OpenClaw 双 Agent 部署指南：基于 Docker Image 的真实可复现部署 ​

从零到跑通，照着做就能用。
两个平台 · 两个 Agent · 一杯咖啡的成本
🦞 最后更新：2026-03-19

30 秒看结论 ​

┌─────────────────────────────────────────────────┐
│           GitHub Docker Image (一份镜像)          │
│     clawdbot-railway-template / 自建 Dockerfile   │
└──────────────────┬──────────────────────────────┘
                   │
        ┌──────────┴──────────┐
        ▼                     ▼
┌───────────────┐    ┌──────────────────┐
│  Railway      │    │  ClawCloud Run   │
│  Agent A 🦞   │    │  Agent B 🥷      │
│  $5/月        │    │  ≈$0/月          │
│  MiMo-V2-Pro  │    │  GPT-5.4         │
└───────┬───────┘    └────────┬─────────┘
        │                     │
        └──────────┬──────────┘
                   ▼
            Slack #copycat
           (bot-to-bot 通信)

总成本：≈ 一杯咖啡/月（平台费用）。Railway $5 + ClawCloud Run 免费（GitHub 180天+用户）。模型 API 调用费用另计。

核心思路：不用托管服务（$19-79/月），自己 Docker 搞，成本降 10 倍，控制力反而更强。

你需要什么 ​

[稳定层] 以上条件长期不变。

Docker 镜像从哪来 ​

我们用的是 clawdbot-railway-template，Fork 自社区模板。

镜像做了什么：

node:22-bookworm (build stage)
  ↓ clone OpenClaw 源码 (v2026.3.8)
  ↓ pnpm install + build
  ↓ build web UI

node:22-bookworm (runtime stage)
  + Chromium + Xvfb + noVNC (浏览器能力)
  + supervisord (进程管理)
  + python3 + venv (browser-use 等依赖)
  + tini (PID 1 正确处理信号)
  ↓
  ENTRYPOINT: docker-entrypoint.sh
    → 清理 stale locks
    → supervisord 启动:
      - Xvfb (虚拟显示器)
      - x11vnc + websockify (远程桌面)
      - Chromium (无头浏览器)
      - openclaw gateway (核心进程)

关键设计：

• 所有状态在 /data 卷 — 容器重建不丢数据
• Setup Wizard 在 /setup — 浏览器完成初始化，不需要命令行
• Control UI 在 /openclaw — 日常管理界面
• CDP 在 localhost:9222 — Agent 可操控浏览器

图：社区模板 clawdbot-railway-template，985 stars，支持 Railway 和 ClawCloud Run 一键部署

部署到 Railway ​

步骤 1：创建项目 ​

1. 打开 clawdbot-railway-template
2. 点击 "Deploy on Railway" 或在 Railway Dashboard → New Project → Deploy from GitHub Repo
3. 选择你 Fork 的仓库

[SCREENSHOT: Railway 创建项目页面]

步骤 2：配置环境变量 ​

在 Railway Dashboard → Variables 中设置：

Railway 会自动注入 PORT 变量，不要手动设置。

步骤 3：添加持久化磁盘 ​

1. Railway Dashboard → 你的服务 → Settings → Volumes
2. 添加 Volume，挂载路径设为 /data
3. 这样容器重建时数据不丢

[SCREENSHOT: Railway Volume 配置]

步骤 4：开启网络 ​

1. Settings → Networking → Enable Public Networking
2. Railway 会分配一个 xxx.up.railway.app 域名

步骤 5：部署 ​

1. 触发部署（Push 代码或在 Dashboard 点 Deploy）
2. 等待构建完成（首次约 5-10 分钟）
3. 构建日志看到 Listening on 0.0.0.0:8080 表示启动成功

[SCREENSHOT: Railway 部署成功日志]

步骤 6：完成初始化 ​

1. 访问 https://xxx.up.railway.app/setup
2. 浏览器弹出 HTTP Basic Auth，用户名随意，密码是你设的 SETUP_PASSWORD
3. 进入 Setup Wizard，按提示配置：
   • 选择模型 provider
   • 输入 API key
   • 配置渠道（Slack/Discord/Telegram）

