 2,
"cacheWrite": 10
},
"contextWindow": 200000,
"maxTokens": 8192
}
]
},
"zhipu": {
"baseUrl": "https://open.bigmodel.cn/api/coding/paas/v4",
"apiKey": "xxx",
"api": "openai-completions",
"models": [
{
"id": "glm-5",
"name": "glm 5",
"reasoning": false,
"input": ["text"],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 200000,
"maxTokens": 8192
}
]
}
}
}
不想直接改配置文件？也可以用命令行：
openclaw config set 'models.providers.zhipu' --json '{
"baseUrl": "https://open.bigmodel.cn/api/coding/paas/v4",
"apiKey": "xxx",
"api": "openai-completions",
"models": [
{ "id": "glm-5", "name": "glm 5" }
]
}'
openclaw config set models.mode merge
openclaw models set zhipu/glm-5
💡 提示：Kimi 的 CodingPlan 可以直接在
openclaw configure中选择kimi-codingplan-cn，不用手动配置。
为代理设置模型
建议为每个模型设置简短的别名（alias），并配置主模型和备用模型（fallback），当主模型不可用时自动切换：
"agents": {
"defaults": {
"model": {
"primary": "m25",
"fallbacks": ["g47f", "g5", "q3", "k2p5"]
},
"models": {
"zhipu/glm-5": { "alias": "g5" },
"zhipu/glm-4.7-FlashX": { "alias": "g47f" },
"mm/MiniMax-M2.5": { "alias": "m25" },
"bailian/qwen3-max-2026-01-23": { "alias": "q3" },
"kimi-coding/k2p5": { "alias": "k2p5" }
},
"workspace": "/home/xxx/.openclaw/workspace",
"compaction": { "mode": "safeguard" },
"maxConcurrent": 8,
"subagents": { "maxConcurrent": 16 }
}
}
配置聊天软件
大部分聊天软件需要科学上网，手机和部署 OpenClaw 的机器都需要全程开梯子。如果梯子不稳定，经常会丢消息，体验很差。建议优先使用国内的聊天软件。
不用翻墙的选择主要是 飞书 和 企业微信，各有优劣。如果这两个都没调通，又急着用，可以先配 WhatsApp 顶一顶。
WhatsApp（最简单，但要翻墙）
⚠️ 全程需要科学上网，建议作为飞书/企业微信跑通前的临时方案。
优点：配置非常简单，几乎不可能配不对。
缺点：需要翻墙，自己跟自己聊天没有通知。
配置：
"whatsapp": {
"dmPolicy": "allowlist",
"selfChatMode": true,
"allowFrom": ["+86你的手机号"],
"groupPolicy": "allowlist",
"mediaMaxMb": 50,
"debounceMs": 0
}
使用方式：
- 运行
openclaw configure，选择 WhatsApp - 扫码配对，输入自己的手机号
- 选择"这是自己的号码"
- 自己和自己聊天即可
💡 如果有两个号码，用备用号码绑定 OpenClaw，选择"这是专门的号码"，这样聊天时会有通知。
飞书
优点
- 配置相对简单
- 支持多个飞书机器人，适合多 Agent 场景
缺点
- 有 API 调用次数限制（最初 1W，后临时上调到 5W，后续政策不确定）
- 早期插件有 bug：发送失败时会每秒发心跳，正常情况下每分钟也发心跳，1 天 1440 次，几天就能用完额度
🔧 解决方案：如果发现额度消耗异常快，参考 GitHub Issue #170 中修改
probe.ts的方法。
设置方法
- 访问 飞书开放平台，注册账号并创建企业
- 创建应用和机器人，获取
appId和appSecret - 在 OpenClaw 中配置：
openclaw configure，选择飞书并填入凭证
配置示例：
"channels": {
"feishu": {
"enabled": true,
"dmPolicy": "open",
"accounts": {
"feishu-pm": {
"appId": "xxx",
"appSecret": "xxx"
},
"feishu-dev": {
"appId": "xxx",
"appSecret": "xxx"
}
},
"domain": "feishu",
"groupPolicy": "open",
"requireMention": true
}
}
- 回到开放平台添加权限：
{
"scopes": {
"tenant": [
"contact:contact.base:readonly",
"contact:user.base:readonly",
"im:chat",
"im:chat:read",
"im:chat:update",
"im:message",
"im:message.group_at_msg:readonly",
"im:message.group_msg",
"im:message.p2p_msg:readonly",
"im:message:send_as_bot",
"im:resource"
],
"user": [
"contact:contact.base:readonly"
]
}
}
- 设置事件与回调方式为长连接（需要先配置好 OpenClaw 的 Channel）
- 测试发送消息
企业微信
优点
- 目前没有 API 调用限制
缺点
- 发消息时会先回复一个"1"，然后刷掉，没有通知
- 回复超过 5 分钟会丢失，需要额外配置"应用"来接收
- 5 分钟内微信每秒都会轮询接口，gateway 日志会有大量请求记录，回复时经常卡到爆炸
设置机器人
- 访问 企业微信后台
- 创建企业 → 安全与管理 → 管理工具 → 智能专区 → 智能机器人 → 创建机器人
- 选择 API 模式，输入 token、key、URL（URL 格式：
你的外网地址/wecom/bot）
安装插件（注意：该插件可能已下架）：
openclaw plugins install https://github.com/xl370869-art/wecom.git
配置：
"wecom": {
"enabled": true,
"bot": {
"token": "xxx",
"encodingAESKey": "xxx",
"receiveId": "",
"dm": { "policy": "open" }
}
}
设置 Agent 应用（解决 5 分钟超时问题）
机器人无法主动推送消息，需要配置应用：
"agent": {
"corpId": "xxx",
"corpSecret": "xxx",
"agentId": "xxx",
"token": "xxx",
"encodingAESKey": "xxx",
"dm": { "policy": "open" }
}
获取凭证：
- corpId：企业微信后台 → 我的企业 → 企业信息（页面底部）
- agentId 和 Secret：应用管理 → 新建应用 → 查看应用详情
配置步骤：
- 在 OpenClaw 中配置好上述信息
- 回到企业微信后台 → 应用 → 接收消息
- 设置 API 地址为：
你的外网地址/wecom/agent - 获取 token 和 encodingAESKey，填入 OpenClaw 配置
- 重启 gateway，确认后台设置完成
总结
到这里 OpenClaw 的基本功能已经配置完成。能折腾的东西很多，想用顺手需要调的地方也不少。业余时间搞的话，建议慢慢来，一点一点优化。
几点经验
-
OpenClaw 更新很快 — 很多问题过两天就修复了。比如飞书从只支持单机器人到现在支持多机器人，定时任务也稳定了很多。
-
一定要备份
.openclaw目录！- 做定时备份，推送到私有 Git 仓库
- OpenClaw 权限很大，一旦出问题可能需要从头配置
- 只推 Git 还不够保险，因为 OpenClaw 可以
--force强推覆盖远程历史 - 建议再做一个每日备份到其他机器或目录
-
最好搞个旁路由给 OpenClaw 科学上网用 — 访问 GitHub、Docker，好多功能都在外网才能顺畅访问。没有科学上网，家里的 OpenClaw 只能算是残疾人。最好是搞个旁路由，买个稳定点的梯子，OpenClaw 网关给旁路由。