进阶实战：CLIProxyAPI Plus + OpenClaw 零配置结合，打造你的专属 24/7 AI 超级助手（保姆级 + 原理级教程）

星辰引路-Lefan

1339人浏览 · 2026-03-19 19:17:19

星辰引路-Lefan · 2026-03-19 19:17:19 发布

相关链接（仍在活跃）：CLIProxyAPI Plus、OpenClaw

昨天我们已经用 Docker 一键部署了 CLIProxyAPI Plus（简称 CPA），生成了专属 API 密钥，并通过 http://你的IP:9999/v1 实现了 OpenAI 兼容端点。今天我们继续进阶：把这个代理完美对接 OpenClaw（开源个人 AI 助手，前身 Clawdbot），让 OpenClaw 通过你的 CPA 代理调用多账号 OpenAI 模型，实现 WhatsApp/Telegram/Slack 等消息渠道的自动任务执行、代码编写、邮件处理、日历管理等全自动化能力。

为什么必须结合？

CPA 负责账号集中管理、额度自动切换、国内直连。
OpenClaw 负责“行动层”：它不是聊天机器人，而是真正的 Agent，能调用工具、读写文件、操作浏览器、集成 50+ App。
两者结合 = 一个本地运行的 Claude/GPT 级超级助手，完全掌控在你手里，无限额度、无 API 限流。
网上很多教程直接改官方 config 导致重启后失效。今天我们依然遵循“冒号法则”和“只改左边”原则，保证你换硬盘、换端口、换机器也能一次成功！

💡 核心原理：OpenClaw 的“OpenAI 兼容层”揭秘

OpenClaw 支持任意 OpenAI-compatible endpoint（包括你的 CPA）。核心配置只有两个环境变量：

OPENAI_BASE_URL：指向你的 CPA 地址（必须以 /v1 结尾）。
OPENAI_API_KEY：你在 CPA 管理面板里生成的密钥（sk- 开头）。

优先级顺序（技术深度）：

~/.openclaw/.env（全局最推荐）
当前目录 .env
运行时环境变量

OpenClaw 内部会自动把这两个变量注入默认的 openai provider。如果你想用 CPA 里的自定义模型（如 gpt-5.2-codex），可以额外定义 models.providers（后面会教）。

端口/路径法则（和 CPA 完全一致）：

左边（宿主机）：随便改
右边（容器内）：绝对不能动

准备好了吗？我们继续用 Docker 部署，保证和小白昨天的操作一模一样流畅！

🛠️ 第一部分：准备工作（假设 CPA 已运行）

确保你的 CPA 容器正在运行：

docker ps | grep cli-proxy-api-plus

看到 9999:8317 且状态 Up 即可。

在浏览器打开 http://localhost:9999/management.html（或服务器 IP），登录后确认：

已上传 OpenAI JSON 密钥文件
已生成 API 密钥（复制下来，后面要用）

🪟 第二部分：Windows 本地部署 OpenClaw（推荐新手）

1.创建专属目录（可随意改路径）
以管理员 PowerShell 执行：

# 这里的 D:\AI-Proxy 你可以改成任何你想放的路径！
New-Item -ItemType Directory -Force -Path D:\AI-Proxy\auths
New-Item -ItemType Directory -Force -Path D:\AI-Proxy\logs
cd D:\AI-Proxy

2.一键拉取官方 Docker 配置（最稳方式）

# 方法1：git 克隆（推荐）
git clone https://github.com/openclaw/openclaw.git .

# 方法2：如果 git 不方便，可直接下载最新 release zip 并解压到当前目录
# https://github.com/openclaw/openclaw/releases/latest

3.生成并修改 .env（最关键一步！）

Set-Content -Path .env -Value @"
# === CPA 代理核心配置（只改下面两行）===
OPENAI_BASE_URL=http://localhost:9999/v1
OPENAI_API_KEY=sk-你的CPA生成密钥在这里

# 可选：OpenClaw 网关令牌（onboard 会自动生成）
OPENCLAW_GATEWAY_TOKEN=your-super-secret-token

# 其他默认保持不动
OPENCLAW_PORT=18789
"@

注意：

OPENAI_BASE_URL 左边的端口/IP 随便改（对应 CPA 的左侧端口）。

如果你在云服务器上跑 CPA，改成 http://你的服务器公网IP:9999/v1。

OPENAI_API_KEY 必须是 CPA 管理面板里“配置面板 → 认证配置 → 生成”的密钥。

4.启动 OpenClaw（Docker 一键）

docker compose up -d

第一次会自动运行 onboarding（向导），浏览器会打开 http://localhost:18789。

5.完成 onboarding（5 分钟）

选择语言 → 设置网关令牌（复制 .env 里的）
连接消息渠道（推荐先连 Telegram 或 WhatsApp）
模型自动识别为你的 CPA 代理（会显示自定义模型列表）

🐧 第三部分：Linux 云服务器部署（生产推荐）

# 创建目录
mkdir -p ~/openclaw && cd ~/openclaw

# 克隆并启动
git clone https://github.com/openclaw/openclaw.git .
cat > .env << 'EOF'
OPENAI_BASE_URL=http://127.0.0.1:9999/v1
OPENAI_API_KEY=sk-你的CPA密钥
OPENCLAW_GATEWAY_TOKEN=your-super-secret-token
OPENCLAW_PORT=18789
EOF

