OpenClaw/Moltbot(原Clawdbot)云服务器部署完全指南：从零开始搭建你的私人AI助手

本文由 莫潇羽@无忆研习社 原创撰写，转载请注明出处：www.wuyi.wiki

最近几天，开源社区发生了一件大事——曾经以Clawdbot之名在GitHub上狂飙的开源AI助手项目，因为收到Anthropic公司的商标权变更请求，于2026年1月27日正式更名为Moltbot。这个名字来源于龙虾蜕壳（molt）的概念，寓意着项目正在蜕变成长。项目的吉祥物也从原来的「Clawd」变成了「Molty」，一只来自太空的龙虾形象。

更名过程中还发生了一个小插曲：创始人Peter Steinberger在同时重命名GitHub组织和X/Twitter账号时出现了失误，旧账号在释放后仅仅10秒就被抢注了。虽然这个小风波给项目带来了一些困扰，但好在代码仓库和项目本身并未受到影响，目前官方已经在积极处理账号恢复问题。

就在刚刚我还在编辑这篇文档的时候，又看到了一个新闻，Moltbot又更名成了OpenClaw，在本文中我们还是称之为Moltbot吧。

截至本文发稿时，Moltbot在GitHub上的Star数已经突破10万大关，成为2026年开源社区中增长最快的项目之一。这篇文章将带你深入了解这个现象级项目的技术原理，并手把手教你如何在云服务器上完成部署。

名词解释：什么是AI Agent？

在深入了解Moltbot之前，莫潇羽@无忆研习社 认为有必要先解释一个概念——AI Agent（AI智能体）。

2023年以来，随着大语言模型能力的飞速提升，AI领域出现了一个新的趋势：让AI不仅仅能「说」，还能「做」。传统的聊天机器人只能根据输入生成文本输出，而AI Agent则具备了感知环境、做出决策、执行行动的能力。

打个比方：传统的AI就像一个只会回答问题的客服，你问什么它答什么；而AI Agent更像一个真正的助理，你给它一个目标，它会自己想办法去完成，中间可能需要查资料、发邮件、写文档、甚至编写代码。

AI Agent通常具备以下特征：

自主性：能够在没有人类持续干预的情况下运行，根据环境变化自主做出决策。

目标导向：不只是响应单个请求，而是能够理解并追求更高层次的目标。

工具使用：能够调用各种外部工具和API来完成任务，比如搜索引擎、数据库、代码执行器等。

记忆能力：能够记住过去的交互和学到的信息，在后续任务中加以利用。

适应性：能够从反馈中学习，调整自己的行为策略。

Moltbot正是AI Agent概念的一个杰出实践。它不是一个简单的聊天界面，而是一个能够实际帮你完成工作的智能助手。接下来，让我们详细了解它的设计理念和功能特点。

一、Moltbot到底是什么？

在正式开始部署教程之前，莫潇羽@无忆研习社 觉得有必要先让大家理解Moltbot究竟是一个什么样的项目，以及它为什么能在短短几周内引爆整个技术圈。

1.1 不只是聊天机器人

Moltbot的官方定义是「一个可以在你自己设备上运行的私人AI助手」。但如果仅仅把它理解为一个聊天机器人，那就大大低估了它的能力。

传统的AI助手（比如Siri、Alexa，甚至ChatGPT）都有一个共同的特点：它们要么住在云端，要么住在某个特定的APP里。你需要主动打开它们，才能与之交互。而Moltbot完全颠覆了这种交互模式——它可以主动联系你，就像一个真正的同事或助手一样。

想象一下这样的场景：

• 早上8点，Moltbot通过WhatsApp给你发来今天的日程安排和天气提醒
• 你收到一封重要邮件，Moltbot自动帮你总结要点并提醒你回复
• 你让它帮忙写一份报告，它不仅写完了，还自动提交到了你的GitHub仓库
• 晚上睡前，它主动汇报今天帮你处理了哪些任务

