云服务器部署OpenClaw+Ollama：打造7×24小时微信AI助手全流程

先把结论放在前面想在云服务器上部署 OpenClaw 这类 AI 代理让它 7×24 小时干活难点从来不在“安装”这一步而在“安装完之后你怎么保证它不掉线、不乱跑、能真正接上你的日常使用入口”。我用蓝队云一台 2核4G 的入门服务器从零开始跑通了 OpenClaw Ollama 本地模型的完整链路中途踩了不少坑最后做成了一套连微信里都能直接对话的专属 AI 助手。这篇就把整个流程、配置细节和判断依据原原本本写出来适合完全没碰过 Linux 的新手也适合第一次部署 AI 代理的老手快速避坑。1. 为什么非要云服务器 OpenClaw7×24 小时的底层逻辑1.1 本地电脑跑 AI 助手差在哪我见过太多朋友一开始把 OpenClaw 这类 AI 代理装在自家电脑上想着随时随地用结果没过三天就放弃了。电脑一合盖助手失联公司断网助手失联Windows 半夜强制更新重启助手又失联。这不是工具不行而是“7×24 小时在线”这个需求本地设备根本扛不住。AI 助手这种应用本质应该是一个“服务”而不是一个“程序”。服务就得跑在一直通电、一直联网、不会被家里人误关的机器上。云服务器就是这个“永不关机的小机房”你花钱买的就是它的在线时间你自己电脑反而做不到。1.2 OpenClaw 到底是个什么角色简单说OpenClaw 是一个开源的 AI 代理Agent框架。它会连接你选择的大模型——可以是云端 API也可以是本地部署的 Ollama、LM Studio 这类推理服务——然后基于模型能力去执行你交代的任务定时汇总信息、自动处理消息、联动各种接口、在聊天群里回答提问等等。它和 ChatGPT 网页版最大的区别是它能“动手干活”而不只是“开口聊天”。而且它支持接入常见的 IM 平台部署在云服务器上之后就相当于给自己配了一个专属 AI 助理团队——你在微信里发条消息它能收到、理解、执行再把结果回给你。1.3 这套组合适合谁如果你满足以下任意一条这篇教程对你就有用想拥有一个真正 7×24 小时在线、不依赖电脑开关机的 AI 助手看重数据隐私希望用本地开源模型处理私人信息不想把内容全部转交给云端 API打算用 AI 代理做自动化任务又不想从头啃复杂的 Linux 运维纯粹是技术小白但想体验一把“自己在云上部署 AI 服务”到底是什么感觉。接下来我用蓝队云的一台入门配置服务器带你把整个流程从零跑通。2. 蓝队云选配与远程连接零基础的第一步2.1 服务器配置怎么选不买贵只买对部署 OpenClaw 加本地模型服务器配置不是拍脑袋选的。OpenClaw 本身只是一个代理框架内存占用不算离谱真正吃资源的是本地模型推理。根据我的实测整个系统跑起来的资源消耗大概是这样组件CPU 占用内存占用磁盘占用OpenClaw 主程序低空闲时几乎为 0500MB ~ 1GB约 2GBOllama 推理服务调用模型时才明显约 2GB ~ 4GB取决于模型体积系统 日志忽略不计300MB 左右约 3GB合计2核足够建议 4GB 起步建议 40GB 起所以我最后选了蓝队云 2核4G、40GB SSD 的配置。如果你只想用云端 API比如 DeepSeek、通义千问的在线接口那本地不需要跑模型2核2G 都够跑 OpenClaw但如果你想像我一样接本地模型内存最好直接上 4G避免推理到一半被系统 OOM 杀掉。区域选择上服务器离你日常使用的位置越近越好延迟越低。蓝队云有多个可用区选离你最近的就行。2.2 系统选择和初始安全设置系统我推荐 Ubuntu 22.04 LTS原因很简单社区资料多、软件源新、遇到问题搜起来容易。OpenClaw 官方对 Linux 的支持最好Ubuntu 又是最主流的发行版组合起来最省心。创建服务器的时候记得做两件事设置一个足够复杂的 root 密码或者干脆绑定 SSH 密钥在防火墙/安全组里先放行 22 端口其他端口先全部关掉等后面部署时再按需开启。很多新手栽在第一步服务器刚创建就被扫描爆破。因为云服务器的 IP 是公网暴露的机器上只要开着默认端口几分钟内就会有大量扫描流量进来。先关掉不必要的端口能少很多麻烦。2.3 SSH 远程连接从本机敲开服务器的门Windows 用户直接用系统自带的 PowerShell 或 CMD 就能连。拿到服务器公网 IP 后在终端里执行ssh root你的服务器IP输入密码后看到类似rootVM-0-1-ubuntu:~#的提示符说明已经连上服务器了。