快速上手:访问 WebUI 与基础配置 本节手把手带你完成 OpenClaw 的安装、启动和 WebUI 基础配置。不管你是想在本地电脑上体验一下,还是想部署到远程服务器上长期使用,都能在这里找到对应的操作步骤。 阅读收获 完成本节学习后,你将能够: 在本地或远程服务器上完成 OpenClaw 的安装 启动 Gateway 服务并访问 WebUI 配置 AI 模型的 API Key 连接至少一个通信渠道 完成 WebUI 的基础安全配置 一、环境准备 在开始安装之前,先确认你的环境满足以下条件: 条件 | 最低要求 | 推荐配置 操作系统 | Linux / macOS / Windows | Ubuntu 22.04 LTS 或 macOS 14+ Node.js | 22.
本节手把手带你完成 OpenClaw 的安装、启动和 WebUI 基础配置。不管你是想在本地电脑上体验一下,还是想部署到远程服务器上长期使用,都能在这里找到对应的操作步骤。
完成本节学习后,你将能够:
在开始安装之前,先确认你的环境满足以下条件:
| 条件 | 最低要求 | 推荐配置 |
|---|---|---|
| 操作系统 | Linux / macOS / Windows | Ubuntu 22.04 LTS 或 macOS 14+ |
| Node.js | 22.0 及以上 | 22.x LTS 最新版 |
| 内存 | 2GB | 4GB 及以上 |
| 磁盘空间 | 5GB | 20GB SSD |
| 网络 | 能访问外网 | 1Mbps 以上稳定连接 |
| API Key | 至少一个 AI 模型的 Key | Claude 或 GPT 的 API Key |
⚠️ 注意:Node.js 版本必须是 22 及以上。可以用 node -v 命令检查当前版本。如果版本过低,请先升级 Node.js,否则后续安装步骤会报错。
💡 提示:如果你不确定选哪个 AI 模型的 API Key,建议从 Claude 或 GPT 开始。两者都有完善的文档和稳定的服务,适合入门。本地模型(如 Llama、Qwen)需要 GPU 支持,建议有一定经验后再尝试。
打开终端,执行以下命令:
# 全局安装 OpenClaw npm install -g openclaw@latest
安装完成后,运行初始化向导:
openclaw onboard --install-daemon
这个命令会做几件事:检查环境依赖、创建默认配置文件、安装后台守护进程。向导会一步步引导你完成,按提示操作即可。
如果你更习惯容器化部署,可以使用 Docker:
FROM node:22 RUN npm install -g openclaw@latest COPY openclaw.json /root/.openclaw/ EXPOSE 18789 CMD ["openclaw", "gateway", "--port", "18789"]
构建并启动:
docker build -t openclaw:latest . docker run -d -p 18789:18789 -v ~/.openclaw:/root/.openclaw --name openclaw openclaw:latest
如果你要在远程服务器上部署,先通过 SSH 登录服务器,然后执行和本地安装相同的步骤。以腾讯云轻量应用服务器为例:
# SSH 登录服务器 ssh root@your-server-ip # 安装 Node.js curl -fsSL https://deb.nodesource.com/setup_22.x | bash - apt-get install -y nodejs # 安装 OpenClaw npm install -g openclaw@latest # 初始化 openclaw onboard --install-daemon
安装完成后,需要配置至少一个 AI 模型的 API Key。编辑配置文件(默认路径在用户目录下的 .openclaw 文件夹中):
{ "agents": { "defaults": { "model": "claude-3-5-sonnet-20241022", "apiKey": "sk-ant-你的密钥" } } }
| 配置项 | 说明 | 示例 |
|---|---|---|
| model | 默认使用的 AI 模型 | claude-3-5-sonnet-20241022 |
| apiKey | 模型服务的 API 密钥 | sk-ant-xxx... |
| temperature | 生成温度,越低越确定 | 0.7 |
| maxTokens | 单次回复最大 token 数 | 4096 |
⚠️ 注意:不要把 API Key 直接写在配置文件里然后提交到 Git 仓库。生产环境建议使用环境变量来存储密钥,避免泄露。
