阿里云ECS+本地Windows/macOS/Linux部署 OpenClaw 配置百炼Token Plan保姆级流程

简介: OpenClaw作为开源可自托管的AI智能体执行框架,能让大模型从单纯对话升级为可执行文件处理、代码编写、流程自动化的数字助手,搭配阿里云百炼Token Plan可实现稳定、高性价比的大模型调用。本次部署覆盖阿里云ECS(Linux/Windows)与本地Windows、macOS、Linux全平台,核心依赖Node.js 22.x+、Git,且必须完成阿里云账号实名认证并获取百炼Token Plan专属API Key。

一、部署前核心准备(必看)

OpenClaw作为开源可自托管的AI智能体执行框架,能让大模型从单纯对话升级为可执行文件处理、代码编写、流程自动化的数字助手,搭配阿里云百炼Token Plan可实现稳定、高性价比的大模型调用。本次部署覆盖阿里云ECS(Linux/Windows)与本地Windows、macOS、Linux全平台,核心依赖Node.js 22.x+、Git,且必须完成阿里云账号实名认证并获取百炼Token Plan专属API Key。

1.1 阿里云账号与百炼Token Plan开通

  • 注册并登录阿里云账号,完成个人/企业实名认证(未实名无法获取API Key)。
  • 进入阿里云百炼大模型控制台,找到Token Plan团队版订阅入口,选择适配坐席(个人/团队)完成订阅,新用户可享90天内各模型100万Token免费额度。
  • 订阅后在百炼控制台「密钥管理」创建API Key,系统生成Access Key ID(API Key)与Access Key Secret,仅生成时可完整查看,务必立即复制保存到本地,切勿泄露
  • 记录Token Plan对应Base URL:OpenAI兼容协议为https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1,Anthropic兼容协议为https://token-plan.cn-beijing.maas.aliyuncs.com/apps/anthropic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。
    OpenClaw1.png
    OpenClaw2.png
    OpenClaw02.png
    openClaw3.png
    OpenClaw031.png
    OpenClaw03.png
    OpenClaw04.png
    OpenClaw5.png
    Openclaw6.png
    👉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。
    tokenplan1.png
    tokenplan1.png
    tokenplan2.png
    tokenplan3.png
    tokenplan4.png

1.2 阿里云ECS选型与基础配置

  • 实例规格:推荐4核4GB及以上(如ecs.g7a.large),共享型实例(ecs.t6/s6)建议选更高规格,确保运行稳定;系统盘40GB以上,带宽≥2Mbps。
  • 操作系统:Linux选Alibaba Cloud Linux 3、Ubuntu 22.04 LTS;Windows选Windows Server 2019/2022,均需分配公网IPv4地址。
  • 安全组配置:进入ECS实例详情页,在安全组入方向放行22端口(SSH远程连接)、18789端口(OpenClaw Web控制台默认端口)、18800端口(Skills运行端口)。
  • 登录准备:Linux实例记录root账号与密码/密钥对;Windows实例记录Administrator账号与密码,确保可通过WebShell或远程工具连接。

1.3 本地环境前置依赖(Windows/macOS/Linux)

  • 安装Node.js 22.x及以上版本(官网下载对应系统安装包,安装时勾选Add to PATH)。
  • 安装Git工具(用于拉取依赖与扩展),配置国内npm镜像加速下载:
    # macOS/Linux终端执行
    npm config set registry https://registry.npmmirror.com
    # Windows PowerShell(管理员)执行
    npm config set registry https://registry.npmmirror.com
    
  • 验证依赖安装:打开终端/PowerShell,执行node -vnpm -vgit --version,均显示版本号则环境正常。

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
OpenClaw1.png
OpenClaw2.png
OpenClaw02.png
openClaw3.png
OpenClaw031.png
OpenClaw03.png
OpenClaw04.png
OpenClaw5.png
Openclaw6.png

