企业官网建设流程全解析

简介：OpenClaw（曾用名 Clawdbot、Moltbot）是2026年初在GitHub快速走红、主打本地优先架构的开源个人AI助手平台，这份手册正适合希望掌握其部署与深度使用的开发者、运维及进阶用户。内容覆盖核心特性、通讯平台接入、文件处理、浏览器自动化、终端命令执行、技能插件系统与持久化记忆等玩法，并给出国内网络环境下的模型选择、常见问题与本地部署指南。资源为单份PDF电子手册，整包3.48MB，便于按目录检索和离线查阅。目前已有189人浏览学习；借助手册，读者可按Windows、macOS、Linux、Docker或云服务器路径完成部署，也可结合附录的常用命令、配置参考与故障排除指南，快速上手从对话问答到自动化执行的OpenClaw。

1. OpenClaw 是什么：一个常驻在消息平台里的 AI 智能体，为什么值得花一晚部署它

OpenClaw 是一套可以完全自托管的 AI 智能体框架，跑起来之后，它会以常驻进程的方式住在你自己的服务器上，通过 Telegram、Microsoft Teams、Discord 这类消息平台和你对话、执行任务、调用工具、读写记忆。我第一次部署它是在找“能自己跑、不上云、还能接 Teams 的智能体”时，结果折腾了两个晚上才把链路摸顺，回头看最大的坑根本不在安装，而在会话锁、webhook 回调这些消息平台层面的细节。这份笔记按 202602v1 版的使用习惯来写，适合独立开发者、小团队和自动化爱好者：你不需要先懂分布式，只要有一台 Ubuntu 机器和一个能收到消息的群，就能把 OpenClaw 变成你的常驻助理。它解决的核心问题很简单：让 AI 不再躺在网页对话框里，而是站在你每天已经在用的聊天窗口里。

2. 部署 OpenClaw：Ubuntu 服务器从零到常驻的 Docker 方案，解决“每次重启都要手动拉起”的问题

2.1 为什么选 Ubuntu 22.04 + Docker Compose：隔离依赖，也隔离翻车的风险

OpenClaw 的部署方式无非两种：直接跑二进制，或者跑容器。我两边都试过，如果你的服务器以后还要跑 Ollama、Nginx、别的服务，Docker Compose 是更省心的选择，它把运行环境、配置目录、日志输出都框在一个 compose 文件里，换机器时只要把数据目录和配置一起带走就行。Ubuntu 22.04 是目前兼容性最好的宿主系统，OpenClaw 的运行时依赖在 22.04 上基本不会碰到“缺 libc 版本”这种问题。

硬件上 2C4G 起步，如果只用云上的模型 API，这个配置跑 OpenClaw 本体绰绰有余；如果你还想在同一个机器上跑 Ollama 本地模型，建议至少 4C8G。手头只有一台临时云主机的话，也可以先用试用实例把链路跑通，再决定是否扩容，OpenClaw 对单机部署非常友好，不需要额外买数据库。

提示：数据目录一定要放在本地磁盘，不要放 NFS 或网络盘。OpenClaw 的会话文件依赖文件锁，网络文件系统的锁语义在低版本实现上有坑，后面避坑章节会专门讲。

2.2 最小部署命令：docker compose 起一个能跑的服务

我习惯把 OpenClaw 的数据统一放在/opt/openclaw下面，这样备份和迁移都方便。先准备目录：

# 1. 准备数据目录，sessions 放会话文件，memory 放长期记忆 sudo mkdir -p /opt/openclaw/data/sessions sudo mkdir -p /opt/openclaw/data/memory sudo chown -R $USER:$USER /opt/openclaw

目录建好后，在/opt/openclaw下新建docker-compose.yml：

services: openclaw: image: openclaw:202602v1 # 镜像名按 Release 页实际提供的 tag 替换 container_name: openclaw restart: unless-stopped ports: - "127.0.0.1:8080:8080" environment: OPENCLAW_HOME: /data volumes: - /opt/openclaw/data:/data command: ["openclaw", "serve"]

