OpenClaw腾讯云部署实战：从零接入大模型API与Skill配置

写这篇攻略之前，我先说个背景。OpenClaw 在 2026 年已经不算什么冷门工具了，基本可以理解为“开源版本的智能命令行助理”，你给它配上任意一家大模型的 API，它就能在服务器上帮你读文档、写代码、调用各种 Skill 工具，甚至接入微信、飞书这类 IM 当机器人用。我自己大概从 1.x 版本就开始折腾，到现在的 2.0，踩过的坑比大多数教程里写得都多。如果你手里恰好有一台腾讯云服务器，又想在 2026 年把 OpenClaw 从零开始跑起来，那就直接照着我这份操作走，基本不会翻车。

这篇内容会覆盖四件事：OpenClaw 的选型思路、腾讯云服务器的基础准备、大模型 API 接入，以及 Skill 配置。中间会穿插大量我在实际部署中遇到的问题和解决方法，不绕弯子，按步骤来就行。

1. 先搞清楚 OpenClaw 到底是什么

1.1 一句话解释 OpenClaw

简单说，OpenClaw 是一个运行在终端里的 AI 代理框架。你给它一个任务，比如“检查服务器上 Nginx 日志并找出 5xx 错误最多的接口”，它会自己拆解步骤、调用命令、读取文件，甚至写一小段脚本去分析，最后把结论整理给你。和以往聊天机器人最大的区别是，它真的能“动手”，而不只是“动嘴”。

这类工具在 2025 年左右开始集中爆发，当时大家更熟悉的名字是 Claude Code、Codex CLI 这类官方闭源工具。OpenClaw 能在里面杀出来，核心原因是三点：第一，它不绑定某一家模型，OpenAI、Claude、DeepSeek、通义千问、豆包、本地 Ollama 全都能接；第二，它有一套开放的 Skill 机制，官方和社区贡献了非常多的技能包，基本是插件化思维；第三，它对服务器的操作是有审批机制的，不会一言不合就rm -rf，这在生产环境里特别重要。

1.2 和 Claude Code、Codex 等工具有什么区别

拿 Claude Code 举例，它确实很好用，但绑定 Anthropic 官方的 API，国内使用门槛高、网络不稳定，而且对第三方模型的支持几乎为零。Codex 同理，属于 OpenAI 生态内的产品。OpenClaw 走的是“模型无关”路线，你甚至可以在同一个任务里让 DeepSeek 做规划、让本地 Ollama 做代码补全，完全看你自己偏好。

还有一个很实际的区别：Claude Code 这类工具默认只能在交互式终端里跑，而 OpenClaw 从一开始就设计了“常驻服务”模式。你可以把它部署在云服务器上，通过 Web、微信、飞书等渠道随时调用。这也是我把 OpenClaw 装在腾讯云上的主要原因——我希望它成为一个随时能调的“团队助理”，而不是只在我打开电脑终端时才能用的工具。

1.3 为什么偏偏选腾讯云

网上关于腾讯云的风评经常围绕“新用户便宜”“生态全”这些点，但从技术角度说，它适合跑 OpenClaw 的原因更具体：

• 国内访问稳定，部署后拉取模型、调用 API 都不需要额外折腾网络，直接用就行。
• 自带容器镜像服务（TCR），当你用 Docker 方式部署 OpenClaw 时，可以把镜像推送到腾讯云内网仓库，服务器拉取速度快得离谱。
• 域名解析和 SSL 证书申请都在同一个控制台里，对新手来说少跳了很多平台。

如果你平时习惯用阿里云或者华为云，本文的步骤同样适用，只是控制台细节略有不同。核心逻辑是一样的。

2. 安装前的准备工作

2.1 选购腾讯云服务器（CVM）的建议

OpenClaw 本身不是吃性能的怪物，但你要跑 Skill、可能还要起 Docker，所以我建议至少 2核 4G 起步。如果你计划接入本地 Ollama 模型跑推理，那就要上 4核 8G 甚至更高，或者单独搞一台带 GPU 的机器。