配置好模型后,启动 Gateway 服务:
openclaw gateway --port 18789
如果你使用了 --install-daemon 参数初始化,Gateway 会以后台守护进程方式运行,关闭终端也不会停止。
查看 Gateway 状态:
openclaw gateway status
重启 Gateway:
openclaw gateway restart
Gateway 启动后,就可以通过浏览器访问 WebUI 了。
如果 OpenClaw 运行在你自己的电脑上,直接打开浏览器访问:
http://localhost:3000
默认端口是 3000。如果端口被占用,OpenClaw 会自动尝试下一个可用端口(3001、3002 等)。
如果 OpenClaw 部署在远程服务器上,有两种访问方式:
方式一:SSH 隧道(推荐)
这种方式不需要在服务器上开放额外端口,安全性最好。在本地终端执行:
ssh -L 3000:localhost:3000 user@your-server-ip
然后在本地浏览器访问 localhost:3000 即可。
方式二:直接访问
需要确保服务器防火墙开放了对应端口。在浏览器中直接访问服务器 IP 加端口号。生产环境强烈建议配置 HTTPS 和访问认证,具体方法见后面的安全配置部分。
对于长期运行的生产环境,建议绑定域名并配置 HTTPS:
进入 WebUI 后,你会看到几个主要模块:
| 模块 | 功能 | 常用操作 |
|---|---|---|
| 仪表盘 | 系统状态和运行概览 | 查看 CPU/内存使用、活跃会话数、消息量趋势 |
| 智能体管理 | 创建和管理 AI 智能体 | 配置模型、设置系统提示词、绑定技能 |
| 技能中心 | 管理已安装的技能 | 浏览技能列表、从 ClawHub 安装新技能、配置技能参数 |
| 会话管理 | 查看和管理对话 | 实时监控会话消息、查看历史会话、手动干预异常会话 |
| 系统配置 | 全局设置 | 配置 API 密钥、设置通信渠道、管理节点和网关参数 |
💡 提示:如果你是第一次使用,建议先在仪表盘页面熟悉一下系统状态,然后进入智能体管理创建一个基础智能体,再配置一个通信渠道,这样就能在聊天工具中实际体验 AI 的效果了。
OpenClaw 的核心价值之一是让你在日常通信工具中直接使用 AI。配置通信渠道的步骤很简单:
# 连接 WhatsApp openclaw channels login whatsapp # 连接 Telegram openclaw channels login telegram # 连接 Discord openclaw channels login discord
每个渠道的连接方式略有不同。以 Telegram 为例,你需要先在 Telegram 上创建一个 Bot,获取 Bot Token,然后在配置文件中填入 Token。连接成功后,你就可以在 Telegram 中直接和你的 AI 助手对话了。
生产环境下,安全配置不能忽略。以下是几个关键的安全设置:
为 WebUI 设置用户名和密码,防止未授权访问:
gateway: webui: auth: enabled: true username: admin password: 你的强密码
限制哪些用户或群组可以使用你的 AI 助手:
{ "channels": { "whatsapp": { "allowFrom": ["+861xxxxxxxxxx"], "groups": { "*": { "requireMention": true } } } } }
| 安全措施 | 重要程度 | 说明 |
|---|---|---|
| 启用 HTTPS | 高 | 加密传输,防止中间人窃听 |
| 配置访问认证 | 高 | 防止未授权用户访问管理界面 |
| 设置渠道白名单 | 中 | 限制 AI 助手的服务范围 |
| 环境变量存储密钥 | 高 | 避免 API Key 泄露到代码仓库 |
| 定期更新版本 | 中 | 获取最新的安全补丁 |
| 检查访问日志 | 中 | 发现异常访问行为 |
⚠️ 注意:如果你把 OpenClaw 部署在公网可访问的服务器上,HTTPS 和访问认证是必须配置的,不是可选项。没有这两项保护,任何人都可以访问你的 AI 助手、消耗你的 API 额度,甚至查看你的对话记录。
| 问题 | 排查方向 |
|---|---|
| WebUI 无法访问 | 检查 Gateway 是否运行、端口是否被占用、防火墙是否放行 |
| 连接渠道失败 | 检查 API Key 是否正确、网络是否通畅、渠道配置是否完整 |
| AI 回复很慢 | 检查模型 API 响应时间、网络延迟、上下文是否过长 |
| 技能没有生效 | 检查技能目录是否正确、SKILL.md 格式是否规范、技能是否被启用 |