# 一键启动（官方脚本最稳）
./docker-setup.sh

云服务器别忘了安全组放行 18789 端口（OpenClaw 网关）和 CPA 的 9999 端口。

🎯 第四部分：高级配置（让 OpenClaw 识别 CPA 自定义模型）

默认情况下，通过 .env 设置的 OPENAI_BASE_URL 和 OPENAI_API_KEY 已经足够让 OpenClaw 使用你的 CPA 代理，并自动拉取 /v1/models 接口中 CPA 暴露的所有模型。

但是，如果你希望做到以下目标，就需要进行更精细的模型配置：

指定默认使用的模型（而不是让 OpenClaw 随机选第一个）
为特定模型设置更合适的上下文窗口、最大输出 token 等参数
为不同场景准备多个 provider（例如：一个走快速模型，一个走长上下文模型）
给模型起一个更友好的别名（如 codex-fast、deep-reason）
明确告诉 OpenClaw 使用哪种 API 格式（responses 或 completions）

4.1 配置文件位置说明

OpenClaw 目前（2026 年主流版本）主要读取以下位置的模型配置（优先级从高到低）：

./config/models.yaml（项目根目录下，手动创建最高优先）
./agents/defaults.yaml（部分版本放在这里）
Web 管理界面 →「设置」→「模型提供者」→ 手动添加（会持久化到 volume 里）

推荐做法：在 OpenClaw 项目根目录（和 .env 同级）新建或编辑 config/models.yaml

4.2 完整推荐配置示例（带详细注释）

在 OpenClaw 根目录创建或编辑文件：

# Windows PowerShell
New-Item -ItemType File -Force -Path config/models.yaml

# Linux / macOS
touch config/models.yaml

然后填入以下内容（根据实际情况修改模型名称、端口、密钥）：

# config/models.yaml
# ────────────────────────────────────────────────
# 这是 OpenClaw 可识别的模型提供者配置文件
# 所有字段均为小写 snake_case，注意不要写成 camelCase
# ────────────────────────────────────────────────

models:
  providers:
    # 给这个 provider 起的内部代号，随意但建议有意义
    cpa-main:
      # 必须和 .env 里的 OPENAI_BASE_URL 保持一致（或覆盖它）
      base_url: "http://host.docker.internal:9999/v1"   # ← Windows/macOS Docker Desktop 用这个
      # base_url: "http://127.0.0.1:9999/v1"            # ← Linux 同机用这个
      # base_url: "http://192.168.1.100:31234/v1"       # ← 不同机器用实际内网IP:端口

      # 必须使用你在 CPA 管理面板生成的密钥
      api_key: "sk-cpa-202603xxxxxxxxxxxxxxxxxxxxxxxxxxxx"

      # CPA 目前最常用的是 openai 的 responses 格式（新版兼容性更好）
      # 如果你的 CPA 配置里显示使用 completions 风格，可改为 openai-completions
      api_format: "openai-responses"

      # 这里列出你希望 OpenClaw 认识的模型（可以只列部分）
      models:
        - id: "gpt-5.2-codex"           # ← 必须和 CPA /v1/models 返回的 id 完全一致
          name: "Codex 超级编程模型"     # 显示名称，可自定义
          context_window: 131072         # 建议填写真实值，避免截断
          max_output_tokens: 32768
          description: "擅长复杂代码生成、长文档理解、函数式编程"

        - id: "gpt-4o-mini-fast"
          name: "快速对话模型"
          context_window: 128000
          max_output_tokens: 16384
          description: "日常问答、快速响应首选"

  # 默认使用的模型组合（最重要！）
  defaults:
    # 格式：provider代号/模型id
    primary: "cpa-main/gpt-5.2-codex"      # 开箱默认用这个模型
    fallback: "cpa-main/gpt-4o-mini-fast"  # 出问题时自动降级
    fast: "cpa-main/gpt-4o-mini-fast"      # 某些轻量任务强制走快速模型

保存文件后，重启 OpenClaw 容器使配置生效：

docker compose restart
# 或完整重启
# docker compose down && docker compose up -d

4.3 验证自定义模型是否生效

方法一： 在浏览器打开 OpenClaw Web 界面（默认http://localhost:18789）
→ 左侧菜单「设置」→「模型」
应该能看到你刚刚定义的模型名称和描述，而不是一堆原始 id。
方法二： 直接测试指令

请用 gpt-5.2-codex 模型帮我写一个 300 行带类型注解的 FastAPI 项目模板

如果成功调用，说明配置正确。

第五部分：常用运维与调试命令速查

# 查看 OpenClaw 主容器日志（最常用）
docker logs -f openclaw-gateway

# 查看所有容器状态
docker compose ps

# 进入容器内部查看文件（高级）
docker compose exec openclaw-gateway bash

# 强制重新拉取镜像（当上游更新时）
docker compose pull && docker compose up -d

# 完全清理重来（谨慎，会丢失部分持久化数据）
docker compose down -v && docker compose up -d