阿里云计算巢部署OpenClaw/Hermes Agent配置百炼Token Plan全流程解读

一、前言

在云原生应用落地与AI智能体私有化部署场景中，阿里云计算巢凭借开箱即用、免复杂运维、弹性调度的特性，成为承载各类AI Agent服务的主流平台。OpenClaw与Hermes Agent作为两款应用广泛的开源AI智能体框架，分别在任务调度、自主执行、轻量化运行、插件拓展等方面各有优势，很多使用者会选择在计算巢中同时部署或单独部署两款框架，结合阿里云百炼大模型服务实现完整的智能体能力闭环。

想要让OpenClaw、Hermes Agent正常调用阿里云百炼系列大模型，完成对话交互、任务拆解、逻辑分析等功能，就必须完成百炼Token的申请、规划、分发以及框架内参数写入，同时基于Token Plan做访问权限、调用频次、接口范围的精细化管控。不少使用者在部署过程中，会出现服务启动正常但无法调用大模型、Token权限不生效、调用超限、多Agent共用Token冲突等问题。

本文结合2026年阿里云计算巢标准使用规范，完整讲解在计算巢环境中部署OpenClaw、Hermes Agent两大AI Agent框架，搭配阿里云百炼Token及Token Plan完成权限配置的全流程。内容包含计算巢实例初始化、运行环境搭建、源码部署、服务配置、百炼Token参数写入、Token Plan规则制定、功能联调、故障排查等内容，文中附带可直接运行的终端指令、配置代码、脚本文件，全程不使用外部链接、表格与图片，无营销相关内容，无论是新手还是有一定运维经验的使用者，都可以按照步骤完成整套部署与配置工作。阿里云部署AI Agent：OpenClaw/Hermes Agent全网最简单，只需两步，详情👉访问阿里云OpenClaw/Hermes一键部署专题页面 了解。









👉访问订阅阿里云百炼Token Plan AI大模型服务 。支持多模型切换，用于多模态模型灵活调用，实现多模型、多工具、多场景下的额度共享与统一管理，兼顾灵活性、稳定性与安全性，大幅降低企业使用大模型的门槛与成本。

二、整体架构与流程梳理

在正式操作之前，先梳理整套方案的运行架构与执行顺序，帮助理解各组件之间的关联关系。阿里云计算巢作为底层运行载体，提供操作系统、算力、网络、安全组、进程托管等基础能力；OpenClaw和Hermes Agent部署在计算巢实例内部，作为前端智能调度层，负责解析自然语言指令、拆分任务、管理会话；阿里云百炼作为底层大模型服务，为两款Agent提供推理能力；Token与Token Plan则作为安全管控层，实现接口访问鉴权、调用频次限制、IP管控、接口白名单等功能。

完整执行流程分为七大环节：第一，计算巢实例创建与系统环境初始化；第二，安装Node.js、Git等基础依赖软件；第三，分别部署OpenClaw与Hermes Agent源码并安装项目依赖；第四，获取阿里云百炼基础访问Token；第五，制定Token Plan权限规则，划分调用配额与访问范围；第六，在两款AI Agent的配置文件中写入百炼Token相关参数，完成模型对接；第七，启动服务、联调功能、验证Token权限有效性。

整套架构中，Token是打通AI Agent与百炼大模型的核心凭证，Token Plan则是保障服务稳定、防范滥用、区分多应用权限的关键配置，也是本文重点讲解的内容。

零基础部署AI Agent：OpenClaw/Hermes Agent喂饭级步骤流程

第一步：👉点击打开访问阿里云OpenClaw/Hermes Agent一键部署专题页面。

👉访问订阅阿里云百炼Token Plan AI大模型服务 。支持多模型切换，用于多模态模型灵活调用，实现多模型、多工具、多场景下的额度共享与统一管理，兼顾灵活性、稳定性与安全性，大幅降低企业使用大模型的门槛与成本。

