1. 项目概述为什么选择这个技术栈最近在折腾个人AI助手发现了一个挺有意思的开源项目叫openClaw。它本质上是一个能帮你处理各种任务的AI代理框架比如自动写代码、分析文档、管理日程甚至能调用外部工具。但直接部署它尤其是对于不常接触命令行和服务器运维的朋友来说门槛不低。网上教程要么太零散要么环境依赖搞得人头大。我花了点时间摸索出了一套相对清爽、可复现的部署方案在Ubuntu系统上借助1Panel这个现代化的服务器管理面板来部署openClaw。这个组合的吸引力在于它把“硬核”的服务器操作和“前沿”的AI应用用可视化的方式给串联了起来。Ubuntu提供了稳定且资源友好的Linux基础1Panel则像给你的服务器装上了“图形化桌面”和“应用商店”让安装Docker、管理容器、配置网络这些事变得点几下鼠标就能完成最后openClaw作为我们最终要跑起来的AI大脑。这套方案特别适合那些想拥有一个24小时在线、完全受自己控制的个人AI助手但又不想在环境配置上耗费过多精力的开发者、技术爱好者或者小微团队。你不需要是运维专家跟着步骤走就能在属于自己的“数字领地”里搭建一个功能强大的AI伙伴。2. 核心组件深度解析与选型理由在动手之前我们得先搞清楚我们要用的这几个“零件”到底是什么以及为什么是它们而不是别的选择。理解了这个后面踩坑的概率会小很多。2.1 Ubuntu Server稳定高效的基石为什么是Ubuntu而不是CentOS、Debian或者Windows Server首先生态与社区支持。Ubuntu特别是LTS长期支持版本在开发者社区和云服务商中的占有率是现象级的。这意味着你遇到的几乎任何问题都能在Stack Overflow、官方论坛或者各种博客里找到现成的解决方案。对于部署开源项目尤其是像openClaw这样可能依赖最新运行时环境的项目Ubuntu的软件源更新更及时能减少很多手动编译依赖的麻烦。其次资源消耗与稳定性。我们部署的是个人应用很可能跑在虚拟机或者低配的云服务器上。Ubuntu Server版本没有图形界面系统开销极小能把宝贵的CPU和内存资源留给我们的AI应用。它的APT包管理工具成熟稳定系统更新和软件安装的体验非常顺畅。实操心得我强烈推荐使用Ubuntu 22.04 LTS作为基础系统。LTS版本提供5年的标准支持避免了频繁升级系统带来的兼容性风险。而且绝大多数Docker镜像和开源项目都会优先适配这个版本能帮你避开不少“玄学”问题。2.2 1Panel让服务器管理“可视化”1Panel是一个现代化的开源Linux服务器运维管理面板。你可以把它理解为一个通过网页访问的“服务器控制中心”。它的核心价值在于将复杂的命令行操作封装成了直观的图形界面和一站式解决方案。对比传统的纯命令行运维或者其他的面板如宝塔1Panel有几点特别吸引我容器优先1Panel天生对Docker和容器化应用友好。它的“应用商店”里大量应用都是以Docker镜像的形式提供一键部署。这对于部署openClaw这种复杂应用至关重要因为它能帮我们处理好所有环境依赖。清爽与安全界面设计比较现代功能聚焦在网站、数据库、应用、容器等核心运维场景没有过多杂乱的商业推广。在安全方面它提供了防火墙管理、SSL证书自动续签、操作日志审计等实用功能对新手更友好。降低心智负担不需要记住复杂的Docker命令参数。通过1Panel你可以直观地看到容器的运行状态、日志、资源占用并进行重启、停止、配置修改等操作极大提升了管理效率。选择1Panel就是为了给后续部署openClaw铺平道路让我们能更专注于AI应用本身的功能而不是纠缠于“容器怎么挂载目录”、“网络端口怎么映射”这些底层细节。2.3 openClaw你的可扩展AI代理框架openClaw是什么简单说它是一个开源的大语言模型LLM应用框架。但它不止步于一个聊天界面它的目标是成为一个能“动手做事”的AI代理Agent。它的核心能力包括多模型支持可以后端接入 OpenAI API、Claude API或者本地部署的 Ollama运行 Llama、Qwen等开源模型、vLLM等推理引擎。这意味着你可以根据需求灵活选择想用强大的GPT-4也行想用本地免费的Llama 3.1也行。工具调用Function Calling这是Agent的核心。openClaw可以定义各种工具函数AI模型在理解你的意图后能自动调用这些工具去执行具体任务比如执行一段Python代码、查询数据库、发送邮件、操作文件等。可扩展性你可以基于它的框架很容易地开发自己的专属工具让它去处理你特定领域的工作流比如自动分析日志、生成周报、监控服务器状态等。部署openClaw就等于获得了一个高度可定制的AI助手底座。它不像一些封闭的SaaS产品你的所有对话、数据、工具逻辑都完全掌握在自己手中。3. 基础环境准备从零搭建Ubuntu与1Panel万事开头难但只要基础打牢了后面就是一马平川。这一部分我会详细拆解从安装Ubuntu到配置好1Panel的每一个步骤。3.1 Ubuntu Server 22.04 LTS 安装指南假设你是在一台全新的云服务器如腾讯云、阿里云的轻量应用服务器或本地虚拟机上操作。获取系统镜像前往Ubuntu官网下载Ubuntu 22.04 LTS Server版本的ISO镜像文件。注意选择amd64架构即x86_64这是目前最通用的架构。制作启动盘与安装使用RufusWindows或BalenaEtcher跨平台将ISO镜像写入U盘制作成启动盘。在目标服务器上从U盘启动进入安装界面。关键安装配置语言选择EnglishUnited States。这能避免后续一些终端和软件的语言编码问题。网络连接确保连接网络安装程序会自动获取更新。存储配置对于新手选择“Use an entire disk”并设置LVM逻辑卷管理是最简单的方案。它会自动处理好分区。用户设置设置你的服务器名称hostname创建一个非root的用户例如ubuntu或yourname并设置一个强密码。务必勾选“Install OpenSSH server”这样安装完成后就可以通过SSH远程连接了。选择软件包在软件选择界面只选择“Ubuntu server”基础系统即可不要勾选任何其他组件如Docker我们后面用更优的方式安装。保持系统纯净。