避坑指南：在 Oracle ARM VPS 上部署 OpenClaw 的记录

导语： 最近 AI 助手项目 OpenClaw 火遍全网，GitHub star 数在短短一个月内突破 15K。作为一名喜欢折腾 VPS 的玩家，我也在甲骨文云（Oracle Cloud）的 ARM 架构实例上体验了一把。虽然官方提供了一键脚本，但在 ARM 这种“非标”环境下还是遇到了不少坑，特此记录。

1. 部署逻辑概览

OpenClaw 的设计非常模块化。核心逻辑大致分为：环境安装 → 模块选择 → 组件安装 → 接口配置。

官方提供的一键脚本：

$ curl -fsSL https://openclaw.ai/install.sh | bash

官方并没有调用DeepSeek API的接口，要想使用DeepSeek，需要先接入一个已有模型（如QWEN、Gemini、GPT等），跑通后再切换为 DeepSeek API。这步可以告诉AI APIkey，其余由AI自行完成。（再一次体会到”AI有了手“的强大之处） 后续接口我用的是Telegram，在Telegram 侧只需将 Bot Token 配置到 OpenClaw，消息会通过 Webhook 自动转发给 Gateway 进行处理。

具体配置的流程详见官方网站： https://open-claw.me/zh/guide/getting-started

2. 遇到的坑与解决方案

坑位一：pnpm 指令“神秘失踪”

现象： 脚本运行中途报错 main: line 914: pnpm: command not found。

原因： 一键脚本使用 Corepack 安装 pnpm，但在部分 ARM / 非交互 Shell 环境中，pnpm 的 PATH 未被正确加载，导致指令不可用。

解决： 手动启用 corepack 并重新加载环境：

Bash

corepack enable
source ~/.bashrc  # 如果是 Zsh，请使用 source ~/.zshrc

坑位二：ARM 架构下的 C++ 编译噩梦

现象： 由于 ARM64 缺乏预编译的 node-llama-cpp 二进制文件（即使主要使用云端模型（Qwen / DeepSeek），OpenClaw 的依赖树中仍包含 node-llama-cpp），程序会自动尝试“从源码构建（falling back to building from source）”，在 ARM 环境下会触发源码编译。随后由于系统缺少编译工具导致报错：

Error: cmake not found 或 make: command not found。

解决： Oracle 的精简系统通常不带编译套件，需要手动补齐。注意：CMake 版本必须 $\ge 3.19$。

# 更新源并安装基础构建工具
sudo apt update && sudo apt install -y build-essential wget

# 手动安装高版本 CMake (以 3.28.3 为例)
wget https://github.com/Kitware/CMake/releases/download/v3.28.3/cmake-3.28.3-linux-aarch64.sh
sudo bash cmake-3.28.3-linux-aarch64.sh --skip-license --prefix=/usr/local

# 验证版本
cmake --version

完成后，回到目录手动执行安装。注意，由于是本地编译，node-llama-cpp 这一步会非常吃 CPU，卡住是正常的，请耐心等待。

cd ~/openclaw
pnpm install

坑位三：状态目录丢失

现象： 启动时提示 CRITICAL: state directory missing (~/.openclaw)。

解决： 需要初始化配置目录：

openclaw setup

3. 最后一步：启动服务

为了保证服务持久化运行，建议使用 systemd。

  1. 构建 UI 界面：
cd ~/openclaw
pnpm ui:build
  1. 启动 Gateway 并在后台运行：
# 启动网关
openclaw gateway start

# 使用 user 级别的 systemctl 确保开机自启
systemctl --user enable openclaw-gateway
systemctl --user start openclaw-gateway

总结

在甲骨文 ARM 机器上跑 OpenClaw，最大的门槛在于编译环境。只要解决了 cmake 和 pnpm 的路径问题，剩下的流程还是非常顺滑的。建议大家在部署前先检查一遍内核工具链，能省去不少排错时间。 需要注意的是由于OpenClaw的记忆机制会增加token的消耗，实测来回十几次就会达到百万token，需要设置AI调用的边界，否则，“睡一觉起来发现AI消耗了几百刀“的段子将变为现实。