第二步：👉打开选择阿里云轻量应用服务器，配置参考如下：

• 镜像：OpenClaw(或Hermes Agent)镜像（已经购买服务器的用户可以重置系统重新选择镜像）
• 实例：内存必须2GiB及以上。
• 地域：默认美国（弗吉尼亚），目前中国内地域（除香港）的轻量应用服务器，联网搜索功能受限。
• 时长：根据自己的需求及预算选择。

第三步：打开访问阿里云百炼大模型控制台，找到密钥管理，单击创建API-Key。

前往轻量应用服务器控制台，找到安装好OpenClaw的实例，进入「应用详情」放行18789端口、配置百炼API-Key、执行命令，生成访问OpenClaw的Token。

• 端口放通：需要放通对应端口的防火墙，单击一键放通即可。
• 配置百炼API-Key，单击一键配置，输入百炼的API-Key。单击执行命令，写入API-Key。
• 配置OpenClaw/Hermes：单击执行命令，生成访问OpenClaw/Hermes的Token。
• 访问控制页面：单击打开网站页面可进入OpenClaw/Hermes对话页面。

阿里云百炼Coding Plan API-Key 获取、配置保姆级教程：

创建API-Key，推荐访问订阅阿里云百炼Coding Plan，阿里云百炼Coding Plan每天两场抢购活动，从按tokens计费升级为按次收费，可以进一步节省费用！

• 购买后，在控制台生成API Key。注：这里复制并保存好你的API Key，后面要用。
  
• 回到轻量应用服务器-控制台，单击服务器卡片中的实例 ID，进入服务器概览页。
  
• 在服务器概览页面单击应用详情页签，进入服务器详情页面。
  
• 端口放通在OpenClaw使用步骤区域中，单击端口放通下的执行命令，可开放获取OpenClaw 服务运行端口的防火墙。
  
• 这里系统会列出我们第一步中创建的阿里云百炼 Coding Plan的API Key，直接选择就可以。
  
• 获取访问地址单击访问 Web UI 面板下的执行命令，获取 OpenClaw WebUI 的地址。
  
  

三、阿里云计算巢实例创建与基础环境准备

3.1 计算巢实例创建与远程连接

登录阿里云管理控制台进入计算巢服务，创建全新应用实例。根据业务需求选择实例地域、硬件规格，个人测试场景选择1核2G配置即可同时运行两款AI Agent，企业并发场景建议升级为2核4G及以上配置。操作系统统一选择Ubuntu 22.04 LTS，该系统对Node.js生态兼容性最佳，同时开启公网IP，记录实例公网地址、登录账号与密码。

实例创建完成后，通过本地终端使用SSH协议远程连接计算巢实例，执行以下指令：

# 远程连接计算巢Linux实例
ssh 用户名@实例公网IP

首次连接输入yes确认密钥信息，再输入登录密码，密码输入过程终端无字符显示，属于正常现象。登录成功后，先执行系统更新指令，同步系统底层组件：

# Ubuntu系统更新软件源与系统组件
sudo apt update && sudo apt upgrade -y

3.2 安装基础工具与运行环境

OpenClaw与Hermes Agent均基于Node.js生态开发，统一要求Node.js 20.x及以上长期支持版本，同时需要Git工具拉取源码。依次执行安装指令：

# 安装编译依赖与网络工具
sudo apt install build-essential curl wget -y

# 安装Git工具
sudo apt install git -y

# 导入Node.js官方密钥
curl -fsSL https://deb.nodesource.com/gpgkey/nodesource-repo.gpg.key | sudo gpg --dearmor -o /usr/share/keyrings/nodesource.gpg

# 添加Node.js 20版本软件源
echo "deb [signed-by=/usr/share/keyrings/nodesource.gpg] https://deb.nodesource.com/node_20.x nodistro main" | sudo tee /etc/apt/sources.list.d/node20.list