👉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。
tokenplan1.png
tokenplan1.png
tokenplan2.png
tokenplan3.png
tokenplan4.png

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。

轻量应用服务器OpenClaw镜像.png
bailian1.png
bailian2.png

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。

阿里云百炼密钥管理图.png

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。
阿里云百炼密钥管理图2.png

  • 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!
CodingPlan.png

  • 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。
    image.png
  • 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。
    image.png
  • 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。
    image.png
  • 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。
    image.png
  • 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。
    image.png
  • 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。
    image.png
    image.png

    二、阿里云ECS部署OpenClaw(两种方式)

    2.1 方式一:云助手一键部署(新手首选,Linux/Windows通用)

    Linux实例部署步骤

  1. 登录阿里云ECS控制台,进入「云助手」→「公共命令」,搜索ACS-ECS-InstallOpenClaw-for-linux.sh
  2. 点击命令卡片「执行」,在弹出窗口选择目标ECS实例,执行用户选root,超时时间设300秒,命令参数留空。
  3. 点击「确定」执行,等待5-10分钟,命令状态显示「成功」则安装完成。
  4. 远程连接ECS(WebShell或SSH工具),进入OpenClaw目录:
    cd /opt/openclaw
    
  5. 编辑配置文件,写入百炼Token Plan信息:
    vim config/config.json
    
    找到models.providers字段,添加以下配置(替换YOUR_API_KEY为你的百炼API Key):
    "bailian-token-plan": {
         
      "baseUrl": "https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
      "apiKey": "YOUR_API_KEY",
      "api": "openai-completions",
      "models": [
        {
         
          "id": "qwen3.6-plus",
          "name": "qwen3.6-plus",
          "contextWindow": 1000000,
          "maxTokens": 65536
        }
      ]
    }
    
  6. 保存退出(:wq),重启OpenClaw服务使配置生效:
    docker restart openclaw
    
  7. 生成管理员Token(用于Web控制台登录):
    docker exec -it openclaw openclaw token generate --admin
    
    复制生成的Token,妥善保存。

Windows实例部署步骤

  1. 登录ECS控制台「云助手」→「公共命令」,搜索ACS-ECS-InstallOpenClaw-for-windows.ps1
  2. 点击「执行」,选择目标Windows实例,执行用户选Administrator,超时时间300秒。
  3. 命令执行成功后,通过远程桌面登录Windows实例,以管理员身份打开PowerShell。
  4. 进入OpenClaw安装目录(默认C:\Program Files\OpenClaw):
    cd 'C:\Program Files\OpenClaw'
    
  5. 编辑配置文件config\config.json,添加百炼Token Plan配置(同Linux步骤5)。
  6. 重启OpenClaw服务:
    Restart-Service OpenClaw
    
  7. 生成管理员Token:
    .\openclaw.exe token generate --admin
    
    复制生成的Token备用。

2.2 方式二:手动部署(自定义程度高,Linux实例)

  1. SSH远程连接ECS实例,更新系统依赖:
    # Alibaba Cloud Linux 3
    dnf update -y
    # Ubuntu 22.04
    apt update && apt upgrade -y
    
  2. 安装Docker与Docker Compose(OpenClaw依赖容器运行):
    # 安装Docker
    curl -fsSL https://get.docker.com | sh
    systemctl start docker && systemctl enable docker
    # 安装Docker Compose
    curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
    chmod +x /usr/local/bin/docker-compose
    
  3. 拉取OpenClaw官方镜像并创建部署目录:
    mkdir -p /opt/openclaw && cd /opt/openclaw
    docker pull inclavarecontainers/openclaw:latest
    
  4. 初始化OpenClaw配置:
    docker run -v $(pwd):/app/data inclavarecontainers/openclaw:latest openclaw init
    
  5. 编辑配置文件config/config.json,写入百炼Token Plan信息(同2.1步骤5)。
  6. 启动OpenClaw容器:
    docker-compose up -d
    
