OpenClaw最近在智能体圈子里热度确实高群里天天有人在问安装、部署、接微信、接本地模型的问题。命令行作为这个框架最主要的操作入口几乎所有关键操作都绕不开它。我从第一次跑通OpenClaw到后来折腾接入飞书、配置NVIDIA NIM、在mac mini上用Docker做本地部署中间踩了不少坑这次干脆把OpenClaw的命令体系从头到尾整理一遍做成一篇可以直接收藏的速查手册。文章覆盖安装部署、初始化配置、服务运行、模型接入、skill开发、外部集成和问题排查新手可以照着一步步做老手可以直接翻到后面的速查表查命令。1. 先理解OpenClaw的命令体系再动手敲1.1 OpenClaw为什么如此依赖命令行OpenClaw作为一个智能体运行时框架大部分能力都暴露在CLI上。安装环境、初始化配置、启动服务、检查状态、注册skill、连接IM渠道每一件事都有对应的命令。就算你用Docker部署本质上也只是把openclaw命令封装在容器里执行。那个Control UI可视化界面底层调的仍然是同一套命令。所以把命令搞清楚就相当于掌握了这个框架的控制权。而且OpenClaw的命令设计沿用了很多传统Unix工具的思路采用“命令子命令参数”的层级结构尽量让每个操作可脚本化、可自动化。这一点和git、containerd这类工具的理念很像习惯命令行的人上手会非常快。反过来如果你习惯纯鼠标操作一开始会有点不适应但一旦熟悉了CLI效率会高很多。1.2 命令分类和全局参数我先按实际使用频率把OpenClaw命令分成几类安装部署、初始化配置、服务运行、模型管理、skill开发、渠道接入、运维排障。下面每个章节都会按这个逻辑展开不会把命令罗列完就结束还会讲清楚每个命令解决什么问题、踩过什么坑。在OpenClaw中几乎所有命令都支持--help参数先记住这个万能命令openclaw --help openclaw 子命令 --help还有几个全局参数比较常用--config指定配置文件路径默认读取系统用户目录下的配置文件--debug输出完整调试日志排障时非常有用--version查看当前版本号--quiet减少输出适合脚本调用我的建议是拿到一个新环境先执行一次openclaw --help和openclaw 子命令 --help把当前版本支持的命令摸一遍。不同版本之间命令拼写有细微差异网上教程不一定完全适配你的版本遇到 “unknown command” 报错不要慌多半是版本差异问题。2. 安装部署从零跑通OpenClaw的常用命令2.1 快速安装与安装验证最简单的安装方式是通过官方一键安装脚本curl -fsSL https://openclaw.example/install.sh | bash注意实际安装地址以官方仓库README为准不要轻易信任第三方博客里的脚本地址。脚本会自动检测操作系统把OpenClaw安装到用户目录并把可执行文件加入PATH。安装完成后先验证版本openclaw version openclaw doctoropenclaw doctor是一个自检命令会检查Node运行时、系统依赖、网络状态等。如果输出里有FAIL项需要先处理掉再继续。我第一次在Linux服务器上安装时就是通过这个命令发现系统缺少某个依赖库提前解决了避免了后面启动服务时一脸懵。2.2 Docker部署方式如果不想污染本机环境或者你用的是mac mini这类小主机Docker部署是第一选择。我在mac mini上实测过用Docker跑OpenClaw非常稳命令大概长这样docker pull openclaw/openclaw:latest docker run -d \ --name openclaw \ -p 3000:3000 \ -v ~/.openclaw:/root/.openclaw \ openclaw/openclaw:latest关键点是数据卷挂载。把配置目录挂载到宿主机后续升级容器镜像时配置不丢。如果升级后启动异常先别急着删容器把日志拉出来看一眼docker logs -f openclaw也可以先检查端口占用3000是Control UI的默认端口如果没起来多半是端口被占了lsof -i :30002.3 oec-turbo加速部署与初始化热词里有一条“oec-turbo部署openclaw”指的是用加速工具提升依赖下载速度的做法。国内网络拉取npm包和模型文件经常很慢oec-turbo这类工具会把下载链路切到更稳定的源至少我在初始化阶段用它省了很多时间。初始化是安装之后必须做的一步openclaw initinit过程会引导你选择配置文件位置、默认模型、渠道等。初始化完成后建议再跑一次openclaw doctor确认一切正常然后执行openclaw serve启动服务。Windows平台上有个典型报错“openclaw node runtime not found”根本原因通常是Node运行时没有被正确识别。解决办法是先确认Node是否安装、版本是否匹配node -v npm -v openclaw init --force如果是旧版本升级上来的还需要清理旧的运行时缓存openclaw doctor --fix注意--fix参数在部分版本才有没有的话就手动重装Node比较简单粗暴但有效。3. 配置管理让OpenClaw按你的想法运行3.1 配置文件定位与核心配置项OpenClaw的配置体系类似很多现代CLI工具的“配置文件环境变量命令行参数”三级结构。配置文件默认位置在不同系统上有差异Linux/macOS~/.openclaw/config.jsonWindows%USERPROFILE%\.openclaw\config.jsonDocker挂载时你指定的挂载路径查看和修改配置推荐用命令不要手动改文件因为OpenClaw在运行时会缓存配置手动改文件后不重载可能不生效openclaw config list openclaw config get key openclaw config set key value常用配置项包括model.provider模型供应商model.name默认模型名称channels启用的渠道skill.pathsskill存放路径3.2 服务运行与Control UI的启动配置好之后启动服务openclaw serve如果想让服务在后台运行Linux下可以配合nohupnohup openclaw serve ~/.openclaw/openclaw.log 21 查看运行状态和相关日志openclaw status openclaw log --tail 50 openclaw stop openclaw restart热词里有一条“openclaw control ui did not start”我遇到过两次。