操作系统方面，2026 年我推荐两个选择：

• Ubuntu 22.04 LTS：老牌稳定，社区资料最多，遇到问题随便一搜就有答案。
• Debian 12：更精简，内存占用低，适合 2G 内存的小机器。

不推荐在生产环境用 Windows Server 跑 OpenClaw，不是说跑不了，而是很多 Skill 脚本都是 Linux 向的，你在 Windows 上会额外消耗很多时间去适配。

带宽不用买太大，按量计费就行。OpenClaw 平时的流量主要是文本 API 调用，几 KB 到几十 KB 的请求，除非你让它去下载模型，否则流量基本可以忽略。

2.2 登录服务器并初始化基础环境

拿到服务器后，第一步是 SSH 登录。我习惯用终端直接连：

ssh root@你的服务器IP

登录后先做两件事：更新系统、安装基础工具。

apt update && apt upgrade -y apt install -y git curl wget ufw docker.io docker-compose-v2

这里多说一句，国内服务器直接访问 Ubuntu 官方源有时候速度特别慢，建议先换腾讯云镜像源。腾讯云控制台里有“镜像源”相关的指引，或者你直接手动改：

sed -i 's/archive.ubuntu.com/mirrors.tencentyun.com/g' /etc/apt/sources.list sed -i 's/security.ubuntu.com/mirrors.tencentyun.com/g' /etc/apt/sources.list apt update

至于 Docker，如果你打算用容器方式部署 OpenClaw，这就必须装。如果只是命令行方式跑，那 Docker 可以先跳过，但后文我会讲为什么要尽量用 Docker。

2.3 安装 OpenClaw 本体：Linux、Windows、macOS 都有份

OpenClaw 官方提供三种安装方式：脚本一键安装、手动二进制安装、Docker 镜像。

Linux 服务器安装执行这一行就行：

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

脚本会把 openclaw 可执行文件放到/usr/local/bin，并自动创建默认数据目录~/.openclaw/。装完验证一下：

openclaw --version

如果提示找不到命令，多半是 PATH 没有刷新，重新登录一下 SSH 或者执行source ~/.bashrc即可。

Windows（Win10/Win11）安装用 PowerShell：

Invoke-WebRequest -Uri https://openclaw.sh/install.ps1 -OutFile install.ps1 .\install.ps1

装完同样在 PowerShell 里执行openclaw --version验证。如果你在 Win11 上安装后出现“无法将 openclaw 项识别为 cmdlet、函数、脚本文件或可运行程序的名称”这个报错，说明安装目录没有加入 PATH。解决方式：手动把C:\Users\你的用户名\.openclaw\bin加入系统环境变量，然后重开 PowerShell。

macOS和 Linux 类似，但需要保证有 Homebrew：

brew install openclaw

Docker 方式拉取官方镜像：

docker pull openclaw/openclaw:latest

2.4 初始化目录与配置文件

安装完成后，先别急着用，执行一次初始化：

openclaw init

这个命令会做几件事：创建~/.openclaw/config.yaml配置文件、创建~/.openclaw/workspace工作目录、生成~/.openclaw/exec-approvals.json命令审批文件。后面两个文件非常关键，很多新手卡在“为什么 OpenClaw 不听我话执行命令”就是审批文件的问题，后面我会专门讲。

初始化完成后，快速跑一下医生检查：

openclaw doctor

它会检查你的环境变量、网络连通性、模型 API 是否配置等。如果doctor报告都是绿色，恭喜你，核心安装已经完成。接下来就是最关键的“给 OpenClaw 接一个大模型大脑”。

3. 大模型 API 接入：给 OpenClaw 装“大脑”

3.1 为什么要单独配置 API

OpenClaw 本身不包含模型，它只是一个调度框架，真正做推理的是你接入的大模型服务商。你把任务发给 OpenClaw，OpenClaw 翻译成模型能理解的 Prompt，调用 API 得到回复，再根据回复内容决定下一步操作。这个过程类似你请了一个助理，助理本身不会“思考”，但 TA 能快速找到会思考的专家来帮你出主意。

