企业官网建设流程全解析

1. 项目概述：为什么选择在腾讯云Lighthouse上部署OpenClaw/ClawDBot？

最近在折腾AI智能体，OpenClaw（也叫ClawDBot）这个项目挺火的，它是一个开源的AI智能体框架，能帮你把大语言模型（比如GPT、Claude或者本地部署的Llama）变成一个能执行具体任务的“数字员工”。你可以让它帮你自动处理邮件、分析数据，甚至管理服务器。但很多朋友在第一步——部署上就卡住了，尤其是在云服务器环境。本地部署受限于硬件，而直接购买昂贵的云AI服务又不够灵活。这时候，腾讯云的Lighthouse（轻量应用服务器）就成了一个绝佳的折中方案：成本可控、开箱即用、网络环境稳定，特别适合个人开发者或小团队尝鲜和深度使用。

我花了几天时间，在腾讯云Lighthouse上从零开始完整部署了一套OpenClaw，期间踩了不少坑，也总结出了一套相对顺畅的流程。这篇指南就是我的实战记录，目标很明确：让你能跟着步骤，在半小时到一小时内，成功在腾讯云上跑起你自己的AI智能体。我们会涵盖从服务器选购、基础环境配置、Docker部署OpenClaw，到接入模型、配置技能等全流程，并重点分享那些官方文档可能没细说，但实际操作中一定会遇到的“坑”和解决方案。

2. 核心准备：腾讯云Lighthouse服务器选购与初始配置

部署的第一步是准备战场。腾讯云Lighthouse的选择和初始设置，直接决定了后续部署的顺畅度和使用体验。

2.1 服务器规格选择：平衡性能与成本

OpenClaw本身作为框架，资源消耗不大，但它的“大脑”——大语言模型（LLM）才是资源消耗的主力。因此，选购服务器的核心思路是：为模型运行预留足够资源。

• 最低配置（尝鲜/测试）：如果你打算主要使用云端API（如OpenAI GPT-4o、Claude 3.5 Sonnet），那么服务器主要承担OpenClaw框架的运行和转发请求。此时，选择2核CPU、2GB内存、50GB SSD的配置即可。腾讯云Lighthouse常有针对新用户的特惠活动，这个配置每月可能只需几十元。
• 推荐配置（本地模型/生产试用）：如果你想在服务器上本地部署轻量级开源模型（如Qwen2.5-7B-Instruct、Llama-3.2-3B），或者同时运行多个智能体，那么需要更强的算力。建议选择4核CPU、8GB内存、100GB SSD或更高配置。内存是关键，7B参数量的模型加载就需要约14GB内存（按FP16精度估算），8GB内存可以运行量化到4-bit或8-bit的版本。CPU核心数影响模型推理速度。
• 地域选择：尽量选择离你或你的目标用户群体更近的地域，以降低网络延迟。对于国内用户，上海、广州、北京地域都是不错的选择。如果你需要访问国际AI服务，可以考虑香港地域（但需注意相关合规要求）。

实操心得：千万不要抱着“先买个最低配试试”的心态去跑本地模型。我一开始用2GB内存的实例尝试跑量化后的模型，直接触发OOM（内存溢出）导致系统崩溃，ssh都连不上，只能重启。建议至少从4GB内存起步。

2.2 系统镜像与安全组设置

购买服务器时，系统镜像推荐选择Ubuntu 22.04 LTS。这是一个长期支持版本，社区资料丰富，对Docker的支持也非常好，能避免很多因系统版本过新或过旧导致的兼容性问题。

安全组（防火墙）设置是保障服务器安全的第一步，也是部署服务后能否访问的关键。腾讯云Lighthouse控制台提供了便捷的安全组配置。你需要开放以下端口：

• 22端口：SSH远程连接，必须开放。
• 80端口：HTTP服务，用于后续可能部署的Web界面或反向代理。
• 443端口：HTTPS服务，同上。
• 3000端口：这是OpenClaw默认的Web用户界面端口，必须开放。
• 11434端口：如果你计划在本地部署Ollama来运行模型，这个端口是Ollama的API端口，也需要开放。