第一次是端口被占用第二次是配置文件里把ui.enabled设成了false。排查时可以这么来openclaw config get ui openclaw log --level debug如果是端口占用找到占用进程并结束掉再重启lsof -i :3000 kill -9 pid openclaw restart如果配置里ui.enabled确实是false直接改成true就可以openclaw config set ui.enabled true openclaw restart4. 模型接入与Skill开发命令的真正进阶玩法4.1 接入本地模型与NVIDIA NIMOpenClaw的策略是尽量不做模型绑定你想接哪家就接哪家在线模型和本地模型都支持。本地模型通常走Ollama、LM Studio这类运行时接入方式在OpenClaw里统一成OpenAI兼容接口。本质就是配置model.provider、model.base_url、model.name、model.api_key四个参数openclaw config set model.provider openai-compatible openclaw config set model.base_url http://localhost:11434 openclaw config set model.name qwen2.5:7b openclaw config set model.api_key dummyapi_key在本地模型场景下填任意值都行因为Ollama等工具不校验。这个细节很多人容易卡住以为一定要填真实Key。NVIDIA NIM也是一样的逻辑base_url指向NIM服务地址api_key则需要填真实有效的NIM Keyopenclaw config set model.provider openai-compatible openclaw config set model.base_url https://integrate.api.nvidia.com openclaw config set model.api_key nvapi-xxxx热词里有一条“openclaw zero token 安装后 agent failed before reply: unknown model: deepseek”这个报错很有代表性。原因通常是配置的模型名称和当前provider实际支持的模型ID对不上。比如你以为配置的是deepseek-chat但本地模型服务实际暴露的模型ID是deepseek-r1或别的版本。排查方式分两步先看当前配置openclaw config get model再查本地模型服务的真实模型列表curl http://localhost:11434/api/tags然后把model.name改成真实模型IDopenclaw config set model.name 真实模型ID这个问题排查顺序很重要不要一上来就去改代码大多数情况就是配置里的名字和模型服务端不一致。4.2 Skill的注册、编写与调试OpenClaw的skill机制是扩展能力最核心的部分很多同学问“openclaw skill怎么用”其实命令不多但每一个都很关键openclaw skill list # 查看已安装skill openclaw skill new 名称 # 创建新skill骨架 openclaw skill edit 名称 # 编辑skill内容 openclaw skill test 名称 # 本地测试skill openclaw skill install 路径或仓库 # 安装外部skill创建一个新skill后目录结构大概长这样my-weather/ ├── SKILL.md └── main.pySKILL.md里写清楚功能描述、触发条件和输入输出格式main.py写具体处理逻辑。以接入天气API为例流程很简单先创建skill然后在main.py里写HTTP请求逻辑再把API Key通过环境变量或配置文件传入最后用openclaw skill test验证。调试skill时建议带--debug参数能看到完整调用链和报错栈比UI里看到的提示详细得多。我自己写skill时90%的时间都在调参和看日志命令行在这里优势非常明显。5. 外部集成接微信、接飞书、接入更多渠道5.1 微信接入的常用命令OpenClaw接入微信主要分三步安装渠道依赖、生成登录二维码、启动渠道。命令大概是openclaw channel enable wechat openclaw channel login wechat openclaw channel status登录时终端会输出二维码用微信扫码后登录态会写入配置目录。这里有个经验扫码登录一次后不要频繁删除配置目录下的账号缓存文件否则每次都要重新扫码。如果遇到扫码后一直不跳转先看openclaw log --tail 50的日志确认是不是网络问题导致登录态同步失败。另外微信渠道在部分版本里依赖额外的运行时组件如果channel enable报错先执行openclaw doctor看看依赖是否完整。5.2 飞书接入飞书接入流程比微信稍多一点。先在飞书开放平台创建应用拿到App ID和App Secret然后开启机器人能力配置事件订阅。OpenClaw端命令大概是这样openclaw channel enable feishu openclaw config set channels.feishu.app_id 你的App ID openclaw config set channels.feishu.app_secret 你的App Secret openclaw channel start feishu启动后如果收不到消息优先去飞书开放平台看事件订阅URL是否配置正确以及是否订阅了消息事件。