1. 为什么我劝你别再用 Node 装龙虾 OpenClaw先说结论OpenClaw 本地部署最省心的路径是 Docker 镜像直拉而不是 Node 源码编译。你搜「OpenClaw 本地部署 无需 Node」能找到一堆教程但真正能一次跑通的没几个原因就在于大部分教程默认你已经有干净的 Node 环境。我见过太多人卡在第一步npm install跑到一半报gyp ERR!或者node-gyp找不到 Python再或者 Node 版本和依赖要求的版本差了一个大版本直接EBADENGINE。更别提国内网络拉 npm 包的速度一个node_modules能装半小时最后还告诉你peer dep冲突。OpenClaw圈内叫「龙虾」本质上是一个带网关、设备配对、Dashboard 的 Agent 运行框架。它需要的是一个稳定的运行时和持久化的数据卷而不是让你去折腾编译工具链。Docker 解决的正是这个千古难题——「在我电脑上明明能跑怎么到你那就报错了」。镜像里已经把 Node、Python、系统依赖全部打包好了你本地一个 Node 都不用装。这篇指南面向的是想快速跑通龙虾 OpenClaw 的开发者尤其是 Windows 和 macOS 上不想碰 Node 的人。我会给出可复制的 Docker 镜像地址、完整的docker run配置片段、设备配对的验证动作以及几个真实会撞上的报错怎么排。全程不需要npm不需要nvm不需要改系统环境变量。适合谁看手里有一台能装 Docker 的电脑、想在本机跑一个 OpenClaw 网关、并且希望 10 分钟内看到 Dashboard 的人。如果你还在用 Node 本地安装并且已经被依赖报错折磨过这篇就是给你写的。2. TaoToken 前置准备给 OpenClaw 配一个稳定的模型入口OpenClaw 跑起来之后它需要调用大模型来完成对话和 Agent 任务。默认配置里如果没有可用的模型入口Dashboard 能打开但一发消息就报错。所以部署之前先把模型接入这块准备好能省掉后面「连上了但用不了」的返工。TaoToken 在这里的角色是模型 API 的统一入口。你不需要在 OpenClaw 里分别配 OpenAI、Anthropic 的 key而是拿一个 TaoToken 的 API Key把 Base URL 指向https://taotoken.net/api然后在 OpenClaw 的模型配置里填上对应的 Model ID 就行。对 OpenClaw 这种需要频繁切换模型的 Agent 框架来说统一入口的好处是配置只写一次。具体要准备三样东西我把它叫做「三件套」后面配置里会反复用到配置项值说明Base URLhttps://taotoken.net/api模型请求的统一入口注意不要加 UTM 参数API Key在控制台创建形如sk-开头的一串创建后只显示一次Model ID按需选择例如claude-sonnet-4-5、gpt-4o等填在 OpenClaw 的模型字段拿 Key 的路径是打开 TaoToken 官网进控制台找到 API Keys 页面创建一个新 Key。这一步不用装任何东西浏览器里点几下就完成。创建完把 Key 复制到本地一个临时文本里因为页面刷新后就看不到了。注意Base URL 用https://taotoken.net/api这个形式不要在后面拼/v1之类的路径OpenClaw 的 provider 配置会自己处理版本段。填错路径最常见的表现是 404而不是 401排错时容易误判。如果你后面打算长期跑 Agent 任务、频繁调用模型可以顺带看一下 Coding Plan 的额度方案比按次调用更适合持续跑的场景。但这一步不是部署的前置条件先把网关跑起来模型配置可以随时改。准备好这三件套之后再回到 Docker 部署。顺序很重要先有可用的模型入口再启动 OpenClaw这样 Dashboard 一打开就能直接发消息验证不用来回重启容器。3. 可复制的 Docker 配置镜像拉取与容器启动这一节是全文的核心所有命令都可以直接复制。我按「拉镜像 → 建数据卷 → 启动容器 → 进 Dashboard」的顺序写每一步都给出预期结果你对照着看就知道有没有跑偏。3.1 确认 Docker 可用先确认 Docker 装好了。Windows 和 macOS 装 Docker Desktop 即可Linux 用包管理器装docker-ce。装完在终端执行docker -v正常会输出类似Docker version 27.x.x, build xxxxx。如果提示command not found说明 Docker 没装好或者没加进 PATH先把这步解决不然后面全白搭。3.2 拉取 OpenClaw 镜像镜像地址用这个docker pull sgccr.ccs.tencentyun.com/openclaw/openclaw:latest拉取完成后会显示Status: Downloaded newer image for ...。如果卡在Pulling fs layer很久是网络问题换个时间段重试或者检查 Docker Desktop 的镜像加速配置。这一步不需要 Node镜像里已经带好了运行时。