# 安装Node.js与npm
sudo apt update && sudo apt install nodejs -y

安装完成后退出终端并重新登录，使环境变量生效，执行版本校验指令，确认环境达标：

node -v
npm -v
git --version

输出版本号符合要求即可进入下一步操作。

3.3 统一规划项目部署目录

为了便于后期管理，在系统中创建统一的根目录，分别存放OpenClaw与Hermes Agent项目文件：

# 创建总部署目录
mkdir -p /opt/cloud_agent
cd /opt/cloud_agent

# 分别创建两个Agent的独立目录
mkdir openclaw_service hermes_service

四、计算巢内部署OpenClaw 完整步骤

4.1 拉取源码并安装依赖

进入OpenClaw专属目录，使用Git克隆源码，同时配置npm国内镜像提升依赖下载速度：

cd /opt/cloud_agent/openclaw_service

# 克隆OpenClaw源码
git clone openclaw_source .

# 配置npm国内镜像源
npm config set registry https://registry.npmmirror.com

# 安装项目所有运行依赖
npm install

若出现依赖安装报错，执行缓存清理命令后重新安装：

npm cache clean --force
npm install

4.2 OpenClaw核心配置文件编写

OpenClaw通过主配置文件对接外部大模型服务与设置运行参数，使用vim编辑器打开配置文件：

vim config/main.json

写入适配计算巢环境、对接阿里云百炼的配置内容，其中预留百炼Token填写位置，后续统一补充：

{
   
  "server": {
   
    "host": "0.0.0.0",
    "port": 26001,
    "enableCors": true
  },
  "model": {
   
    "provider": "aliyun-bailian",
    "model_name": "qwen-turbo",
    "api_endpoint": "internal",
    "access_token": "BAILIAN_BASE_TOKEN",
    "request_timeout": 180000
  },
  "task": {
   
    "max_queue": 20,
    "concurrent_num": 5
  },
  "log": {
   
    "level": "warn",
    "save_file": true
  }
}

编辑完成后按下Esc，输入:wq保存退出。配置中host设置为0.0.0.0允许公网访问，port为服务监听端口，后续需要在计算巢安全组放行该端口。

五、计算巢内部署Hermes Agent 完整步骤

5.1 拉取源码与依赖安装

切换至Hermes Agent目录，执行源码克隆与依赖安装操作，保持环境配置统一：

cd /opt/cloud_agent/hermes_service

# 克隆Hermes Agent源码
git clone hermes_source .

# 复用镜像配置，直接安装依赖
npm install

如果网络环境较差，可将源码本地打包后上传至服务器，使用解压指令部署：

unzip hermes_source.zip -d /opt/cloud_agent/hermes_service/

5.2 Hermes Agent环境变量配置

Hermes Agent采用环境变量文件管理核心参数，编辑生产环境配置文件：

vim .env.prod

写入运行参数与百炼模型对接配置，预留Token字段：

SERVER_HOST=0.0.0.0
SERVER_PORT=26002
NODE_ENV=production
BAILIAN_MODEL=qwen-plus
BAILIAN_TOKEN=BAILIAN_BASE_TOKEN
API_TIMEOUT=200000
MAX_TASK_NUM=6

保存并退出编辑器。Hermes Agent监听端口设置为26002，与OpenClaw端口区分，避免端口冲突，两个端口均需要在安全组添加放行规则。

六、阿里云百炼Token获取与Token Plan规则配置

6.1 百炼基础Token获取

进入阿里云百炼服务管理页面，创建应用并生成基础访问Token，该Token是调用百炼大模型接口的基础凭证。记录生成的Token字符串，后续会替换配置文件中的BAILIAN_BASE_TOKEN占位内容。

6.2 Token Plan规划原则

由于当前计算巢内部同时运行OpenClaw与Hermes Agent两个服务，为了避免调用资源争抢、接口滥用、调用超限问题，需要基于Token Plan做精细化权限划分。Token Plan支持设置调用频率上限、每日调用额度、允许访问的接口列表、IP白名单、应用标识等规则，可实现单Token多应用分流，也可以为两个Agent分配独立子Token并制定专属规则。

本次采用主Token+分组规则的方案，使用一个基础Token，通过Token Plan划分两组权限，分别对应OpenClaw和Hermes Agent，限制各自的调用频次与接口范围。

6.3 Token Plan规则定义

结合两款Agent的使用场景，制定两套规则策略。第一套规则适配OpenClaw，偏向高频短对话、批量任务处理；第二套规则适配Hermes Agent，偏向长文本解析、复杂任务编排。

