最近鼎道智联和联想合作推出的 Yoga AI mini 智能迷你主机中集成了 DingClaw，这个设计让用户用上 OpenClaw 变得格外省心 —— 不用再费劲儿手动部署配置，开机就能直接用，极大降低了使用门槛。
作为一名常年和智能硬件、容器化部署打交道的开发者，在实际落地过程中，我们发现容器化部署的灵活性对后续产品迭代至关重要。为了让未来更多集成 DingClaw 的智能硬件能在 Docker 环境下更稳定、更灵活地扩充功能，同时适配 k8s 云环境的运行需求，我近期专门深入研究了 OpenClaw 的 Docker 部署方案。这篇内容就记录下我在公司 k8s 云上部署 OpenClaw 时踩过的坑，以及最终通过源码方式实现 Docker 稳定运行的过程和自己的解决思路，希望能和同行开发者交流分享。
通过 openclaw_zh 官方 docker 制作过程以及遇到的问题
openclaw的汉化版制作流程如下：
拉取镜像
docker pull justlikemaki/openclaw-docker-cn-im:latest
制作文件： docker-compose.yml
version: '3.8' services: openclaw-gateway: container_name: openclaw-cn-1 image: ${OPENCLAW_IMAGE} entrypoint: ["/bin/bash", "/usr/local/bin/init.sh"] cap_add: - CHOWN - SETUID - SETGID - DAC_OVERRIDE # 可选：指定容器运行 UID:GID（例如 1000:1000） # 默认保持 root 启动，以便 init.sh 自动修复挂载卷权限后再降权运行网关 user: ${OPENCLAW_RUN_USER:-0:0} environment: TZ: Asia/Shanghai HOME: /home/node TERM: xterm-256color # 模型配置 MODEL_ID: ${MODEL_ID} BASE_URL: ${BASE_URL} API_KEY: ${API_KEY} API_PROTOCOL: ${API_PROTOCOL} CONTEXT_WINDOW: ${CONTEXT_WINDOW} MAX_TOKENS: ${MAX_TOKENS} # 通道配置 TELEGRAM_BOT_TOKEN: ${TELEGRAM_BOT_TOKEN} FEISHU_APP_ID: ${FEISHU_APP_ID} FEISHU_APP_SECRET: ${FEISHU_APP_SECRET} DINGTALK_CLIENT_ID: ${DINGTALK_CLIENT_ID} DINGTALK_CLIENT_SECRET: ${DINGTALK_CLIENT_SECRET} DINGTALK_ROBOT_CODE: ${DINGTALK_ROBOT_CODE} DINGTALK_CORP_ID: ${DINGTALK_CORP_ID} DINGTALK_AGENT_ID: ${DINGTALK_AGENT_ID} QQBOT_APP_ID: ${QQBOT_APP_ID} QQBOT_CLIENT_SECRET: ${QQBOT_CLIENT_SECRET} # 企业微信配置 WECOM_TOKEN: ${WECOM_TOKEN} WECOM_ENCODING_AES_KEY: ${WECOM_ENCODING_AES_KEY} # 工作空间配置 WORKSPACE: ${WORKSPACE} # Gateway 配置 OPENCLAW_GATEWAY_TOKEN: ${OPENCLAW_GATEWAY_TOKEN} OPENCLAW_GATEWAY_BIND: ${OPENCLAW_GATEWAY_BIND} OPENCLAW_GATEWAY_PORT: ${OPENCLAW_GATEWAY_PORT} OPENCLAW_BRIDGE_PORT: ${OPENCLAW_BRIDGE_PORT} OPENCLAW_GATEWAY_ALLOW_INSECURE: "true" NODE_TLS_REJECT_UNAUTHORIZED: "0" volumes: - ${OPENCLAW_DATA_DIR}:/home/node/.openclaw # 使用匿名卷排除 extensions 目录，使用镜像中预装的插件 - /home/node/.openclaw/extensions ports: - "${OPENCLAW_GATEWAY_PORT}:18789" - "${OPENCLAW_BRIDGE_PORT}:18790" init: true #restart: unless-stopped restart: "no"制作文件： .env
# OpenClaw Docker 环境变量配置示例 # 复制此文件为 .env 并修改相应的值 # Docker 镜像配置 #OPENCLAW_IMAGE=openclaw-gateway:1 OPENCLAW_IMAGE=openclaw-gateway:1 # 模型配置 MODEL_ID=qwen-plus-latest BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 API_KEY=ak_xxxx # API 协议类型: openai-completions 或 anthropic-messages # openai-completions: OpenAI 协议 (适用于 OpenAI、Gemini 等模型) # anthropic-messages: Claude 协议 (适用于 Claude 模型，支持 Prompt Caching) API_PROTOCOL=openai-completions # 模型上下文窗口大小 CONTEXT_WINDOW=200000 # 模型最大输出 tokens MAX_TOKENS=8192 # Telegram 