完成安装等待安装结束重启服务器拔掉U盘。3.2 初始系统优化与安全加固安装完系统先别急着装面板做几个简单的优化和安全设置能让服务器更健壮。# 1. 更新系统软件包列表并升级所有已安装的包 sudo apt update sudo apt upgrade -y # 2. 设置时区以亚洲上海为例 sudo timedatectl set-timezone Asia/Shanghai # 3. 修改SSH配置增强安全性 sudo nano /etc/ssh/sshd_config在打开的配置文件中找到并修改或确保以下行Port 22222 # 将默认的22端口改为一个高位端口减少被扫描攻击 PermitRootLogin no # 禁止root用户直接SSH登录 PasswordAuthentication no # 禁用密码登录强制使用密钥先确保你的SSH公钥已加入~/.ssh/authorized_keys修改后保存退出并重启SSH服务sudo systemctl restart sshd重要提示在禁用密码登录前必须先将你的本地SSH公钥上传到服务器的~/.ssh/authorized_keys文件中。否则你将永远无法登录可以使用ssh-copy-id命令完成。# 4. 配置防火墙如果使用云服务器还需在云控制台安全组开放相应端口 sudo ufw allow 22222/tcp # 允许我们自定义的SSH端口 sudo ufw allow 80,443/tcp # 为后续1Panel的Web访问和HTTPS做准备 sudo ufw --force enable # 启用防火墙 sudo ufw status verbose # 查看规则状态3.3 1Panel的安装与初始化配置1Panel提供了极其简便的安装脚本。# 使用官方一键安装脚本 curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh sudo bash quick_start.sh脚本运行后它会自动完成依赖安装、Docker环境部署以及1Panel自身的容器化部署。整个过程大约需要2-5分钟取决于你的网络速度。安装成功后脚本会输出至关重要的访问信息类似于[INFO] 安装完成 [INFO] 访问地址: http://你的服务器IP:随机端口号 [INFO] 用户名称: admin [INFO] 初始密码: xxxxxxxx请务必立即记录下这些信息首次登录与安全设置用浏览器打开输出的访问地址如http://123.123.123.123:12345。使用初始用户名admin和密码登录。登录后第一件事在系统设置中立即修改默认密码为一个强密码。第二件事在“面板设置”中将访问端口从随机端口改为一个你容易记住的端口比如10080。同时强烈建议在“安全”设置中配置IP白名单只允许你自己的办公或家庭IP地址访问管理面板这是最重要的安全措施之一。配置1Panel基础环境存储管理在“主机”-“存储”中确认你的磁盘挂载正常。可以为Docker和1Panel应用单独创建目录例如/data/docker和/data/apps方便管理。网络管理1Panel会自动创建一个1panel-network的Docker网络。大部分情况下使用默认即可。后续部署openClaw时如果需要容器间通信这个网络会很方便。至此一个带有现代化管理面板的Ubuntu服务器就准备就绪了。接下来我们就可以在这个“舞台”上请出主角openClaw。4. 部署openClaw核心步骤与细节剖析这是整个项目的核心环节。我们将利用1Panel的“应用商店”功能来部署openClaw这比手动编写docker-compose.yml文件要直观得多。4.1 通过1Panel应用商店部署openClaw1Panel的“应用商店”里可能没有直接的openClaw模板但我们可以使用其“自定义应用”功能这本质上是一个可视化的Docker Compose编辑器。创建新应用在1Panel侧边栏进入“应用商店”点击右上角的“创建应用”。选择部署方式选择“自定义应用”。给应用起个名字比如my-openclaw。选择好你希望存储数据的目录例如之前创建的/data/apps/openclaw。配置Docker Compose这是最关键的一步。我们需要在编辑框中填入openClaw的部署配置。以下是一个最基础的、用于测试的配置模板version: 3.8 services: openclaw: image: ghcr.io/openclawai/openclaw:latest # 使用官方镜像 container_name: openclaw restart: unless-stopped # 总是重启除非手动停止 ports: - 3000:3000 # 将容器内的3000端口映射到主机的3000端口 environment: - OPENAI_API_KEYsk-xxx # 如果你使用OpenAI API在此填入你的密钥 - OPENAI_API_BASEhttps://api.openai.com/v1 # OpenAI API地址若用第三方代理需修改 # - OLLAMA_API_BASEhttp://host.docker.internal:11434 # 如果使用本地Ollama取消注释并修改 volumes: - ./data:/app/data # 挂载数据目录持久化配置和对话历史 # networks: # - 1panel-network # 如果需要接入1panel网络取消注释参数详解image: 指定要拉取的Docker镜像。这里用的是官方镜像。ports:3000:3000意味着你通过浏览器访问http://你的服务器IP:3000就能打开openClaw的Web界面。environment: 设置环境变量。OPENAI_API_KEY是使用云端GPT模型所必需的。如果你打算完全使用本地模型如通过Ollama则需要注释掉OpenAI相关配置并配置OLLAMA_API_BASE。host.docker.internal是一个特殊的域名让容器能访问宿主机上的服务。volumes: 将容器内的/app/data目录映射到宿主机的./data目录相对于Compose文件的位置。