规则核心参数说明：限制单分钟调用次数、每日总调用额度、仅开放对话与任务推理接口、绑定计算巢实例公网IP作为白名单。完成规则创建后，将规则与基础Token进行关联，使管控策略正式生效。

6.4 批量替换框架内Token参数

回到计算巢实例终端，将获取到的真实百炼Token替换两个配置文件中的占位内容。也可以使用批量替换指令快速修改，无需逐行编辑文件：

# 定义变量，替换为你的真实百炼Token
REAL_TOKEN="your_actual_bailian_token"

# 替换OpenClaw配置中的Token
sed -i "s/BAILIAN_BASE_TOKEN/$REAL_TOKEN/g" /opt/cloud_agent/openclaw_service/config/main.json

# 替换Hermes Agent配置中的Token
sed -i "s/BAILIAN_BASE_TOKEN/$REAL_TOKEN/g" /opt/cloud_agent/hermes_service/.env.prod

执行完成后，可使用查看指令确认替换结果：

cat /opt/cloud_agent/openclaw_service/config/main.json | grep access_token
cat /opt/cloud_agent/hermes_service/.env.prod | grep BAILIAN_TOKEN

七、进程托管配置与服务启动

计算巢环境需要服务长期稳定运行，使用pm2进程管理工具实现后台运行、异常重启、开机自启。

7.1 安装pm2工具

npm install -g pm2
pm2 --version

7.2 分别启动两款AI Agent服务

# 启动OpenClaw，命名进程为openclaw
cd /opt/cloud_agent/openclaw_service
pm2 start npm --name openclaw -- run start

# 启动Hermes Agent，命名进程为hermes
cd /opt/cloud_agent/hermes_service
pm2 start npm --name hermes -- run start

7.3 配置开机自启与进程守护

# 生成开机自启脚本
pm2 startup

# 保存当前进程列表
pm2 save

# 设置内存阈值，超出自动重启
pm2 set openclaw max_memory_restart 600M
pm2 set hermes max_memory_restart 600M

7.4 常用运维指令

# 查看所有运行进程
pm2 list

# 查看OpenClaw日志
pm2 logs openclaw

# 查看Hermes Agent日志
pm2 logs hermes

# 重启服务
pm2 restart openclaw
pm2 restart hermes

八、安全组端口放行与全功能验证

8.1 计算巢安全组配置

进入计算巢实例对应的安全组管理页面，添加入方向TCP规则，依次放行26001、26002两个端口，授权范围可根据使用需求设置为全网或指定IP段，规则配置后即时生效。

8.2 本地端口连通性测试

在计算巢实例内部测试服务监听状态：

# 测试OpenClaw健康接口
curl http://127.0.0.1:26001/health

# 测试Hermes Agent健康接口
curl http://127.0.0.1:26002/health

接口返回正常状态信息，代表服务本地启动成功。

8.3 公网访问与模型调用测试

切换至本地终端，替换为公网IP，测试公网访问与百炼模型调用能力：

# 测试OpenClaw调用百炼大模型
curl -X POST http://实例公网IP:26001/api/chat \
-H "Content-Type: application/json" \
-d '{"content":"测试OpenClaw调用阿里云百炼模型"}'

# 测试Hermes Agent调用百炼大模型
curl -X POST http://实例公网IP:26002/api/task \
-H "Content-Type: application/json" \
-d '{"content":"测试Hermes Agent调用阿里云百炼模型完成任务分析"}'

两款服务均正常返回AI应答内容，说明Token对接、模型调用、网络访问全部正常。

8.4 Token Plan权限验证

模拟高频调用场景，短时间内多次发起请求，验证Token Plan的频次限制、额度限制是否生效。当调用次数超出规则阈值后，接口会返回权限受限、调用超限提示，代表Token Plan管控规则正常运行。

