企业官网建设流程全解析

1. 项目概述：为什么选择这个方案？

最近几年，AI 助手从云端走向本地和私有化部署的趋势越来越明显。无论是出于数据隐私的考虑，还是为了获得更低的调用成本和更快的响应速度，很多开发者和技术爱好者都开始尝试自己搭建专属的 AI 助手。OpenClaw 作为一个开源的、功能强大的 AI 助手框架，支持接入多种大语言模型，并能通过技能（Skill）扩展实现自动化任务，成为了一个非常热门的选择。

然而，在个人电脑上 7x24 小时运行这样一个服务，不仅耗电，还可能影响电脑的其他用途。这时候，一台稳定、低成本且独立的服务器就显得尤为重要。腾讯云推出的轻量应用服务器，特别是那款年付仅 99 元的配置，就完美地击中了这个痛点。它提供了一个纯净的 Linux 环境、公网 IP 和稳定的网络，相当于我们拥有了一个全年无休、随时在线的“AI 大脑”主机。

这个方案的核心价值在于“性价比”和“可控性”。用极低的成本，获得一个专属的、可高度定制的 AI 助手服务。无论是用来处理日常的文本工作、作为编程辅助，还是通过技能实现自动化（比如定时汇报、信息聚合），它都能成为一个得力的数字伙伴。接下来，我将详细拆解从零开始，在这台 99 元的服务器上部署和配置 OpenClaw 的全过程，包括你可能遇到的所有坑和我的解决经验。

2. 前期准备：服务器选购与基础环境配置

2.1 腾讯云轻量服务器选购与初始化

首先，你需要在腾讯云官网找到“轻量应用服务器”产品页面。通常促销活动中的 99 元/年套餐，配置是 1核 CPU、2GB 内存、40GB SSD 云硬盘和 300GB 月流量包。对于运行 OpenClaw 和一个小型语言模型（如 7B 参数的模型）来说，这个配置是入门的最低门槛，可以流畅运行基础功能。

购买时，镜像选择是关键。我强烈推荐选择Ubuntu 22.04 LTS。LTS 代表长期支持，系统更稳定，社区支持和完善的教程也最多，能避免很多兼容性问题。在购买页面的“应用镜像”里，直接选择“系统镜像”中的 Ubuntu 22.04 即可，不要选那些预装了宝塔、WordPress 的应用镜像，我们需要一个干净的系统。

服务器创建成功后，第一件事不是急着登录，而是去控制台的防火墙（安全组）设置。默认可能只开放了 22（SSH）、80（HTTP）、443（HTTPS）端口。OpenClaw 的 Web 管理界面默认运行在 10080 端口，我们需要手动添加一条规则：协议 TCP，端口范围 10080，来源 0.0.0.0/0（允许所有 IP 访问，生产环境建议限制为你的 IP）。同时，如果你计划使用其他技能或服务，可能还需要开放诸如 8000、7860 等端口，可以后续按需添加。

注意：首次登录后，立即使用sudo apt update && sudo apt upgrade -y命令更新系统软件包，这是一个好习惯，可以修复已知的安全漏洞。

2.2 系统基础环境与依赖安装

通过 SSH 连接到你的服务器后（Windows 用户可使用 PowerShell 或 PuTTY，Mac/Linux 用户直接用终端），我们就开始搭建基础环境。OpenClaw 的部署方式多样，但为了隔离性和便于管理，使用 Docker 是最推荐的方式。

1. 安装 Docker 与 Docker ComposeDocker 能保证环境一致性，避免“在我机器上好好的”这种问题。执行以下命令安装 Docker：

# 卸载旧版本（如果有） sudo apt-get remove docker docker-engine docker.io containerd runc # 安装依赖包 sudo apt-get update sudo apt-get install -y ca-certificates curl gnupg lsb-release # 添加 Docker 官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置稳定版仓库 echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 安装 Docker Engine sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 验证安装 sudo docker run hello-world

