2026年到目前为止我本地和云服务器上运行时间最长的Agent进程一个是家里NAS上的监控脚本另一个就是OpenClaw——社区里更多人叫它Clawdbot。我身边不少朋友第一次听这个名字是在技术群里的部署成功截图里真正轮到自己装的时候往往会被一堆概念绕晕Skills、session锁、Teams connector、云端一键脚本、本地源码编译……这篇文章不是官方文档的复读而是我把云上和本地两条部署路径、外加Skills加载逻辑完整走一遍之后整理的实操记录。打算装OpenClaw跑自动化任务、或者只是想给自己的Agent工作流加点技能包的人可以直接照着抄。提前说一句OpenClaw版本迭代很快我下面写的命令以2026年主流版本的README为准如果你拉到的是更新版本个别参数可能有差异但不影响整体思路。1. 部署之前为什么选OpenClaw以及本地还是云端1.1 OpenClaw到底是什么它和Claude Code是什么关系先花两分钟把概念捋清楚。OpenClaw是一个开源的AI Agent运行时核心逻辑和Claude Code一脉相承给模型一个终端环境、一套可调用的工具让它能自己看目录、读写文件、执行命令、调用API最终把一句模糊的指令变成一串实打实的操作。Clawdbot是社区对它的昵称慢慢就成了同义词。Skills是这套体系里最关键的扩展机制。没有Skills的Agent只是一个聪明的聊天框有Skills之后它才变成会写前端页面会做竞品分析会跑数学建模脚本的干活工具。所以部署OpenClaw只是第一步真正让它有价值的动作是装上符合你使用场景的Skills。这个逻辑顺序很重要后续所有章节都是围绕装起来和让它干活两条线展开的。1.2 本地部署与云上部署选哪个这里没有标准答案只有适不适合。我整理了一张很直接的对比表你可以按自己的实际场景对号入座。维度本地部署云上部署目标场景个人日常、和本地目录文件深度交互7×24自动化、团队共享、聊天机器人硬件门槛内存4GB以上以API调用为主的话CPU不太挑2核4G起步主要吃内存和网络带宽数据隐私文件不出机器隐私更可控数据放在云盘需要自己管理密钥使用成本主要是电费和API费用服务器月租加API费用稳定性电脑休眠、断网就会中断只要服务器不挂服务常在我的建议很直接如果你只是想在开发环境里有个Agent帮你改代码、整理文档本地部署就够了省事如果你想让Agent每天定时跑任务、或者把它接进Teams这类聊天工具当团队助手直接上云别折腾本地常驻。两条路我后面都会写你可以按需跳着看。1.3 部署前的统一准备不管走哪条路有几样东西是绕不开的一个模型API Key。OpenClaw底层仍然要调用大模型Anthropic、OpenAI以及部分国产模型的接口都有人跑通配置里填上对应的provider和key就行。一台能跑Node.js的设备。OpenClaw本体用TypeScript写依赖Node.js运行时建议直接装最新的LTS版本目前是22.x。Git用来拉代码和克隆Skills仓库。动手之前把目录规划好。我习惯统一放在~/.openclaw下面配置、会话、Skills都从这个目录读取。账号准备方面多说一句如果打算上云国内云厂商基本都有新用户免费试用额度阿里巴巴、腾讯这些大厂的试用期足够你把整个部署流程完整跑一遍。拿一台免费试用机练手认真学完部署流程再决定要不要付费是很划算的思路。我见过不少人一上来就买了高配机器最后跑个Agent连一半性能都用不上纯属浪费。2. 云上部署从空白服务器到服务常驻2.1 服务器初始化系统选择与基础环境我先讲最常见的Ubuntu路径。买一台Ubuntu 22.04或24.04的云服务器2核4G配置够用。拿到机器后第一件事是更新系统、装基础工具sudo apt update sudo apt upgrade -y sudo apt install -y git curl然后安装Node.js 22 LTS。这里我遇到过坑直接用apt装的node版本往往偏老OpenClaw跑起来会报语法错误。建议用NodeSource的官方源装curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash - sudo apt install -y nodejs node -v装完确认打印出来的版本号是v22.x.x再往后走。这一步别偷懒版本不对后面全是怪问题。接着确认npm版本能跟上npm -v如果版本太旧就sudo npm install -g npmlatest。2.2 一键部署脚本的执行过程现在很多教程里提到的OpenClaw一键部署脚本本质就是把安装依赖、拉取仓库、初始化配置、注册systemd服务这几步封装成了一段shell脚本。