这一步有几点经验首次连接会提示确认指纹输入yes回车即可如果连接超时先检查安全组是否放行了 22 端口不建议用手机 SSH 工具做后续操作屏幕太小复制粘贴命令容易出错老老实实用电脑连。连上之后先做两件基础的事更新软件源、安装常用工具。apt update apt upgrade -y apt install -y curl git vim htop更新完系统我们才开始正式部署。3. 从空白系统到 OpenClaw 启动一段能直接复制的部署流程3.1 先装 Node.js 运行时版本不对后面全白搭OpenClaw 是基于 Node.js 开发的所以服务器的第一步是装好 Node.js 运行时。这里我强烈不建议直接用apt install nodejs因为 Ubuntu 自带的源里 Node 版本往往太老OpenClaw 对 Node 版本有最低要求版本太低会直接报错。我采用的是 nvm 方式安装灵活性最高切换版本也方便curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash安装完成后重开终端或者执行export NVM_DIR$HOME/.nvm [ -s $NVM_DIR/nvm.sh ] \. $NVM_DIR/nvm.sh然后安装 Node.js 20 LTSnvm install 20 nvm use 20 node -v看到v20.x.x的输出说明 Node 环境就绪了。3.2 安装 OpenClaw 主程序OpenClaw 的安装方式很直接通过 npm 全局安装就能拿到命令行工具npm install -g openclaw安装完成后运行openclaw doctor这个命令会检查当前环境是否满足运行条件。我当时跑完提示缺了一些系统依赖按提示一个个装上就行。这一步是很多新手最容易忽略的以为程序装好了就能跑其实环境检查没过后面运行时会莫名奇妙报各种错。如果你的服务器在国内npm 下载速度可能会很慢建议先配置 npm 镜像源npm config set registry https://registry.npmmirror.com我自己实测下来配了镜像之后安装速度至少提升 5 倍。3.3 初始化配置和首次启动环境检查通过后执行初始化命令openclaw init初始化过程会生成一个配置文件目录通常在~/.openclaw/下面同时会引导你填写模型提供方的信息。这里先别急着选云端 API直接回车跳过等后面接好 Ollama 再回来配置。初始化完成后启动openclaw start看到日志里出现类似Server running on port 3000的输出说明主程序已经起来了。这时候你可以在本地浏览器里访问http://你的服务器IP:3000能看到 OpenClaw 的 Web 控制台页面。这里有个端口问题的坑必须提醒云服务器默认开的是 22 端口3000 端口需要去蓝队云控制台的安全组里手动放行。我当时第一次访问不到页面排查了半天才发现是安全组没放行。3.4 设置自动启动服务器重启后助手不能消失openclaw start只是在前台运行关掉 SSH 窗口进程就死了。这显然不符合 7×24 小时在线的要求。我们需要把它注册成一个 systemd 服务让系统自动拉起。创建服务文件vim /etc/systemd/system/openclaw.service写入以下内容[Unit] DescriptionOpenClaw AI Assistant Afternetwork.target [Service] Typesimple Userroot ExecStart/root/.nvm/versions/node/v20.18.0/bin/openclaw start Restartalways RestartSec5 EnvironmentPATH/root/.nvm/versions/node/v20.18.0/bin:/usr/bin:/bin EnvironmentNODE_ENVproduction [Install] WantedBymulti-user.target注意把 ExecStart 里的 Node 路径替换成你自己的 nvm 路径可以用which openclaw查到。然后重新加载并启动服务systemctl daemon-reload systemctl enable openclaw systemctl start openclaw systemctl status openclaw看到active (running)状态说明服务已经托管给 systemd 了。