这样即使容器删除你的配置和聊天记录也不会丢失。部署与启动填写完配置后点击“确认”。1Panel会开始拉取镜像并创建容器。你可以在“容器”页面看到名为openclaw的容器状态变为“运行中”。4.2 关键配置连接AI模型后端部署成功只是第一步让openClaw“能思考”才是关键。这需要通过Web界面进行配置。访问Web界面打开浏览器访问http://你的服务器IP:3000。你应该能看到openClaw的初始化或登录界面根据版本不同初始可能无需密码或需要设置。配置模型进入设置或模型管理页面。这里你需要添加“模型供应商”。使用OpenAI/Claude等云端API选择供应商类型如OpenAI填入你的API Key和Base URL如果是官方API保持默认即可。然后就可以在模型列表中选择gpt-4o,gpt-3.5-turbo等。使用本地Ollama这是更私有化、零成本的选择。首先你需要在Ubuntu服务器上安装Ollamacurl -fsSL https://ollama.com/install.sh | sh并拉取一个模型如ollama run llama3.1:8b。然后在openClaw中添加供应商类型选择“自定义”或“OpenAI兼容”API Base URL填写http://host.docker.internal:11434/v1因为openClaw在容器内需要通过这个特殊地址访问宿主机的OllamaAPI Key可以留空或随意填写。模型名填写你在Ollama中拉取的模型名如llama3.1:8b。实操心得在配置Ollama时我强烈建议先在宿主机上测试Ollama是否正常运行curl http://localhost:11434/api/generate -d {model: llama3.1:8b, prompt:Hello}。确保宿主机能通再在openClaw容器中配置。如果遇到连接问题可以尝试在Docker Compose配置中为openClaw服务添加extra_hosts: - host.docker.internal:host-gateway来增强网络连通性。配置工具可选但重要openClaw的强大之处在于工具。在工具配置页面你可以启用或编写工具。例如可以启用“Python代码执行器”这样AI就能在安全的沙箱中运行代码并返回结果。你也可以根据官方文档编写调用外部API或执行系统命令的自定义工具。4.3 配置反向代理与HTTPS提升体验与安全直接通过IP:端口访问既不安全也不方便。我们可以用1Panel内置的Nginx来配置反向代理和免费的SSL证书。创建网站在1Panel侧边栏进入“网站”点击“创建网站”。填写基础信息域名填写你解析到服务器IP的域名例如ai.yourdomain.com。如果没有域名这一步可以跳过但强烈建议使用域名。根目录可以任意指定一个如/data/www/ai因为我们是反向代理不真正使用这里的文件。配置反向代理在网站创建成功后的设置页面找到“反向代理”选项。添加一个代理设置如下代理名称openclaw目标URLhttp://127.0.0.1:3000即openClaw容器映射出来的服务申请SSL证书在网站设置中找到“SSL”选项。1Panel集成了Let‘s Encrypt你可以选择“一键申请”免费证书。输入你的邮箱选择域名它就会自动完成验证、申请和部署。申请成功后记得开启“强制HTTPS”。修改openClaw配置如有必要如果openClaw Web界面有资源加载问题可能需要在反向代理配置中添加一些请求头例如# 在反向代理的“高级配置”或“自定义配置”中添加 proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme;完成以上步骤后你就可以通过https://ai.yourdomain.com安全、优雅地访问你的个人AI助手了。5. 进阶配置与功能探索基础部署完成你的AI助手已经能聊天了。但要让它真正成为得力助手还需要一些进阶配置。5.1 集成本地知识库与文件处理openClaw支持上传文件如PDF、Word、TXT并进行内容读取和分析。这功能默认可能就存在。但如果你想让它基于你自己的文档库进行更精准的问答就需要考虑知识库RAG集成。目前openClaw可能通过插件或配置支持连接向量数据库如ChromaDB, Qdrant。你可以在1Panel中同样以“自定义应用”的方式部署一个ChromaDB容器。在openClaw的配置或插件设置中填入ChromaDB的连接地址注意容器网络如果都在1panel-network下可以用服务名如chromadb:8000访问。通过openClaw的界面或API将你的文档切片、向量化并存入ChromaDB。在提问时AI会先检索相关知识库片段再结合这些信息生成回答准确度会大幅提升。这个过程涉及更多细节但思路是清晰的利用1Panel管理多个协同工作的容器openClaw 向量数据库构建一个私有化的智能知识库系统。5.2 性能监控与日志管理服务器跑起来了怎么知道它状态好不好1Panel监控1Panel自带“监控”功能可以直观查看服务器的CPU、内存、磁盘、网络流量等实时状态和历史图表。这是第一道健康检查防线。容器日志在1Panel的“容器”页面点击openClaw容器可以直接查看其标准输出日志。这对于排查启动失败、运行时错误至关重要。应用自身日志openClaw应用内部也会产生日志。我们之前通过Volumes挂载了/app/data目录可以SSH到服务器上进入挂载点如/data/apps/openclaw/data查看具体的日志文件。5.3 备份与更新策略数据无价定期备份是必须的。数据备份我们最重要的数据有两部分一是openClaw容器挂载卷里的数据/data/apps/openclaw/data里面可能有配置和对话历史二是可能存在的向量数据库数据。可以在1Panel的“计划任务”中创建定时任务使用tar或rsync命令将这些目录打包压缩并传输到另一个存储位置如另一台服务器、对象存储等。1Panel也提供面板本身数据的备份功能。应用更新openClaw项目在持续迭代。更新通常很简单在1Panel的“容器”页面找到openClaw容器点击“停止”。