图：OpenClaw Control UI 对话界面，左侧显示会话、Cron、Subagent 等管理入口

部署到 ClawCloud Run ​

步骤 1：注册 ​

1. 访问 clawcloud.run
2. 用 GitHub 账号登录
3. GitHub 180天+ 用户可能有免费额度

步骤 2：创建容器 ​

1. Dashboard → New App
2. 选择 Docker Image，填入镜像地址（或使用 GitHub 仓库自动构建）
3. 设置容器规格：建议 4C / 8G 起步

步骤 3：配置 ​

步骤 4：完成初始化 ​

和 Railway 一样，访问你的 ClawCloud Run 分配域名的 /setup 路径，使用 HTTP Basic Auth（密码是你设的 SETUP_PASSWORD）完成向导。端口通常在创建容器时指定为 8080。

ClawCloud Run vs Railway：

[稳定层] 两个平台都能跑，区别主要在成本和冷启动。

配置模型 ​

[易变层] 以下模型选择随时间变化，2026 年 3 月有效。

图：OpenClaw 模型配置页面，显示 Provider Health、模型列表、上下文窗口等信息

推荐：通过 OpenRouter 接入 ​

OpenRouter 是模型中转平台，一个 key 访问所有模型。部分模型有免费期，以 OpenRouter 官网为准。

编辑 /data/.openclaw/openclaw.json，在 models.providers 中添加：

"openrouter": {
  "baseUrl": "https://openrouter.ai/api/v1",
  "apiKey": "sk-or-v1-你的key",
  "auth": "api-key",
  "api": "openai-completions",
  "models": [
    {
      "id": "xiaomi/mimo-v2-pro",
      "name": "MiMo-V2-Pro",
      "reasoning": true,
      "input": ["text", "image"],
      "contextWindow": 1048576,
      "maxTokens": 16384
    }
  ]
}

然后设置默认模型：

"agents": {
  "defaults": {
    "model": {
      "primary": "openrouter/xiaomi/mimo-v2-pro"
    }
  }
}

直连 API（备选） ​

如果你有模型厂商的直连 key，也可以直接配置。格式同上，改 baseUrl 和 apiKey。

可用模型（2026 年 3 月） ​

模型选择建议：先用 OpenRouter 的免费期测试，找到适合自己场景的模型再决定长期方案。以 OpenRouter 官网当前页面为准。

接入 Slack ​

创建 Slack App ​

1. 访问 api.slack.com/apps → Create New App
2. 选择 "From scratch"
3. 填写 App 名称和 Workspace

配置权限 ​

在 OAuth & Permissions → Scopes 添加：

Bot Token Scopes：

• app_mentions:read
• channels:history
• channels:read
• chat:write
• groups:history
• groups:read
• im:history
• im:read
• im:write
• reactions:read
• reactions:write
• users:read

获取 Token ​

1. Install App 到 Workspace
2. 复制 Bot User OAuth Token (xoxb-...)
3. 启用 Socket Mode，复制 App-Level Token (xapp-...)

配置 OpenClaw ​

在 openclaw.json 中：

"channels": {
  "slack": {
    "enabled": true,
    "mode": "socket",
    "botToken": "xoxb-...",
    "appToken": "xapp-...",
    "channels": {
      "*": { "requireMention": true },
      "C0XXXXXXX": { "requireMention": false }
    }
  }
}

requireMention: false 表示 Agent 在该频道读取所有消息（不需要 @mention）。

浏览器 / CDP ​

Docker 镜像内置了完整浏览器栈：

启用 CDP ​

在 Setup Wizard 或 Control UI 中：

1. 进入 Browser 设置
2. 设置 attachOnly: false
3. 确认 cdpUrl: http://localhost:9222

远程桌面（noVNC） ​

noVNC 默认监听 localhost:8081，只在容器内部可用。

要从外部访问，需要将 8081 端口暴露或通过反向代理映射：

• Railway：在 Settings → Networking 添加第二个端口（Railway 每个服务只暴露一个端口，noVNC 通常需要额外配置）
• ClawCloud Run：在容器设置中添加端口映射

大多数场景下你不需要 noVNC — CDP 接口（localhost:9222）才是 Agent 操控浏览器的核心。noVNC 只是"看到浏览器在干嘛"的调试工具。