以后就算服务器重启OpenClaw 也会自动起来。这一步是从“能跑”到“真的 7×24 在线”的分水岭。4. 给助手接上本地大脑Ollama 模型部署与接入配置4.1 为什么我选择本地模型而不是云端 API这一步是很多人的纠结所在。云端 API比如直接接 DeepSeek、通义千问的接口的好处是模型能力强、不用自己维护推理环境坏处是要花钱、数据要经过第三方、高峰期还会限流。本地模型的好处是一次部署永久免费、数据完全留在自己服务器上、离线也能用坏处是需要一定的硬件资源且模型能力不如顶级云端大模型。我的选择是“Ollama Qwen2.5”系列开源模型理由是 Qwen 系列对中文支持好Ollama 部署最简单而且普通家用任务、消息摘要、回答问题完全够用。如果你对英文任务更多也可以换成 Llama 3.1 系列。4.2 在服务器上安装 Ollama 并拉取模型Ollama 的官方安装脚本一行搞定curl -fsSL https://ollama.com/install.sh | sh安装完成后启动服务systemctl start ollama systemctl enable ollama然后拉取模型。这里有个非常重要的经验不要一上来就拉 70B 这种大模型2核4G 的服务器根本跑不动推理时内存直接爆掉进程被杀。我用的 7B 模型4G 内存也接近极限了但能稳定运行。ollama pull qwen2.5:7b拉取过程中可以随时用ollama list查看模型列表。验证模型能否正常对话ollama run qwen2.5:7b 你好简单介绍一下你自己如果模型能正常回复说明推理服务没问题了。如果等待时间特别长或者提示内存不足建议换 3B 甚至 1.5B 的小模型。4.3 OpenClaw 接入 Ollama 的具体配置OpenClaw 接 Ollama 用的方式是“兼容 OpenAI API”的模式。Ollama 本身就提供了一个 OpenAI 兼容的接口地址是http://localhost:11434/v1这样 OpenClaw 不需要特殊的适配逻辑直接用标准 OpenAI 接口格式就能调用。编辑 OpenClaw 的配置文件vim ~/.openclaw/config.json核心配置如下{ model: { provider: openai-compatible, baseUrl: http://localhost:11434/v1, model: qwen2.5:7b, apiKey: ollama-local } }注意几点apiKey是必填项但 Ollama 本地接口不校验随便填一个非空字符串即可baseUrl里的 localhost 是相对于服务器本身的因为 OpenClaw 和 Ollama 跑在同一台机器上配置完成后重启 OpenClaw 服务systemctl restart openclaw。重启后回到 Web 控制台随便发一条消息测试。如果日志里没有报错且模型正常回复说明 OpenClaw 已经成功用上了本地大脑。4.4 模型选型的实际体验对比我这台 2核4G 服务器上实测下来模型参数量内存占用响应速度中文质量qwen2.5:1.5b1.5B约 1.2GB较快能说但简陋qwen2.5:3b3B约 2GB适中可用qwen2.5:7b7B约 4GB偏慢较好qwen2.5:14b14B超过 8GB内存不足直接挂不推荐如果你的服务器只有 2G 内存老老实实选 3B如果有 4G7B 是上限。想要更好的效果只能加钱升级服务器配置或者忍受延迟换更快的带宽。一个额外的调优建议Ollama 默认并发数是 1当 OpenClaw 同时处理多个任务时推理请求会排队。可以在 Ollama 的 systemd 服务里加环境变量OLLAMA_NUM_PARALLEL2提升并发体验但前提是内存够用。5. 把助手“塞进”微信随时随地用的真入口5.1 为什么一定要接 IM 平台Web 控制台虽然能用但你不可能一直开着浏览器。真正让 AI 助手融入日常的做法是把它接到你每天都用的聊天工具里。微信是国内绕不开的选择——你不用额外装 App不用记住什么控制台地址在聊天框里发消息就行。OpenClaw 接入微信的原理不复杂它通过网关把消息平台的事件转发给 OpenClaw 处理再把 OpenClaw 的回复通过网关发回聊天界面。