这份配置里有两个关键点。第一，端口只绑在127.0.0.1:8080，而不是0.0.0.0:8080，原因是 OpenClaw 的 HTTP 服务默认没有鉴权，暴露到公网等于裸奔；后面接 Teams 或 webhook 时，我会用 Nginx 做一层地址转发，把公网流量转发到本机这个端口。第二，OPENCLAW_HOME=/data表示所有状态都写进挂载目录，容器重建后你的会话和记忆都还在。

启动并观察日志：

cd /opt/openclaw docker compose up -d docker compose logs --tail 50

第一次启动如果看到类似listening on 127.0.0.1:8080的日志，说明服务已经起来了。此时你可以先不改任何配置，用默认模型配置跑一条测试消息，确认 agent 能正常回话，再开始接消息平台。这一步的意义是先把“服务本身”和“消息平台接入”两个变量分开，避免后面出了问题不知道是部署的问题还是 webhook 的问题。

2.3 用 systemd 托管容器：重启策略与开机自启

restart: unless-stopped已经覆盖了大多数崩溃场景，但如果你用了二进制方式部署，或者在容器里改了网络模式，我建议直接用 systemd 托管，这样日志会统一进 journald，排查时不用 docker logs 一条条翻。下面是一个最小 unit 文件，按二进制放在/opt/openclaw/openclaw的情况写：

[Unit] Description=OpenClaw agent service After=network-online.target Wants=network-online.target [Service] WorkingDirectory=/opt/openclaw ExecStart=/opt/openclaw/openclaw serve --port 8080 Restart=on-failure RestartSec=10 Environment=OPENCLAW_HOME=/opt/openclaw/data [Install] WantedBy=multi-user.target

然后执行：

sudo systemctl daemon-reload sudo systemctl enable --now openclaw sudo systemctl status openclaw

注意Restart=on-failure只会在进程异常退出时拉起，如果你手动 stop，systemd 不会跟你对着干。RestartSec=10是我习惯的间隔，太短会在 OOM 时陷入崩溃循环，太长又会让空窗期变大。如果你的 OpenClaw 用 Docker 方式跑，就没必要再包一层 systemd，restart: unless-stopped加systemctl enable docker已经等价，不要叠床架屋。

3. 把 OpenClaw 接入 Microsoft Teams 与 Telegram：webhook 回调和会话隔离的落地配置

3.1 消息平台接入原理：从“主动去拉”到“平台推给你”

在接平台之前，先理解 OpenClaw 的两种消息获取模式。第一种是 polling，OpenClaw 定期向平台服务器问“有没有新消息”，实现简单，内网部署也能用，Telegram 的 bot 走这种模式最省事。第二种是 webhook，平台服务器收到用户消息后，主动向你的 OpenClaw 地址发一个 HTTP POST，OpenClaw 再回复，优点是实时性好，缺点是要求你的服务器有一个公网可达的 HTTPS 地址。

Microsoft Teams 走的是 webhook 这条路，而且要求比较苛刻：它要求回调地址必须是公网 HTTPS，证书有效，并且在收到消息后十几秒内返回 200，否则会判定回调失败并重试。这个“十几秒内返回 200”是后面很多问题的根源，很多人部署完发现自己接入失败了，其实不是 OpenClaw 配置错了，而是 Nginx 那层没有把 POST 请求正确转发进去。

3.2 接入 Microsoft Teams：Bot Framework 回调与常见静默失败

Teams 的正确接入方式是通过 Bot Framework，而不是往频道里扔一个 Incoming Webhook。Incoming Webhook 只能“发出去”、不能“收回来”，收用户消息必须有一个 bot 身份。你在 Azure 门户创建一个 Bot 资源后，会拿到两个关键值：Application ID 和客户端密钥。把这两个值填进 OpenClaw 的消息配置块：