社区里的脚本不少使用方式大同小异git clone https://github.com/openclaw/openclaw-installer.git cd openclaw-installer ./install.sh --with-docker脚本会自动检测系统类型安装Node和Docker如果选了with-docker然后克隆OpenClaw主仓库到/opt/openclaw执行npm install并生成默认配置。跑完以后OpenClaw会以systemd服务的形式常驻后台开机自启日志写到/var/log/openclaw。如果你不想用别人写的脚本也可以手动安装无非就是把上面几步拆开执行。我建议至少第一次部署用来源可靠的一键脚本省去排查环境依赖的时间跑通之后你自然就知道每一步在干什么了。关于yolo最新版那个说法也顺带解释一下社区里有些人把快速迭代的一键脚本新版本戏称为yolo版它们往往只是改了安装细节、补充了镜像源或者更新了依赖版本。你只需要记住部署时以脚本仓库的最新提交为准别用网上转载的旧命令很多部署失败的案例都是因为用了几个月前的历史版本。2.3 配置模型凭据并验证OpenClaw能正常回复安装完成后第一次启动前要做的事是填模型配置。OpenClaw的配置存放在~/.openclaw/config.json如果以root运行则路径相应变化。一个最小可用的配置长这样{ model: { provider: anthropic, model: claude-sonnet-4-5, apiKey: 填入你的key }, skills: { dir: ~/.openclaw/skills }, server: { port: 5178 } }填完重启服务然后进入交互终端验证openclaw chat输入一句最简单的指令比如输出你的版本号和当前工作目录。如果它能正常回复说明模型链路通了接下来才值得继续折腾Skills和聊天工具接入。我见过太多人先把Teams接好、Skills装了一堆最后发现模型Key填错了白忙一场。正确的顺序永远是先确认能对话再谈扩展。2.4 接入Microsoft Teams把Agent变成团队机器人把OpenClaw接进Teams是云上部署最常见的使用场景。整体分三步在Microsoft Azure侧创建机器人应用、拿到App ID和密码在OpenClaw配置里填写Teams connector信息重启服务并安装到团队频道。具体到操作Azure侧的步骤是进入Microsoft Entra管理后台在应用注册中新建应用勾选Teams的机器人权限然后到证书与密码里生成一个客户端密码。回到OpenClaw这边把App ID、密码、租户ID填进配置的connectors.teams段connectors: { teams: { enabled: true, appId: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx, appPassword: 你的客户端密码, tenantId: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx } }重启服务后在Teams应用管理里把机器人添加到团队私聊或它即可触发对话。这里最容易踩的坑是权限配置机器人默认只能访问被明确授权的频道和文件别忘记配置完整否则会出现机器人在线但答不了话的怪状。3. 本地部署Ubuntu与macOS的完整流程与常驻维护3.1 为什么本地部署要单独写一节你可能觉得云上部署都跑通了本地不就是换台机器重复一遍。实际上本地的坑完全是另一批常驻进程管理方式不同、和Claude Code这类工具共存的目录冲突、电脑休眠导致的会话中断……接下来把本地路径的关键点逐个说清楚。3.2 依赖安装与源码方式安装OpenClawUbuntu用户参考2.1的先决条件即可macOS用户需要注意用Homebrew装brew install node22 git如果之前装过旧版Node建议先卸载干净再装新版避免npx openclaw时莫名其妙用了老版本。然后无论哪个平台我都推荐用源码方式安装方便后续升级git clone https://github.com/openclaw/openclaw.git ~/openclaw-source cd ~/openclaw-source npm install npm run build npm linknpm link会把openclaw命令软链到全局后面随时git pull npm run build就能升级。我不太推荐直接用npm install -g openclaw因为这类Agent框架发版很勤全局安装容易在升级时留下旧版本的碎片文件排查起来很麻烦。