中间的消息格式由 OpenClaw 统一处理所以消息平台本身只是个“壳”。5.2 配置步骤与踩坑记录第一步在 OpenClaw 控制台里找到“接入渠道/平台”相关的配置入口选择微信。第二步按提示填写你在微信方面准备好的接入凭证。这一步是整个过程里最容易出问题的环节。个人微信的接入往往受限于官方接口权限实际部署时需要用一个小程序或企业微信的 Webhook 地址来转发消息视你手头的资源而定。核心思路是让微信侧把新消息 POST 到 OpenClaw 的 Webhook 端口OpenClaw 再把回复 POST 回去。第三步在安全组里放行 OpenClaw 监听 Webhook 的端口并且在 OpenClaw 配置里填好回调地址和 Token。我当时在这里反复折腾了很久最后总结出一个判断流程微信那边消息能不能推出来——不能就先查微信侧的配置推出来之后 OpenClaw 收没收到——没收到就查安全组端口和防火墙收到了但没回复——才是查 OpenClaw 日志和模型调用。5.3 验证接入是否成功配置完成后在微信里给助手发一条消息“你好在吗”正常情况下十几秒内会收到回复。如果没反应按下面的顺序排查systemctl status openclaw确认主进程活着手动 curl 一下 Webhook 地址看是不是能收到转发看 OpenClaw 日志里有没有打印收到的消息原文确认 Ollama 模型确实能正常推理而不是排队排到超时。微信接入跑通后你的 AI 助手才算真正“落地”。手机不在身边无所谓电脑没开也无所谓只要服务器在线它就在线。6. 稳定运行才是硬道理监控、自愈与常见故障排除6.1 用 systemd 和定时任务保证“掉线自愈”很多人的 AI 助手部署完了能用但跑几天就莫名其妙没了。原因基本集中在三个点进程崩溃、内存耗尽、服务器重启。前两个可以通过 systemd 的Restartalways参数自动恢复这个我们配置 systemd 服务时已经写进去了。内存耗尽则需要加一道保险。我写了一个简单的监控脚本每两分钟检查一次#!/bin/bash if [ $(free -m | awk /^Mem:/{print $7}) -lt 300 ]; then systemctl restart ollama systemctl restart openclaw fi配合 crontab 实现周期性执行crontab -e */2 * * * * /root/check_memory.sh这样即使内存被模型推理占满到系统卡死也能自动重启服务恢复。6.2 常见报错定位与解决我在部署和后续使用中遇到过几个典型的报错列出来给你做个对照表现象根因解决方式OpenClaw 启动即退出Node 版本过低或缺少依赖用 nvm 装 Node 20跑openclaw doctor补齐依赖第一次打开 Web 控制台很慢服务器带宽小静态资源加载慢等一会即可或升级带宽对话时长时间不回复本地模型推理慢或排队看 Ollama 日志考虑换更小模型微信消息收不到回调地址或安全组配置错误按 5.2 的排查流程走服务器重启后助手丢失systemd 服务没 enable执行systemctl enable openclaw磁盘被日志占满日志没做轮转配置 logrotate 或定期清理日志6.3 资源优化让 2核4G 跑出最大潜力最后分享几个我实测有效的优化技巧限制 Ollama 内存占用在 Ollama 服务配置里可以设置OLLAMA_MAX_LOADED_MODELS1、OLLAMA_KEEP_ALIVE30m避免多个模型常驻内存给日志加轮转创建/etc/logrotate.d/openclaw配置文件让日志超过 10MB 自动压缩防止磁盘被写满日常任务定时化把 OpenClaw 的定时任务集中在凌晨执行避开你自己使用的高峰期减少资源竞争。我的服务器在实际运行中内存长期保持在 80% 左右CPU 在空闲时几乎为 0整体稳定跑了两个月没出过问题。如果你打算长期使用建议每周登录服务器看一眼htop的资源占用养成习惯。到这里一个完全属于自己的 7×24 小时 AI 助手就部署完成了。最后再分享一个我自己的体会这套东西真正的价值不在于“部署成功”那一刻的快感而在于它成了你日常工作中一个真正随叫随到的数字伙伴。消息放在微信里发出去它就会去处理处理完主动汇报结果。用了两个月之后我已经完全离不开它了。如果你也部署成功了建议从简单的“每日新闻摘要”“定时提醒”这类小任务开始让它一点点融入你的工作流你会上瘾的。