配置（可选，留空则不启用） TELEGRAM_BOT_TOKEN= # 飞书配置（可选，留空则不启用） FEISHU_APP_ID=xxxx FEISHU_APP_SECRET=xxxx # 钉钉配置（可选，留空则不启用） DINGTALK_CLIENT_ID= DINGTALK_CLIENT_SECRET= DINGTALK_ROBOT_CODE= DINGTALK_CORP_ID= DINGTALK_AGENT_ID= # QQ 机器人配置（可选，留空则不启用） QQBOT_APP_ID= QQBOT_CLIENT_SECRET= # 企业微信配置（可选，留空则不启用） WECOM_TOKEN= WECOM_ENCODING_AES_KEY= # 工作空间配置（不要更改） WORKSPACE=/home/node/.openclaw/workspace # 挂载目录配置（按实际更改） # OpenClaw 数据目录（包含配置文件、工作空间等所有数据） OPENCLAW_DATA_DIR=/home/liulj/.openclaw # 可选：容器启动用户 UID:GID # 默认 0:0（root）用于 init.sh 自动修复挂载目录权限，再降权为 node 启动服务 # 如需与宿主机用户对齐，可设置为 1000:1000 或 Linux 上的 $(id -u):$(id -g) OPENCLAW_RUN_USER=0:0 # Gateway 配置 ## 网关 token，用于认证（按实际更改） OPENCLAW_GATEWAY_TOKEN=123456 #OPENCLAW_GATEWAY_BIND=lan #OPENCLAW_GATEWAY_BIND=loopback #OPENCLAW_GATEWAY_BIND=custom #OPENCLAW_GATEWAY_HOST=0.0.0.0 OPENCLAW_GATEWAY_PORT=18789 OPENCLAW_BRIDGE_PORT=18790 #OPENCLAW_GATEWAY_URL=ws://127.0.0.1:18789 #OPENCLAW_GATEWAY_PAIRING_REQUIRED=false OPENCLAW_GATEWAY_BIND=lan OPENCLAW_GATEWAY_URL=ws://127.0.0.1:18789制作文件： nameenv
DOCKERNAME="openclaw-gateway"
制作 docker
docker-compose up -d
运行 docker
source nameenv && docker start ${DOCKER_NAME}
docker exec -it ${DOCKER_NAME} /bin/bash -l
在 k8s 中遇到的问题
该 docker 在k8s 的pod中运行遇到无法执行命令： openclaw devices list
导致设备匹配无法进行，因此无法从外围连接 openclaw。
由于没有这个汉化版的 openclaw 的源代码， 最终没有找到原因。
通过源码制作 docker 并成功在k8s 云上运行的过程
为了调试上面在 k8s 的pod中遇到的问题， 下载了 openclaw 的源码， 并进行调试。
但通过源码编译运行的 openclaw 在 k8s 的 pod 中运行正常， 无法复现上面遇到的问题。因此最后采用基于源代码的 openclaw 在docker 和 k8s 的 pod中运行的方案。
下面是采用源码的 docker 制作过程：
下载源码：
mkdir -p /opt/openclaw
cd /opt/openclaw
git clone https://github.com/openclaw/openclaw.git
注： 目前采用的版本是 98125e9982b712e129c4896891cc2e48ef2485a
建立编译环境
apt install -y build-essential cmake git pkg-config wget unzip
apt install -y curl git ca-certificates build-essential jq wget python3 python3-pip python3-venv nodejs npm
编译openclaw
pnpm build
运行 openclaw
建立 /usr/local/bin/init.sh
#!/bin/bash #rm -f /var/run/openclaw.pid #/usr/local/bin/service_openclaw.sh --stop export PNPM_HOME="/root/.local/share/pnpm" case ":$PATH:" in *":$PNPM_HOME:"*) ;; *) export PATH="$PNPM_HOME:$PATH" ;; esac openclaw_which=`which openclaw` env_var=`env` #echo "openclaw which = [${openclaw_which}] " >> /var/log/openclaw.log #echo "open env = [${env_var}]" >> /var/log/openclaw.log export OPENCLAW_STATE_DIR=/home/node/.openclaw export OPENCLAW_WORKSPACE=/home/node/.openclaw/workspace openclaw gateway > /var/log/openclaw_running.log 2>&1 & while true; do sleep 3600 done编辑配置文件
/home/node/.openclaw/openclaw.json