Agent 能做什么 ​

• 登录网站（Claude、Gemini、ChatGPT 等）
• 抓取需要登录的页面
• 自动化表单填写
• 截图记录

双 Agent 模式（可选） ​

为什么需要两个 ​

一个 Agent 什么都能干，但会有问题：

• 一个模型的短板就是你的天花板
• 长对话容易"人格漂移"
• 出问题时整个 Agent 挂掉

两个独立实例：

• 不同模型形成互补（MiMo 做执行，GPT 做分析）
• 一个挂了另一个还能用
• 职责分离，更专注

配置共享 ​

两个 Agent 用同一个 GitHub 私有仓库同步配置和文档，但不共享运行时状态。

共享的内容：

• openclaw.json 配置（模型、渠道、工具设置）
• scripts/ 公共脚本（TTS wrapper、部署脚本等）
• memory/ 共享日常笔记
• config/{agent}/cron.json 定时任务导出

不共享的内容：

• 各自的运行时 session 和对话历史
• 各自容器内的 /data 本地文件
• 各自的 API key（除非你选择共享同一个 key）
• OAuth token 和认证信息

claw-agents-shared/
├── config/
│   ├── wlb/openclaw.json + cron.json
│   └── gsd/openclaw.json + cron.json
├── scripts/
│   └── safe-push.sh (自动 pull rebase + push)
├── agents/
│   ├── wlb/ (身份文件、记忆)
│   └── gsd/ (身份文件、记忆)
└── memory/ (共享日常笔记)

每次配置变更后，执行：

cd /data/workspace/claw-agents-shared
bash scripts/safe-push.sh "更新了 xxx 配置"

注意：如果你的仓库配置了 Git LFS hooks，需要先安装 git-lfs，否则 push 会被拦截：

apt-get update && apt-get install -y git-lfs && git lfs install --local

如果你的仓库没有 LFS 配置，可以跳过这步。

备份和迁移 ​

自动备份 ​

Agent 可以配置 cron job 定期推送到 GitHub：

每天 02:00 → 推送 memory/ 和配置变更到 GitHub
每 30 分钟 → 更新 heartbeat 文件

手动导出 ​

# 导出整个 /data 卷
tar czf openclaw-backup.tar.gz /data/.openclaw /data/workspace

# 或只导出关键文件
tar czf openclaw-minimal.tar.gz \
  /data/.openclaw/openclaw.json \
  /data/.openclaw/agents/ \
  /data/workspace/AGENTS.md \
  /data/workspace/MEMORY.md

迁移到新平台 ​

1. 新平台部署同一个 Docker 镜像
2. 导入 /data 内容
3. 修改 API key（如果有变化）
4. 重启

迁移时间：5-10 分钟。核心操作就是复制文件。

常见问题 ​

Q: 容器重启后配置丢了？
A: 确认 /data 挂载了持久化磁盘。没有 Volume 的话，容器重建所有数据丢失。

Q: Agent 无响应？
A: 先检查容器日志确认 gateway 进程是否在运行。如果看到 timeout acquiring session store lock 错误，说明有 stale lock 文件，可以清理：

# ⚠️ 仅在确认是 stale lock 时使用，不要在正常运行时删除
ls -la /data/.openclaw/agents/main/sessions/*.lock  # 先看有哪些 lock
rm -f /data/.openclaw/agents/main/sessions/*.lock    # 确认是 stale 后再删
# 然后重启 gateway

Q: Git push 被拦截？
A: 安装 git-lfs：apt-get install -y git-lfs && git lfs install --local

Q: 模型调用 404？
A: 检查模型名称是否正确。旧名称（如 mimo-claw-0301）可能已下线。

Q: 两个 Agent 怎么聊天？
A: 需要满足四个条件：

1. 两个 Agent 的 Slack Bot 都在同一个频道内
2. 频道设置 requireMention: false（Agent 自动读取所有消息）
3. 两个 Bot 都有读取频道消息的权限（channels:history scope）
4. 注意 Agent 会过滤自己的消息（避免回复自己），也会检查对方是否已用 👀 emoji 标记（防重复回复）

更多踩坑经验见 踩坑实录（文章 2）。

附录：当前运行状态 ​

[易变层] 以下信息随时可能过期，仅供参考。
最后更新：2026-03-19