Docker 部署 OpenClaw：从“只会聊”到“真的干”的 AI 助手革命

引子：一个受够了的决定

上周三凌晨两点，我又一次对着屏幕叹气。

AI 助手告诉我如何整理邮件，列出 12 个步骤。

但我需要它真的去整理。

不是告诉我怎么做。

ChatGPT、Claude、DeepSeek——它们都很好。

但它们都只是“导师”。

我需要的是“执行者”。

于是，我找到了 OpenClaw。

OpenClaw 是什么？

换个问法：OpenClaw 不是什么？

它不是又一个聊天机器人。

2026 年，OpenClaw（原 Clawdbot）在 GitHub 上火了。

星标超过 10 万。

为什么？

因为它真的能干活。

传统 AI 只会说：“你应该这样做，第一步...第二步...”

OpenClaw 直接做。

整理邮件？它打开你的邮箱，分类归档。

处理文件？它操作文件系统，读写编辑。

控制浏览器？它模拟人类操作，填表单、点按钮。

这听起来像科幻。

但它是开源的。

数据完全在你本地。

我的决策路径：为什么选 Docker？

面对 OpenClaw，我有两个选择。

原生安装，或者 Docker。

我选了 Docker。

原因很实际。

1. 隔离性

OpenClaw 需要高权限。

它能执行命令、访问文件、控制浏览器。

这东西如果出问题，就是大问题。

Docker 提供了沙箱。

万一 AI 发疯，容器里兜着。

我的宿主机安然无恙。

2. 环境一致性

OpenClaw 依赖一堆东西。

Node.js、Python 包、浏览器驱动。

不同系统，不同版本，不同问题。

Docker 镜像打包了一切。

一次构建，到处运行。

我的 MacBook、Linux 服务器、甚至 Windows WSL。

都跑同一个环境。

3. 升级回滚

AI 领域迭代快。

今天 v1.0，下个月 v2.0。

Docker 让升级变成一行命令。

docker compose down
docker load -i new-openclaw.tar
docker compose up -d

有问题？回滚到上一个镜像。

整个过程，数据还在。

./data/config 和 ./data/data 目录映射出去。

配置和记忆都在。

实战：Docker 部署 OpenClaw 的五个关键步骤

我跳过了“Hello World”教程。

直接从实战开始。

第一步：镜像导入

# 拿到 tar 镜像文件
# 可能是从朋友那拷贝，或是自己 build 的
docker load -i /path/to/openclaw.tar

# 查看镜像
docker images

关键在这里：记下 REPOSITORY:TAG。

比如 openclaw:v2026.2.21。

后面配置要用。

第二步：目录结构

mkdir -p ~/openclaw-docker/data/config
mkdir -p ~/openclaw-docker/data/data

cd ~/openclaw-docker
chown -R 1000:1000 data/

为什么是 1000？

OpenClaw 容器以 node 用户运行，UID=1000。

权限不对，配置写不进去。

第三步：docker-compose.yml

这是我的配置决策。

version: '3.8'

services:
  openclaw-gateway:
    image: openclaw:v2026.2.21  # 这里用你实际的镜像
    container_name: openclaw-gateway
    restart: unless-stopped
    ports:
      - "18789:18789"           # 网关端口，可改
    volumes:
      - ./data/config:/home/node/.openclaw   # 配置持久化
      - ./data/data:/home/node/clawd         # 数据持久化
    extra_hosts:
      - "host.docker.internal:host-gateway"  # 访问宿主机
    shm_size: 2g                # 浏览器任务需要
    command: node /app/dist/index.js gateway --port 18789

几个关键决策点：

• • shm_size: 2g：浏览器自动化需要共享内存，少了会崩
• • extra_hosts：让容器能访问宿主机上的服务
• • 端口映射：18789 是默认，冲突就改宿主机端口

第四步：初始化

最容易被忽略的一步。

cd ~/openclaw-docker
docker compose run --rm -it openclaw-cli onboard

这是交互式向导。

我选择的配置：

• • Onboarding mode: Manual（手动）
• • Setup: Local gateway (this machine)（本地网关）
• • Gateway auth: Password（设个密码）
• • Model: 我选了 qwen-max（通义千问）

