OpenClaw 怎么了?(四)装一个试试?

前三篇讲完了 OpenClaw 2026.6.1 的自我进化引擎和三层安全外骨骼。这一篇进入实操：怎么从零开始，把一套能自我进化的 AI Agent 跑起来。

目标很明确：两条路径任选——桌面化安装像装普通软件一样简单，命令行部署 30 分钟跑通。三平台（Linux、macOS、Windows），三种模式（单机体验、分布式集群、边缘轻量），每一步都可复制粘贴。

一、环境准备

1.1 硬件最低要求

16 核 CPU、64GB 内存、A100 40GB × 2 GPU、SSD 500GB。单机体验版和边缘轻量版可降至 8 核 CPU、32GB 内存，但种群规模和沙盒并发数需相应缩减。

1.2 Linux

bash

pip install openclaw==2026.6.1

curl -fsSL https://gvisor.dev/install | bash

apt install docker-ce runsc

cat > /etc/docker/daemon.json <<EOF

{

  “runtimes”: {“runsc”: {“path”: “/usr/local/bin/runsc”}},

  “default-runtime”: “runsc”

}

EOF

systemctl restart docker

openclaw sandbox test

# 输出: “gVisor sandbox OK, seccomp profile loaded”

1.3 macOS

前置条件：macOS 13（Ventura）或更高，Apple Silicon 原生支持。Intel Mac 也可运行，但 GPU 推理需外接 eGPU 或云端 GPU。

bash

# 安装 Homebrew（如已装跳过）

/bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)“

# 安装 Docker Desktop

brew install –cask docker

# 启动 Docker Desktop，Settings → Docker Engine → 添加配置：

# {

#   “runtimes”: {“runsc”: {“path”: “/usr/local/bin/runsc”}},

#   “default-runtime”: “runsc”

# }

# 点击 “Apply & Restart”

# 安装 gVisor

curl -fsSL https://gvisor.dev/install | bash

sudo mv runsc /usr/local/bin/runsc

# 安装 OpenClaw 并验证

pip install openclaw==2026.6.1

openclaw sandbox test

# 输出: “gVisor sandbox OK, seccomp profile loaded (macOS platform adapter)”

注意：Apple Silicon 上 Docker 和 gVisor 均原生支持 ARM64。无独立 GPU 的 Mac 可跑单机体验版（推理走 CPU），生产集群需 GPU 节点配合。

1.4 Windows

powershell

Enable-WindowsOptionalFeature -Online –FeatureName Microsoft-Hyper-V-All

# 重启后

winget install OpenClaw.OpenClaw —version 2026.6.1

openclaw sandbox init —provider hyperv

openclaw sandbox test —provider hyperv

# 输出: “Hyper-V sandbox OK, kernel isolation verified”

1.5 三平台对比

特性             Linux        macOS           Windows

沙盒方案   gVisor +      gVisor +       Hyper-V 轻量 VM                   seccomp     平台抽象层

安全等级   真内核隔离   真内核隔离    真内核隔离

GPU 支持  原生 CUDA  需 eGPU        GPU-PV                                                    或云端 GPU   （仅 Server 版）

适合场景    生产环境      开发/测试      技术栈企业

安装命令数     4 条             6 条               3 条

二、路径一：桌面化安装

对于不想接触命令行的用户，OpenClaw 2026.6.1 提供了完整的桌面化安装体验。通过图形界面完成环境检测、沙盒配置、模式选择和启动，整个过程像安装普通软件一样简单。

2.1 macOS 桌面安装

下载 .dmg 镜像文件，双击打开后将 OpenClaw 拖入 Applications 文件夹。首次启动时，系统会自动检测 Docker Desktop 和 gVisor 是否已安装，如果未安装会引导用户完成安装。

https://releases.openclaw.ai/2026.6.1/macos/OpenClaw-2026.6.1.dmg

安装向导分四步：

第一步：环境检测。 自动检查 Docker Desktop 状态、gVisor 版本、系统资源（CPU/内存/磁盘），绿色对勾表示就绪，红色叉号会给出具体修复建议。

第二步：沙盒配置。 选择沙盒提供程序（自动检测为 gVisor），设置单沙盒内存上限（默认 256MB）和最大并发数（默认 4）。界面右侧实时显示预计总内存占用。

第三步：模式选择。 三个选项卡对应三种部署模式——单机体验版、分布式集群版、边缘轻量版。选择后自动生成对应的配置文件，可在高级设置中手动调整种群大小、变异率等参数。