安装成功后，运行hello-world镜像如果能看到欢迎信息，说明 Docker 安装正确。为了避免每次运行 docker 命令都要加sudo，可以将当前用户加入 docker 组：sudo usermod -aG docker $USER。操作完成后，需要完全退出 SSH 会话再重新登录，这个权限变更才会生效。

2. 安装 Python 与 Pip（部分技能可能依赖）虽然 Docker 化了，但有些宿主机级别的工具管理还是需要 Python。Ubuntu 22.04 默认安装了 Python3，我们确保 pip 已安装并更新至最新：

sudo apt install -y python3-pip pip3 install --upgrade pip

3. 准备项目目录与配置文件为 OpenClaw 创建一个独立的工作目录，所有相关文件都放在这里，便于管理。

mkdir -p ~/openclaw cd ~/openclaw

在这个目录下，我们将存放 Docker 配置、环境变量文件以及后续可能用到的数据卷映射目录。

3. OpenClaw 核心部署与配置详解

3.1 通过 Docker Compose 一键部署 OpenClaw

OpenClaw 官方提供了 Docker 镜像，使用 Docker Compose 来定义和运行多容器应用是最清晰的方式。在~/openclaw目录下，创建一个docker-compose.yml文件：

version: '3.8' services: openclaw: image: ghcr.io/openclaw-ai/openclaw:latest container_name: openclaw restart: unless-stopped ports: - "10080:10080" # 将容器内的10080端口映射到宿主机的10080端口 volumes: - ./data:/app/data # 持久化存储数据，如配置、对话历史 - ./logs:/app/logs # 持久化存储日志 environment: - TZ=Asia/Shanghai # 设置容器时区 - OPENCLAW_HOST=0.0.0.0 # 监听所有网络接口 - OPENCLAW_PORT=10080 # 如果服务器内存较小，可以限制容器资源使用 # deploy: # resources: # limits: # memory: 1.5G # cpus: '1.0'

这个配置做了几件事：拉取最新版镜像，设置容器自动重启，映射端口，将数据和日志目录挂载到宿主机防止丢失，并设置了一些基础环境变量。

保存文件后，在同一个目录下运行启动命令：

docker-compose up -d

-d参数代表后台运行。首次执行会从 GitHub 容器仓库拉取镜像，可能需要一些时间。拉取完成后，容器会自动启动。你可以使用docker-compose logs -f来实时查看启动日志，确认没有报错。

3.2 初始访问与基础配置

当看到日志显示服务已在 10080 端口启动后，就可以通过浏览器访问了。访问地址是：http://你的服务器公网IP:10080。

首次访问，通常会进入一个初始化设置页面。你可能需要设置管理员账号、密码，并配置初始的大模型连接。这里有一个常见的“坑”：如果你的服务器位于国内，直接连接 OpenAI 或 Anthropic 的官方 API 可能会因网络问题失败。OpenClaw 支持配置反向代理或使用国内可访问的 API 中转服务。

在初始化配置的“模型提供商”部分，如果你有可用的 OpenAI API Key，可以在 Base URL 处填写一个国内可访问的反代地址（如果有的话），并填入你的 API Key。如果暂时没有，也可以先跳过，OpenClaw 内置了一些基础的示例技能和对话能力，完成初始化后我们再来详细配置模型。

完成初始化，登录进入 OpenClaw 的主控制台。界面通常分为技能库、对话窗、工作流、模型配置等几个主要部分。我们先进入“模型设置”或类似的菜单。

3.3 配置核心：接入你的大语言模型

OpenClaw 的强大之处在于它能对接多种后端模型。对于个人使用，性价比最高的方案是部署本地模型。这里我推荐使用Ollama来在服务器本地运行开源模型。

1. 在服务器上部署 OllamaOllama 是一个简化本地大模型运行的工具。我们在宿主机上安装它，而不是放在 Docker 里，这样模型文件管理更方便，且可以被多个服务调用。