3.3 清理旧容器与数据卷首次安装可跳过如果你之前装过 OpenClaw容器名或数据卷可能冲突先清掉docker rm -f openclaw docker volume rm openclaw-data docker volume create openclaw-datadocker volume create会输出卷名openclaw-data表示创建成功。数据卷的作用是把 OpenClaw 的配置、设备配对信息、会话数据持久化容器删了数据还在下次重建不用重新配对。3.4 启动容器这是最关键的一行建议手敲不要直接复制避免隐藏字符导致命令解析出错docker run --name openclaw -p 18789:18789 -v openclaw-data:/data sgccr.ccs.tencentyun.com/openclaw/openclaw:latest openclaw gateway run --port 18789 --bind lan --allow-unconfigured参数逐个解释一下方便你按需改--name openclaw容器名后面docker exec都用它。-p 18789:18789把容器内的 18789 端口映射到本机Dashboard 和网关都走这个端口。-v openclaw-data:/data挂载数据卷持久化配置。--bind lan允许局域网访问本机访问也没问题。--allow-unconfigured允许在未完成模型配置时先启动方便你先看到 Dashboard。启动后终端会持续输出日志看到gateway listening on 0.0.0.0:18789就说明网关起来了。这个窗口不要关它是前台运行的。3.5 打开 Dashboard 并配对设备新开一个终端窗口执行docker exec -it openclaw openclaw dashboard它会输出一个带 token 的 URL把这个 URL 复制到浏览器打开就能看到 OpenClaw 的 Dashboard 界面。此时界面会提示有一个待配对的设备请求并给出一个requestId。拿到requestId后先列出设备确认docker exec -it openclaw sh -lc openclaw devices list --json在输出里找到对应的requestId然后批准docker exec -it openclaw openclaw devices approve requestId把requestId替换成实际那串长 ID同样建议手敲。批准成功后回到浏览器刷新Dashboard 就进入可用状态了。3.6 在 OpenClaw 里填入模型三件套Dashboard 可用之后进设置里的模型/Provider 配置按第 2 节准备的三件套填{ provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: sk-你的Key, model: claude-sonnet-4-5 }保存后发一条测试消息能正常返回就说明模型入口通了。如果报 401检查 Key 有没有复制完整如果报连接失败检查 Base URL 是不是写成了带/v1的路径。4. 验证请求确认 OpenClaw 真的跑通了部署完不能只看容器在跑得实际验证三层网关活着、设备配对成功、模型能返回。这三层任何一层没通表现都是「界面能开但用不了」所以分开验证最省时间。第一层验证网关端口。在本机执行curl -i http://127.0.0.1:18789/如果返回HTTP/1.1 200或401说明网关在监听端口映射没问题。返回Connection refused就是容器没起来或者端口没映射对回去看docker ps里openclaw的状态。第二层验证设备配对。执行docker exec -it openclaw openclaw devices list --json输出里每个设备会有approved字段。你刚批准的那台应该是true。如果还是false说明approve命令的requestId填错了重新list一次拿最新的 ID 再批。第三层验证模型返回。在 Dashboard 里发一条最简单的消息比如「你好返回一个数字」。正常会流式返回内容。如果卡住不动看容器日志docker logs -f openclaw日志里如果出现reading choices相关的解析错误通常是模型返回格式和 OpenClaw 预期不一致检查 Model ID 是否拼写正确。如果出现local proxy failed是网络出口问题确认 Base URL 可达。三层都通过之后你可以再跑一个稍微完整的 Agent 任务比如让它读一个本地文件并总结。这一步能验证工具调用链路是否正常。实测下来Docker 部署的 OpenClaw 在工具调用上比 Node 本地安装稳定因为镜像里的依赖版本是锁定的不会因为你本机升级了某个包就崩。验证通过后建议把docker run那行命令存成一个start-openclaw.sh脚本下次直接跑脚本不用再手敲长命令。数据卷在配对信息也在重启后直接可用。5. 