这就是Moltbot最核心的理念：从被动响应变成主动协作。

1.2 真正的「动手能力」

Moltbot被开发者社区称为「带着手的Claude」（Claude with hands），这个比喻非常形象。普通的AI模型只能「说」，而Moltbot能够「做」。

具体来说，Moltbot可以：

• 执行终端命令
• 浏览网页并进行自动化操作
• 读写文件系统
• 管理你的日历和邮件
• 提交代码到GitHub
• 控制智能家居设备
• 甚至可以自己编写新的功能模块来扩展自身能力

这种能力的背后，是一套精心设计的「技能系统」（Skills）。每个技能本质上是一个包含指令和脚本的文件夹，Moltbot会根据你的需求自动调用相应的技能来完成任务。

1.3 多渠道接入

Moltbot另一个让人惊艳的特性是它的多渠道支持。你不需要下载任何新的APP，它可以直接接入你已经在使用的聊天软件：

• WhatsApp
• Telegram
• Discord
• Slack
• Signal
• iMessage（仅限macOS）
• Microsoft Teams
• Google Chat
• 网页端WebChat

这意味着你可以在上班时用Slack和它交流，通勤时用WhatsApp给它布置任务，晚上在电脑前用WebChat做更复杂的工作。所有的对话历史和任务状态都是同步的，因为它们背后是同一个Moltbot实例。

1.4 完全开源，数据自主

和很多商业AI服务不同，Moltbot是完全开源的（MIT协议），你可以免费使用、修改和分发它的代码。更重要的是，它运行在你自己的设备上，无论是一台Mac Mini、一台Linux服务器，还是一个云主机。

这意味着：

• 你的对话数据不会上传到任何第三方服务器
• 你可以完全控制AI助手的行为边界
• 你可以根据自己的需求定制和扩展它的功能

当然，Moltbot本身只是一个框架，它需要调用外部的大语言模型（LLM）来提供智能。你可以选择：

• Anthropic的Claude系列（官方推荐，尤其是Claude Opus 4.5）
• OpenAI的GPT系列
• Google的Gemini
• 国产模型如通义千问、智谱GLM、Kimi等
• 甚至本地运行的开源模型

1.5 创始人的故事

了解一个项目，有时候也需要了解它背后的人。Moltbot的创造者Peter Steinberger是一位来自奥地利的资深开发者，在技术圈有着相当的知名度。

Peter14岁时就开始接触编程。一个暑假，一位来访的客人带来了一台电脑，彻底点燃了他对编程的热情。后来他创办了PSPDFKit（现已更名为Nutrient），这是一个专注于PDF处理的框架，被超过10亿台设备所使用。公司从最初的一人发展到70多人的团队，采用全球远程工作的模式。

然而，长期担任CEO的压力让Peter陷入了严重的职业倦怠。用他自己的话说：「CEO基本上就是一个垃圾桶，所有别人搞不定或搞砸的事情，最后都得你来收拾。」在这种长期压力下，Peter选择卖掉自己的股份，从技术圈彻底消失了三年。

这三年里，Peter休息、旅行、重新找回对生活的热情。直到AI大模型的出现，特别是Claude和GPT系列的惊艳表现，重新点燃了他的创作欲望。他开始尝试用AI辅助自己的日常工作，发现自己一天可以做出600次代码提交，同时控制5到10个AI Agent并行工作，就像一个围棋大师同时下多盘棋。

Moltbot最初只是Peter的一个个人项目，用来解决他自己的需求。在摩洛哥旅行时，他通过WhatsApp和自己的AI助手聊天，让它帮忙指路、讲笑话，甚至代发消息给朋友。有一次，他不经意间发送了一条语音消息——但当时他还没有开发语音功能。