{ "messaging": { "teams": { "enabled": true, "app_id": "你的 Bot Framework Application ID", "app_password": "你的 Bot 客户端密钥", "endpoint": "https://你的域名/api/teams" } } }

endpoint是 Teams 回调你的地址，具体路径以你启动 OpenClaw 后日志里打印的“Bot endpoint”为准，我这里是按/api/teams写的，不同版本可能不同。填完后，用 Nginx 把这个公网路径转发到127.0.0.1:8080，然后自测一下回调链路：

curl -i -X POST "https://你的域名/api/teams" \ -H "Content-Type: application/json" \ -d '{"type":"message","from":{"id":"probe"},"conversation":{"id":"probe"},"text":"探活"}'

如果返回 200，说明链路通了；如果返回 404，说明路径没对上；如果超时，说明 Nginx 没转发过去。这一步能帮你把“OpenClaw 配置”和“外部链路”分开排查。Teams 接入最容易翻车的地方是：你改了 Azure 里的 bot 配置，但 Teams 客户端和 bot 服务之间有缓存，改完要等几分钟再测，否则会看到“已读但没回复”的假象。

3.3 接入 Telegram：BotFather 拿 token 和 polling 模式

Telegram 简单很多。找 BotFather 创建一个 bot，拿到 token，填进配置：

{ "messaging": { "telegram": { "enabled": true, "bot_token": "123456:ABC-DEF...", "allowed_chat_ids": [123456789], "mode": "polling" } } }

mode选polling可以省掉公网 HTTPS 的依赖，适合放在内网或临时机器上验证。allowed_chat_ids是白名单，只允许指定的 chat_id 跟你对话，防止 bot 被陌生人扫到后用你的模型额度发消息。这个字段建议一上来就配上，空数组等于放行所有人，我第一次部署时没配，一天被骚扰了二十多次，血泪教训。

3.4 同一套服务跑多平台：会话文件命名带来的冲突

当同一个 OpenClaw 实例同时接 Teams 和 Telegram 时，会话隔离就成了真问题。OpenClaw 的会话是按“平台 + 聊天 ID”来分文件的，Telegram 的 chat_id 是一串数字，干净；Teams 的 conversation id 是一长串带特殊字符的字符串，如果直接拿来做文件名，你会看到两个后果：一是文件名超长，二是同一个群里如果既有 Teams 又有别的入口，会话文件可能在同一个会话 ID 下被两个请求同时写。

我的做法是不同平台接不同的 agent 配置，而不是全都挤在一个默认 agent 里。Teams 走/api/teams，Telegram 走 polling，它们各自的会话目录通过OPENCLAW_HOME或配置里的session_dir分开。这样即使两个平台同时有人说话，底层也不会争抢同一个文件锁，后面第 5 章要讲的 session file locked 就少了一大半诱因。

4. OpenClaw 的会话、记忆与模型路由：把“能聊天”调成“能干活”的核心参数

4.1 session 生命周期：为什么 agent 忽然“失忆”

OpenClaw 里一次对话就是一个 session，它对应 sessions 目录下的一个文件，里面按顺序记录每一轮的输入输出。session 的打开和关闭由两个参数控制：session_timeout_min和max_turns。前者表示多少分钟没新消息就判定会话结束，后者表示一个会话最多能聊多少轮。这两个参数直接影响你感受到的“记忆长度”。

{ "agent": { "persona": "你是一个后端助手，回答保持简短，优先给可执行命令", "session_timeout_min": 60, "max_turns": 20 } }

session_timeout_min设小了，你会发现过一会儿再发消息，agent 完全不记得刚才聊了什么，这不是它蠢，是会话已经被回收了；设大了，又会带来一个副作用：长时间挂着的会话占用内存，多聊几轮后输入的上下文越来越长。我一般默认 60 分钟，max_turns控制在 20 轮以内，超过就强制开新会话。这样既不经常“失忆”，又不会让单次请求的 token 消耗失控。

你还要理解一个反直觉点：重启 OpenClaw 之后，agent 依旧不记得你是谁，不是因为会话文件没了，而是进程重启后活跃会话列表被清空，需要对方再发一条消息才会把旧会话文件重新加载进来。所以重启服务后第一句“你还记得我吗”得到否定回答，别慌，那是正常的。