所以没有 API Key，OpenClaw 就只是个漂亮壳子。考虑到 2026 年各类大模型 API 已经白菜价，国内的厂商甚至提供免费额度，这部分成本其实很低，但选型很重要。

3.2 主流 API 选型对比（2026 年实测数据）

我把自己试过的几家国内主流服务整理成一张表，方便你直观对比：

我个人的实际建议是：新手先用 DeepSeek，因为便宜大碗，消耗大量 Token 也不心疼。等你的 Skill 越来越复杂，需要处理长文本、多步骤任务时，可以切换到 qwen-max 或混元这类更强的模型。

3.3 两种配置方式：环境变量 vs 配置文件

OpenClaw 支持两个渠道读 API 配置：环境变量和config.yaml。

方式一：环境变量（适合临时测试、Docker 注入）

export OPENCLAW_MODEL_PROVIDER=deepseek export OPENCLAW_MODEL_NAME=deepseek-chat export OPENCLAW_API_KEY=sk-你的真实密钥

方式二：配置文件（适合长期使用）

编辑~/.openclaw/config.yaml：

model: provider: deepseek name: deepseek-chat api_key: sk-你的真实密钥 base_url: https://api.deepseek.com/v1 temperature: 0.2 max_tokens: 4096

如果你用的是其他厂商，只需改provider、name、api_key、base_url四个字段。几乎所有兼容 OpenAI 格式的 API 填到base_url里都能直接跑。

配置完成后执行：

openclaw doctor

如果输出里有Model API: connected或者类似字样，说明连通成功。

3.4 配置完怎么验证

假设 DeepSeek 是接好的，直接让 OpenClaw 做一个最简单的任务：

openclaw run "用一句话介绍你自己"

如果它能用自然语言回答你，并且整个过程中没有报 401、403、timeout 之类的错误，说明 API 已经通了。到这一步，你已经打通了 OpenClaw 最核心的“大脑”。

4. Skill 配置：让 OpenClaw 从“会说话”变“会干活”

4.1 理解 Skill：它解决什么问题

光有“大脑”不够，OpenClaw 更像一个实习生，你给它一个宽泛任务，它能做，但效果好坏取决于它具备哪些“工具”。比如你让它“分析 Nginx 日志”，如果它没装日志分析 Skill，就只能手动敲 grep、awk，虽然也能做，但效率和规范化程度就差很多。

Skill 可以理解为一套预定义的“专业知识包”。每个 Skill 通常包含三样东西：Skill 说明文档（告诉模型什么时候用这个 Skill）、脚本或命令（实际执行动作）、参数定义（让模型知道如何调用）。装好 Skill 之后，OpenClaw 在拆解任务时就会主动匹配并调用合适的 Skill，效果立竿见影。

4.2 如何安装现成 Skill

OpenClaw 官方有一个 Skill 市场，直接在终端搜索安装：

openclaw skill search nginx openclaw skill install nginx-log-analyzer

如果你在 GitHub 上看到别人分享的 Skill，也可以直接通过仓库地址安装：

openclaw skill install gh:username/repo-name

如果 Skill 是在本地某个目录里，加载命令是：

openclaw skill add /path/to/skill-directory

查看当前已安装的 Skill：

openclaw skill list

我想特别提醒的是，安装 Skill 之前一定要看看它的脚本内容。Skill 本质上是一段可以在你服务器上执行的代码，有权限读写文件、调用网络。虽然 OpenClaw 社区整体氛围健康，但不排除恶意或粗制滥造的 Skill 存在。养成“装之前先读代码”的习惯，能替你省下很多麻烦。

4.3 动手写一个最简单的 Skill

为了让你彻底理解 Skill 机制，我带你写一个最简单的“问候 Skill”。这个 Skill 的作用是：当用户要求 OpenClaw 用英文或中文打招呼时，调用脚本快速反馈一条格式化消息。