然后点击“更新”它会重新拉取:latest标签的镜像或在自定义应用配置中修改镜像版本号。重新启动容器即可。由于数据通过Volume持久化你的配置和记录不会丢失。注意事项更新前务必确认新版本是否有不兼容的配置变更。最好先查阅项目的Release Notes。对于生产环境建议先在测试环境进行更新验证。6. 常见问题与故障排查实录在实际部署和运行中你几乎一定会遇到一些问题。这里把我踩过的坑和解决方案汇总一下希望能帮你快速排雷。6.1 部署阶段常见问题问题现象可能原因排查与解决思路1Panel安装脚本执行失败报网络错误服务器DNS解析问题或网络不通1.ping resource.fit2cloud.com测试连通性。2. 检查/etc/resolv.conf确保DNS服务器正确如8.8.8.8。3. 云服务器检查安全组是否放行了出方向流量。创建openClaw应用后容器状态一直是“创建中”或“异常”Docker镜像拉取失败端口冲突Compose配置语法错误1. 在1Panel“容器”页面查看该容器的日志错误信息最直接。2. 检查端口是否被占用sudo netstat -tlnp | grep :3000。3. 检查Compose YAML格式特别是缩进必须是空格不能是Tab。访问http://IP:3000无法连接防火墙/安全组未放行端口容器未成功启动1. 确认Ubuntu防火墙(ufw)和云服务器安全组已放行3000端口。2. 在1Panel“容器”页面确认openClaw容器是“运行中”状态。3. 查看容器日志确认应用是否在3000端口正常监听。6.2 运行阶段常见问题问题现象可能原因排查与解决思路openClaw Web界面能打开但模型列表为空或测试连接失败模型供应商配置错误网络连通性问题针对本地Ollama1.检查API Key和Base URL确保OpenAI API Key有效或Ollama的Base URL正确。2.测试网络如果使用Ollama在openClaw容器内执行命令测试docker exec openclaw curl -v http://host.docker.internal:11434/api/tags。如果失败检查Ollama服务状态并确认Docker网络配置尝试使用network_mode: host或自定义网络。3.查看openClaw后台日志在挂载的Volume日志文件中寻找更详细的错误信息。AI回答速度非常慢本地模型硬件资源不足网络延迟高使用云端API时1.本地模型检查服务器CPU/内存/GPU使用率通过1Panel监控。Llama 7B/8B模型在仅CPU情况下推理确实较慢考虑升级硬件或使用量化版本如llama3.1:8b-instruct-q4_K_M。2.云端API检查网络延迟或尝试更换API供应商的接入点。工具调用失败如Python执行器报错工具依赖未安装执行环境权限问题1. 检查openClaw容器内是否安装了工具所需的运行时如Python。可能需要自定义Dockerfile构建镜像或在启动命令中安装。2. 检查工具配置的沙箱或执行路径是否有写入权限。反向代理配置后Web界面样式错乱或API请求404反向代理配置不完整丢失了必要的请求头或路径1. 在1Panel网站的反向代理设置中确保勾选了“替换主机名”或按前面所述手动添加了proxy_set_header相关配置。2. 检查openClaw的Web应用是否需要特定的根路径BASE_URL配置。6.3 一个典型疑难杂症Ollama连接问题这是部署本地模型时最高频的问题。如果容器内无法通过http://host.docker.internal:11434访问宿主机的Ollama可以尝试以下终极方案方案A使用Host网络模式最简单粗暴修改openClaw的Docker Compose配置将网络模式改为与宿主机共享services: openclaw: image: ghcr.io/openclawai/openclaw:latest container_name: openclaw restart: unless-stopped network_mode: host # 关键修改使用主机网络 # 注意使用host模式后ports映射失效容器直接使用主机端口。访问地址变为 http://主机IP:3000 environment: - OLLAMA_API_BASEhttp://localhost:11434 # 这里也改为localhost volumes: - ./data:/app/data缺点容器网络不再隔离安全性降低且端口可能冲突。方案B使用自定义Docker网络在1Panel“容器”页面查看Ollama容器的具体网络配置。或者在创建Ollama容器时如果你也用Docker运行它指定一个自定义网络例如my-ai-network。修改openClaw的Compose配置加入同一网络services: openclaw: image: ghcr.io/openclawai/openclaw:latest container_name: openclaw restart: unless-stopped ports: - 3000:3000 environment: - OLLAMA_API_BASEhttp://ollama:11434 # 使用Ollama容器的服务名 volumes: - ./data:/app/data networks: - my-ai-network # 加入同一网络 networks: my-ai-network: external: true # 声明使用外部已存在的网络然后在1Panel中编辑openClaw应用更新配置。这种方式更规范是容器间通信的推荐做法。折腾的过程就是学习的过程。这套基于Ubuntu 1Panel openClaw的方案最大的优势就是把部署、管理、运维的复杂度降到了最低让你能快速搭起一个可用的AI助手并把精力集中在如何用好它上面。无论是用来辅助编程、总结文档还是作为探索AI Agent的起点它都是一个非常不错的私有化选择。 
