OpenClaw部署指南：为团队快速搭建Clawdbot与Moltbot体验环境

从Clawdbot到Moltbot，再到OpenClaw，这个项目的迭代始终围绕一个核心：将AI智能体的部署与管理简化到如同访问网站。实现这一目标的关键，在于一个高效的沙箱平台：github.com/agent-sandbox。本文将指导你如何利用该平台，在几分钟内启动一个专属于你的OpenClaw实例。

一，用Agent-Sandbox 中创建一个 OpenClaw 沙箱

Agent-Sandbox的设计哲学是操作一致性。无论创建何种沙箱，核心都基于同一个RESTful API端点：POST /api/v1/sandbox。这意味着，在你完成平台的基础部署后，后续所有实例的创建流程都极其标准化。

例如，当你需要为一名新成员快速搭建一个隔离的测试环境时，只需在命令行中运行以下指令：

curl --location 'http://agent-sandbox.your-host.com/api/v1/sandbox' \
--header 'Content-Type: application/json' \
--data '{"name":"openclaw1","template":"openclaw"}'

API将立即返回一个成功的创建响应：

{"code": "0","data": "Sandbox openclaw-alice created successfully"}

至此，一个功能完整的OpenClaw实例已在你的Kubernetes集群中启动运行。该成员可以通过其专属的访问端点立即开始工作。

其访问地址格式为：http://localhost:10000/sandbox/openclaw1

二、OpenClaw 配置

实例创建完成后，下一步是根据你的具体需求进行环境配置。系统提供了一个标准化的配置模板作为起点：

{
  "models": {
    "providers": {
      "custom-1": {
        "baseUrl": "https://xxx.com/v1",
        "apiKey": "fe87c9e9-f399-49ca-98da-2f2404a249c2",
        "auth": "api-key",
        "api": "openai-completions",
        "models": []
      }
    }
  },
  "agents": {
    "defaults": {
      "model": { "primary": "custom-1/glm-4.7" },
      "workspace": "/root/.openclaw/workspace",
      "maxConcurrent": 4,
      "subagents": { "maxConcurrent": 8 }
    }
  },
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "lan",
    "controlUi": { "allowInsecureAuth": true }
  }
}

这份openclaw.json配置文件定义了三个核心模块：

• 模型配置：示例中创建了一个名为custom-1的模型供应商，其端点指向https://xxx.com/v1，并指定了GLM-4.7模型。你需要将此替换为你内部真实的模型网关地址与有效的API密钥。
• 网关参数：这部分控制OpenClaw服务的网络行为。
  • port: 服务监听端口，默认18789。
  • bind: 网络绑定模式，lan表示仅在局域网内可访问。
  • 认证设置：示例中启用了allowInsecureAuth以方便快速验证，在生产部署中建议配置强密码或OAuth等安全策略。

完成基础配置后，访问你的实例地址 http://localhost:10000/sandbox/openclaw1，即可进入OpenClaw控制台。在这里，你需要完成两项关键适配：

1，修改大模型Provider

将默认的模型供应商替换为你团队实际使用的、或在成本与性能上更优的模型服务端点。

2，修改Agent默认大模型名称

确保智能体默认调用的模型标识，与上一步在Provider中配置的可用模型列表完全对应。

完成这些适配后，一个为你量身定制的OpenClaw智能体开发环境就已就绪。你可以立即开始智能体的流程设计、任务编排与效能测试，而无需在底层基础设施上耗费额外精力。