「30秒后，它居然回复了我的语音消息」，Peter回忆道，「我问它是怎么做到的。它说：你发送了一个文件，我检查了文件头发现是OGG格式，用FFmpeg转换后，找到了你电脑上的OpenAI密钥，通过curl发送到OpenAI服务器转成了文字。」

这个经历让Peter意识到AI Agent的潜力远超想象。于是他把自己的助手开源出来，分享给更多人。谁也没想到，这个「业余项目」会在短短几周内成为GitHub上最热门的仓库之一。

1.6 为什么叫「Moltbot」？

说到这个名字，还有一段有趣的故事。

最初这个项目叫「Clawdbot」，这个名字是对Anthropic公司的Claude模型的一个谐音致敬。Clawd和Claude发音相似，而且「Claw」（爪子）也暗示了这个AI能够「动手」做事。项目的吉祥物是一只穿着实验室白大褂的龙虾。

然而，Anthropic公司认为「Clawdbot」这个名字与他们的「Claude」商标过于相似，存在混淆的风险，于是发出了商标变更请求。虽然很多开发者认为这个要求有些苛刻（毕竟Clawdbot是一个促进Claude使用的开源项目），但Peter还是选择了配合。

新名字「Moltbot」来源于龙虾的「蜕壳」（molt）过程。龙虾在生长过程中需要不断蜕掉旧壳，长出新壳。Peter觉得这个比喻很贴切：项目正在蜕去旧的身份，迎接更大的成长。吉祥物也从「Clawd」变成了「Molty」——同一只龙虾，只是换了个名字。

虽然名字改了，但代码、功能、社区都保持不变。在配置文件和命令行中，你可能还会看到一些「clawd」或「clawdbot」的痕迹，这都是历史遗留的兼容性考虑，不影响使用。

二、Moltbot的技术架构深度解析

作为一名技术博主，莫潇羽@无忆研习社 认为理解一个项目的技术架构，是真正掌握它的第一步。接下来，我将用通俗易懂的方式，为大家拆解Moltbot的核心设计。

2.1 整体架构概览

Moltbot的架构可以用一张简图来表示：

聊天平台（WhatsApp / Telegram / Slack / Discord等）
│
▼
┌───────────────────────────────────────┐
│           Gateway（网关）              │
│          (核心控制平面)                │
│       ws://127.0.0.1:18789            │
└──────────────────┬────────────────────┘
                   │
       ├─ Agent（AI智能体）
       ├─ CLI（命令行工具）
       ├─ WebChat UI（网页界面）
       ├─ macOS App（菜单栏应用）
       └─ iOS / Android 节点

