Ubuntu服务器部署OpenClaw+nanobot全记录

Ubuntu服务器部署OpenClawnanobot全记录1. 为什么选择Ubuntu服务器部署去年我在本地MacBook上折腾OpenClaw时最大的痛点就是无法实现7*24小时稳定运行——合上笔记本盖子就断连出差时网络波动也会中断任务。直到把OpenClaw迁移到云服务器后才真正体验到永不停机的自动化助手。这次我选择在Ubuntu 22.04 LTS上部署OpenClaw nanobot组合主要考虑三个因素稳定性服务器可以长期运行不中断性能释放配合nanobot内置的Qwen3-4B模型能处理更复杂的任务链远程访问通过Nginx暴露Web控制台随时随地管理任务整个部署过程涉及的关键技术点包括Linux权限管理、systemd服务化、反向代理配置等。下面我会详细记录每个环节的实操细节和踩坑经验。2. 基础环境准备2.1 服务器规格建议我的测试环境是腾讯云标准型S52核4G实测发现几个关键配置要求内存至少4GB运行Qwen3-4B模型时内存占用约3.2GB存储建议50GB以上SSD模型文件约8GB网络需要能访问GitHub和npm源# 查看系统资源 free -h df -h2.2 依赖安装Ubuntu默认的Python版本可能不兼容需要手动安装Python 3.10sudo apt update sudo apt install -y python3.10 python3.10-venv sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.10 1接着安装Node.jsOpenClaw依赖curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs3. OpenClaw核心部署3.1 安装主程序使用官方脚本安装时发现权限问题改用npm全局安装更可靠sudo npm install -g openclawlatest验证安装openclaw --version # 预期输出v2.3.1 或更高版本3.2 初始化配置首次运行配置向导时有几个关键选择需要注意sudo openclaw onboardMode选择生产环境建议用Advanced模式Provider选择选Skip for now后续单独配置nanobotSkills选择先不启用任何技能后期按需安装配置文件生成在/root/.openclaw/openclaw.json注意权限问题4. nanobot模型集成4.1 拉取镜像使用docker-compose部署nanobotversion: 3 services: nanobot: image: registry.cn-hangzhou.aliyuncs.com/chainbot/nanobot:latest ports: - 8000:8000 volumes: - ./data:/app/data environment: - MODEL_NAMEQwen3-4B-Instruct-2507 - VLLM_MAX_MODEL_LEN8192启动服务docker-compose up -d4.2 验证模型服务检查API是否正常curl http://localhost:8000/v1/chat/completions \ -H Content-Type: application/json \ -d { model: Qwen3-4B-Instruct-2507, messages: [{role: user, content: 你好}] }4.3 对接OpenClaw修改OpenClaw配置添加nanobot作为模型提供商{ models: { providers: { nanobot: { baseUrl: http://localhost:8000/v1, api: openai-completions, models: [ { id: Qwen3-4B-Instruct-2507, name: Nanobot Qwen, contextWindow: 32768 } ] } } } }重启网关使配置生效openclaw gateway restart5. 生产环境优化5.1 systemd服务化创建/etc/systemd/system/openclaw.service[Unit] DescriptionOpenClaw Gateway Afternetwork.target [Service] Userroot ExecStart/usr/bin/openclaw gateway --port 18789 Restartalways [Install] WantedBymulti-user.target启用服务sudo systemctl daemon-reload sudo systemctl enable openclaw sudo systemctl start openclaw5.2 Nginx反向代理配置/etc/nginx/sites-available/openclawserver { listen 80; server_name your-domain.com; location / { proxy_pass http://127.0.0.1:18789; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection upgrade; proxy_set_header Host $host; } }启用配置sudo ln -s /etc/nginx/sites-available/openclaw /etc/nginx/sites-enabled sudo nginx -t sudo systemctl reload nginx6. 常见问题排查6.1 端口冲突问题如果18789端口被占用可以修改启动端口openclaw gateway --port 28789记得同步修改Nginx配置中的代理地址。6.2 模型响应慢Qwen3-4B在4G内存的服务器上推理速度较慢两个优化建议在nanobot环境变量中添加VLLM_MAX_MODEL_LEN4096降低最大上下文长度升级服务器配置到8G内存6.3 权限问题所有涉及文件读写的技能如file-processor需要特别注意确保/root/.openclaw/目录权限正确技能运行时使用sudo可能导致路径错误建议在开发环境测试后再部署7. 实际应用体验部署完成后我尝试了几个典型场景自动化内容处理让OpenClaw监控指定目录自动将新增的Markdown文件转换成微信公众号格式定时数据收集每天凌晨2点抓取行业动态生成摘要报告开发辅助通过自然语言指令执行git操作、运行测试脚本相比本地部署服务器环境最明显的优势是任务不会被系统休眠中断可以通过Web界面随时随地管理结合nanobot的模型能力能处理更复杂的多步任务不过也发现一个有趣的现象当同时有多个任务排队时Qwen3-4B偶尔会产生幻觉把不同任务的内容混在一起。这时候就需要在技能配置里加上更严格的输入校验。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。