长河君 · 2026/8/26 6:03:28 · 阅读 1.2k 基于Ubuntu与1Panel部署私有化AI助手openClaw：零门槛搭建个人智能代理
1. 项目概述为什么选择这个技术栈最近在折腾个人AI助手发现了一个挺有意思的开源项目叫openClaw。它本质上是一个能帮你处理各种任务的AI代理框架比如自动写代码、分析文档、管理日程甚至能调用外部工具。但直接部署它尤其是对于不常接触命令行和服务器运维的朋友来说门槛不低。网上教程要么太零散要么环境依赖搞得人头大。我花了点时间摸索出了一套相对清爽、可复现的部署方案在Ubuntu系统上借助1Panel这个现代化的服务器管理面板来部署openClaw。这个组合的吸引力在于它把“硬核”的服务器操作和“前沿”的AI应用用可视化的方式给串联了起来。Ubuntu提供了稳定且资源友好的Linux基础1Panel则像给你的服务器装上了“图形化桌面”和“应用商店”让安装Docker、管理容器、配置网络这些事变得点几下鼠标就能完成最后openClaw作为我们最终要跑起来的AI大脑。这套方案特别适合那些想拥有一个24小时在线、完全受自己控制的个人AI助手但又不想在环境配置上耗费过多精力的开发者、技术爱好者或者小微团队。你不需要是运维专家跟着步骤走就能在属于自己的“数字领地”里搭建一个功能强大的AI伙伴。2. 核心组件深度解析与选型理由在动手之前我们得先搞清楚我们要用的这几个“零件”到底是什么以及为什么是它们而不是别的选择。理解了这个后面踩坑的概率会小很多。2.1 Ubuntu Server稳定高效的基石为什么是Ubuntu而不是CentOS、Debian或者Windows Server首先生态与社区支持。Ubuntu特别是LTS长期支持版本在开发者社区和云服务商中的占有率是现象级的。这意味着你遇到的几乎任何问题都能在Stack Overflow、官方论坛或者各种博客里找到现成的解决方案。对于部署开源项目尤其是像openClaw这样可能依赖最新运行时环境的项目Ubuntu的软件源更新更及时能减少很多手动编译依赖的麻烦。其次资源消耗与稳定性。我们部署的是个人应用很可能跑在虚拟机或者低配的云服务器上。Ubuntu Server版本没有图形界面系统开销极小能把宝贵的CPU和内存资源留给我们的AI应用。它的APT包管理工具成熟稳定系统更新和软件安装的体验非常顺畅。实操心得我强烈推荐使用Ubuntu 22.04 LTS作为基础系统。LTS版本提供5年的标准支持避免了频繁升级系统带来的兼容性风险。而且绝大多数Docker镜像和开源项目都会优先适配这个版本能帮你避开不少“玄学”问题。2.2 1Panel让服务器管理“可视化”1Panel是一个现代化的开源Linux服务器运维管理面板。你可以把它理解为一个通过网页访问的“服务器控制中心”。它的核心价值在于将复杂的命令行操作封装成了直观的图形界面和一站式解决方案。对比传统的纯命令行运维或者其他的面板如宝塔1Panel有几点特别吸引我容器优先1Panel天生对Docker和容器化应用友好。它的“应用商店”里大量应用都是以Docker镜像的形式提供一键部署。这对于部署openClaw这种复杂应用至关重要因为它能帮我们处理好所有环境依赖。清爽与安全界面设计比较现代功能聚焦在网站、数据库、应用、容器等核心运维场景没有过多杂乱的商业推广。在安全方面它提供了防火墙管理、SSL证书自动续签、操作日志审计等实用功能对新手更友好。降低心智负担不需要记住复杂的Docker命令参数。通过1Panel你可以直观地看到容器的运行状态、日志、资源占用并进行重启、停止、配置修改等操作极大提升了管理效率。选择1Panel就是为了给后续部署openClaw铺平道路让我们能更专注于AI应用本身的功能而不是纠缠于“容器怎么挂载目录”、“网络端口怎么映射”这些底层细节。2.3 openClaw你的可扩展AI代理框架openClaw是什么简单说它是一个开源的大语言模型LLM应用框架。但它不止步于一个聊天界面它的目标是成为一个能“动手做事”的AI代理Agent。它的核心能力包括多模型支持可以后端接入 OpenAI API、Claude API或者本地部署的 Ollama运行 Llama、Qwen等开源模型、vLLM等推理引擎。这意味着你可以根据需求灵活选择想用强大的GPT-4也行想用本地免费的Llama 3.1也行。工具调用Function Calling这是Agent的核心。openClaw可以定义各种工具函数AI模型在理解你的意图后能自动调用这些工具去执行具体任务比如执行一段Python代码、查询数据库、发送邮件、操作文件等。可扩展性你可以基于它的框架很容易地开发自己的专属工具让它去处理你特定领域的工作流比如自动分析日志、生成周报、监控服务器状态等。部署openClaw就等于获得了一个高度可定制的AI助手底座。它不像一些封闭的SaaS产品你的所有对话、数据、工具逻辑都完全掌握在自己手中。3. 基础环境准备从零搭建Ubuntu与1Panel万事开头难但只要基础打牢了后面就是一马平川。这一部分我会详细拆解从安装Ubuntu到配置好1Panel的每一个步骤。3.1 Ubuntu Server 22.04 LTS 安装指南假设你是在一台全新的云服务器如腾讯云、阿里云的轻量应用服务器或本地虚拟机上操作。获取系统镜像前往Ubuntu官网下载Ubuntu 22.04 LTS Server版本的ISO镜像文件。注意选择amd64架构即x86_64这是目前最通用的架构。制作启动盘与安装使用RufusWindows或BalenaEtcher跨平台将ISO镜像写入U盘制作成启动盘。在目标服务器上从U盘启动进入安装界面。关键安装配置语言选择EnglishUnited States。这能避免后续一些终端和软件的语言编码问题。网络连接确保连接网络安装程序会自动获取更新。存储配置对于新手选择“Use an entire disk”并设置LVM逻辑卷管理是最简单的方案。它会自动处理好分区。用户设置设置你的服务器名称hostname创建一个非root的用户例如ubuntu或yourname并设置一个强密码。务必勾选“Install OpenSSH server”这样安装完成后就可以通过SSH远程连接了。选择软件包在软件选择界面只选择“Ubuntu server”基础系统即可不要勾选任何其他组件如Docker我们后面用更优的方式安装。