设置时，源IP可以暂时设置为0.0.0.0/0（允许所有IP访问）以便测试，但在生产环境中，强烈建议将其改为你固定的公网IP地址段，以减少被扫描和攻击的风险。

2.3 服务器初始化：连接与基础环境

购买完成后，通过SSH连接到你的Lighthouse实例。腾讯云控制台提供了网页版的VNC连接和获取初始密码的方法。

登录后，第一件事是更新系统并安装一些必备工具：

# 更新软件包列表并升级现有软件 sudo apt update && sudo apt upgrade -y # 安装常用工具 sudo apt install -y curl wget git vim net-tools htop

接下来是安装Docker和Docker Compose。这是部署OpenClaw最推荐的方式，能解决环境依赖的难题。

# 安装Docker官方GPG密钥 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg # 设置Docker稳定版仓库 echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.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引擎 sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io # 安装Docker Compose插件（新方式） sudo apt install -y docker-compose-plugin # 验证安装 docker --version docker compose version # 将当前用户加入docker组，避免每次都要sudo sudo usermod -aG docker $USER # 注意：执行此命令后，需要退出当前SSH会话并重新登录，权限才会生效。

重新登录后，运行docker ps命令，如果不报错，说明Docker环境已经就绪。

3. 核心部署：使用Docker一键运行OpenClaw

环境准备好后，部署OpenClaw本身反而非常简单，这得益于其良好的容器化支持。

3.1 获取部署配置文件

OpenClaw的官方仓库通常提供了Docker Compose的示例文件。我们直接使用它。

# 创建一个项目目录并进入 mkdir openclaw-deploy && cd openclaw-deploy # 从官方仓库拉取docker-compose.yml示例文件 # 这里以某个公开的示例为准，实际请参考OpenClaw项目最新文档 curl -O https://raw.githubusercontent.com/openclaw/openclaw/main/docker-compose.yml

在运行前，我们需要编辑这个docker-compose.yml文件，进行一些关键配置。用vim或nano打开它。

3.2 关键配置解析与修改

一个典型的docker-compose.yml可能长这样，我们需要关注几个部分：

version: '3.8' services: openclaw: image: openclaw/openclaw:latest container_name: openclaw restart: unless-stopped ports: - "3000:3000" # 将容器的3000端口映射到主机的3000端口 environment: - OPENAI_API_KEY=${OPENAI_API_KEY} # 使用云端OpenAI API - OPENAI_BASE_URL=${OPENAI_BASE_URL} # 可改为其他兼容API的地址 - DEFAULT_MODEL=gpt-4o-mini # 默认使用的模型 # - OLLAMA_BASE_URL=http://host.docker.internal:11434 # 如果使用本地Ollama，取消注释并修改 volumes: - ./data:/app/data # 持久化存储数据 networks: - openclaw-network networks: openclaw-network: driver: bridge

需要修改和注意的环境变量：

1. OPENAI_API_KEY：如果你使用OpenAI的官方API，需要在此处填入你的API Key。但更安全的做法是使用环境变量文件。创建一个名为.env的文件：

   # .env 文件内容 OPENAI_API_KEY=sk-your-actual-openai-api-key-here OPENAI_BASE_URL=https://api.openai.com/v1 DEFAULT_MODEL=gpt-4o-mini

   然后在docker-compose.yml中引用：env_file: - .env。切记不要将真实的API Key直接硬编码在yml文件中，更不要提交到Git仓库。

2. 使用本地模型（Ollama）：如果你想在服务器上运行开源模型，需要先部署Ollama服务。可以在docker-compose.yml中增加一个Ollama服务，或者单独运行。然后修改OpenClaw的环境变量：

   environment: - OLLAMA_BASE_URL=http://ollama:11434 # 如果Ollama在同一个compose网络中 # 或者如果Ollama运行在宿主机上，Docker容器需要特殊方式访问 - OLLAMA_BASE_URL=http://host.docker.internal:11434 # 对于Linux，可能需要额外配置 - DEFAULT_MODEL=qwen2.5:7b-instruct # 你通过Ollama拉取的模型名