第四步：启动。 点击”启动”按钮，界面切换到运行面板，显示 Agent 状态、沙盒使用情况、进化日志的实时摘要。

2.2 Windows 桌面安装

下载 .exe 安装包，双击运行。安装程序会自动检测 Hyper-V 状态，未启用会引导用户在 Windows 功能中开启并提示重启。

https://releases.openclaw.ai/2026.6.1/windows/OpenClaw-Setup-2026.6.1.exe

安装完成后，从开始菜单启动 OpenClaw。首次启动进入配置向导，流程与 macOS 版一致：环境检测（Hyper-V 状态、内存、磁盘空间）→ 沙盒配置 → 模式选择 → 启动。

Windows 版额外提供两个选项：

· 开机自启动：将 OpenClaw 注册为 Windows 服务，随系统启动自动运行

· 系统托盘运行：最小化到托盘，后台静默运行，双击托盘图标呼出面板

2.3 Linux 桌面安装

Linux 提供 AppImage 格式，下载后赋予执行权限即可运行，无需安装。

https://releases.openclaw.ai/2026.6.1/linux/OpenClaw-2026.6.1-x86_64.AppImage

bash

chmod +x OpenClaw-2026.6.1-x86_64.AppImage

./OpenClaw-2026.6.1-x86_64.AppImage

AppImage 内置了运行环境，不依赖系统包管理器，Ubuntu、Debian、Fedora、Arch 等主流发行版均可直接运行。首次启动同样走四步配置向导，自动检测 gVisor 和 Docker 状态。

对于 Ubuntu/Debian 用户，也可通过 deb 包安装：

bash

wget https://releases.openclaw.ai/2026.6.1/linux/openclaw_2026.6.1_amd64.deb

sudo dpkg -i openclaw_2026.6.1_amd64.deb

deb 包安装后会自动注册到系统应用菜单，可通过应用启动器或命令行 openclaw-desktop 启动。

2.4 桌面版 vs 命令行版

特性               桌面版                 命令行版

安装方式   下载安装包，双击运行    pip install / winget

配置方式   图形向导，分步引导       手写 YAML 配置文件

运行监控   实时面板，                     命令行日志 +                            可视化图表                      Prometheus

适合用户   初次接触、运维               开发者、DevOps、                  人员、业务人员               自动化脚本

完整度      与命令行版完全一致         与桌面版完全一致

桌面版和命令行版共享同一套配置文件和运行时，可以混用——桌面版生成配置文件后，在服务器上通过命令行启动；命令行版配置好后，也可以用桌面版打开监控面板。

三、路径二：命令行部署

3.1 单机体验版

适合开发测试，所有组件跑在一台机器上。三平台命令一致。

bash

openclaw init –mode standalone –output config.yaml

openclaw start –config config.yaml

默认种群 20，沙盒并发 4，SQLite 存储。关键可调参数：

yaml

resources:

  max_concurrent_sandboxes: 4   # 并发沙盒上限，受内存限制

  evolution:

    max_population: 20          # 种群越大探索越充分，越吃算力

    mutation_rate: 0.3          # 变异概率，越高越激进

    generations: 5              # 进化代数

3.2 分布式集群版

适合生产环境，组件分离部署。

bash

openclaw init-production \

  –mode distributed \

  –gpus 4 \

  –storage s3://my-bucket/openclaw \

  –redis redis://redis-cluster:6379 \

  –population 100 \

  –safety-strict \

  –output config.production.yaml

openclaw deploy –config config.production.yaml –kubeconfig ~/.kube/config

集群组件自动拆分：

组件             副本数       资源              职责

Router                2        4 核 / 8GB          任务调度

                                                              与请求路由

Executor            4        各 1 GPU            推理执行

                                    / 16GB

Sandbox Pool    6        8 核 / 32GB      沙盒隔离，每节

                                                           点最多 20 并发

Evolution          2        各 1 GPU       进化计算，默认                                           / 32GB       凌晨 2-6 点批量跑