4.2 记忆机制：memory 的存储、召回与清理边界

session 是短期对话上下文，memory 才是长期记忆。OpenClaw 的长期记忆默认也是落盘文件，backend设为file，指定一个目录存记忆条目。配置里有两个关键项：

{ "memory": { "backend": "file", "dir": "/data/memory", "recall_days": 30 } }

dir是记忆存放目录，recall_days是召回窗口，意思是 agent 思考时只会把最近 30 天内的记忆条目纳入上下文。这里藏着一个常见的性能误区：有人把recall_days拉到 365，以为记忆越多越聪明，结果每次请求都带上大量记忆，既费 token 又拖慢响应。记忆不是上下文，它是检索候选池，候选池越大，挑错信息的概率也越大。

我见过一个做法是把dir直接指向 Obsidian vault 下的某个文件夹，这样喂给 OpenClaw 的外部资料和它自己沉淀的记忆都落在同一个目录里，你能直接用 Obsidian 打开看它到底记住了什么，相当于是给记忆文件加了一层可视化。这个做法适合自己折腾，不一定要学。

4.3 模型路由：OpenAI、Ollama 与超时参数怎么配合

OpenClaw 的 provider 配置决定 agent 用哪个模型答题。如果你接的是 OpenAI 类 API，最常见的最小配置是：

{ "provider": { "openai": { "api_key": "sk-...", "model": "gpt-4o-mini", "temperature": 0.7 } } }

temperature不是越高越好，做工具调用和命令生成时，我习惯调到 0.2 到 0.4，减少随机性。如果你想让 agent 执行具体操作（读写文件、跑命令），温度太高容易生成不存在的参数，翻车概率直线上升。

本地模型走 Ollama 时配置不一样：

{ "provider": { "ollama": { "base_url": "http://127.0.0.1:11434", "model": "qwen2.5:7b", "keep_alive": "5m" } } }

base_url指向 Ollama 的端口，keep_alive表示模型在内存里驻留 5 分钟。这个参数很关键：如果设成 0，每轮请求都要重新加载模型，第一次响应能慢到 30 秒以上，用户体验极差；设成 5m，至少在连续对话时模型是热着的。本地模型首问慢的问题，我习惯在部署完后手动预热一次：

curl -s http://127.0.0.1:11434/api/generate \ -d '{"model":"qwen2.5:7b","keep_alive":"5m","prompt":"hi"}' >/dev/null

把模型先拉进内存，再让 OpenClaw 接流量，能避开“以为服务挂了、其实在加载模型”的误会。

4.4 工具白名单和配置模板：用一套配置管多个 agent

OpenClaw 的 agent 不只是聊天，它能调用工具：搜索网页、发 HTTP 请求、读写文件、执行命令。工具是把双刃剑，我在配置里一定会做白名单，没列进去的工具一律禁用。比如允许它读写/tmp下的临时文件，但不允许碰系统目录；允许它调用 http 请求访问内部服务，但不允许外发数据。

配多个 agent 的常见做法是准备一个基础配置模板，然后每个 agent 只改persona和session_dir。比如一个叫ops-agent，persona 偏向回答运维问题；一个叫writer-agent，persona 偏向写文档。两者共享同一套模型和记忆策略，但会话目录隔开，互不干扰。

顺带回应一个常见纠结：“OpenClaw 和 WorkBuddy 哪个好”。我的判断是：如果你只需要一个定时任务型、日历型轻量助手，WorkBuddy 那类工具开箱即用；如果你要的是“住在消息平台里、能接 Teams、有记忆和工具调用”的常驻智能体，OpenClaw 的灵活度明显更高。两者不是替代关系，是定位不同，选之前先想清楚你要的是定时脚本还是一个能对话的协作对象。

5. OpenClaw 避坑指南：会话文件锁超时、Teams 静默失败与本地模型首问慢的排查顺序

5.1 session file locked (timeout 60000ms)：并发写入撞上单文件锁

现象：用户发消息后，agent 一直不回复，日志里出现agent failed before reply: session file locked (timeout 60000ms) openclaw，然后整条请求在等锁等了 60 秒后失败。