第一步，创建 Skill 目录：

mkdir -p ~/.openclaw/skills/greeter/bin

第二步，在greeter目录下创建SKILL.md：

--- name: greeter description: 当需要问候用户时使用此技能，支持中文和英文。 args: name: type: string description: 用户名 required: true --- # Greeter Skill 输出一段问候语。 ## 使用场景 - 用户说“你好”“hello” - 用户要求自我介绍

第三步，在bin目录下放一个可执行脚本：

#!/bin/bash echo "你好，$1！我是 OpenClaw，很高兴见到你。"

给脚本加执行权限：

chmod +x ~/.openclaw/skills/greeter/bin/greet.sh

然后重新加载 Skill 并测试：

openclaw skill reload openclaw run "对张三打招呼"

如果一切正常，OpenClaw 就会输出“你好，张三！”。这看起来简单，但背后发生的事情很值得理解：模型收到你的请求，先检索所有 Skill 的SKILL.md，判断哪个 Skill 匹配当前任务，然后用参数去调用对应的脚本，最后把脚本输出作为回复的一部分返回给你。这就是“让模型动手”的最小完整闭环。

4.4 Skill 调试与踩坑经验

Skill 配置最常见的坑有三个。

第一个坑是SKILL.md文件名写错，或 YAML 头部格式不规范，导致 OpenClaw 识别不到 Skill。我建议你安装完一个 Skill 后，立刻openclaw skill list确认列表里出现它，再用一条简单任务试调用。

第二个坑是脚本没有执行权限。从 Windows 或其他平台拷贝脚本到 Linux 时，可执行位经常是空的，导致调用失败。解决办法是部署后统一执行chmod -R +x ~/.openclaw/skills/，一劳永逸。

第三个坑是参数解析问题。模型在调用 Skill 时生成的参数格式可能和你脚本预期的不一致。比如脚本期望接收一个name参数，但模型传了两个。解决办法是在SKILL.md里写更详细的args定义和“参数示例”，让模型有更明确的参考。这属于 Prompt Engineering 的范畴，调了几次之后你会有感觉。

5. 腾讯云实战部署：从命令行工具到常驻服务

5.1 域名与二级域名解析

如果你只想在自己电脑上偶尔用一下 OpenClaw，跳过这一节没关系。但如果你希望把它部署到腾讯云上当常驻服务，甚至对接后续要讲的 IM 机器人，绑定一个域名几乎是必须的。

在腾讯云控制台购买或已有域名后，进入“DNSPod 解析”页面，添加一条 A 记录，主机记录填claw，记录值填你服务器的公网 IP。这样你就有了一个二级域名claw.yourdomain.com。

我记得很多新手在这里会卡在“我已经添加解析但访问不了”，排查顺序是：

• 确认域名已完成 ICP 备案，腾讯云对未备案域名的 80/443 端口访问是拦截的。
• 确认服务器安全组已放行 80 和 443 端口。
• 确认本机防火墙 ufw 也放行了对应端口。

ufw allow 80/tcp ufw allow 443/tcp ufw reload

5.2 HTTPS 与反向代理

OpenClaw 的 Web 界面默认跑在一个本地端口上（比如 3000），不能直接对外网裸奔。我用的是 Caddy 做反向代理，它最大的好处是自动申请和续期 HTTPS 证书，配置极其简单。

安装 Caddy：

apt install -y caddy

编辑/etc/caddy/Caddyfile：

claw.yourdomain.com { reverse_proxy 127.0.0.1:3000 }

重载配置：

systemctl reload caddy

之后通过浏览器访问https://claw.yourdomain.com，就能用 HTTPS 加密访问 OpenClaw 的 Web 界面了。Caddy 会自动处理证书，不需要你手动折腾。

5.3 systemd 方式守护进程

如果你用命令行方式启动 OpenClaw，SSH 断开后进程可能会被杀掉，这是我早期部署时最痛苦的问题。正确的做法是把它注册成 systemd 服务，让它在后台常驻、开机自启、崩溃自动拉起。