  7. 生成管理员Token并验证服务:
    docker exec -it openclaw openclaw token generate --admin
    # 验证服务运行状态
    docker ps | grep openclaw
    
    显示容器运行中则部署成功。

三、本地Windows/macOS/Linux部署OpenClaw

3.1 Windows本地部署(PowerShell管理员)

  1. 右键开始菜单,选择「Windows终端(管理员)」,解锁脚本执行策略:
    Set-ExecutionPolicy RemoteSigned -Scope CurrentUser -Force
    
  2. 执行OpenClaw一键安装脚本:
    iwr -useb https://openclaw.ai/install.ps1 | iex
    
  3. 安装完成后,初始化配置并选择百炼Token Plan:
    openclaw onboard
    
    按照向导选择「bailian-token-plan」,输入百炼API Key与对应Base URL。
  4. 启动OpenClaw网关服务:
    openclaw start
    
  5. 生成本地管理员Token:
    openclaw token generate --admin
    
  6. 访问本地Web控制台:浏览器打开http://localhost:18789,输入生成的Token登录。

3.2 macOS本地部署(终端)

  1. 打开终端,安装Homebrew(已安装可跳过):
    /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
    
  2. 安装Node.js与Git:
    brew install node git
    
  3. 执行OpenClaw安装脚本:
    curl -fsSL https://openclaw.ai/install.sh | sh
    
  4. 初始化配置,接入百炼Token Plan:
    openclaw onboard
    
    输入百炼API Key与Base URL,完成模型配置。
  5. 后台启动网关服务并生成Token:
    openclaw start --daemon
    openclaw token generate --admin
    
  6. 访问http://localhost:18789,用Token登录本地控制台。

3.3 Linux本地部署(Ubuntu/CentOS通用)

  1. 安装系统依赖:
    # Ubuntu
    apt update && apt install -y nodejs npm git
    # CentOS
    dnf install -y nodejs npm git
    
  2. 全局安装OpenClaw:
    npm install -g openclaw
    
  3. 初始化配置并接入百炼Token Plan:
    openclaw onboard
    
    按提示输入百炼API Key与Base URL。
  4. 配置开机自启(可选):

    # 创建systemd服务文件
    cat > /etc/systemd/system/openclaw.service << EOF
    [Unit]
    Description=OpenClaw AI Agent Service
    After=network.target
    
    [Service]
    ExecStart=/usr/bin/openclaw start
    Restart=always
    User=root
    
    [Install]
    WantedBy=multi-user.target
    EOF
    # 启动并启用自启
    systemctl daemon-reload
    systemctl start openclaw
    systemctl enable openclaw
    
  5. 生成管理员Token,访问本地控制台:
    openclaw token generate --admin
    
    浏览器打开http://localhost:18789登录使用。

四、百炼Token Plan深度配置与验证

4.1 配置文件精细化调整

无论ECS还是本地部署,均可手动编辑OpenClaw核心配置文件~/.openclaw/openclaw.json(Linux/macOS)或C:\Users\<用户名>\.openclaw\openclaw.json(Windows),优化Token Plan调用参数:

{
   
  "meta": {
   
    "lastTouchedVersion": "2026.2.1"
  },
  "models": {
   
    "mode": "merge",
    "providers": {
   
      "bailian-token-plan": {
   
        "baseUrl": "https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
        "apiKey": "你的百炼API Key",
        "api": "openai-completions",
        "timeout": 30000,
        "retry": 3,
        "models": [
          {
   
            "id": "qwen3.6-plus",
            "name": "通义千问3.6 Plus",
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "temperature": 0.7
          }
        ]
      }
    }
  },
  "gateway": {
   
    "auth": {
   
      "mode": "token",
      "token": "你的管理员Token"
    },
    "port": 18789
  }
}
  • timeout:API调用超时时间(毫秒),默认30000;
  • retry:调用失败重试次数,默认3;
  • temperature:模型生成随机性,0-1之间,值越高越灵活。

