当前位置：首页 » AI学习教程

手把手教你用1Panel一键搭建OpenClaw，并集成搜索打造热点捕手

1月前 AI学习教程 928 0

又来填坑，最近看到1Panel官方分享1Panel应用商店已经支持一键部署OpenClaw，对于自有服务器或NAS非常推荐！

今天就实测部署一下，把整个部署流程整理出来分享给大家。

如果你想用其他方式，建议看看之前分享的OpenClaw教程

操作步骤

第一步：订阅模型与获取API Key

还是要推荐一下这个非常适合新手的按次消耗套餐，最近分享的很多粉丝反馈都很好，不用担心token消耗问题！

我的专属优惠券链接：https://www.aliyun.com/benefit/ai/aistar

进入阿里云百炼后台，在"订阅套餐"中选择Coding Plan。

订阅成功后，从后台复制API Key并妥善保存，后续配置中会多次使用。

第二步：部署OpenClaw

通过1Panel的应用商点直接搜索OpenClaw

真一键安装，只要填上模型兼容 OpenAI API和API URL：https://coding.dashscope.aliyuncs.com/v1

本机用户可直接访问 http://127.0.0.1:18789/

但如果是从其他设备访问部署机器，需在服务器上执行以下命令生成认证Token：

openclaw dashboard --no-open

然后使用格式 http://[服务器IP]:18789/#token=[生成的Token] 访问。

到这里就算配置好了，可以正常访问了

配置补充：因为阿里云百炼支持多模型，所以可以在配置文件修改。

在命令行终端中打开配置文件:

nano ~/.openclaw/openclaw.json

下 models 配置（如果已存在则替换）。请将 YOUR_API_KEY 替换为您的 Coding Plan API Key。

"models": {
  "mode": "merge",
  "providers": {
    "bailian": {
      "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
      "apiKey": "YOUR_API_KEY",
      "api": "openai-completions",
      "models": [
        {
          "id": "qwen3.5-plus",
          "name": "qwen3.5-plus",
          "reasoning": false,
          "input": ["text", "image"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 1000000,
          "maxTokens": 65536
        },
        {
          "id": "qwen3-max-2026-01-23",
          "name": "qwen3-max-2026-01-23",
          "reasoning": false,
          "input": ["text"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 262144,
          "maxTokens": 65536
        },
        {
          "id": "qwen3-coder-next",
          "name": "qwen3-coder-next",
          "reasoning": false,
          "input": ["text"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 262144,
          "maxTokens": 65536
        },
        {
          "id": "qwen3-coder-plus",
          "name": "qwen3-coder-plus",
          "reasoning": false,
          "input": ["text"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 1000000,
          "maxTokens": 65536
        },
        {
          "id": "MiniMax-M2.5",
          "name": "MiniMax-M2.5",
          "reasoning": false,
          "input": ["text"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 204800,
          "maxTokens": 131072
        },
        {
          "id": "glm-5",
          "name": "glm-5",
          "reasoning": false,
          "input": ["text"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 202752,
          "maxTokens": 16384
        },
        {
          "id": "glm-4.7",
          "name": "glm-4.7",
          "reasoning": false,
          "input": ["text"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 202752,
          "maxTokens": 16384
        },
        {
          "id": "kimi-k2.5",
          "name": "kimi-k2.5",
          "reasoning": false,
          "input": ["text", "image"],
          "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
          "contextWindow": 262144,
          "maxTokens": 32768
        }
      ]
    }
  }
}

找到 agents.defaults 对象，并替换或添加以下两个字段：

"model": {
  "primary": "bailian/qwen3.5-plus"
},
"models": {
  "bailian/qwen3.5-plus": {},
  "bailian/qwen3-max-2026-01-23": {},
  "bailian/qwen3-coder-next": {},
  "bailian/qwen3-coder-plus": {},
  "bailian/MiniMax-M2.5": {},
  "bailian/glm-5": {},
  "bailian/glm-4.7": {},
  "bailian/kimi-k2.5": {}
}

为什么要多模型，之后多Agent可以根据不同的模型执行不同类型的任务！