从这张图可以看出，Moltbot的核心是一个叫做Gateway（网关）的组件。它就像一个中央调度站，负责连接各个聊天平台、协调AI智能体的工作、管理会话状态等。

2.2 四大核心组件

Moltbot的系统架构由四个主要部分组成：

第一，Gateway（网关）

网关是整个系统的前门和控制中心。它是一个长期运行的Node.js服务，主要职责包括：

• 管理与各个聊天平台的连接
• 维护WebSocket API供客户端调用
• 处理会话状态和消息路由
• 提供本地Web控制台

网关默认监听18789端口，所有的客户端（CLI、WebChat、移动应用等）都通过这个端口与之通信。

第二，Agent（智能体）

智能体是Moltbot的「大脑」，负责理解用户意图并决定如何行动。它实际上是一个LLM推理引擎，会将用户的自然语言请求转化为具体的操作指令。

智能体的工作流程大致如下：

• 接收来自网关的消息
• 根据上下文和可用技能分析用户意图
• 决定是直接回复还是调用工具
• 执行必要的操作
• 将结果返回给用户

第三，Skills（技能系统）

技能是Moltbot的「四肢」，让它能够真正「动手」做事。每个技能都是一个模块化的能力单元，包含：

• SKILL.md文件：描述技能的用途和使用方法
• 可选的脚本文件：执行具体操作的代码
• 配置文件：定义技能的参数和权限

Moltbot内置了大量技能，比如浏览器控制、文件系统操作、日历管理等。同时，社区也贡献了数百个第三方技能，覆盖了各种使用场景。

第四，Memory（记忆系统）

记忆系统是Moltbot的「长期存储」，让它能够记住你的偏好、历史对话和任务状态。Moltbot使用Markdown文件来存储记忆，这使得数据既可读又易于管理。

理论上，只要你的硬盘空间足够大，Moltbot可以拥有无限的记忆容量。

2.3 消息处理流程

当你通过WhatsApp给Moltbot发送一条消息时，背后发生了什么？莫潇羽@无忆研习社 为你详细拆解这个流程：

步骤一：消息接收

WhatsApp适配器接收到原始消息对象，这个对象包含了WhatsApp特有的格式和元数据。

步骤二：格式转换

适配器将WhatsApp格式转换为Moltbot的统一内部格式：

{
  "text": "帮我查一下明天的天气",
  "sender": "user123",
  "platform": "whatsapp"
}

这种适配器模式是Moltbot能够支持多平台的关键——每个平台都有自己的适配器，但转换后的内部格式是统一的。

步骤三：路由到智能体

网关将标准化的消息路由到AI智能体。智能体分析消息内容，决定如何响应。

步骤四：工具调用

如果需要执行操作（比如查询天气），智能体会调用相应的技能。技能执行完成后返回结果。

步骤五：响应生成

智能体基于工具返回的数据生成最终回复。

步骤六：消息发送

回复经过反向路由，通过WhatsApp适配器发送回用户。

整个流程通常在几秒钟内完成，用户感知到的就是一次流畅的对话。

2.4 与其他AI Agent的对比

为了帮助大家更好地理解Moltbot的定位，莫潇羽@无忆研习社 整理了一个简单的对比：

与纯聊天AI（ChatGPT、Claude等）的区别：

• 聊天AI是被动的，需要你打开网页或APP才能使用
• Moltbot是主动的，可以7×24小时运行并主动联系你
• 聊天AI无法执行实际操作
• Moltbot可以读写文件、执行命令、控制浏览器等

与可视化Agent（Computer Use类）的区别：

• 可视化Agent通过截图和鼠标操作来控制电脑
• Moltbot主要通过命令行和API进行操作
• 可视化Agent适合模拟人类操作
• Moltbot更适合自动化和后台任务

与工作流自动化工具（Zapier、n8n等）的区别：

• 自动化工具需要预先定义工作流程
• Moltbot可以理解自然语言指令，动态决定执行步骤
• 自动化工具的灵活性有限
• Moltbot可以处理开放式任务

2.5 安全模型设计

在授予AI助手如此大的权限时，安全问题自然是重中之重。Moltbot在这方面做了大量工作：

DM配对机制

默认情况下，陌生人给你的Moltbot发消息时，会收到一个配对码。只有你手动批准后，对方才能与Moltbot交流。这防止了未经授权的访问。

沙箱隔离

对于群聊和频道等公开场景，Moltbot可以配置为在Docker沙箱中运行命令，将潜在的危险操作限制在隔离环境中。

权限分级

技能系统支持细粒度的权限控制。你可以精确定义每个技能能够访问哪些资源、执行哪些操作。

敏感信息保护

Moltbot不会在日志或响应中暴露API密钥、OAuth令牌等敏感信息。

2.6 适配器模式详解

莫潇羽@无忆研习社 认为适配器模式是Moltbot能够支持多平台的关键设计，值得深入理解。

每个聊天平台都有自己独特的消息格式和API。比如WhatsApp的消息包含WhatsApp特有的元数据，Telegram的消息有Telegram特有的字段，Discord更是有独特的Guild/Channel/User结构。如果直接处理这些差异，代码会变得极其复杂。