模型可以随时换。

OpenAI、Claude、智谱、MiniMax 都支持。

第五步：启动验证

docker compose up -d openclaw-gateway
docker compose logs -f

看到服务启动成功。

访问 http://localhost:18789/chat。

输入刚才设的密码。

你的 AI 执行者就位了。

OpenClaw 能做什么？我的真实案例

部署完，我给了它第一个任务。

案例一：整理下载文件夹

我的 ~/Downloads 有 874 个文件。

图片、PDF、安装包、压缩档，混在一起。

我对 OpenClaw 说：

“把 Downloads 文件夹按类型整理，图片放 Images，文档放 Documents，压缩包放 Archives。”

它真的去做了。

不是告诉我怎么做。

是直接操作文件系统。

15 分钟后，我的下载文件夹焕然一新。

案例二：自动填写周报

每周五下午，我都要填周报。

8 个表格，重复内容。

我对 OpenClaw 说：

“读取我本周的 commits 记录和 Jira tickets，生成周报草稿，填入公司系统。”

它打开浏览器。

登录公司系统。

读取我的 git 记录。

分析 Jira 状态。

生成报告。

填写表单。

点击提交。

整个过程，我只说了一句话。

案例三：监控竞品动态

我关注三个竞品的产品博客。

每天手动检查太累。

我对 OpenClaw 说：

“每天上午 10 点，检查这 3 个博客，有更新就摘要发我钉钉。”

它设了定时任务。

每天自动执行。

发现新文章，用 AI 摘要。

通过钉钉机器人发给我。

我只需要在钉钉里看结果。

为什么 OpenClaw 值得你花时间？

1. 从“消费 AI”到“拥有 AI”

大多数 AI 服务，你是消费者。

用别人的 API，数据在别人服务器。

OpenClaw 让你拥有 AI。

数据在你本地。

模型你用你自己的 API Key。

开源，可定制，可扩展。

2. 真正的自动化

IFTTT、Zapier 是“流程自动化”。

OpenClaw 是“智能自动化”。

它理解你的意图。

动态调整执行路径。

遇到问题会自己想办法。

3. 隐私与安全

所有数据都在你本地。

工作记录、文件内容、操作历史。

没有云端传输。

没有第三方存储。

对企业尤其重要。

你可能遇到的问题

1. 镜像标签不对

docker images 输出的 REPOSITORY:TAG 要完整填入 docker-compose.yml。

少一个字都不行。

2. 权限问题

chown -R 1000:1000 data/ 必须执行。

否则容器无法写入配置。

3. 端口冲突

18789 被占用？

改 docker-compose.yml 里的宿主机端口。

比如 "18889:18789"。

4. 浏览器任务失败

检查 shm_size，至少 2g。

浏览器自动化需要足够共享内存。

进阶玩法

1. 多容器部署

一个 OpenClaw 处理文件任务。

另一个专门做浏览器自动化。

再一个对接企业微信。

用 Docker 轻松实现。

2. 技能扩展

OpenClaw 支持插件。

社区有现成的技能库。

也可以自己写。

TypeScript 开发，不复杂。

3. 结合其他工具

OpenClaw + Home Assistant = 智能家居控制

OpenClaw + Jenkins = CI/CD 自动化

OpenClaw + 企业微信 = 内部工作助手

想象空间很大。

我的反思

部署 OpenClaw 这一个月。

我的工作方式变了。

以前：思考问题 → 分解步骤 → 手动执行

现在：描述问题 → AI 执行 → 我复核

效率提升是明显的。

但更重要的是思维转变。

我不再是“操作工”。

我变成了“指挥官”。

AI 是我的“执行部队”。

最后的话

OpenClaw 不是完美的。

它有学习曲线。

需要调试。

有时会犯傻。

但方向是对的。

从“只会聊”到“真的干”。

这是 AI 应用的必然进化。

Docker 让这个过程可控、可重复、可管理。

如果你也受够了只会说话的 AI。

如果你也想让 AI 真正替你干活。

试试 OpenClaw。

用 Docker 部署。

从整理下载文件夹开始。

你会看到不一样的世界。

本文所有操作基于 OpenClaw v2026.2.x 版本。部署前请确认你的 Docker 和 Docker Compose 版本。有任何问题，欢迎在评论区交流。