{ "meta": { "lastTouchedVersion": "2026.3.13", "lastTouchedAt": "2026-03-30T06:20:32.663Z" }, "update": { "checkOnStart": false }, "browser": { "executablePath": "/usr/bin/chromium", "headless": true, "noSandbox": true, "defaultProfile": "openclaw" }, "models": { "mode": "merge", "providers": { "default": { "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1", "apiKey": "sk-xxxxxx", "api": "openai-completions", "models": [ { "id": "qwen-plus-latest", "name": "qwen-plus-latest", "reasoning": false, "input": [ "text", "image" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 200000, "maxTokens": 8192 } ] } } }, "agents": { "defaults": { "model": { "primary": "default/qwen-plus-latest" }, "imageModel": { "primary": "default/qwen-plus-latest" }, "workspace": "/home/node/.openclaw/workspace", "compaction": { "mode": "safeguard" }, "elevatedDefault": "full", "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 }, "sandbox": { "mode": "off" } } }, "tools": { "profile": "full", "sessions": { "visibility": "all" }, "fs": { "workspaceOnly": true } }, "messages": { "ackReactionScope": "group-mentions", "tts": { "edge": { "voice": "zh-CN-XiaoxiaoNeural" } } }, "commands": { "native": "auto", "nativeSkills": "auto", "restart": true, "ownerDisplay": "raw" }, "channels": {}, "gateway": { "port": 18789, "mode": "local", "bind": "lan", "controlUi": { "allowedOrigins": [ "http://localhost:18789", "http://127.0.0.1:18789" ], "allowInsecureAuth": true, "dangerouslyDisableDeviceAuth": false }, "auth": { "mode": "token", "token": "123456" } }, "memory": { "backend": "qmd", "citations": "auto", "qmd": { "command": "/usr/local/bin/qmd", "includeDefaultMemory": true, "paths": [ { "path": "/home/node/.openclaw/workspace", "name": "workspace", "pattern": "**/*.md" } ], "sessions": { "enabled": true }, "update": { "interval": "5m", "debounceMs": 15000, "onBoot": true }, "limits": { "maxResults": 16, "timeoutMs": 8000 } } }, "plugins": { "allow": [], "entries": { "feishu": { "enabled": false }, "dingtalk": { "enabled": false }, "qqbot": { "enabled": false }, "wecom": { "enabled": false }, "openclaw-lark": { "enabled": false } }, "installs": {} } }运行 openclaw
/usr/local/bin/init.sh
注： 由于/usr/local/bin/init.sh 每次在docker 启动时自动加载， 因此可以成功在 k8s 的 pod 中运行 openclaw
总结
这次基于源码完成 OpenClaw 的 Docker 适配，其实也是为后续鼎道智联和联想 Yoga AI mini 这类集成 DingClaw 的产品打基础 —— 毕竟这类智能迷你主机在实际场景中，很可能需要在容器化环境下做功能扩充和环境适配，而 k8s 环境的兼容性是绕不开的点。虽然过程中踩了不少坑，比如官方镜像在 k8s pod 中执行 OpenClaw devices list 命令失败的问题（因为没有汉化版源码没法深挖根因），但换用源码编译部署的方式后，不仅复现不了之前的问题，还能更灵活地调整配置、适配产品的实际需求。
作为开发者，我觉得这类从实际产品落地需求出发的技术踩坑和复盘特别有价值，既解决了当下 OpenClaw 在 k8s 环境的运行问题，也为后续 DingClaw 相关产品的容器化扩充积累了实操经验。如果有同行也在做类似的智能硬件 + AI 组件的容器化部署，希望我的这些操作和思路能提供一点参考，也欢迎大家交流不同的部署优化思路。