Moltbot采用适配器模式解决这个问题。每个平台都有一个对应的适配器，负责：

• 入站转换：将平台特有的消息格式转换为统一的内部格式
• 出站转换：将内部格式的响应转换为平台特有的格式
• 连接管理：维护与平台服务器的连接
• 特性适配：处理平台特有的功能（如Discord的斜杠命令、Telegram的内联键盘等）

以下是主要适配器的技术实现：

WhatsApp适配器：使用Baileys库，通过模拟WhatsApp Web协议与服务器通信。需要扫描二维码进行设备链接。

Telegram适配器：使用grammY框架，通过Telegram Bot API与服务器通信。需要从BotFather获取Token。

Discord适配器：使用discord.js库，通过Discord Gateway API与服务器通信。需要在开发者门户创建Application。

Slack适配器：使用Bolt框架，通过Slack API与工作区通信。需要创建Slack App并安装到工作区。

这种设计的好处是：添加新平台支持只需要编写新的适配器，核心逻辑完全不需要改动。社区也因此能够轻松贡献新的渠道支持，比如已经有人在开发国内平台的适配器。

2.7 模型调用与流式响应

Moltbot与大语言模型的通信采用了一些优化设计，莫潇羽@无忆研习社 在这里详细说明。

多模型支持

Moltbot不绑定任何特定的AI模型。它支持几乎所有主流的LLM服务：

• Anthropic Claude系列（Claude Opus 4.5、Claude Sonnet等）
• OpenAI GPT系列（GPT-4、GPT-4.5、GPT-5等）
• Google Gemini系列
• 阿里通义千问
• 智谱GLM
• Moonshot Kimi
• 以及任何兼容OpenAI API格式的模型

模型切换只需要修改配置文件中的model字段即可。

流式响应

与AI对话时，Moltbot使用流式传输（Streaming）来提升响应体验。当AI开始生成回复时，文字会像打字一样逐渐显示出来，而不是等全部生成完才一次性发送。

这对用户体验有很大帮助：一是减少了等待的焦虑感，二是如果发现AI理解错误可以及时打断。

故障转移

Moltbot支持配置多个模型作为后备。如果主模型服务出现问题（比如API限流或服务器故障），会自动切换到备用模型，确保服务的连续性。

{
  "agent": {
    "model": "anthropic/claude-opus-4-5",
    "fallback": ["anthropic/claude-sonnet-4-5", "openai/gpt-4"]
  }
}

2.8 会话管理与上下文处理

AI助手的一个核心挑战是如何管理对话上下文。Moltbot在这方面也有精心的设计。

会话隔离

Moltbot支持多会话管理。不同的用户、不同的群聊，各自拥有独立的会话状态。你和AI的私聊不会影响群聊中的对话，反之亦然。

长期记忆

对话历史会被持久化存储。当会话超过模型的上下文窗口限制时，Moltbot会智能地进行压缩或摘要，保留重要信息的同时控制Token消耗。

会话修剪策略

可以配置多种修剪策略：

• oldest-first：优先删除最早的消息
• least-important：使用模型判断重要性，删除不重要的内容
• summary：将旧对话压缩成摘要

