OpenClaw 部署教程:Bedrock + IAM 零密钥方案,告别 API Key(附 Lightsail 一键)

“
OpenClaw（社区昵称"龙虾"🦞）是 2026 年 GitHub 上增长速度极快的开源 AI 助手框架，能 24/7 在线帮你处理消息、执行命令、管理文件。本文教你用亚马逊云科技的两种方式部署它——关键是：不需要任何 API Key。

为什么要告别 API Key？

翻一翻现有的 OpenClaw 部署教程，几乎每篇都让你把第三方大模型的 API Key 明文写进配置文件。这有几个问题：

安全隐患：API Key 就像密码，写在文件里容易泄露。你电脑上跑的其他软件、误上传的 Git 仓库、甚至队友帮你调试时看到——任何一个环节都可能出事
管理麻烦：Key 过期了要手动换、不同模型有不同的 Key、额度用完了要重新申请
审计困难：谁调了多少次 API？用了哪些模型？没有日志可查

亚马逊云科技的 Amazon Bedrock^[1] 搭配 IAM 角色认证，可以做到：

✅ 零密钥：EC2 实例通过 IAM 角色自动获取临时凭证，配置文件里不需要写任何密钥
✅ 自动轮换：临时凭证每小时自动刷新，不存在泄露风险
✅ 完整审计：每次 API 调用都有 CloudTrail 日志，谁调的、什么时候、用了什么模型
✅ 多模型切换：Bedrock 统一接口支持 Claude、Nova、DeepSeek 等多个模型，改一个参数就能换

下面是两种部署方式。

方案 A：Lightsail 一键部署（5 分钟上手）

Amazon Lightsail^[2] 是亚马逊云科技的轻量级云服务器，固定月费。官方已经上架了 OpenClaw 蓝图（Blueprint ID: openclaw_ls_1_0），开箱即用。

第 1 步：创建实例

“
还没有亚马逊云科技账号？点此免费注册^[3]，Lightsail 新用户前 3 个月可免费试用部分套餐。

打开 Lightsail 控制台^[4]
点击 Create instance
选择区域（推荐 us-east-1）
平台选 Linux/Unix
蓝图（Blueprint，即预装好软件的系统模板）选 OpenClaw
选择实例规格：

规格	vCPU	内存	SSD	月费	适合场景
small_3_0	2	2GB	60GB	$12	个人体验
medium_3_0	2	4GB	80GB	$24	推荐，日常使用
large_3_0	2	8GB	160GB	$44	多人/多渠道

“
💡 个人体验 24 起。仅 IPv6 的版本更便宜（20/$40），如果你不需要公网 IPv4。

点击 Create instance，等 2-3 分钟

第 2 步：配对浏览器

在 Lightsail 控制台进入实例 → Connect → Connect using SSH
终端显示的控制台 URL 和访问令牌记下来
浏览器新标签打开 URL，粘贴令牌
SSH 终端中输入 y 确认，a 批准配对

第 3 步：启用 Bedrock

复制 Lightsail 入门页提供的配置脚本
到 CloudShell^[5] 中运行
脚本自动创建 IAM 角色并授权 Bedrock

完成！回到 OpenClaw 控制台就能开始聊天了。全程没有输入过任何 API Key。

“
📖 详细步骤参考官方博客：推出 OpenClaw on Amazon Lightsail^[6]

方案 B：EC2 手动部署（完全掌控每一步）

想深入理解每个组件，或者想用 Graviton ARM 实例省钱？手动部署更灵活。

前提

一个亚马逊云科技账号
在 Bedrock 控制台^[7] 的 Model access 中启用了 Nova 系列模型

第 1 步：创建 IAM 角色（关键的安全步骤）

这一步用 IAM 角色替代 API Key，是整个方案的核心。

进入 IAM 控制台^[8] → Roles → Create role
Trusted entity type 选服务，Use case 选 EC2，Next
搜索 AmazonBedrockFullAccess，勾选，Next
Role name 填 OpenClaw，Create role