   踩坑记录：在Linux服务器上，Docker容器默认无法通过host.docker.internal访问宿主机服务。解决方法有两种：一是使用network_mode: host让容器共享主机网络（不推荐，有安全风险）；二是在启动Docker时添加--add-host=host.docker.internal:host-gateway参数，或者在docker-compose.yml中为服务添加extra_hosts: - "host.docker.internal:host-gateway"。最清晰的方式是将Ollama也作为Compose中的一个服务。

3. 端口映射：确保ports部分的3000:3000已设置，这样你才能通过http://你的服务器IP:3000访问OpenClaw的Web界面。

3.3 启动服务与验证

配置完成后，启动服务：

# 在包含 docker-compose.yml 和 .env 文件的目录下执行 docker compose up -d

-d参数表示在后台运行。使用以下命令查看日志和状态：

# 查看运行状态 docker compose ps # 查看OpenClaw容器的实时日志 docker compose logs -f openclaw

如果看到日志显示服务已启动在3000端口，没有报错，就可以打开浏览器访问了。

首次访问验证： 在浏览器地址栏输入http://<你的腾讯云服务器公网IP>:3000。如果能看到OpenClaw的登录或初始化界面，说明部署成功。首次使用可能需要创建一个管理员账户。

4. 模型接入：连接AI的“大脑”

部署好框架只是搭好了舞台，接入模型才是引入主角。OpenClaw支持多种模型接入方式。

4.1 方式一：使用云端API（最简单）

这是最快上手的方式。你只需要在OpenClaw的Web界面或环境变量中配置好API信息。

1. 在OpenClaw Web界面，通常会有设置或模型配置页面。
2. 填入你的API提供商（如OpenAI、Anthropic、DeepSeek等）的Base URL和API Key。
3. 选择可用的模型（如gpt-4o-mini,claude-3-5-sonnet-20241022）。
4. 保存后，即可在创建智能体时选择该模型。

优点：无需关心算力，模型能力强大且稳定。缺点：持续产生API调用费用，数据需要传输到第三方。

4.2 方式二：本地部署Ollama + 开源模型（更可控）

如果你想完全掌控数据，或者长期使用成本更低，可以在同一台Lighthouse服务器上部署Ollama来运行开源模型。

步骤1：部署Ollama同样使用Docker方式部署Ollama：

# 创建一个单独的目录，或者在上面的docker-compose.yml中新增服务 # 这里演示单独运行 docker run -d -v ollama_data:/root/.ollama -p 11434:11434 --name ollama --restart always ollama/ollama

步骤2：拉取并运行模型Ollama启动后，拉取一个模型，例如轻量级的Qwen2.5：

# 进入Ollama容器执行命令，或者直接在宿主机上通过curl操作API # 方法1：进入容器 docker exec -it ollama ollama pull qwen2.5:7b-instruct # 方法2：通过API拉取（推荐，可以看到进度） curl http://localhost:11434/api/pull -d '{"model": "qwen2.5:7b-instruct"}'

拉取需要时间，取决于模型大小和网络。7B模型大约4-5GB。

步骤3：在OpenClaw中配置Ollama修改OpenClaw的配置，将模型端点指向Ollama。如前所述，需要确保网络连通。如果Ollama和OpenClaw都用Docker Compose管理，配置最简单：

# 在docker-compose.yml中 services: ollama: image: ollama/ollama:latest container_name: ollama restart: unless-stopped volumes: - ollama_data:/root/.ollama networks: - openclaw-network openclaw: # ... 其他配置不变 environment: - OLLAMA_BASE_URL=http://ollama:11434 # 使用服务名访问 - DEFAULT_MODEL=qwen2.5:7b-instruct networks: - openclaw-network # 确保depends_on设置，让openclaw在ollama之后启动 depends_on: - ollama volumes: ollama_data: networks: openclaw-network: driver: bridge

然后重启服务：docker compose down && docker compose up -d。

注意事项：在资源有限的服务器上运行7B模型，推理速度可能较慢（一次生成可能需要10-30秒）。你可以尝试更小的模型（如3B、1.5B），或者使用量化版本（如qwen2.5:7b-instruct-q4_K_M），Ollama在拉取时默认会下载一个优化过的版本。可以通过ollama pull qwen2.5:7b-instruct-q4_K_M指定。