用户画像

Moltbot会逐渐学习你的偏好和习惯，形成用户画像。比如你喜欢简洁的回复还是详细的解释，习惯使用的术语，经常处理的任务类型等。

三、部署前的准备工作

了解了Moltbot的原理之后，我们就可以开始实际部署了。莫潇羽@无忆研习社 将以云服务器部署为例，手把手教你完成整个过程。

3.1 为什么选择云服务器？

相比在本地电脑上运行Moltbot，使用云服务器有几个明显的优势：

真正的7×24小时运行

本地电脑会休眠、重启、断网。而云服务器可以持续运行，确保你的AI助手随时在线。

环境隔离，更加安全

给一个AI助手root权限访问你的工作电脑，确实让人有些担心。云服务器提供了一个独立的环境，即使出现问题也不会影响你的重要数据。

成本可控

入门级云服务器的价格通常在每月几十到一百元之间，比专门买一台Mac Mini来运行Moltbot要经济得多。

便于远程访问

无论你在家、在公司还是在旅途中，都可以随时通过聊天软件与云端的Moltbot交互。

3.2 硬件配置要求

Moltbot本身对硬件的要求并不高。根据官方文档和社区实践，以下是推荐配置：

最低配置：

• CPU：1核
• 内存：2GB
• 存储：20GB SSD
• 系统：Ubuntu 22.04 或 24.04

推荐配置：

• CPU：2核
• 内存：4GB
• 存储：40GB SSD
• 系统：Ubuntu 24.04

内存是最关键的因素。2GB基本够用，但如果你计划同时连接多个聊天平台或运行复杂的技能，4GB会更加从容。

3.3 软件环境要求

Moltbot运行需要以下软件环境：

• Node.js 22或更高版本：Moltbot的核心运行时
• npm或pnpm：包管理器，用于安装Moltbot
• Docker（可选）：用于沙箱隔离功能

大多数云服务商提供的Ubuntu镜像都可以很方便地安装这些依赖。

3.4 你需要准备的账号和密钥

在开始部署之前，请确保你已经准备好了以下内容：

大语言模型API密钥（必需）

Moltbot需要调用LLM来提供智能。你可以选择：

• 阿里通义千问：在阿里云百炼平台获取API密钥（推荐国内用户优先选择）
• 智谱GLM：在智谱AI开放平台获取
• Moonshot Kimi：在月之暗面平台获取
• 其他支持OpenAI API格式的国内模型

重要提示：如有使用境外AI服务（如Anthropic Claude、OpenAI GPT等）的需求，企业用户应通过合法合规渠道（如企业跨境通信备案）进行接入，个人用户建议优先选择国内大模型服务。

云服务器（必需）

选择一家靠谱的云服务商，创建一台Linux服务器。国内常见的选择包括阿里云、腾讯云、华为云等。

聊天平台账号（根据需要）

如果你想通过特定的聊天平台使用Moltbot，需要准备相应的账号：

• WhatsApp：需要一个已注册的WhatsApp账号
• Telegram：需要创建一个Telegram Bot并获取Token
• Discord：需要创建一个Discord Bot并获取Token
• Slack：需要创建一个Slack App并获取相关Token

3.5 大语言模型的选择与成本分析

选择合适的AI模型是使用Moltbot的关键决策之一。莫潇羽@无忆研习社 为你详细分析各个选项的优缺点和成本。

国产模型（推荐国内用户优先选择）

对于国内用户，国产模型是最佳选择，具有网络稳定、延迟低、合规无忧等优势：

• 阿里通义千问：通过百炼平台接入，新用户通常有免费额度，qwen-max和qwen-plus系列性能优秀，工具调用能力强
• 智谱GLM：GLM-4系列对工具调用支持较好，尤其是GLM-4-Flash版本性价比高
• Moonshot Kimi：长上下文处理能力强，适合需要处理长文档的场景
• 百度文心一言：通过千帆平台接入，中文理解能力出色
• 字节豆包：火山引擎平台提供，响应速度快

国产模型的优势：

• 网络延迟低，响应速度快
• 价格通常更便宜
• 无需担心网络访问问题
• 完全符合国内法规要求

Anthropic Claude系列

如果企业用户已通过合规渠道（如企业跨境通信备案）接入境外服务，Claude系列也是不错的选择：

• 上下文窗口长，能处理更复杂的任务和更长的对话历史
• 对提示注入攻击的抵抗力更强，安全性更好
• 对复杂指令的理解和执行能力出色
• 工具调用能力强，适合Agent场景