常见报错排查401、local proxy failed、reading choices这一节列的都是真实会撞上的报错按出现频率排序。每个报错给出触发场景和具体动作你对着改就行。401 Unauthorized。最常见的原因是 API Key 没填对或者填到了错误的位置。OpenClaw 的模型配置里Key 要填在 provider 的apiKey字段不是填在环境变量里就自动生效。另外注意 Key 前后有没有多余空格复制的时候很容易带上。如果确认 Key 没问题还是 401检查 Base URL 是不是写成了https://taotoken.net/api/带尾斜杠某些 provider 实现会对尾斜杠敏感去掉试试。local proxy failed。这个报错通常出现在容器内访问外部 API 时。Docker 容器默认走宿主机的网络出口如果你本机有额外的网络层配置容器可能继承不到。先确认容器内能解析域名docker exec -it openclaw sh -lc nslookup taotoken.net解析失败就是 DNS 问题给docker run加--dns 8.8.8.8重试。解析成功但请求失败检查 Base URL 是否可达用容器内的 curl 测一下。reading choices 解析错误。这个报错说明模型返回的 JSON 结构和 OpenClaw 预期的 OpenAI 兼容格式不一致。常见于 Model ID 填了一个非对话模型或者填了带特殊后缀的模型名。解决方法是换一个标准的对话模型 ID比如claude-sonnet-4-5或gpt-4o不要填 embedding 或图像模型。另外确认 provider 类型选的是openai-compatible选错类型会导致解析路径不对。OAuth 相关报错。如果你在配置里启用了 OAuth 流程但没配回调地址会报OAuth callback mismatch。OpenClaw 的模型接入用 API Key 就够了不需要走 OAuth把 OAuth 相关字段清空即可。如果你用的是 Codex 的auth.json方式注意auth.json里的字段名和 OpenClaw 预期的不一样需要手动映射成baseUrl、apiKey、model三个字段。容器启动后立刻退出。执行docker ps -a看到openclaw状态是Exited。看日志docker logs openclaw如果是port already in use说明 18789 被占了改映射端口比如-p 18790:18789。如果是volume mount failed检查数据卷名有没有拼错重新docker volume create一次。设备配对后 Dashboard 仍提示未授权。这是浏览器缓存了旧的 token。清掉浏览器该站点的缓存或者换个无痕窗口重新打开 Dashboard 输出的 URL。配对信息存在数据卷里不会因为换浏览器丢失。把这几类报错对应的命令存下来下次遇到直接跑比重新搜教程快得多。排障的核心思路是分层先确认容器活着再确认端口通再确认配对成功最后确认模型返回。哪一层断了就修哪一层不要跳步。6. 跑通之后把 OpenClaw 接进你的日常编码流网关跑起来、模型通了之后OpenClaw 真正的价值在于它能作为一个常驻的 Agent 入口接进你日常的编码和自动化流程。这里给几个实际能用的方向都是我在 Docker 部署基础上验证过的。第一个方向是把 OpenClaw 当作本地的模型代理层。你可以在 Dashboard 里配置多个 Model ID然后在不同任务里切换。比如写代码时用claude-sonnet-4-5做文本总结时切到更便宜的模型。因为 Base URL 统一指向https://taotoken.net/api切换模型只需要改一个字段不用重新配 Key。第二个方向是配合 Coding Plan 跑长任务。OpenClaw 的 Agent 模式支持多轮工具调用适合跑「读代码库 → 改文件 → 跑测试」这种链路。Docker 部署的好处是容器隔离Agent 操作的文件范围可控不会误伤宿主机。如果你要长期跑这类任务Coding Plan 的额度比按次调用更划算具体方案可以在控制台看。第三个方向是把 OpenClaw 的网关地址暴露给本机的其他工具。比如你的编辑器插件、命令行工具都可以把模型请求指向http://127.0.0.1:18789由 OpenClaw 统一转发。这样你只需要维护一份模型配置所有工具共享。如果你在配置过程中需要查具体的字段说明接入文档里有完整的参数列表。验证模型是否可用可以直接在模型对话页面发一条消息测试比在 OpenClaw 里排查更快。API Key 的管理在 API Keys 页面建议给 OpenClaw 单独创建一个 Key方便后续按用途区分额度。最后说一个实用技巧把docker run命令和docker exec的配对命令写成一个deploy.sh加上set -e每次重装直接跑脚本。数据卷openclaw-data不要随便删里面存着设备配对和会话历史删了就要重新配对。容器可以随便重建卷留着就行。这样你的 OpenClaw 就是一个随时能拉起、随时能停的本地服务不依赖任何 Node 环境。