创建服务文件/etc/systemd/system/openclaw.service：

[Unit] Description=OpenClaw Service After=network.target [Service] Type=simple User=root EnvironmentFile=/root/.openclaw/env ExecStart=/usr/local/bin/openclaw serve Restart=on-failure RestartSec=10 [Install] WantedBy=multi-user.target

然后启动并设置开机自启：

systemctl daemon-reload systemctl enable --now openclaw systemctl status openclaw

如果你不希望以 root 身份运行，可以单独创建一个openclaw系统用户，然后User=openclaw。这属于安全加固的一个加分项，生产环境建议做。

5.4 用 Docker 部署并推送到腾讯云容器镜像服务

用 Docker 部署的好处是环境隔离、可重复、升级方便。我把自己的部署流程完整列出来供你参考。

本地构建镜像：

docker build -t openclaw-custom:2.0 .

标记镜像并推送到腾讯云 TCR：

docker tag openclaw-custom:2.0 ccr.ccs.tencentyun.com/你的命名空间/openclaw-custom:2.0 docker login ccr.ccs.tencentyun.com --username 你的腾讯云账号ID docker push ccr.ccs.tencentyun.com/你的命名空间/openclaw-custom:2.0

之后服务器上拉取并运行：

docker pull ccr.ccs.tencentyun.com/你的命名空间/openclaw-custom:2.0 docker run -d \ --name openclaw \ --restart always \ -p 3000:3000 \ -v /root/.openclaw:/root/.openclaw \ -e OPENCLAW_API_KEY=sk-xxx \ ccr.ccs.tencentyun.com/你的命名空间/openclaw-custom:2.0

这里有个细节：把~/.openclaw挂载进容器，是为了让容器内的 OpenClaw 复用你宿主机上已经配置好的 Skill、审批文件和日志，不然容器一升级数据全丢。

腾讯云 TCR 的优势在于，服务器和镜像仓库都在腾讯云内网，拉取速度几乎可以跑满带宽，尤其镜像体积变大之后，对比从 Docker Hub 拉取，体验差别非常明显。

5.5 安全加固和权限控制

我个人强烈建议你至少做下面几件事：

1. 不要把 API Key 写死在配置文件里提交到 GitHub，用EnvironmentFile或容器环境变量注入。
2. 设置~/.openclaw/目录权限为700，防止其他用户读取你的密钥和对话记录：

chmod -R 700 ~/.openclaw

3. 修改 exec-approvals 策略。OpenClaw 在执行危险命令前会询问你，这个询问记录存在exec-approvals.json里。你可以预先批准某些安全的命令类别（如ls、cat、git status），但对rm、curl | bash这类命令保持手动确认。

4. 如果 OpenClaw 的 Web 界面暴露在公网，务必设置访问认证，不要裸奔。

6. 常见问题与排查技巧实录

6.1 安装类问题

Q1：Windows 安装后提示“无法将 openclaw 项识别为 cmdlet、函数、脚本文件或可运行程序的名称”

原因几乎都是 PATH 没有配置对。手动把 OpenClaw 的 bin 目录（一般是C:\Users\你的用户名\.openclaw\bin）加到系统环境变量，重开终端。

Q2：Linux 一键安装脚本执行后openclaw命令不存在

先确认安装有没有真正成功，如果脚本有报错，多半是 curl 下载被中断。国内服务器直连官方脚本偶尔会出现超时，这种情况我一般会去 GitHub Releases 页面手动下载对应架构的二进制文件，放到/usr/local/bin并chmod +x，反而更快。

Q3：Ubuntu 22.04 + CUDA 环境跑本地 Ollama 时安装 Skill 报错

这不是 OpenClaw 的问题，是 Ollama 或 CUDA 版本不匹配。先用ollama run qwen2.5:7b验证本地模型能不能跑，确认后再回到 OpenClaw 的config.yaml里把 provider 改成 ollama、base_url 改成http://127.0.0.1:11434即可。