OpenAI GPT系列

同样需要通过合规渠道接入：

• GPT-4以逻辑推理见长
• GPT-4.5在创意任务上表现更好
• API成熟稳定，文档完善

成本估算

实际使用成本取决于你的使用强度。莫潇羽@无忆研习社 给出一个大致参考：

• 轻度使用（每天几次简单对话）：每月10-30元人民币
• 中度使用（日常任务处理、邮件管理等）：每月50-100元人民币
• 重度使用（复杂编程任务、大量文档处理等）：每月200-500元人民币

可以通过以下方式控制成本：

• 选择性价比更高的模型（如国产模型的轻量版本）
• 合理配置上下文窗口大小
• 使用会话修剪避免不必要的Token消耗
• 简单任务使用更轻量的模型

3.6 网络环境考虑

使用国内AI服务（推荐）

对于国内用户，莫潇羽@无忆研习社 强烈建议优先选择国内大模型服务：

• 阿里云百炼平台：提供通义千问系列模型，国内有服务器节点，延迟更低，稳定性更好
• 智谱AI开放平台：提供GLM系列模型
• 月之暗面：提供Kimi系列模型
• 火山引擎：提供豆包系列模型

这些服务在国内有服务器节点，延迟更低，稳定性更好，且完全符合国内法规要求。

境外AI服务接入说明

如确有使用境外AI服务（如Anthropic、OpenAI等）的业务需求：

• 企业用户：应通过企业跨境通信备案等合法合规渠道进行接入
• 个人用户：建议优先选择国内大模型替代方案

合规提示：访问境外互联网服务需遵守《中华人民共和国网络安全法》《中华人民共和国数据安全法》等相关法律法规。请勿使用非法渠道访问境外服务。

四、云服务器部署详细步骤

接下来是本文的核心部分。莫潇羽@无忆研习社 将以通用的云服务器为例，详细讲解Moltbot的部署过程。

4.1 第一步：创建并连接云服务器

创建服务器

登录你选择的云服务商控制台，创建一台新的云服务器（ECS/CVM/轻量应用服务器等）：

• 操作系统选择 Ubuntu 24.04 LTS
• 实例规格选择 2核4GB 或以上
• 系统盘选择 40GB SSD
• 安全组放通 22端口（SSH）和 18789端口（Moltbot Gateway）

创建完成后，记录下服务器的公网IP地址。

连接服务器

在本地电脑上打开终端（Windows用户可以使用PowerShell或WSL），使用SSH连接到服务器：

ssh root@你的服务器IP

首次连接会提示确认服务器指纹，输入 yes 继续。然后输入创建服务器时设置的密码。

创建普通用户（推荐）

出于安全考虑，不建议用root用户运行Moltbot。我们创建一个专用用户：

# 创建用户
adduser moltbot

# 添加sudo权限
usermod -aG sudo moltbot

# 切换到新用户
su - moltbot

按照提示设置密码。后续所有操作都在这个用户下进行。

4.2 第二步：安装Node.js环境

Moltbot需要Node.js 22或更高版本。Ubuntu默认源中的版本通常较旧，我们使用NodeSource提供的新版本：

# 更新系统包
sudo apt update && sudo apt upgrade -y

# 安装必要的工具
sudo apt install -y curl git

# 添加NodeSource仓库
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -

# 安装Node.js
sudo apt install -y nodejs

# 验证安装
node --version  # 应该显示 v22.x.x
npm --version   # 应该显示 10.x.x

莫潇羽@无忆研习社 提醒：如果你使用的是较旧的系统镜像，可能需要先安装一些基础依赖。如果上述命令报错，可以尝试运行 sudo apt install -y build-essential 后重试。

4.3 第三步：安装Moltbot

Node.js安装完成后，就可以安装Moltbot了：

# 全局安装moltbot
sudo npm install -g moltbot@latest

# 验证安装
moltbot --version

安装过程可能需要几分钟，取决于网络速度。

如果你更喜欢使用pnpm（更快的包管理器），可以这样：

# 先安装pnpm
sudo npm install -g pnpm

# 用pnpm安装moltbot
sudo pnpm add -g moltbot@latest

4.4 第四步：运行配置向导

Moltbot提供了一个交互式配置向导，可以引导你完成大部分设置：

moltbot onboard --install-daemon

向导会依次询问你：

配置大语言模型

向导首先会问你使用哪个LLM提供商。这里以阿里通义千问为例：

? Which LLM provider do you want to use?
  Anthropic (Claude)
  OpenAI
> OpenAI Compatible (Custom)