原因：这个错误是多个请求同时针对同一个会话文件加锁导致的。最常见的有三种场景：两条不同平台的消息几乎同时到达同一个会话；前一个请求还在处理中（比如模型调用慢或工具执行卡住），新消息进来又试图写同一个会话文件；会话目录落在网络盘上，文件锁语义不对。60 秒是默认锁等待上限，超过就放弃。

解决：先把现象和进程状态分开确认，再动手。如果日志里能同时看到两三条请求都在等同一个会话，说明是并发冲突，优先从架构上拆：不同平台分 session 目录，同一个会话的请求串行化处理。如果是历史遗留的锁文件卡住，可以使用下面的命令清理超过 10 分钟的锁文件：

# 先查看，再确认没有活跃请求后删除 find /opt/openclaw/data/sessions -name '*.lock' -mmin +10 -print find /opt/openclaw/data/sessions -name '*.lock' -mmin +10 -delete

-mmin +10是只处理修改时间超过 10 分钟的锁文件，避免误删正在被使用的锁。清理完观察几分钟，如果还会继续出现锁超时，就不是锁文件残留，而是并发设计问题，要去调整会话目录划分。

5.2 Teams 已读但 agent 不回话：回调 URL 与 HTTPS 证书的问题

现象：用户在 Teams 里发消息，消息状态显示已读，但 agent 没有任何回复。OpenClaw 日志里干干净净，连请求记录都没有。

原因：Teams 的 Bot Framework 在回调失败时会自动重试，而且客户端会先标记“已读”，所以用户看到的是“发出去了、也读了、就是没结果”。真正的原因大多在两个地方：一是 endpoint 填的 URL 公网不可达或路径不对，二是 HTTPS 证书校验失败。还有一种情况是你改了 endpoint 配置，但 Teams 服务端那边有延迟，旧地址还在被调用。

解决：先用外部视角测一下你的回调地址是否真的能通。直接用浏览器或 curl 访问https://你的域名/api/teams，如果返回 404，说明路径不对，去日志里看启动时打印的 endpoint；如果返回 502 或超时，说明 Nginx 转发层有问题，重点查证书链。确认外部链路通了之后，再改 Teams 配置，改完等三到五分钟再测。这个“等几分钟”很关键，很多 Teams 接入失败其实是你改对了，但旧配置还没过期，多试两次就过了。

5.3 容器 OOM 被 kill：OpenClaw 沉默之前的征兆

现象：容器跑得好好的，突然谁发消息都没反应，docker logs openclaw的最后几行是Killed，或者宿主机的journalctl里有 oom-kill 记录。

原因：OpenClaw 进程被系统 OOM killer 杀掉了。常见诱因是会话数量太多、每个会话的上下文又长，或者某一个会话在工具调用里反复执行了占用内存的操作。观察到的特征通常是：容器还在但进程没了，docker ps显示容器是 running，但 OpenClaw 进程已经被杀，只是容器还在等待重启。

解决：给容器加内存上限，让 OOM 发生时系统优先杀其他进程。另一个兜底是把max_turns调小，限制单会话上下文膨胀。我的经验是 4G 内存跑 OpenClaw + 外部模型 API 足够，但如果你同时跑了 Ollama 加载 7B 参数模型，内存直接吃紧，建议这种组合上 8G。每次 OOM 后我都会检查会话文件个数：

find /opt/openclaw/data/sessions -type f -mtime +7 -print

超过一周的旧会话文件会被我定期清理，防止目录里堆着几万个文件拖慢列表操作。

5.4 本地模型首问要几十秒：不是卡死，是在等模型加载

现象：Ollama 模式下，第一句话发出去后 agent 半天没反应，日志显示响应耗时 30 秒以上，但后续对话又恢复正常。

原因：这大概率不是服务问题，是模型还没进内存。keep_alive设为 0 或时间太短时，每次空闲间隔后模型都会被从内存卸掉，下一条消息要先把模型权重重新加载，7B 模型的加载时间在磁盘性能一般时能到几十秒。这部分体验问题，配置参数解决不了，只能靠预热脚本兜住。

