我最近做了几个本地部署OpenClaw 的方案教程：

手把手教你在Windows本地部署OpenClaw中文版（openclaw-cn）快速上手教程

手把手教你用 VMware 虚拟机部署OpenClaw 实战教程，轻松打造你的本地全能 AI 助理

手把手教你部署 OpenClaw + Ollama + GLM-4.7-Flash 的纯本地方案，实现无需服务器、无模型调用费用、离线可用的 AI 助手

在实践过程中，我发现OpenClaw是一个有趣的本地智能体框架，但大多数用户反馈在国内网络环境下部署困难重重

依赖环境报错、GitHub超时、配置链路复杂……这让我想到一个问题：是否能用更简洁的方式降低部署门槛？

经过多轮验证与迭代，我找到了一套相对可靠的方案：基于Docker的部署路径。

这篇文章将详细记录整个操作流程，希望能帮助有类似需求的用户。

第一部分：为什么本地安装经常失败？

在国内环境下直接安装OpenClaw，常见的问题包括：

依赖环境构建失败：Node.js、Python等运行时配置差异导致的兼容性问题

网络连接超时：安装过程中涉及GitHub等国外服务，频繁出现超时中断

系统差异：Windows、Mac、Linux系统间的配置差异引发异常

版本不匹配：不同用户环境下的库版本冲突

这些问题的根本原因在于：传统安装方式是提供"配置文档"而非"完整环境"。

用户需要自行组装各个依赖，任何一个环节出差错就会导致整个部署失败。

第二部分：为什么选择Docker？

核心概念理解

Docker的价值在于解决一个经典问题："为什么代码在我机器上能跑，到你那就报错？"

我用一个对比模型来说明：

传统部署方式	Docker部署方式
提供安装文档（图纸）	提供完整镜像（样板间）
用户自行安装依赖	所有依赖预装在容器中
不同机器差异大，易出错	容器封闭隔离，运行结果一致
需要手动调试环境配置	开箱即用，无需额外配置

Docker三要素说明

• Docker镜像：类比为"建筑蓝图+完整施工方案"，包含代码、运行时、配置等一切要素
• Docker容器：类比为"施工完成后的实际建筑"，是镜像运行的实例
• 部署流程：下载镜像 → 启动容器 → 获得可用服务

相比传统的"发送文档让用户自行配置"，Docker方案直接消除了个体差异带来的风险。

第三部分：操作步骤（详细版）

准备工作：安装Docker

Docker安装相对简单，基本流程是逐步确认。

安装完成后，打开终端工具：

• Windows系统：打开PowerShell
• Mac系统：打开终端

输入验证命令：

docker --version

若显示版本号（如v20.x.x），表示Docker安装成功。

重要提示：如果从Docker官网无法顺利下载，可考虑通过国内镜像源或本地获取。

具体用法也可以参考这篇文章：保姆级Docker入门教程，一步步带你轻松上手安装到发布镜像，一篇全搞明白

步骤一：启动Docker服务

确保Docker守护进程处于运行状态。在Windows上Docker Desktop应用会自动启动；在Mac上需手动打开Docker Desktop应用。

步骤二：拉取OpenClaw镜像

在终端中执行：

docker pull sgccr.ccs.tencentyun.com/openclaw/openclaw:latest

该命令会从腾讯云镜像仓库下载OpenClaw镜像（国内源，速度相对较快）。

下载过程中会分层显示进度，完成后终端会显示"Digest"和镜像ID。

---

步骤三：清理旧容器并创建新实例

为避免冲突，先删除已存在的旧容器和数据卷：

docker rm -f openclaw
docker volume rm openclaw-data

创建新的数据卷（用于持久化存储）：

docker volume create openclaw-data

启动OpenClaw容器。注意：以下命令建议手动逐字输入，不要从文章中直接复制，因为公众号编辑器可能引入隐藏字符导致执行失败：

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

命令参数说明：

• --name openclaw：容器名称
• -p 18789:18789：端口映射（本地18789 → 容器18789）
• -v openclaw-data:/data：挂载数据卷到容器的/data目录
• --bind lan：允许局域网访问
• --allow-unconfigured：允许未配对设备访问

执行后终端应显示网关启动成功的日志信息。

---

步骤四：获取Dashboard访问链接

打开另一个终端窗口，执行：

docker exec -it openclaw openclaw dashboard

终端会输出一条完整的访问链接，格式类似：http://localhost:18789/dashboard?token=xxx。

复制该链接，在浏览器中打开。

页面应显示设备配对界面。

步骤五：设备配对

回到终端，执行命令获取待配对设备列表：

docker exec -it openclaw sh -lc "openclaw devices list --json"

终端会输出JSON格式的设备列表。找到"paired": false的设备记录，复制其deviceId字段值（通常是一串长字符串）。

执行配对命令（将替换为上一步复制的deviceId）：

docker exec -it openclaw openclaw devices approve 

示例（假设deviceId为abc123...）：

docker exec -it openclaw openclaw devices approve abc123...

配对成功后，终端会显示成功提示。

刷新浏览器Dashboard页面，设备状态应变为"已连接"。

第四部分：验证与使用

这个部分可以参考之前的配置教程。

API配置

在Dashboard中配置所需的API密钥（如LLM服务的API Key）。

创建智能体

配置完成后，用户可通过简单的提示词创建定制化的工作助手智能体。

系统内置的51个Skills模块可直接调用，也支持自定义扩展。

功能特性

• 身份记忆：智能体内置用户档案管理，支持长期对话记忆
• 模块化Skills：预置51个通用能力模块，覆盖文件处理、数据查询、自动化操作等常见场景
• 本地运行：所有操作在本地执行，不依赖云端服务，数据隐私可控

总结与反思

作为产品经理，我在这次实践中的核心收获是：通过Docker这类容器化技术，可以显著降低复杂软件的部署门槛。

这套方案的适用范围并不局限于OpenClaw——任何涉及多依赖、跨平台的开发工具，都可以通过Docker容器化来解决"环境差异"问题。

本教程经过了多轮在国内网络环境下的验证，步骤简洁，成功率高，并支持Windows、Mac、Linux三大主流平台。

如果你对本地部署OpenClaw或其他AI工具感兴趣，按照上述步骤应能顺利完成部署。

后续我会继续分享API配置、Skills扩展等进阶内容，欢迎持续关注。