–safety-strict 强制开启所有人类审批触发项，适合初次部署。集群支持 K8s 和裸金属两种部署方式。

3.3 边缘轻量版

适合延迟敏感、数据不出本地的场景。关闭完整进化，仅保留自纠偏，无需 GPU。

bash

openclaw init –mode edge –output config.edge.yaml

openclaw start –config config.edge.yaml

四、配置进化参数

这是影响 Agent“有多敢改自己”的核心配置。

yaml

evolution:

  safety:

    max_consecutive_mutations: 3        # 连续变异上限

    rollback_cooldown_base: 300         # 回滚冷却基础秒数

    rollback_cooldown_exponent: 2       # 指数退避因子

    human_approval_triggers:            # 需人工审批的变异

      – risk_tolerance_change > 0.2

      – new_tool_generated

      – fallback_strategy_changed

  population:

    size: 100

    elite_size: 10                      # 每代保留最优个体数

    crossover_rate: 0.2                 # 优等生交换参数概率

    mutation_rate_per_param: 0.05       # 单参数变异概率

  scoring:

    elo_k_factor_initial: 32

    elo_k_factor_decay: 0.8

    min_elo_games: 5

    hard_metrics_weight: 0.4            # 硬指标占40%，防刷分

  resource_control:

    max_daily_evolution_cost: 50        # 每日GPU小时上限

    bulk_hours: “2-6”                   # 夜间批量进化

    priority_threshold: 0.3

  diversity_preservation:

    migration_policy: “island”          # 岛屿模型防趋同

    island_count: 4

    migration_interval: “12h”

    random_seed_retention: 0.05

调优口诀：初期安全优先（审批全开、变异上限压低），稳定期效率优先（放宽审批、提升种群），预算紧张降种群、缩时间、设死上限。

五、渐进式上线

阶段              时间        操作                 配置要点     

观察期       第1-3天   只开自纠偏    population.size=0，

                                                     skill_mutation=off 

单Agen      第4-7天    1-2个            population.size=20

试点                          非核心场景 

群体进化   第8-14天   扩大试点      population.size=50

                                                     开启岛屿模型

全量开启    第15天后   解除限制      bulk_hours放开，

                                                     仅最高风险保留审批 

每阶段通过后才进入下一阶段。如果某阶段连续 3 天指标不达标，回退到上一阶段。

六、监控告警

“yaml

monitoring:

  metrics:

    # 进化健康度

    – openclaw_evolution_success_rate

    – openclaw_rollback_count

    – openclaw_population_elo_mean

    # 运行健康度

    – openclaw_sandbox_timeout_count

    – openclaw_self_correction_trigger_rate

    # 业务指标（必须接入）

    – user_satisfaction_score

    – task_completion_time_p99

  alerts:

    – name: PopulationELODrop

      expr: openclaw_population_elo_mean < (openclaw_population_elo_mean offset 1h) * 0.9

      severity: critical

      message: “种群能力下降10%，建议暂停进化”

    – name: BusinessMetricDrift

      expr: mann_whitney_u_test(user_satisfaction_score[1h], user_satisfaction_score[24h]) < 0.01

      severity: critical

      message: “业务指标显著漂移，立即暂停进化”

    – name: SandboxExhaustion

      expr: openclaw_active_sandboxes / openclaw_max_sandboxes > 0.85

      severity: warning

      message: “沙盒资源使用率超85%，流水线可能阻塞”

告警优先级：业务指标漂移 > 种群 ELO 骤降 > 资源瓶颈。业务指标漂移最严重——说明 Agent 在刷进化指标，真实表现反而变差。

七、紧急操作

场景                                       命令                     

一键冻结            openclaw evolution emergency-                                  stop –all 

回滚到稳定版      openclaw evolution rollback —

                           agent  xxx –to stable 

回滚到特定版本 openclaw evolution rollback –agent                            xxx –to v3 

查看进化状态      openclaw evolution status –agent 

                          xxx

导出全量备份     openclaw evolution export –all —

                         output ./backup/ 

暂停单Agent   openclaw evolution pause –agent xxx 

八、部署自查清单

· 沙盒测试通过（openclaw sandbox test）

· DNA 快照备份已配置，保留策略 ≥ 7 天

· 监控已接入，告警规则已生效

· 每日 GPU 小时硬上限已设定

· 高风险变异审批流程已打通

· 四阶段上线计划已就绪

· 运维团队已熟记紧急操作命令

· Windows/macOS 环境（如有）已确认沙盒正常运行

九、跨平台混合集群（可选）

yaml

cluster:

  nodes:

    – role: executor

      os: linux

      count: 4

      gpu: true

    – role: sandbox

      os: linux

      count: 4

    – role: sandbox

      os: windows

      count: 2

    – role: controller

      os: windows

      count: 1

  scheduling:

    os_affinity:

      prefer_same_os: true

      cross_os_validation_sample_rate: 0.01

macOS 节点通常不加入生产集群，作为开发测试终端——本地验证通过后推送到 Linux 或 Windows 生产集群。

十、常见部署问题及解决方案

部署过程中最容易卡住的几个环节，以及对应的解决方法。

10.1 沙盒启动失败

现象：执行 openclaw sandbox test 报错，提示 gVisor 或 Hyper-V 不可用。

Linux 环境：

bash

# 错误：runsc not found

# 原因：gVisor 未正确安装或路径未配置

# 解决：

sudo cp runsc /usr/local/bin/runsc

sudo chmod +x /usr/local/bin/runsc

# 错误：docker not running

# 原因：Docker 服务未启动

# 解决：

systemctl start docker

systemctl enable docker

# 错误：cannot connect to Docker daemon

# 原因：当前用户不在 docker 组

# 解决：

sudo usermod -aG docker $USER

# 退出重新登录后生效

macOS 环境：

bash

# 错误：Docker Desktop not running

# 原因：Docker Desktop 未启动或未完成初始化

# 解决：手动启动 Docker Desktop，等待菜单栏图标显示”Running”后再执行后续命令

# 错误：runsc not found in PATH

# 原因：gVisor 安装后未移动到正确路径

# 解决：

sudo mv runsc /usr/local/bin/runsc

sudo chmod +x /usr/local/bin/runsc

Windows 环境：

powershell

# 错误：Hyper-V not enabled

# 原因：Hyper-V 角色未启用，或重启后未生效

# 解决：确认以管理员身份运行 PowerShell

Get-WindowsOptionalFeature –Online -FeatureName Microsoft-Hyper-V-All

# 如果 State 不是 Enabled，重新启用并重启

# 错误：Insufficient memory for sandbox

# 原因：Hyper-V 默认内存分配不足

# 解决：在 Hyper-V 管理器中增加虚拟交换机内存，或减少 max_concurrent_sandboxes

10.2 GPU 不可用

现象：部署分布式集群版后，Executor 或 Evolution Engine 报 GPU 不可用。

Linux 环境：

bash

# 检查 GPU 驱动

nvidia-smi

# 如果报错 “NVIDIA-SMI has failed”

# 原因：驱动版本与内核版本不匹配，通常在系统内核升级后出现

# 解决：重装驱动

sudo apt purge nvidia-*

sudo apt install nvidia-driver-550

sudo reboot

# 检查 CUDA 版本兼容性

nvcc –version

# 确认与 openclaw 要求的 CUDA 版本一致（2026.6.1 要求 CUDA 12.4+）

Windows 环境：

powershell

# 检查 GPU 直通是否可用（仅 Windows Server 支持）

Get-VMHostAssignableDevice

# 如果没有输出，说明 GPU-PV 未启用

# 解决：在 Hyper-V 设置中启用 GPU 分区，或将 GPU 节点改用 Linux

10.3 Redis 连接失败

现象：分布式集群版启动后，组件反复重启，日志显示 Redis 连接超时。

bash

# 检查 Redis 是否可达

redis-cli -h redis-cluster.internal -p 6379 ping

# 如果不可达，检查：

# 1. Redis 服务是否启动

systemctl status redis

# 2. 网络策略是否放行 6379 端口

# K8s 环境检查 NetworkPolicy，裸金属检查防火墙规则

# 3. 如果 Redis 有密码，确认配置文件中已填写

# config.production.yaml:

# redis:

#   host: redis-cluster.internal:6379

#   password: your_password

10.4 S3 存储不可写

现象：DNA 快照备份失败，日志显示 S3 权限不足。

bash

# 检查 S3 连通性和权限

aws s3 ls s3://my-bucket/openclaw/ –region us-east-1

# 常见原因：

# 1. Access Key 和 Secret Key 未配置或已过期

# 2. Bucket 策略未授予 PutObject 权限

# 3. 企业内网代理未配置

# 解决：

# 1. 确认凭证有效

aws sts get-caller-identity

# 2. 如果走内网代理，设置环境变量

export HTTP_PROXY=http://proxy.internal:8080

export HTTPS_PROXY=http://proxy.internal:8080

# 3. 也可以改用本地存储（仅单机体验版和边缘版）

storage:

  type: local

  path: /data/openclaw/backups/

10.5 端口冲突

现象：启动单机体验版时提示端口已被占用。

bash

# 查看默认端口 8080 占用情况

lsof -i :8080

# 解决：在 config.yaml 中指定其他端口

# config.yaml:

# server:

#   port: 8081

10.6 macOS 特定问题

现象：macOS 上 Docker Desktop 启动后 gVisor 仍不可用。

bash

# 错误：Docker Desktop 未启用 gVisor 运行时

# 原因：Docker Engine 配置未生效

# 解决：

# 1. 确认 Docker Desktop → Settings → Docker Engine 中已添加 runsc 配置

# 2. 确认配置 JSON 格式正确（逗号、括号不能少）

# 3. 点击 “Apply & Restart” 后等待 Docker Desktop 完全重启（约30秒）

# 4. 验证：

docker info | grep runsc

# 应输出：runtimes: runsc

# 错误：Apple Silicon 上 gVisor 架构不匹配

# 原因：安装了 x86_64 版本的 gVisor

# 解决：

curl -fsSL https://gvisor.dev/install | bash

# gVisor 安装脚本会自动检测 ARM64 架构

file /usr/local/bin/runsc

# 应输出：Mach-O 64-bit executable arm64

10.7 Windows 特定问题

现象：Hyper-V 沙盒启动后无法访问外部网络（Agent 需要调用外部 API）。

powershell

# Hyper-V 默认虚拟交换机可能未配置 NAT

# 检查虚拟交换机

Get-VMSwitch

# 如果没有 “OpenClawSandbox” 交换机，重新初始化

openclaw sandbox init —provider hyperv –force

# 如果交换机存在但 NAT 不通，手动配置

New-NetNat -Name OpenClawNAT –InternalIPInterfaceAddressPrefix 172.28.0.0/16

现象：winget 安装失败，提示版本不可用。

powershell

# 原因：winget 源未更新或网络受限

# 解决：手动下载安装包

Invoke-WebRequest -Uri https://releases.openclaw.ai/2026.6.1/windows/openclaw-installer.exe -OutFile openclaw-installer.exe

.\openclaw-installer.exe

10.8 内存不足

现象：沙盒并发数设置过高，系统 OOM 杀死沙盒进程。

bash

# 查看沙盒内存使用

openclaw sandbox stats

# 解决：降低并发沙盒数和单沙盒内存上限

# config.yaml:

resources:

  max_concurrent_sandboxes: 2    # 从默认4降到2

sandbox:

  memory_per_sandbox: 128MB      # 从默认256MB降到128MB

计算公式：总需求 = max_concurrent_sandboxes × memory_per_sandbox + 系统预留（约 8GB）。确保不超过物理内存的 80%。

10.9 跨平台混合集群网络不通

现象：Linux 沙盒节点和 Windows 控制节点之间无法通信。

bash

# 检查跨平台网络连通性

# 从 Linux 节点 ping Windows 控制节点

ping windows-controller.internal

# 常见原因：

# 1. DNS 解析不一致——Linux 用 /etc/hosts，Windows 用 DNS 服务器

# 解决：统一 DNS 配置或在所有节点的 hosts 文件中添加对方记录

# 2. 防火墙规则不同——Windows 防火墙默认阻止入站连接

# 解决（Windows 端）：

New-NetFirewallRule -DisplayName “OpenClaw” -Direction Inbound -Port 8080,6379 -Protocol TCP -Action Allow

# 3. K8s 混部时 CNI 插件跨 OS 兼容性问题

# 解决：使用 Flannel 或 Calico 的跨平台配置，避免使用 OS 特定的 CNI

十一、总结

两条路径任选：桌面化安装像装普通软件一样，双击运行，四步向导完成配置；命令行部署灵活强大，单机体验版 5 分钟跑通，分布式集群版一条命令部署。三平台统一命令，三种模式覆盖从开发到生产的全场景。四阶段渐进式上线，监控告警双维度覆盖，紧急操作一键冻结。九个常见部署问题及解决方案，覆盖沙盒、GPU、网络、存储、内存五大类故障。

部署不是终点，是起点。下一篇进入避坑环节——上了生产才知道的八个坑。进化死循环、技能突变失控、评分作弊、生态位塌缩、监控盲区、时间炸弹、审批疲劳、成本雪崩。每个坑都有“现象→根因→解法→操作口诀”。