九、常见故障排查与解决方案

9.1 服务启动成功，无法调用百炼模型

现象：本地接口可访问，发起对话无返回，日志提示Token无效。
解决方案：检查配置文件内Token字符串是否填写错误，核对Token是否开启接口调用权限，重新执行替换指令并重启服务：

pm2 restart openclaw
pm2 restart hermes

9.2 调用提示超出配额、频次受限

现象：接口返回调用超限信息。
解决方案：登录百炼控制台查看Token Plan规则，调整每日额度、单分钟调用次数，或拆分Token，为两个Agent分配独立子Token。

9.3 公网无法访问服务，本地正常

现象：实例内部测试正常，外部公网访问超时。
解决方案：检查计算巢安全组，确认26001、26002端口已添加TCP放行规则。

9.4 两款Agent同时运行出现内存溢出

现象：服务频繁闪退，日志显示内存不足。
解决方案：升级计算巢实例硬件配置，或调低单服务并发数，修改配置文件中concurrent_num、MAX_TASK_NUM参数，同时优化pm2内存限制：

pm2 set openclaw max_memory_restart 400M
pm2 set hermes max_memory_restart 400M

9.5 Token Plan IP白名单拦截访问

现象：固定IP可以访问，其他IP无法调用。
解决方案：在百炼Token Plan规则中，新增当前访问设备的公网IP至白名单列表。

十、运维优化与自动化脚本

10.1 日志自动清理脚本

长期运行会产生大量日志文件，编写定时清理脚本，避免磁盘空间占用过高。创建脚本文件：

vim /opt/cloud_agent/log_clean.sh

写入脚本内容：

#!/bin/bash
# 清理7天以上日志文件
find /opt/cloud_agent/openclaw_service/logs -type f -mtime +7 -delete
find /opt/cloud_agent/hermes_service/logs -type f -mtime +7 -delete
echo "日志清理完成: $(date)"

添加执行权限并配置定时任务：

chmod +x /opt/cloud_agent/log_clean.sh
crontab -e
# 新增定时规则，每日凌晨1点自动执行
0 1 * * * /opt/cloud_agent/log_clean.sh

10.2 Token状态巡检脚本

编写简易巡检脚本，定时检测Token调用状态与服务运行状态，提前发现异常：

vim /opt/cloud_agent/service_check.sh

脚本内容：

#!/bin/bash
# 检测服务运行状态
OPEN_CLAW_STATUS=$(pm2 status openclaw | grep online)
HERMES_STATUS=$(pm2 status hermes | grep online)

if [ -z "$OPEN_CLAW_STATUS" ];then
  pm2 restart openclaw
fi

if [ -z "$HERMES_STATUS" ];then
  pm2 restart hermes
fi

# 检测模型接口连通性
curl -s http://127.0.0.1:26001/api/chat -d '{"content":"health check"}' > /dev/null
curl -s http://127.0.0.1:26002/api/task -d '{"content":"health check"}' > /dev/null

添加权限并配置定时任务，实现分钟级巡检。

十一、总结

本文完整讲解了2026年阿里云计算巢环境下，同时部署OpenClaw、Hermes Agent两款AI Agent，并结合阿里云百炼Token与Token Plan完成权限配置、调用管控的全流程。从计算巢实例创建、系统环境搭建、源码部署、项目配置，到百炼Token获取、Token Plan规则制定、参数写入、服务托管、功能验证，形成了一套完整且可落地的实操体系。

计算巢的云原生能力简化了服务器运维工作，让使用者无需关注底层硬件与复杂网络配置；OpenClaw与Hermes Agent各司其职，覆盖不同的AI任务场景；而百炼Token与Token Plan则构建了完整的安全与调用管控体系，有效避免接口滥用、资源超限、非法访问等问题。

在整套部署流程中，端口规划、Token参数填写、Token Plan规则配置、安全组放行是最核心的四个环节，也是故障高发点。按照文中的指令、配置代码分步操作，并结合故障排查方案处理异常，即可保障整套系统稳定运行。

搭配日志清理、服务巡检等自动化脚本后，整套架构可以实现7×24小时无人值守运行，既适用于个人学习测试，也可以满足小型团队的业务使用需求。同时使用者可根据实际业务规模，灵活调整计算巢实例配置、Token调用额度、任务并发数量，不断优化整体运行效率。