4.2 服务验证与功能测试

  1. 端口验证:ECS实例执行netstat -tuln | grep 18789,本地执行netstat -ano | findstr 18789(Windows)或lsof -i :18789(macOS/Linux),确认端口监听正常。
  2. API调用测试:在OpenClaw Web控制台发送简单指令(如「写一个Python Hello World程序」),查看是否正常返回结果,无报错则Token Plan配置成功。
  3. Token消耗查询:登录阿里云百炼Token Plan控制台,查看调用日志与Token消耗情况,确认计费正常。

五、常见问题与避坑指南

  1. ECS部署后无法访问Web控制台:检查安全组是否放行18789端口,ECS公网IP是否正确,OpenClaw容器是否运行(docker ps),防火墙是否拦截端口。
  2. 百炼API Key调用失败:确认API Key未泄露、未过期,Token Plan订阅正常,Base URL与协议匹配(OpenAI/Anthropic),网络可正常访问百炼服务地址。
  3. 本地部署启动失败:检查Node.js版本是否≥22.x,npm镜像是否配置正确,权限是否足够(Windows需管理员,Linux/macOS需sudo),端口18789是否被占用。
  4. Token Plan调用限额问题:新用户免费额度用完后,需确保Token Plan套餐有足够Credits,避免因余额不足导致调用失败;禁止用于自动化批量调用,否则可能被封禁API Key。
  5. Windows实例服务无法启动:确保以Administrator身份执行命令,Gateway服务需用户登录桌面后启动,可通过远程桌面登录后再执行启动命令。

六、部署总结与后续优化

本次部署完成了阿里云ECS(Linux/Windows)与本地Windows、macOS、Linux全平台的OpenClaw安装,成功接入阿里云百炼Token Plan,实现了AI智能体的稳定运行与大模型调用。后续可进一步优化:添加飞书/钉钉消息工具绑定,实现聊天式指令下达;安装OpenClaw扩展插件,增强文件处理、代码调试能力;配置ECS弹性伸缩,根据使用负载自动调整资源,降低成本。

OpenClaw搭配百炼Token Plan,为个人开发者与企业提供了低成本、高可控的AI智能体解决方案,无论是日常办公辅助、代码开发还是流程自动化,都能大幅提升效率。按照本教程步骤操作,即可快速搭建专属AI助手,解锁大模型的实用能力。