6.2 API 与模型调用问题

Q1：提示 401 Unauthorized 或 403 Forbidden

API Key 写错了，或者服务商拒绝了这个 Key 的调用权限。检查config.yaml里有没有多余的空格，以及是否误用了换行符。

Q2：API 连通，但 OpenClaw 回复很慢或者总是超时

可能是你选的模型响应速度本身较慢，也可能网络链路有问题。用腾讯云服务器调用腾讯云混元或者阿里的模型延迟会很低，用境外服务则会明显变慢。建议在腾讯云上部署时优先选国内服务商。

Q3：提示“no model available”或者“model not found”

OpenClaw 找不到你指定的模型名。确认一下你写的模型名在服务商文档里确切存在，比如 DeepSeek 的deepseek-chat是官方名字，不要随手写deepseek-v3之类的旧名。

6.3 Skill 与权限问题

Q1：安装 Skill 后 OpenClaw 完全不使用它

先openclaw skill list确认 Skill 在列表里。如果在，再检查SKILL.md的描述写的是否清晰。模型是根据描述来匹配任务的，如果你的描述写成“处理文件”，模型在遇到“帮我统计目录大小”时可能不会联想到它。把描述写得贴近实际触发场景，能大幅提高命中率。

Q2：出现 “legacy exec approvals exist at /root/.openclaw/exec-approvals.json. run ... ” 的提示

这是老版本升级后，审批文件格式需要迁移。OpenClaw 给出了明确的提示命令，一般是openclaw migrate或者openclaw approvals migrate。执行一下就好。如果你升级后一直没做迁移，OpenClaw 会拒绝执行任何需要审批的命令，造成“半天没反应”的错觉。

Q3：脚本执行失败，但不确定是什么原因

把 OpenClaw 的日志打开：

openclaw --log-level debug

再看一下脚本本身是否有执行权限。我遇到过的教训里，90% 的 Skill“不工作”都是可执行位缺失或脚本依赖了不存在的外部命令。

6.4 部署与安全问题

Q1：修改 Redis 密码后，Redis 一直无法重启

这不是 OpenClaw 的问题，但在部署 Skill 时常会顺带踩到。最常见的原因是 Redis 配置文件里没有改对密码，或者 systemd 服务读取的是旧的配置缓存。修改/etc/redis/redis.conf里的requirepass后，执行systemctl daemon-reload再systemctl restart redis-server就能解决。

Q2：通过域名访问 Web 界面提示证书错误

如果是腾讯云 DNSPod 的免费证书，检查证书是否已经绑定正确域名。如果是 Caddy 自动管理证书，确认域名解析已经生效，且 80 和 443 端口都放行了。Caddy 申请证书要求 80 端口短暂可用，如果你只放行 443，它依然会失败。

Q3：重启服务器后 OpenClaw 没有自动启动

确认 systemd 服务是否设置了enable。如果已经 enable 还是没有，大概率是EnvironmentFile路径不存在，导致启动时加载环境变量失败。建议写一个openclaw.service里的ExecStartPre脚本，先创建目录和文件，保证依赖存在。

Q4：OpenClaw 和腾讯云的“WAF”报错

这里只提一句：如果你在域名前面挂了腾讯云 WAF，某些包含代码块的请求可能会被拦截，导致 OpenClaw 的 Web 交互异常。遇到这种情况，检查 WAF 的响应日志，把/api/路径加入白名单即可。不需要关闭整个 WAF。

最后说点实在的

OpenClaw 这个东西，越用越像在训练一个实习生。安装、接 API、装 Skill 只是最开始的三步，真正花时间的是你逐渐给它积累“岗位经验”——你会发现自己写的 Skill 越来越顺手，它对你服务器环境的理解越来越深，能帮你处理的杂活儿也越来越多。我个人整个流程走下来，最大的体会是：别追求一步到位。先装好、跑通一个最简单的任务，再去慢慢丰富 Skill 和模型配置，遇到问题就按日志追根因，少走很多弯路。

如果你在部署中碰到其他奇怪的报错，我建议先把openclaw doctor的结果和日志级别调高后的输出贴到社区提问，这类工具的问题大概率是环境差异导致的，带上日志才有人能帮你精准排查。