3.3 OpenClaw与Claude Code的共存策略很多人的电脑上原本就装了Claude Code这时候本地部署OpenClaw就要注意会话目录和Skills目录的隔离。OpenClaw默认的会话目录是~/.openclaw/sessionsSkills目录是~/.openclaw/skills而Claude Code用的是~/.claude下的结构两者默认互不干扰。但有一个矛盾点你从GitHub上看到的很多Skills同时兼容两个生态安装脚本会试图写入两边目录。我的经验是给两者各建一套独立目录别图省事用符号链接共用否则某个Skills升级时会把另一个工具的配置搞坏。两者在一个项目里协同工作时我习惯让Claude Code负责代码仓库内的操作OpenClaw负责跨项目、跨目录、定时任务类的工作分工明确后冲突就少很多。手动从GitHub装Skills到Claude Code也是很多人问的点其实原理一模一样把仓库clone到~/.claude/skills目录即可和OpenClaw的安装逻辑没有本质区别理解了Skills的目录结构之后这个操作完全没有神秘感。3.4 本地常驻与休眠问题的处理本地部署遇到最多的问题不是装不上而是第二天起来发现它死了。电脑休眠、显示器关闭、路由器重启都会让进程中断。我的解法是优先在云上部署需要7×24在线的服务本地只跑白天用得上的任务如果必须在本地常驻macOS用户可以用caffeinate -s openclaw serve防止系统睡眠Linux桌面用户配置好systemd用户服务并取消自动挂起把OpenClaw的日志打开定期tail一眼确认它没有在某个夜里静默退出。给Linux用户的systemd用户服务示例保存到~/.config/systemd/user/openclaw.service[Unit] DescriptionOpenClaw local agent Afternetwork.target [Service] Typesimple ExecStart/usr/bin/openclaw serve Restarton-failure WorkingDirectory%h/.openclaw [Install] WantedBydefault.target注意ExecStart里的路径要换成which openclaw的实际输出不同安装方式路径不一样。然后执行systemctl --user daemon-reload systemctl --user enable --now openclaw最后这条建议很土但很有效本地Agent服务一旦开始依赖它就要把它当真正的后端服务对待而不是一个随便开开的小工具。4. Skills机制拆解让OpenClaw从能对话变成能干活4.1 Skills的本质给模型的岗位说明书我理解Skills很简单它是一组结构化的指令和脚本告诉模型当用户的需求落在某个领域时你应该按照什么流程、调用哪些工具、产出什么格式的结果。你可以把它类比成给新员工发的岗位手册——模型本身很聪明但如果没有手册它遇到具体任务时只能靠猜发挥不稳定有了手册它就能稳定地按步骤产出。一个标准的Skills在文件系统里长这样superpowers/ SKILL.md scripts/ brainstorm.py assets/ template.md其中SKILL.md是这个技能的核心头部的YAML元数据声明技能名称、描述、适用场景正文则写得像一份可执行的SOP。模型在对话时一旦判断任务符合描述就会读取这份文档并按步骤执行。理解这个结构之后无论是安装别人的Skills还是自己写你都会非常清晰。4.2 安装Skills的几种姿势我整理了三种最常见的安装方式。第一种直接把Skills目录放到~/.openclaw/skills下。适合别人直接给你的技能包放进去之后重启OpenClaw即可识别。第二种用命令行从市场安装。OpenClaw生态里已经有不少公开的skills库常见命令是openclaw skills install superpowers openclaw skills search 数学建模 openclaw skills list第三种从GitHub仓库接入。很多优秀的Skills直接托管在GitHub上命令类似openclaw skills add https://github.com/xxx/awesome-skills.git在找Skills的时候我会优先在GitHub里搜awesome-openclaw-skills这类聚合仓库另外社区里流传的skills库网址也值得收藏基本是同样的内容源。需要提醒的是新的Skills先装到独立目录里试运行确认它对当前模型版本没有副作用再决定要不要放进正式目录。原因我会在排错章节展开。