这类问题大概率不在OpenClaw这一侧而是飞书后台配置遗漏。我先在飞书后台花了不少时间后来才发现是回调URL少了/webhook后缀。5.3 容器环境下的集成注意点在Docker里接入微信或飞书时需要额外留意端口映射和网络模式。飞书回调要能访问到OpenClaw需要把对应端口映射出去并保证公网能访问。如果是本地联调可以先走飞书的长连接模式或者内网穿透工具测试不用急着配置公网回调。微信扫码登录在容器里也有一点不同因为终端二维码输出可能在容器日志里需要拉日志才能看到。用docker logs -f openclaw就能看到二维码刷新扫的时候手速要快二维码过期是正常的重新登录就好。6. 高频问题排查与调试命令速查6.1 常见报错与排查命令表报错/现象可能原因排查命令control ui did not start端口占用或ui被禁用lsof -i :3000、openclaw log --debugunknown model: deepseek模型ID配置错误openclaw config get model查看模型服务真实暴露IDnode runtime not foundNode未安装或版本不匹配node -v、npm -v、openclaw doctor微信无法扫码/扫码后无反应渠道未启用或缓存损坏openclaw channel status删除渠道缓存后重新登录agent failed before reply模型调用超时或配置缺失openclaw log --tail 50、openclaw config listskill未生效skill目录路径不对openclaw skill list检查skill.paths配置启动后进程秒退端口被占或依赖缺失openclaw doctor、lsof -i :3000这张表是我在群里解答问题时的经验总结不能说覆盖所有情况但覆盖了80%以上的常见问题。6.2 日志分析与调试技巧OpenClaw的日志默认输出到控制台同时写入日志文件。查看日志推荐这样openclaw log --tail 100 openclaw log --level debug定位问题的时候建议先用debug模式启动一次把所有错误信息看全。快速过滤关键字的技巧openclaw log | grep -i error openclaw log | grep -i unknown model在Linux服务器上运行还需要配合一些系统命令来做运维。我经常用的组合有ps aux | grep openclaw lsof -i :3000 df -h du -sh ~/.openclaw日志文件如果长期不清理可能占几个GB磁盘空间尤其是debug模式下会疯狂输出。定期清理很必要du -sh ~/.openclaw/logs find ~/.openclaw/logs -name *.log -mtime 7 -delete这套组合命令和“linux删除文件夹命令”“清理c盘垃圾的cmd命令”的思路是一样的本质都是排查进程、清理日志、释放磁盘空间只不过OpenClaw有自己专属的日志目录不用满地找文件。7. 值得收藏的OpenClaw命令速查表7.1 生命周期与配置命令场景命令查看帮助openclaw --help查看子命令帮助openclaw 子命令 --help查看版本openclaw version初始化openclaw init自检环境openclaw doctor查看全部配置openclaw config list读取某个配置项openclaw config get key修改配置项openclaw config set key value启动服务openclaw serve停止服务openclaw stop重启服务openclaw restart查看状态openclaw status查看日志openclaw log --tail 507.2 模型、技能与渠道命令场景命令查看模型配置openclaw config get model切换模型供应商openclaw config set model.provider provider查看skill列表openclaw skill list创建skillopenclaw skill new 名称编辑skillopenclaw skill edit 名称测试skillopenclaw skill test 名称安装skillopenclaw skill install 路径或仓库启用微信渠道openclaw channel enable wechat启用飞书渠道openclaw channel enable feishu查看渠道状态openclaw channel status7.3 与常见Linux命令的搭配技巧OpenClaw命令本质上可以放进任何shell脚本里和系统命令无缝配合。比如定时重启、日志清理、配置备份# 每天凌晨3点重启openclaw 0 3 * * * openclaw restart ~/.openclaw/cron.log 21 # 备份配置目录 tar -czvf ~/backups/openclaw-$(date %F).tar.gz ~/.openclaw # 查看今天的日志 grep $(date %F) ~/.openclaw/logs/*.loggit命令、redis命令、sqlmap命令这类“命令行能力”在OpenClaw运维里也会用到但本质上属于通用技能和OpenClaw具体命令怎么用没有直接关系这里就不展开了。最后分享一个我自己的经验不要在浏览器里开着Control UI就以为万事大吉很多配置类操作用命令行反而更清晰。尤其是skill调试和渠道接入CLI的输出比UI详细得多。这篇速查表我会持续维护如果你在实际运行中发现了新的坑欢迎在评论区补充。命令的具体拼写以你本机版本为准遇到不确定的先openclaw --help再openclaw 子命令 --help基本能解决一半问题。