相关文章
|
2天前
|
人工智能 自然语言处理 文字识别
阿里云百炼Qwen3.7-Max简介:能力、优势、支持订阅计划参考
Qwen3.7-Max是阿里云百炼面向智能体时代推出的新一代旗舰模型,对标GPT-5.5、Claude Opus 4.7等闭源旗舰。该模型支持百万级token上下文窗口,具备顶级推理能力、多模态搜索与视觉理解增强、流式输出低延迟响应等核心优势,覆盖编程、办公、长周期自主执行等复杂场景。同时支持OpenAI接口兼容,便于系统快速迁移。用户可通过Token Plan团队或节省计划等订阅方式灵活调用,适合企业级高要求场景使用。
7971 34
阿里云百炼Qwen3.7-Max简介:能力、优势、支持订阅计划参考
|
2天前
|
JavaScript 定位技术 API
CodeGraph 爆火:编程 Agent 需要的不是更多上下文,而是一张提前画好的代码地图
CodeGraph 是一款爆火的本地代码智能工具,通过 tree-sitter 解析 AST 构建结构化知识图谱(存于 SQLite),为编程 Agent 提前生成“代码地图”。它显著降低 Agent 在中大型项目中的探索成本——实测工具调用减少71%、Token 降57%、速度提升46%,支持19+语言及主流框架路由识别,完全离线、无需 API Key。
446 1
CodeGraph 爆火:编程 Agent 需要的不是更多上下文,而是一张提前画好的代码地图
|
2天前
|
人工智能 运维 JavaScript
阿里云Qoder CN(原通义灵码)全解析 产品形态、版本划分与技术适配说明
在AI辅助开发与智能办公工具持续普及的当下,阿里云旗下原通义灵码正式更名为Qoder CN,同时延伸出QoderWork CN、Qoder CN CLI、Qoder CN Mobile等多款配套产品,形成覆盖代码开发、日常办公、终端交互、移动端使用的完整工具矩阵。Qoder CN核心定位为AI智能编码助手,深度适配主流代码编辑器、集成开发环境以及终端场景;QoderWork CN则偏向桌面端综合办公辅助,二者面向不同使用场景,划分了多个版本档位,搭配差异化资源配额、功能权限与计费规则,同时兼容多款主流大模型。
509 4
|
2天前
|
数据采集 人工智能 前端开发
让 Coding Agent 从黑盒到透明:阿里云 Agent 观测审计数据采集实践
AI Agent 规模化落地带来执行黑盒、行为难追溯、成本难度量三大难题。阿里云基于 OTel 标准,面向 Coding Agent、个人通用助理和框架型 Agent,推出 LoongSuite Pilot、插件及探针等无侵入采集方案,让 Agent 实现可看见、可分析、可审计、可治理。
685 148
|
2天前
|
人工智能 缓存 自然语言处理
阿里Qwen3.7-Max评测:Agent能力显著提升,耗时与调用成本大幅下降
阿里云百炼推出面向智能体的旗舰大模型Qwen3.7-Max,具备长周期自主执行能力,显著提升编程、办公自动化等复杂任务处理水平;支持MCP集成与多框架兼容,并以限时5折+100万Tokens免费试用大幅降低使用门槛,助力企业高效落地AI应用。在阿里云百炼平台快速体验:https://t.aliyun.com/U/fPVHqY
1905 10
|
2天前
|
人工智能 安全 定位技术
CodeGraph深度解析 让Claude Code工具调用直降七成的核心原理与实操教程
如今以Claude Code为代表的AI编程智能体已经成为开发者日常编码、项目重构、漏洞修复的必备工具。但在长期使用过程中,几乎所有开发者都会遇到同一个明显痛点:AI虽然具备强大的代码生成与分析能力,却常常陷入盲目探索的循环中。
1309 2
|
2天前
|
存储 安全 Java
AgentScope Java 2.0:打造分布式、企业级智能体底座
AgentScope 2.0 面向分布式部署、稳定运行、权限安全等企业级需求全面升级,打造支持多租户隔离与长期稳定运行的企业级智能体底座。
|
2天前
|
人工智能 弹性计算 运维
阿里云发布堡垒机智能运维Agent,运维交互进入自然语言新时代
支持自然语言运维,提升效率与安全双保障。
1178 1
|
2天前
|
人工智能 运维 API
2026年阿里云百炼通义千问Qwen3.7-plus深度介绍 功能特性、使用优势及618大促订阅方案指南
大模型技术的普及,让AI能力逐步融入个人办公、内容创作、代码编写、企业运营、教育培训等各类场景。不同定位的模型对应不同使用需求,旗舰级模型性能强劲但使用成本偏高,轻量化模型价格低廉却难以胜任复杂任务,而介于两者之间的中端主力模型,凭借均衡的能力、亲民的定价、广泛的场景适配性,成为绝大多数个人用户、小型团队、中小企业的首选。
609 1
|
2天前
|
存储 定位技术 数据库
CodeGraph 如何让 Claude Code减少 7 成工具调用?
CodeGraph 为 Coding Agent 提供本地代码知识图谱,把函数、类、调用链和框架路由提前整理成“项目地图”,减少盲目搜索和文件读取。它不是新 Agent,而是上下文基础设施,让 Agent 更快找到正确代码路径,平均减少 7 成工具调用。
1340 4