5. 技能配置与实战：让你的智能体“活”起来

OpenClaw的核心价值在于其“技能”（Skills）系统。智能体通过调用技能来与现实世界交互。

5.1 内置技能与自定义技能

OpenClaw通常自带一些基础技能，如：

• 网页搜索：让AI能获取实时信息。
• 代码执行：在沙箱中运行Python代码，进行数据分析或计算。
• 文件读写：管理服务器上的文件。
• HTTP请求：调用外部API。

启用这些技能通常需要在Web界面的“技能”或“插件”管理页面进行配置。例如，配置网页搜索可能需要填入Serper或Google Search API的密钥。

5.2 配置一个实战技能：自动发送邮件

我们以配置一个“发送邮件”技能为例，展示如何让智能体执行具体任务。

1. 准备SMTP信息：你需要一个邮箱的SMTP服务器信息（如QQ邮箱、163邮箱或企业邮箱）。以QQ邮箱为例，需要在邮箱设置中开启POP3/SMTP服务并获取授权码（不是登录密码）。

2. 在OpenClaw中配置技能：

   • 进入OpenClaw Web管理界面，找到技能配置区域。
   • 找到“Email”或“SMTP”相关技能，点击配置。
   • 填入以下信息：
     • SMTP服务器：smtp.qq.com
     • 端口：465(SSL) 或587(TLS)
     • 发件人邮箱：your-email@qq.com
     • 密码/授权码：你的QQ邮箱授权码
     • 默认收件人：（可选）

3. 创建智能体并测试：

   • 创建一个新的智能体（Agent）。
   • 在它的技能列表中，勾选上刚刚配置好的“发送邮件”技能。
   • 给智能体下达指令：“请给test@example.com发送一封邮件，主题是‘OpenClaw测试’，内容为‘这是一封来自腾讯云Lighthouse上部署的OpenClaw智能体的测试邮件。’”
   • 观察智能体的执行过程。它应该会理解你的指令，调用邮件技能，并成功发送。

5.3 技能组合与复杂工作流

真正的威力在于技能组合。你可以创建一个智能体，让它：

1. 使用“网页搜索”技能查找今天某地的天气。
2. 使用“代码执行”技能，将天气数据整理成一份简报。
3. 使用“发送邮件”技能，在每天上午9点将简报发送给你。
4. 使用“HTTP请求”技能，如果发现暴雨预警，则触发一个钉钉/飞书群通知。

OpenClaw的“工作流”或“计划任务”功能可以帮你编排这些复杂的自动化流程。这需要你在Web界面中通过图形化或YAML方式定义任务的触发条件和执行步骤。

6. 网络与安全优化：让服务更稳定、更安全

在公网服务器上运行服务，安全和稳定性不容忽视。

6.1 使用Nginx反向代理与配置HTTPS

直接通过IP和端口访问既不安全也不专业。我们需要用Nginx做反向代理，并配置SSL证书启用HTTPS。

步骤1：安装Nginx

sudo apt install -y nginx

步骤2：配置Nginx站点创建一个新的配置文件：

sudo vim /etc/nginx/sites-available/openclaw

内容如下（替换your_domain.com为你的域名或服务器IP）：

server { listen 80; server_name your_domain.com; # 或你的服务器IP location / { proxy_pass http://localhost:3000; # 指向OpenClaw服务 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; # 以下两行对WebSocket很重要，如果OpenClaw有实时功能 proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; } }

创建符号链接并测试配置：

sudo ln -s /etc/nginx/sites-available/openclaw /etc/nginx/sites-enabled/ sudo nginx -t # 测试配置语法 sudo systemctl reload nginx # 重载配置

现在，你可以通过http://your_domain.com访问OpenClaw了。

步骤3：使用Let‘s Encrypt配置HTTPS（免费SSL证书）安装Certbot工具：

sudo apt install -y certbot python3-certbot-nginx

获取并安装证书：

sudo certbot --nginx -d your_domain.com

按照交互提示操作，Certbot会自动修改Nginx配置，将HTTP重定向到HTTPS，并管理证书续期。

6.2 基础安全加固

1. 修改SSH端口：编辑/etc/ssh/sshd_config，将Port 22改为一个非标准端口（如Port 23456），然后重启SSH服务sudo systemctl restart sshd。务必在操作前确保新端口已在安全组中开放，并保持一个现有连接不关闭以测试新端口，否则可能被锁在服务器外。
2. 禁用root密码登录：在sshd_config中设置PermitRootLogin prohibit-password或PermitRootLogin no，并改用密钥对登录。
3. 配置防火墙（UFW）：Ubuntu自带的UFW防火墙易于使用。

   sudo ufw allow 23456/tcp # 允许新的SSH端口 sudo ufw allow 80/tcp sudo ufw allow 443/tcp # 如果你不再需要直接访问3000端口，可以关闭它，因为我们已经用了Nginx代理 # sudo ufw deny 3000/tcp sudo ufw enable