# 一键安装脚本 curl -fsSL https://ollama.com/install.sh | sh # 安装完成后，启动ollama服务 ollama serve & # 注意：这样启动会在前台运行，建议配置为系统服务，下文会讲。

2. 拉取并运行一个轻量级模型2GB 内存的服务器，运行 7B 参数的量化模型是可行的。例如，Llama 3 的 8B 指令微调版，或者 Qwen 的 7B 版本。以 Llama 3 8B 的 4-bit 量化版为例：

ollama pull llama3.1:8b-instruct-q4_K_M # 拉取完成后，运行这个模型 ollama run llama3.1:8b-instruct-q4_K_M

首次run会进行一些初始化，你可以在交互式命令行里测试一下模型是否正常响应。测试成功后，按Ctrl+C退出交互模式，模型服务会在后台继续运行（默认在 11434 端口）。

3. 将 Ollama 模型配置到 OpenClawOllama 提供了兼容 OpenAI API 的接口。在 OpenClaw 的模型配置页面，添加一个新的模型：

• 模型类型：选择 “OpenAI Compatible” 或 “Custom”。
• 模型名称：自定义，如 “Local-Llama3-8B”。
• API 地址：填写http://host.docker.internal:11434/v1。这里有个关键点：如果 OpenClaw 运行在 Docker 容器内，要访问宿主机的服务，不能直接用127.0.0.1或localhost，因为那指向的是容器内部。host.docker.internal这个特殊域名可以解析到宿主机的内部 IP。如果这个域名不生效（在某些 Linux 环境下），你需要先使用docker network inspect bridge命令查看 Docker 网桥的网关 IP（通常是 172.17.0.1），然后将 API 地址改为http://172.17.0.1:11434/v1。
• API Key：Ollama 默认不需要 API Key，留空即可。
• 模型名称：填写你在 Ollama 中拉取的实际模型名，如llama3.1:8b-instruct-q4_K_M。

保存后，在 OpenClaw 的对话界面选择这个新配置的本地模型，就可以开始对话了。响应速度取决于服务器 CPU 性能和模型大小，第一次生成可能会慢一些，后续会有缓存加速。

实操心得：对于 2GB 内存的轻量服务器，运行 7B/8B 的 Q4_K_M 量化模型是极限。在模型生成文本时，使用htop命令观察，内存使用会接近占满。建议在docker-compose.yml中为 OpenClaw 容器设置内存限制（如 1.5G），为 Ollama 和系统本身留出一点余量，避免因内存不足（OOM）导致容器被系统杀死。

4. 进阶配置：持久化、优化与技能拓展

4.1 配置系统服务与持久化

为了让 Ollama 和 OpenClaw 在服务器重启后能自动运行，我们需要将它们配置为系统服务。

1. 配置 Ollama 为系统服务Ollama 安装脚本通常会尝试创建服务。如果没有，可以手动创建。创建文件/etc/systemd/system/ollama.service：

[Unit] Description=Ollama Service After=network-online.target [Service] Type=simple User=root ExecStart=/usr/local/bin/ollama serve Restart=always RestartSec=3 Environment="OLLAMA_HOST=0.0.0.0" # 如果需要被外部访问（如同局域网的其它服务），可修改此项 Environment="OLLAMA_MODELS=/root/.ollama/models" # 模型存储路径 [Install] WantedBy=multi-user.target

然后启用并启动服务：

sudo systemctl daemon-reload sudo systemctl enable ollama sudo systemctl start ollama sudo systemctl status ollama # 查看状态

2. 确保 Docker Compose 服务自启Docker Compose 本身可以通过restart: unless-stopped策略实现自启，但 Docker 服务必须在系统启动时运行。Docker 安装后默认已配置为自启。我们只需确保项目目录的docker-compose.yml在正确位置。更规范的做法是使用systemd来管理 Compose 项目，但对于个人小项目，上面的配置已足够可靠。

3. 数据备份我们之前通过volumes映射了./data和./logs目录。定期备份~/openclaw整个目录即可。可以使用cron定时任务配合tar或rsync将目录压缩并传输到其他存储位置。