解决：在每日巡检或部署脚本里加一步预热请求，确保 OpenClaw 上线的同时模型已经在内存里。具体做法就是 4.3 节那条 curl，把keep_alive设成"5m"或更长。如果你发现预热之后还是慢，看两处：一是 Ollama 日志有没有反复出现加载模型的记录，二是系统监控里内存有没有被模型占满导致换页。这个现象经常被误报成 bug，其实是本地模型的调度特性，理解了就不慌。

5.5 推荐排查顺序：从日志级别到出网再到 provider 状态

遇到 OpenClaw 不回话，我习惯按下面这个顺序排查，能少走很多弯路。

先看服务状态和最近日志：

docker logs --tail 80 openclaw docker logs --since 10m openclaw | grep -iE "error|lock|teams|timeout"

二进制部署的话把 docker logs 换成journalctl -u openclaw -n 80 --no-pager。日志能告诉你 80% 的问题：如果是 lock 超时，按 5.1 节处理；如果有401或403，大概率是模型 API key 失效或消息平台凭据过期；如果是context deadline exceeded，就要看下游超时了，是模型接口慢还是 webhook 回调慢。

日志里没东西时，再查消息平台侧。Teams 优先查 endpoint 公网可达性和证书，Telegram 优先查 token 是否有效、白名单是否包含了当前 chat_id。最后才去看模型 provider 的接口面板，确认余额和限流状态。这个顺序能帮你快速区分“OpenClaw 的锅”“平台的锅”和“模型的锅”，而不是在三个黑匣子里同时乱找。

6. 让 OpenClaw 长期不掉线：健康检查脚本与三个每日验证命令

6.1 一个可用的健康检查脚本

我每台跑 OpenClaw 的机器上都放一个探活脚本，定时任务每分钟跑一次，真正出事时能第一时间在系统日志里留下痕迹：

#!/usr/bin/env bash # 探活：进程、HTTP、锁文件三个维度 if ! pgrep -f "openclaw serve" >/dev/null; then echo "[alert] openclaw process not found" | systemd-cat -t openclaw-health exit 1 fi curl -sf http://127.0.0.1:8080/health >/dev/null \ || echo "[alert] openclaw http check fail" | systemd-cat -t openclaw-health stale=$(find /opt/openclaw/data/sessions -name '*.lock' -mmin +10 2>/dev/null | wc -l) [ "$stale" -gt 3 ] && echo "[alert] stale locks=$stale" | systemd-cat -t openclaw-health

/health路径如果在你版本里不存在，替换成日志里显示的探活路径。锁文件数量超过 3 个才告警，是为了避免偶发锁残留误报。用systemd-cat的好处是告警统一进 journald，你后续接监控工具时直接过滤openclaw-health标签就行。

6.2 三个每日验证命令

我每天只跑三个命令确认它活着。第一条看容器状态，第二条看最近有没有记忆写入，第三条看有没有新会话创建：

docker ps --filter name=openclaw --format '{{.Status}}' find /opt/openclaw/data/memory -mmin -10 -type f | wc -l docker logs --since 30m openclaw | grep -c "session created"

如果第二条长期是 0，说明 agent 根本没在记东西，可能是记忆目录配错或权限有问题；如果第三条很高，说明有人在跟它对话，但如果你没主动发消息，那就要查是不是 bot 被外面扫描到了。这三条命令覆盖了“活着没、在记没、有人理没”三个维度，比盯着聊天窗口等回复可靠得多。

我现在的习惯是每天中午花一分钟跑这三个命令，顺手看一眼锁文件数量，这套习惯救了我至少三次：有一次 Teams 回调异常，就是锁文件数量先冒头，我才赶在用户发现之前把 endpoint 修正过来。OpenClaw 是个好工具，但它不会主动告诉你它快撑不住了，给会话目录和日志留点关注，比事后翻黑匣子轻松得多。希望帮到你。

本文还有配套的精品资源，点击获取