保持系统纯净。完成安装等待安装结束重启服务器拔掉U盘。3.2 初始系统优化与安全加固安装完系统先别急着装面板做几个简单的优化和安全设置能让服务器更健壮。# 1. 更新系统软件包列表并升级所有已安装的包 sudo apt update sudo apt upgrade -y # 2. 设置时区以亚洲上海为例 sudo timedatectl set-timezone Asia/Shanghai # 3. 修改SSH配置增强安全性 sudo nano /etc/ssh/sshd_config在打开的配置文件中找到并修改或确保以下行Port 22222 # 将默认的22端口改为一个高位端口减少被扫描攻击 PermitRootLogin no # 禁止root用户直接SSH登录 PasswordAuthentication no # 禁用密码登录强制使用密钥先确保你的SSH公钥已加入~/.ssh/authorized_keys修改后保存退出并重启SSH服务sudo systemctl restart sshd重要提示在禁用密码登录前必须先将你的本地SSH公钥上传到服务器的~/.ssh/authorized_keys文件中。否则你将永远无法登录可以使用ssh-copy-id命令完成。# 4. 配置防火墙如果使用云服务器还需在云控制台安全组开放相应端口 sudo ufw allow 22222/tcp # 允许我们自定义的SSH端口 sudo ufw allow 80,443/tcp # 为后续1Panel的Web访问和HTTPS做准备 sudo ufw --force enable # 启用防火墙 sudo ufw status verbose # 查看规则状态3.3 1Panel的安装与初始化配置1Panel提供了极其简便的安装脚本。# 使用官方一键安装脚本 curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh sudo bash quick_start.sh脚本运行后它会自动完成依赖安装、Docker环境部署以及1Panel自身的容器化部署。整个过程大约需要2-5分钟取决于你的网络速度。安装成功后脚本会输出至关重要的访问信息类似于[INFO] 安装完成 [INFO] 访问地址: http://你的服务器IP:随机端口号 [INFO] 用户名称: admin [INFO] 初始密码: xxxxxxxx请务必立即记录下这些信息首次登录与安全设置用浏览器打开输出的访问地址如http://123.123.123.123:12345。使用初始用户名admin和密码登录。登录后第一件事在系统设置中立即修改默认密码为一个强密码。第二件事在“面板设置”中将访问端口从随机端口改为一个你容易记住的端口比如10080。同时强烈建议在“安全”设置中配置IP白名单只允许你自己的办公或家庭IP地址访问管理面板这是最重要的安全措施之一。配置1Panel基础环境存储管理在“主机”-“存储”中确认你的磁盘挂载正常。可以为Docker和1Panel应用单独创建目录例如/data/docker和/data/apps方便管理。网络管理1Panel会自动创建一个1panel-network的Docker网络。大部分情况下使用默认即可。后续部署openClaw时如果需要容器间通信这个网络会很方便。至此一个带有现代化管理面板的Ubuntu服务器就准备就绪了。接下来我们就可以在这个“舞台”上请出主角openClaw。4. 部署openClaw核心步骤与细节剖析这是整个项目的核心环节。我们将利用1Panel的“应用商店”功能来部署openClaw这比手动编写docker-compose.yml文件要直观得多。4.1 通过1Panel应用商店部署openClaw1Panel的“应用商店”里可能没有直接的openClaw模板但我们可以使用其“自定义应用”功能这本质上是一个可视化的Docker Compose编辑器。创建新应用在1Panel侧边栏进入“应用商店”点击右上角的“创建应用”。选择部署方式选择“自定义应用”。给应用起个名字比如my-openclaw。选择好你希望存储数据的目录例如之前创建的/data/apps/openclaw。配置Docker Compose这是最关键的一步。我们需要在编辑框中填入openClaw的部署配置。以下是一个最基础的、用于测试的配置模板version: 3.8 services: openclaw: image: ghcr.io/openclawai/openclaw:latest # 使用官方镜像 container_name: openclaw restart: unless-stopped # 总是重启除非手动停止 ports: - 3000:3000 # 将容器内的3000端口映射到主机的3000端口 environment: - OPENAI_API_KEYsk-xxx # 如果你使用OpenAI API在此填入你的密钥 - OPENAI_API_BASEhttps://api.openai.com/v1 # OpenAI API地址若用第三方代理需修改 # - OLLAMA_API_BASEhttp://host.docker.internal:11434 # 如果使用本地Ollama取消注释并修改 volumes: - ./data:/app/data # 挂载数据目录持久化配置和对话历史 # networks: # - 1panel-network # 如果需要接入1panel网络取消注释参数详解image: 指定要拉取的Docker镜像。这里用的是官方镜像。ports:3000:3000意味着你通过浏览器访问http://你的服务器IP:3000就能打开openClaw的Web界面。environment: 设置环境变量。OPENAI_API_KEY是使用云端GPT模型所必需的。如果你打算完全使用本地模型如通过Ollama则需要注释掉OpenAI相关配置并配置OLLAMA_API_BASE。host.docker.internal是一个特殊的域名让容器能访问宿主机上的服务。