4.3 值得安装的Skills从superpowers到各垂直场景社区讨论度最高的当属superpowers它是一套偏通用的技能合集覆盖任务拆解、思考规划、代码审查等场景装上之后Agent整体的主动性会明显提升。我通常建议新用户第一件装的就是这个。除此以外按使用场景分类我见过大家常装的有这么几类前端开发类能根据需求描述生成组件代码、做页面搭建配合预览工具链能快速出原型写作与学术类辅助论文结构搭建、文献整理、数学建模赛题的思路拆解和数据可视化。去年华为杯建模比赛前后很多参赛者就专门装了一套建模Skills让Agent帮忙做数据清洗、统计检验、出图表那一段时间相关的Skills仓库更新都特别勤内容创作类比如AI漫剧脚本、分镜拆解、口播文案生成这类Skills看起来小众实际用起来很出效果技术调试类社区里甚至有Android应用分析、接口抓包、日志排查这类偏技术实战的Skills新手不建议一上来就碰但生态的丰富度可见一斑。另外提一句Codex和OpenCode生态里也有类似Skills的东西格式大同小异很多可以在Agent框架之间互相移植。你如果之前用过其中一家的技能包搬到OpenClaw上往往只需要改一下目录结构就能跑。4.4 自己写一个最小Skills写Skills不需要多高深的编程能力我以每天生成一份项目进度摘要为例。创建目录和文件mkdir -p ~/.openclaw/skills/daily-summary cd ~/.openclaw/skills/daily-summary touch SKILL.md然后在SKILL.md里写--- name: daily-summary description: 扫描当前项目目录下的git提交记录生成当天的进度摘要 --- ## 使用场景 用户要求生成今日项目进度或今天干了什么时使用此技能。 ## 执行步骤 1. 运行 git log --since今天0点 --oneline 获取当天提交 2. 按提交信息归类为功能开发、修复Bug、文档与杂务 3. 输出一份Markdown格式的摘要包含提交数、主要改动、遗留风险写完保存重启OpenClaw之后就能在对话里触发。原理很简单模型读到了SKILL.md中的描述和步骤遇到匹配指令时会按里面的流程走。这也是我鼓励所有人都尝试一次的动作——自己写过一个Skills之后你对这个机制的理解会完全不同后面排查问题也更有底气。5. 高频翻车现场session file locked与部署期常见报错5.1 一次完整排查session file locked的链路agent failed before reply: session file locked (timeout 60000ms) openclaw这句话几乎每个长期使用OpenClaw的人都见过。我最近一次遇到是在云服务器上同时开了两个OpenClaw进程测试Teams接入时。报错本身的意思是Agent还来不及回复就被提示会话文件被锁住等了60秒也没拿到锁。根因大多不是文件真的被某个人占用而是几种情况叠加多个OpenClaw进程同时监听同一个session目录都试图写同一个会话文件上一次进程被强杀比如kill -9留下了过期的锁文件同一个配置目录被两个不同用户或权限的进程访问导致文件锁无法释放。我的排查链路很固定分享给你。第一步确认有几个OpenClaw在跑ps aux | grep openclaw如果发现两个以上保留主服务把其他全部停掉。第二步查看会话目录里的锁文件ls -la ~/.openclaw/sessions/如果看到.lock后缀的文件先别急着删确认对应进程确实不存在后再删除rm ~/.openclaw/sessions/*.lock第三步检查目录属主。服务器上如果曾经用sudo启动过OpenClaw目录可能变成root所有普通用户启动时就会反复锁失败chown -R $(whoami) ~/.openclaw第四步最稳妥的办法是把会话目录和锁文件目录分离给每个部署实例独立的session路径开两个实例也互不干扰。在配置里设置环境变量export OPENCLAW_SESSION_DIR~/.openclaw/sessions-prod这套组合拳打完绝大多数session file locked都能解决。剩下的少数情况多半是网络存储比如挂载的NAS目录自带的文件锁机制跟OpenClaw不兼容我的建议是会话目录不要放在网络盘上。