4. 定期更新：设置无人值守更新或定期手动执行sudo apt update && sudo apt upgrade。
5. 备份数据：定期备份OpenClaw容器挂载的本地数据卷（./data目录）。腾讯云Lighthouse也提供快照功能，可以在重大变更前创建系统盘快照。

7. 运维与故障排查：保持智能体稳定运行

部署完成只是开始，日常运维和问题排查同样重要。

7.1 常用Docker命令

• 查看日志：docker compose logs -f openclaw（实时查看）
• 重启服务：docker compose restart openclaw
• 停止服务：docker compose down（会停止并删除容器，但保留数据卷）
• 更新镜像：先拉取最新镜像docker compose pull openclaw，然后docker compose up -d。
• 进入容器：docker exec -it openclaw /bin/bash（用于调试）。
• 查看资源占用：docker stats。

7.2 常见问题与解决方案

问题1：访问http://IP:3000连接被拒绝或超时。

• 检查：服务器安全组是否开放了3000端口？sudo ufw status查看防火墙规则。
• 检查：OpenClaw容器是否正在运行？docker compose ps。
• 检查：容器日志是否有错误？docker compose logs openclaw。常见错误是环境变量配置不对导致启动失败。

问题2：智能体调用模型时长时间无响应或报错。

• 如果使用Ollama：首先检查Ollama服务是否正常，curl http://localhost:11434/api/tags查看已拉取的模型。检查OpenClaw中OLLAMA_BASE_URL配置是否正确（容器内网络）。尝试在Ollama容器内直接运行对话测试：docker exec -it ollama ollama run qwen2.5:7b-instruct。
• 如果使用API：检查API Key是否正确，是否有余额，网络是否能访问API端点（在服务器上curl测试一下）。

问题3：服务器内存/CPU占用过高。

• 排查：运行htop命令查看进程。罪魁祸首通常是Ollama运行的模型。
• 解决：考虑换用更小的模型，或者使用更激进的量化（如q4_K_S）。调整Ollama的并行参数（OLLAMA_NUM_PARALLEL）限制并发请求。如果使用API方案，则此问题不显著。

问题4：Docker容器启动失败，提示端口被占用。

• 解决：sudo netstat -tulpn | grep :3000查找占用端口的进程，停止它或修改docker-compose.yml中的端口映射（如"8080:3000"）。

问题5：数据丢失。

• 预防：确保docker-compose.yml中配置了数据卷持久化（- ./data:/app/data）。定期备份这个./data目录。

7.3 性能监控与日志管理

对于长期运行的服务，建议配置基础监控：

• 基础监控：腾讯云Lighthouse控制台自带CPU、内存、流量监控图表。
• 日志管理：Docker容器的日志默认会增长。可以配置日志轮转，在docker-compose.yml中为服务添加日志驱动和大小限制：

  services: openclaw: # ... 其他配置 logging: driver: "json-file" options: max-size: "10m" max-file: "3"

  这会将每个容器的日志文件限制为最多3个，每个10MB。

部署和运维OpenClaw的过程，就是一个典型的云原生应用管理实践。从资源规划、容器化部署、网络配置到安全加固和故障排查，每一步都考验着对系统和工具的理解。当看到自己部署的智能体能够稳定运行，并按照指令完成一个个任务时，那种成就感远超单纯调用一个在线API。这个在腾讯云Lighthouse上搭建的AI智能体平台，不仅是一个工具，更成为了一个可扩展、可定制的自动化基础架构起点。你可以基于它，继续探索更复杂的技能集成、多智能体协作，或是将其作为后端服务，为你自己的应用注入AI能力。