选择「OpenAI Compatible」后，输入阿里云百炼平台的API地址和密钥：

? Enter the API base URL: https://dashscope.aliyuncs.com/compatible-mode/v1
? Enter your API key: sk-xxxxx...
? Enter the model name: qwen-max

如果你使用智谱GLM：

? Enter the API base URL: https://open.bigmodel.cn/api/paas/v4
? Enter your API key: your-api-key
? Enter the model name: glm-4

配置聊天渠道

接下来向导会问你想连接哪些聊天平台：

? Which channels do you want to enable?
> WhatsApp
  Telegram
  Discord
  Slack
  WebChat (Browser-based)

可以使用空格键多选。莫潇羽@无忆研习社 建议新手先只启用一个渠道，熟悉后再添加其他渠道。

以WhatsApp为例，向导会生成一个二维码，用你的手机WhatsApp扫描即可完成绑定。

设置工作空间

向导会创建一个工作空间目录，默认是 ~/clawd：

? Workspace directory: ~/clawd

这个目录用于存放会话数据、技能文件、记忆等。

安装守护进程

最后，向导会询问是否安装守护进程，让Moltbot在后台运行并开机自启：

? Install as system service? Yes

选择Yes后，向导会创建systemd服务，确保Moltbot持续运行。

4.5 第五步：启动并测试

配置完成后，Moltbot应该已经自动启动了。你可以检查运行状态：

# 查看服务状态
moltbot status

# 查看Gateway健康状态
moltbot health

如果一切正常，你会看到类似这样的输出：

Gateway Status: Running
Port: 18789
Channels: whatsapp (connected)
Model: qwen-max

现在，你可以打开WhatsApp，找到与Moltbot绑定的号码，发送一条消息测试：

你好，你是谁？

如果收到了AI的回复，恭喜你，部署成功了！

4.6 访问Web控制台

Moltbot还提供了一个Web控制台，方便你在浏览器中管理和配置。默认情况下，它只监听本地地址127.0.0.1。

要从外部访问，你需要设置一个SSH隧道。在你的本地电脑上运行：

ssh -L 18789:127.0.0.1:18789 moltbot@你的服务器IP

然后在浏览器中访问 http://127.0.0.1:18789，就可以看到控制台界面了。

莫潇羽@无忆研习社 提示：出于安全考虑，不建议直接将18789端口暴露到公网。使用SSH隧道或Tailscale是更安全的选择。

五、进阶配置与优化

基本部署完成后，你可能想要进一步优化Moltbot的使用体验。这一节，莫潇羽@无忆研习社 将介绍一些常用的进阶配置。

5.1 配置文件详解

Moltbot的配置文件位于 ~/.clawdbot/moltbot.json（是的，因为历史原因，配置目录仍然使用旧名称）。以下是一个完整的配置示例：

{
  "agent": {
    "model": "qwen-max"
  },
  "gateway": {
    "port": 18789,
    "bind": "loopback"
  },
  "channels": {
    "whatsapp": {
      "enabled": true,
      "allowFrom": ["+86138xxxx1234"]
    },
    "telegram": {
      "enabled": false,
      "botToken": "123456:ABC..."
    }
  },
  "tools": {
    "browser": {
      "enabled": true
    },
    "filesystem": {
      "enabled": true,
      "allowedPaths": ["/home/moltbot"]
    }
  }
}

常用配置项说明：

• agent.model：指定使用的AI模型
• gateway.port：Gateway监听端口
• gat