volumes: 将容器内的/app/data目录映射到宿主机的./data目录相对于Compose文件的位置。这样即使容器删除你的配置和聊天记录也不会丢失。部署与启动填写完配置后点击“确认”。1Panel会开始拉取镜像并创建容器。你可以在“容器”页面看到名为openclaw的容器状态变为“运行中”。4.2 关键配置连接AI模型后端部署成功只是第一步让openClaw“能思考”才是关键。这需要通过Web界面进行配置。访问Web界面打开浏览器访问http://你的服务器IP:3000。你应该能看到openClaw的初始化或登录界面根据版本不同初始可能无需密码或需要设置。配置模型进入设置或模型管理页面。这里你需要添加“模型供应商”。使用OpenAI/Claude等云端API选择供应商类型如OpenAI填入你的API Key和Base URL如果是官方API保持默认即可。然后就可以在模型列表中选择gpt-4o,gpt-3.5-turbo等。使用本地Ollama这是更私有化、零成本的选择。首先你需要在Ubuntu服务器上安装Ollamacurl -fsSL https://ollama.com/install.sh | sh并拉取一个模型如ollama run llama3.1:8b。然后在openClaw中添加供应商类型选择“自定义”或“OpenAI兼容”API Base URL填写http://host.docker.internal:11434/v1因为openClaw在容器内需要通过这个特殊地址访问宿主机的OllamaAPI Key可以留空或随意填写。模型名填写你在Ollama中拉取的模型名如llama3.1:8b。实操心得在配置Ollama时我强烈建议先在宿主机上测试Ollama是否正常运行curl http://localhost:11434/api/generate -d {model: llama3.1:8b, prompt:Hello}。确保宿主机能通再在openClaw容器中配置。如果遇到连接问题可以尝试在Docker Compose配置中为openClaw服务添加extra_hosts: - host.docker.internal:host-gateway来增强网络连通性。配置工具可选但重要openClaw的强大之处在于工具。在工具配置页面你可以启用或编写工具。例如可以启用“Python代码执行器”这样AI就能在安全的沙箱中运行代码并返回结果。你也可以根据官方文档编写调用外部API或执行系统命令的自定义工具。4.3 配置反向代理与HTTPS提升体验与安全直接通过IP:端口访问既不安全也不方便。我们可以用1Panel内置的Nginx来配置反向代理和免费的SSL证书。创建网站在1Panel侧边栏进入“网站”点击“创建网站”。填写基础信息域名填写你解析到服务器IP的域名例如ai.yourdomain.com。如果没有域名这一步可以跳过但强烈建议使用域名。根目录可以任意指定一个如/data/www/ai因为我们是反向代理不真正使用这里的文件。配置反向代理在网站创建成功后的设置页面找到“反向代理”选项。添加一个代理设置如下代理名称openclaw目标URLhttp://127.0.0.1:3000即openClaw容器映射出来的服务申请SSL证书在网站设置中找到“SSL”选项。1Panel集成了Let‘s Encrypt你可以选择“一键申请”免费证书。输入你的邮箱选择域名它就会自动完成验证、申请和部署。申请成功后记得开启“强制HTTPS”。修改openClaw配置如有必要如果openClaw Web界面有资源加载问题可能需要在反向代理配置中添加一些请求头例如# 在反向代理的“高级配置”或“自定义配置”中添加 proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme;完成以上步骤后你就可以通过https://ai.yourdomain.com安全、优雅地访问你的个人AI助手了。5. 进阶配置与功能探索基础部署完成你的AI助手已经能聊天了。但要让它真正成为得力助手还需要一些进阶配置。5.1 集成本地知识库与文件处理openClaw支持上传文件如PDF、Word、TXT并进行内容读取和分析。这功能默认可能就存在。但如果你想让它基于你自己的文档库进行更精准的问答就需要考虑知识库RAG集成。目前openClaw可能通过插件或配置支持连接向量数据库如ChromaDB, Qdrant。你可以在1Panel中同样以“自定义应用”的方式部署一个ChromaDB容器。在openClaw的配置或插件设置中填入ChromaDB的连接地址注意容器网络如果都在1panel-network下可以用服务名如chromadb:8000访问。通过openClaw的界面或API将你的文档切片、向量化并存入ChromaDB。在提问时AI会先检索相关知识库片段再结合这些信息生成回答准确度会大幅提升。这个过程涉及更多细节但思路是清晰的利用1Panel管理多个协同工作的容器openClaw 向量数据库构建一个私有化的智能知识库系统。5.2 性能监控与日志管理服务器跑起来了怎么知道它状态好不好1Panel监控1Panel自带“监控”功能可以直观查看服务器的CPU、内存、磁盘、网络流量等实时状态和历史图表。这是第一道健康检查防线。容器日志在1Panel的“容器”页面点击openClaw容器可以直接查看其标准输出日志。这对于排查启动失败、运行时错误至关重要。应用自身日志openClaw应用内部也会产生日志。我们之前通过Volumes挂载了/app/data目录可以SSH到服务器上进入挂载点如/data/apps/openclaw/data查看具体的日志文件。5.3 备份与更新策略数据无价定期备份是必须的。数据备份我们最重要的数据有两部分一是openClaw容器挂载卷里的数据/data/apps/openclaw/data里面可能有配置和对话历史二是可能存在的向量数据库数据。可以在1Panel的“计划任务”中创建定时任务使用tar或rsync命令将这些目录打包压缩并传输到另一个存储位置如另一台服务器、对象存储等。1Panel也提供面板本身数据的备份功能。