4.2 性能优化与监控

轻量服务器资源紧张，优化很有必要。

1. Ollama 模型参数调整运行 Ollama 时，可以指定并行处理数和上下文长度来平衡性能。编辑~/.ollama/config.json（如果不存在则创建）：

{ "num_parallel": 1, // 并行数，CPU核心少就设为1 "num_ctx": 2048 // 上下文长度，降低可减少内存占用 }

修改后重启 Ollama 服务：sudo systemctl restart ollama。

2. 使用 Swap 空间（虚拟内存）当物理内存不足时，Swap 可以防止进程崩溃。为 2GB 内存的服务器添加 2GB 的 Swap 是合理的。

# 创建Swap文件 sudo fallocate -l 2G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile # 永久生效，编辑 /etc/fstab，末尾添加一行 echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab # 查看Swap状态 swapon --show

注意：Swap 使用硬盘空间，速度远慢于内存，这只是应急方案，不能替代物理内存。

3. 基础监控安装htop可以直观查看 CPU、内存、Swap 使用情况：sudo apt install htop，然后运行htop。关注 OpenClaw 和 Ollama 进程的资源消耗。

4.3 技能（Skill）探索与配置

OpenClaw 的 Skill 是其自动化能力的灵魂。它允许 AI 助手调用外部工具或 API。

1. 内置技能OpenClaw 通常自带一些基础技能，如：

• 网页搜索：需要配置 Serper 或 SerpAPI 的 Key。
• 天气预报：需要配置和风天气等服务的 Key。
• 计算器、时间等基础工具。

你可以在技能商店或设置页面查看并启用它们，按照提示填入必要的 API 密钥即可。

2. 自定义技能进阶对于开发者，可以编写自定义技能。这通常需要一些 Python 编程知识。技能本质是一个 HTTP 服务，接收 OpenClaw 的请求，执行特定操作（如调用某个内部系统 API、处理数据等），并返回结果。 OpenClaw 的文档会提供技能开发 SDK 和示例。基本流程是：

• 在 OpenClaw 后台注册技能，填写技能名称、描述和 endpoint URL。
• 在你的服务器上（或另一个容器内）用 Python Flask/FastAPI 编写一个服务，监听特定端口。
• 实现技能逻辑，并确保其接口符合 OpenClaw 的技能调用规范。
• 将你的技能服务地址（如http://你的技能服务IP:端口）配置到 OpenClaw 中。

例如，你可以写一个技能，让 AI 助手在接到指令时，去查询你服务器上的某个日志文件，或者触发一个备份脚本。

5. 安全加固、故障排查与日常维护

5.1 基础安全设置

服务器暴露在公网，安全是重中之重。

1. 修改 SSH 端口并禁用密码登录编辑 SSH 配置文件：sudo nano /etc/ssh/sshd_config

• 找到#Port 22，取消注释并将 22 改为一个 1024-65535 之间的随机端口，如Port 23456。
• 找到PasswordAuthentication yes，改为PasswordAuthentication no。这步的前提是你已经将 SSH 公钥上传到服务器，否则会被锁在外面！
• 找到PermitRootLogin，建议设置为PermitRootLogin prohibit-password或no。

修改后重启 SSH 服务：sudo systemctl restart sshd。务必在重启前，用新的端口和密钥方式测试连接是否成功，保持当前连接窗口不要关闭，新开一个终端窗口测试。

2. 配置防火墙（UFW）Ubuntu 自带 UFW 防火墙，简化 iptables 操作。

sudo ufw allow 23456/tcp # 允许新的SSH端口 sudo ufw allow 10080/tcp # 允许OpenClaw Web端口 sudo ufw allow 11434/tcp # 如果Ollama需要被外部访问（通常不需要） sudo ufw enable # 启用防火墙，默认拒绝所有入站 sudo ufw status verbose # 查看规则

3. 为 OpenClaw 配置反向代理与 HTTPS（可选但推荐）直接通过 IP:10080 访问不够安全，也显得不专业。你可以使用 Nginx 或 Caddy 作为反向代理，并利用 Let‘s Encrypt 申请免费 SSL 证书，实现 HTTPS 加密访问。 以 Nginx 为例，安装后创建一个站点配置文件（如/etc/nginx/sites-available/openclaw）：

server { listen 80; server_name your-domain.com; # 替换为你的域名 location / { proxy_pass http://127.0.0.1:10080; 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; } }