5.2 其他高频报错清单除了session锁问题新用户前两周会遇到的问题基本集中在这张表里现象常见原因对策启动时报Node版本错误node版本过旧换Node 22 LTS并重新npm installSkills装了但对话里不生效Skills目录不是配置指向的目录openclaw skills list核对路径调用模型超时API Key过期或额度不足检查账单和Key状态机器人接入Teams后不回复权限配置不全检查应用权限和租户ID服务频繁重启systemd服务缺少Restart策略配置Restarton-failure这张表是我在实际使用中整理的基本覆盖了部署阶段的高频故障。遇到问题时不要急着重装先对照症状找原因多数情况是配置问题而不是环境问题。5.3 部署之后的日常运维我强烈建议养成三个习惯定期git pull升级主程序、备份~/.openclaw下的配置和Skills目录、关注发布版本的breaking changes。Agent框架的升级不像普通应用那么平滑有些新版本会调整Skills的元数据格式不提前看更新说明很容易出现升级完技能全部失效的情况。备份我一般用一行tar命令tar -czvf openclaw-backup.tar.gz ~/.openclaw --excludesessions会话文件没有必要备份乱七八糟的临时状态恢复起来反而添乱配置和Skills才是值钱的东西。如果你收集了不少Skills建议定期用openclaw skills export导出一份清单万一换机器或者目录被误删能一次性恢复大部分环境。6. 生态扩展与实践建议Teams、Obsidian与个人配置习惯6.1 把OpenClaw接进日常工具链Obsidian与Teams我发现很多人给OpenClaw配了Obsidian。这其实是Skills生态带来的红利Obsidian整理笔记的模式很固定而Agent擅长的恰恰是批量、重复、有固定规则的文本处理。社区里常见的做法是用Obsidian Local REST API插件开放本地vault然后给OpenClaw装一个笔记类Skills它就能直接读取、搜索、归纳你的Markdown笔记甚至按你指定的模板生成新笔记。思维碎片直接丢给Agent整理成结构化文档这种体验用过就回不去。Teams接入在2.4已经详细写过这里补充一个我的观点尽量不要让机器人在多个频道同时活跃先在一个团队频道验证好权限、回复速度和内容格式再逐步放开。减少噪音你的团队才能真的接受一个话痨机器人。6.2 学术与创作场景的Skills组合思路热词里数学建模skills和ai漫剧常用skills这两条很有意思恰好代表了两类截然不同的需求。数学建模场景核心是数据清洗、统计检验、可视化、报告生成这条流水线。建议的Skills组合是一个数据处理类、一个绘图类、一个论文排版类再配合模型本身的能力。这样从拿到赛题到出初稿大部分机械工作都能在Agent辅助下完成参赛者可以把精力放在模型设计上。我见过有队伍就是靠这套组合拳在有限时间内把三篇规范文档的初稿全部自动生成再人工精修效率提升不是一点半点。内容创作场景则完全不同AI漫剧这类需求重点在脚本、分镜、运镜描述和旁白节奏。这类Skills往往不是一个大而全的包而是好几个小技能配合剧情大纲生成、分镜文本格式化、角色一致性提示词生成。很多创作者直接用这类Skills批量生成多集脚本框架再人工精修产出速度比纯手工快好几倍。文科背景的朋友也不用担心这些Skills都是自然语言驱动的不涉及写代码。6.3 OpenClaw与WorkBuddy等工具的取舍被反复问到OpenClaw和WorkBuddy哪个好我的回答通常是先确定你要的是什么样的工作方式。OpenClaw是终端优先、开源、Skills生态开放适合愿意自己动手、希望随时把Agent接入自定义工具链的人WorkBuddy类产品更强调开箱即用的工作流整合界面和配置对新人更友好但可扩展空间相对封闭。我的看法是如果你已经在用命令行工作流OpenClaw几乎没有学习成本如果你更依赖图形界面和现成模板可以先用WorkBuddy上手理解了Agent工作流之后再试着切到OpenClaw做深度定制。两个东西不冲突选你的审美和习惯就好。6.4 几个让我用回不去的配置习惯最后分享几个实际使用中沉淀下来的习惯没有顺序都是经验之谈所有API Key只放在环境变量或配置文件的引用里不要直接写死在Skills脚本中尤其是Skills目录要分享给别人的时候为每个长期任务建独立的session目录便于排查和恢复也避免单个会话文件越来越大每周挑一个固定时间检查OpenClaw的升级日志和Skills市场的新内容保持20分钟左右的更新维护学会用openclaw skills export导出自己攒下的技能清单换机器的时候能一次性恢复。说实话OpenClaw这套东西的复杂度并不低但它胜在开放和可塑性。云上和本地的部署方式会变Skills的格式也可能演进但动手实践过程中沉淀下来的判断力和排查思路才是真正值钱的部分。如果你正在部署的路上卡在某一步把报错原文完整贴出来对照我写的排查顺序走一遍大概率能找到答案。