“
⚠️ AmazonBedrockFullAccess 适合快速上手。生产环境建议创建自定义策略，只授予你需要的模型和操作权限。

第 2 步：启动 EC2 实例

进入 EC2 控制台^[9] → Launch instances：

配置项	值	说明
AMI	Ubuntu Server 24.04 LTS (ARM)	AMI ID: `ami-0f1b9964277dbd54e`（us-east-1）
实例类型	`t4g.medium`	2 vCPU, 4GB RAM, Graviton ARM
Key pair	你的 SSH 密钥	没有就 Create new
存储	20GB gp3	够用

为什么选 t4g.medium（ARM/Graviton）？

类型	架构	配置	小时价	月费（估算）
t4g.medium	ARM	2C 4GB	$0.0336	~$24
t3.medium	x86	2C 4GB	$0.0416	~$30

同配置 ARM 比 x86 便宜约 20%。OpenClaw 是 Node.js 应用，在 ARM 上运行完全正常（本文就是在 ARM 实例上写的）。

启动后，选中实例 → Actions → Security → Modify IAM role → 选择 OpenClaw 角色。

第 3 步：SSH 登录 & 安装

ssh -i "your-key.pem" ubuntu@<EC2 公网 IP>

安装 Node.js 和 OpenClaw：

# 安装 nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
source ~/.nvm/nvm.sh

# 安装 Node.js
nvm install 24
node -v   # v24.x.x

# 安装 OpenClaw
npm install -g openclaw@latest
openclaw --version

第 4 步：配置向导

openclaw onboard --install-daemon

关键选项：

配置项	选这个
Mode	Manual
Gateway	Local gateway
Model provider	amazon-bedrock
Default model	`us.amazon.nova-2-lite-v1:0`
Gateway auth	token（设一个密码）
Channels / Skills	先 Skip

第 5 步：配置 Bedrock 模型

编辑 ~/.openclaw/openclaw.json，在 models 部分加入（合并，不要覆盖整个文件）：

{
"models": {
"providers": {
"amazon-bedrock": {
"baseUrl": "https://bedrock-runtime.us-east-1.amazonaws.com",
"api": "bedrock-converse-stream",
"auth": "aws-sdk",
"models": [
          {
"id": "us.amazon.nova-2-lite-v1:0",
"name": "Nova 2 Lite（日常对话，高性价比）",
"reasoning": false,
"input": ["text", "image"],
"cost": { "input": 0.06, "output": 0.24 },
"contextWindow": 300000,
"maxTokens": 8192
          },
          {
"id": "us.amazon.nova-pro-v1:0",
"name": "Nova Pro（复杂推理）",
"reasoning": false,
"input": ["text", "image"],
"cost": { "input": 0.80, "output": 3.20 },
"contextWindow": 300000,
"maxTokens": 8192
          }
        ]
      }
    }
  }
}

三个关键点：

"auth": "aws-sdk" —— 使用 IAM 角色认证，不需要写 Key
us. 前缀的模型 ID —— 这是 Inference Profile，启用了跨区域自动路由（CRIS）。某个区域繁忙时请求会自动切到其他区域，避免排队
两个模型并存 —— 简单任务用 Nova 2 Lite（0.80/百万 token），按需切换

第 6 步：启动

openclaw gateway restart
openclaw status

浏览器打开 http://<EC2 IP>:18789/?token=<你的密码> 即可使用。

验证：确认 Bedrock 连通

部署完想确认 Bedrock 通了？在实例上跑这段 Python（已实测通过）：

import boto3, json

# 在 EC2 上不需要传 credentials，IAM Role 自动生效
bedrock = boto3.client('bedrock-runtime', region_name='us-east-1')

response = bedrock.invoke_model(
    modelId='us.amazon.nova-2-lite-v1:0',
    contentType='application/json',
    accept='application/json',
    body=json.dumps({
"messages": [{"role": "user", "content": [{"text": "你好，用一句话介绍你自己"}]}],
"inferenceConfig": {"maxTokens": 200}
    })
)

result = json.loads(response['body'].read())
print(result['output']['message']['content'][0]['text'])
# 输出: 我是一个人工智能助手，我可以帮助你回答问题、提供信息、生成文本，并支持多轮对话。

如果你想验证 IAM 角色是否正确绑定：

import boto3

sts = boto3.client('sts', region_name='us-east-1')
print(sts.get_caller_identity())
# 应该看到你的 Account ID 和 Role ARN，而不是 User ARN