Ubuntu服务器部署OpenClaw+nanobot全记录

Ubuntu服务器部署OpenClaw+nanobot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S5（2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 -h

2.2 依赖安装

Ubuntu默认的Python版本可能不兼容，需要手动安装Python 3.10：

sudo 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.js（OpenClaw依赖）：

curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs

3. 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 openclaw@latest

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 onboard

• Mode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nanobot）
• Skills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nanobot：

version: '3' services: nanobot: image: registry.cn-hangzhou.aliyuncs.com/chainbot/nanobot:latest ports: - "8000:8000" volumes: - ./data:/app/data environment: - MODEL_NAME=Qwen3-4B-Instruct-2507 - VLLM_MAX_MODEL_LEN=8192

启动服务：

docker-compose up -d

4.2 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 restart

5. 生产环境优化

5.1 systemd服务化

创建/etc/systemd/system/openclaw.service：

[Unit] Description=OpenClaw Gateway After=network.target [Service] User=root ExecStart=/usr/bin/openclaw gateway --port 18789 Restart=always [Install] WantedBy=multi-user.target

启用服务：

sudo systemctl daemon-reload sudo systemctl enable openclaw sudo systemctl start openclaw

5.2 Nginx反向代理

配置/etc/nginx/sites-available/openclaw：

server { 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 nginx

6. 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：

1. 在nanobot环境变量中添加VLLM_MAX_MODEL_LEN=4096降低最大上下文长度
2. 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：

1. 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
2. 定时数据收集：每天凌晨2点抓取行业动态，生成摘要报告
3. 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。