要部署 OpenClaw（一个开源的 AI 智能体网关框架），需要系统性地完成环境准备、核心安装、模型对接和通道配置。其核心价值在于作为统一网关，连接后端大模型（如本地 Ollama 或云端 API）与前端的用户交互通道（如飞书、QQ机器人），并通过 Skills 扩展智能体能力。

1. 核心环境准备

部署前，需确保系统满足以下基础要求：

组件	最低版本要求	作用说明
Node.js	≥ 22.0.0	OpenClaw 运行所必需的 JavaScript 运行时环境 。
Git	最新稳定版	用于克隆 OpenClaw 项目仓库。
包管理器	npm 或 yarn	通常随 Node.js 安装，用于安装项目依赖。
操作系统	Windows 10/11, Linux (Ubuntu 等)	支持主流操作系统，Linux 服务器部署更为常见。

安装 Node.js (以 Ubuntu 为例):

# 使用 NodeSource 仓库安装 Node.js 22.x
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt-get install -y nodejs

# 验证安装
node --version # 应输出 v22.x.x
npm --version

2. OpenClaw 核心安装与初始化

通过 Git 获取项目并安装依赖。

# 1. 克隆项目仓库
git clone https://github.com/openclaw-ai/openclaw.git
cd openclaw

# 2. 安装项目依赖（使用 npm 或 yarn）
npm install
# 或
yarn install

# 3. 初始化配置文件（首次运行会自动生成）
npm run start

首次运行 npm run start 后，程序会在项目根目录自动生成关键的 openclaw.json 配置文件，然后退出 。这是后续所有配置的核心。

3. 配置大模型后端 (Model Provider)

OpenClaw 本身不提供模型，需对接一个后端大模型服务。常见的有本地 Ollama 和云端 大模型 API 两种方式。

方案一：对接本地 Ollama (推荐用于隐私保护/离线测试)

步骤 1: 安装并启动 Ollama
访问 Ollama 官网 下载并安装。安装后，拉取并运行一个模型，例如 GLM-4.7：

# 拉取模型 (根据网络情况选择，glm-4.7 约 7B 参数)
ollama pull glm-4.7:cloud

# 启动模型服务，默认在 http://localhost:11434 提供 API
ollama run glm-4.7:cloud

步骤 2: 配置 OpenClaw 连接 Ollama
编辑 openclaw.json 文件中的 llm 配置节：

{
  "llm": {
    "provider": "ollama",
    "config": {
      "baseUrl": "http://localhost:11434",
      "apiKey": "ollama", // Ollama 默认无需 key，但此处需填写任意非空字符串
      "model": "glm-4.7:cloud" // 替换为你实际运行的模型名
    }
  }
}

• 关键点：Ollama 的 apiKey 字段不能为空，可随意填写如 "ollama" 。
• ARM 设备（如树莓派）注意：需下载 ARM 架构的 Ollama 二进制包进行替换 。

方案二：对接云端大模型 API (如 Kimi、DeepSeek)

如果你有云端模型的 API Key，可以跳过 Ollama 安装，直接配置。

{
  "llm": {
    "provider": "kimi", // 或 "deepseek", "openai" 等
    "config": {
      "baseUrl": "https://api.moonshot.cn/v1", // Kimi 的 API 地址
      "apiKey": "你的真实 API Key",
      "model": "moonshot-v1-8k"
    }
  }
}

4. 配置用户交互通道 (Channel)

配置通道，让用户可以通过特定应用（如飞书）与智能体交互。

以飞书机器人为例：

步骤 1: 创建飞书开放平台应用

1. 登录 飞书开放平台。
2. 创建企业自建应用，获取 App ID 和 App Secret 。

步骤 2: 配置应用权限与事件

• 权限配置：为应用添加 获取用户 userid、获取用户基础信息、接收消息、发送消息 等权限 。
• 事件订阅：
  • 添加 接收消息 事件。
  • 在“事件订阅”设置中，填写 请求网址 URL。此 URL 是 OpenClaw 服务对外的访问地址，格式为 https://你的公网IP或域名:3000/channel/feishu/callback 。
  • 生成并保存 Encrypt Key 和 Verification Token。

步骤 3: 配置 OpenClaw 的飞书通道
编辑 openclaw.json 中的 channels 配置节：

{
  "channels": [
    {
      "provider": "feishu",
      "config": {
        "appId": "你的飞书 App ID",
        "appSecret": "你的飞书 App Secret",
        "encryptKey": "你的飞书 Encrypt Key",
        "verificationToken": "你的飞书 Verification Token",
        "port": 3000 // OpenClaw 服务监听的端口
      }
    }
  ]
}

5. 启动与验证服务

完成配置后，启动 OpenClaw 服务。

# 在项目根目录执行
npm run start

服务启动后，控制台会输出监听地址（如 http://localhost:3000）。

验证步骤：

1. 服务健康检查：浏览器访问 http://localhost:3000，应能看到 OpenClaw 的 Web 管理面板 。
2. 飞书权限发布：在飞书开放平台将应用版本发布上线。
3. 功能测试：将机器人添加至飞书群聊或单聊，发送消息，查看是否收到智能体的回复。

6. 进阶配置与 Skills 扩展

• 修改模型上下文长度：如果使用 Ollama 并遇到上下文窗口过小的错误，需要在拉取模型前通过 Modelfile 自定义参数，例如将上下文扩展到 16000 tokens 。
• 启用 Skills：OpenClaw 支持通过 Skills 增强智能体能力（如联网搜索、天气查询）。在 openclaw.json 的 skills 数组中添加所需技能模块并配置相应 API Key 即可 。
• 生产环境部署：在云服务器（如阿里云 ECS）部署时，需注意安全组开放相应端口（如 3000），并考虑使用 pm2 等进程管理工具来保持服务稳定运行 。

常见问题排查

问题现象	可能原因	解决方案
启动时报错 模型上下文窗口过小	Ollama 默认模型上下文窗口较小。	使用 Modelfile 创建自定义模型，增加 num_ctx 参数 。
飞书机器人收不到回复	1. 飞书事件订阅 URL 错误或网络不通。 2. OpenClaw 配置的飞书参数错误。	1. 确保公网能访问你的 :3000 端口，并使用 ngrok 等工具调试内网穿透 。 2. 仔细核对 openclaw.json 中飞书配置的 appId, appSecret 等所有字段。
服务无法调用 Ollama	1. Ollama 服务未启动。 2. baseUrl 或 model 名称配置错误。	1. 执行 ollama list 确认模型运行，并检查 localhost:11434 是否可访问。 2. 确保 openclaw.json 中的 model 名称与 ollama run 使用的完全一致 。
树莓派等 ARM 设备运行失败	架构不兼容。	下载 ARM 版的 Ollama 可执行文件，替换系统中的原有文件 。

通过以上步骤，你可以在本地或服务器上成功部署一个功能完整的 OpenClaw AI 智能体网关，并将其接入飞书等办公协作平台，构建私有化的 AI 助手。

---

参考来源

• OpenClaw本地部署教程
• openclaw本地部署
• OpenClaw-Linux 部署教程
• linux部署OpenClaw
• 树莓派部署OpenClaw
• Openclaw简介以及几种部署方法