然后启用站点并配置 SSL。如果你没有域名，这一步可以跳过，但务必确保 OpenClaw 的访问密码足够复杂。

5.2 常见问题与故障排查

在部署和使用过程中，你可能会遇到以下问题：

1. 访问http://IP:10080连接被拒绝或超时。

• 检查防火墙：确保服务器安全组和 UFW 都放行了 10080 端口。
• 检查容器状态：运行docker-compose ps查看 OpenClaw 容器是否处于 “Up” 状态。如果不是，运行docker-compose logs查看具体错误日志。
• 检查端口映射：确认docker-compose.yml中的端口映射是"10080:10080"，并且容器内的应用确实监听在 10080 端口。

2. OpenClaw 无法连接 Ollama 模型，报错 “Connection refused” 或 “Timeout”。

• 检查 Ollama 服务状态：sudo systemctl status ollama。
• 检查网络连通性：在 OpenClaw 容器内测试是否能访问宿主机的端口。可以进入容器：docker exec -it openclaw /bin/bash，然后尝试curl http://host.docker.internal:11434。如果失败，尝试用宿主机的实际内网 IP（如 172.17.0.1）替换host.docker.internal。
• 检查 Ollama 监听地址：确保 Ollama 服务监听在0.0.0.0或127.0.0.1。如果是127.0.0.1，则容器无法访问，需要修改 Ollama 启动环境变量OLLAMA_HOST=0.0.0.0。

3. 模型响应速度极慢，或对话中途中断。

• 检查服务器资源：运行htop，看是否是内存或 CPU 跑满。2GB 内存运行 7B 模型非常紧张，生成长文本时极易触发 OOM。考虑换用更小的模型（如 3B 参数），或使用更低比特的量化版本（如 Q2_K）。
• 检查模型是否加载：在宿主机运行ollama list查看模型是否已下载。运行ollama run <模型名>测试模型本身生成是否正常。
• 查看日志：分别查看 OpenClaw 容器日志 (docker-compose logs openclaw) 和 Ollama 服务日志 (sudo journalctl -u ollama -f)，寻找错误信息。

4. 忘记 OpenClaw 管理员密码。如果数据目录（./data）是持久化的，密码信息通常存储在里面的数据库文件中。最直接的方法是重置。可以尝试删除或重命名./data目录下的特定文件（如sqlite.db），然后重启 OpenClaw 容器，会重新进入初始化流程。注意：这会丢失所有对话历史和配置！操作前请备份./data目录。

5.3 日常维护与升级

1. 日志查看

• OpenClaw 应用日志：docker-compose logs -f openclaw。
• Ollama 日志：sudo journalctl -u ollama -f。
• 系统资源监控：定期运行htop。

2. 版本升级

• OpenClaw：修改docker-compose.yml中的镜像标签为最新版本号（如ghcr.io/openclaw-ai/openclaw:v1.2.0），然后运行docker-compose pull && docker-compose up -d。建议先查看官方 Release Notes，了解是否有不兼容的变更。
• Ollama：升级命令很简单：ollama upgrade。它会更新 Ollama 本体和所有已拉取的模型到最新版本。

3. 成本与资源监控腾讯云轻量服务器 300GB 月流量，对于纯文本交互的 AI 助手来说完全够用，主要流量消耗在于拉取 Docker 镜像和模型文件。日常使用几乎不耗流量。关注服务器续费提醒，避免服务中断。

这个 99 元/年的 OpenClaw AI 助手方案，搭建起来后就是一个完全属于你、随时待命的智能伙伴。从技术探索到生产力工具，它的可玩性和实用性都非常高。最关键的是，整个过程你完全掌控，数据私密，成本可控。遇到问题多查日志、善用搜索引擎和社区，大部分坑都能跨过去。