应用更新openClaw项目在持续迭代。更新通常很简单在1Panel的“容器”页面找到openClaw容器点击“停止”。然后点击“更新”它会重新拉取:latest标签的镜像或在自定义应用配置中修改镜像版本号。重新启动容器即可。由于数据通过Volume持久化你的配置和记录不会丢失。注意事项更新前务必确认新版本是否有不兼容的配置变更。最好先查阅项目的Release Notes。对于生产环境建议先在测试环境进行更新验证。6. 常见问题与故障排查实录在实际部署和运行中你几乎一定会遇到一些问题。这里把我踩过的坑和解决方案汇总一下希望能帮你快速排雷。6.1 部署阶段常见问题问题现象可能原因排查与解决思路1Panel安装脚本执行失败报网络错误服务器DNS解析问题或网络不通1.ping resource.fit2cloud.com测试连通性。2. 检查/etc/resolv.conf确保DNS服务器正确如8.8.8.8。3. 云服务器检查安全组是否放行了出方向流量。创建openClaw应用后容器状态一直是“创建中”或“异常”Docker镜像拉取失败端口冲突Compose配置语法错误1. 在1Panel“容器”页面查看该容器的日志错误信息最直接。2. 检查端口是否被占用sudo netstat -tlnp | grep :3000。3. 检查Compose YAML格式特别是缩进必须是空格不能是Tab。访问http://IP:3000无法连接防火墙/安全组未放行端口容器未成功启动1. 确认Ubuntu防火墙(ufw)和云服务器安全组已放行3000端口。2. 在1Panel“容器”页面确认openClaw容器是“运行中”状态。3. 查看容器日志确认应用是否在3000端口正常监听。6.2 运行阶段常见问题问题现象可能原因排查与解决思路openClaw Web界面能打开但模型列表为空或测试连接失败模型供应商配置错误网络连通性问题针对本地Ollama1.检查API Key和Base URL确保OpenAI API Key有效或Ollama的Base URL正确。2.测试网络如果使用Ollama在openClaw容器内执行命令测试docker exec openclaw curl -v http://host.docker.internal:11434/api/tags。如果失败检查Ollama服务状态并确认Docker网络配置尝试使用network_mode: host或自定义网络。3.查看openClaw后台日志在挂载的Volume日志文件中寻找更详细的错误信息。AI回答速度非常慢本地模型硬件资源不足网络延迟高使用云端API时1.本地模型检查服务器CPU/内存/GPU使用率通过1Panel监控。Llama 7B/8B模型在仅CPU情况下推理确实较慢考虑升级硬件或使用量化版本如llama3.1:8b-instruct-q4_K_M。2.云端API检查网络延迟或尝试更换API供应商的接入点。工具调用失败如Python执行器报错工具依赖未安装执行环境权限问题1. 检查openClaw容器内是否安装了工具所需的运行时如Python。可能需要自定义Dockerfile构建镜像或在启动命令中安装。2. 检查工具配置的沙箱或执行路径是否有写入权限。反向代理配置后Web界面样式错乱或API请求404反向代理配置不完整丢失了必要的请求头或路径1. 在1Panel网站的反向代理设置中确保勾选了“替换主机名”或按前面所述手动添加了proxy_set_header相关配置。2. 检查openClaw的Web应用是否需要特定的根路径BASE_URL配置。6.3 一个典型疑难杂症Ollama连接问题这是部署本地模型时最高频的问题。如果容器内无法通过http://host.docker.internal:11434访问宿主机的Ollama可以尝试以下终极方案方案A使用Host网络模式最简单粗暴修改openClaw的Docker Compose配置将网络模式改为与宿主机共享services: openclaw: image: ghcr.io/openclawai/openclaw:latest container_name: openclaw restart: unless-stopped network_mode: host # 关键修改使用主机网络 # 注意使用host模式后ports映射失效容器直接使用主机端口。访问地址变为 http://主机IP:3000 environment: - OLLAMA_API_BASEhttp://localhost:11434 # 这里也改为localhost volumes: - ./data:/app/data缺点容器网络不再隔离安全性降低且端口可能冲突。方案B使用自定义Docker网络在1Panel“容器”页面查看Ollama容器的具体网络配置。或者在创建Ollama容器时如果你也用Docker运行它指定一个自定义网络例如my-ai-network。修改openClaw的Compose配置加入同一网络services: openclaw: image: ghcr.io/openclawai/openclaw:latest container_name: openclaw restart: unless-stopped ports: - 3000:3000 environment: - OLLAMA_API_BASEhttp://ollama:11434 # 使用Ollama容器的服务名 volumes: - ./data:/app/data networks: - my-ai-network # 加入同一网络 networks: my-ai-network: external: true # 声明使用外部已存在的网络然后在1Panel中编辑openClaw应用更新配置。这种方式更规范是容器间通信的推荐做法。折腾的过程就是学习的过程。这套基于Ubuntu 1Panel openClaw的方案最大的优势就是把部署、管理、运维的复杂度降到了最低让你能快速搭起一个可用的AI助手并把精力集中在如何用好它上面。无论是用来辅助编程、总结文档还是作为探索AI Agent的起点它都是一个非常不错的私有化选择。