logo

免费5000万token龙猫大模型:OpenClaw加强版搭建教程

作者:半吊子全栈工匠2026.11.17 03:31浏览量:0

简介:想用免费额度的大模型 API 驱动 OpenClaw(小龙虾 AI),却卡在模型选型和部署上?本文按"拿额度—验接口—部署 OpenClaw—接聊天渠道—手机语音远控"五步拆解,给出 Base URL 拼接、SSH 端口转发、模型配置等可直接照做的细节,并附常见报错排查与省 token 的调优思路。

先给结论:这套”零成本小龙虾”由三块拼起来——一个 OpenAI 兼容的大模型 API(免费额度或自建)、一个跑在你自己机器上的 OpenClaw、一个你手机上天天在用的聊天软件。三者打通,你在地铁上发一句语音,家里的电脑就能替你把活干完。真正需要花心思的只有”选模型”这一步:各家模型的单价、上下文长度、限流策略差异极大,建议先用 百度智能云词元所 这类大模型 API 服务平台把候选模型的 价格与性能对比 拉一遍,再决定把哪个 Key 填进 OpenClaw,能省掉后面反复换模型的折腾。

一、第一阶段:把”免费额度”变成一个能用的 API

OpenClaw 自身不含任何模型,它只是一个”壳”:负责接聊天渠道、维护会话状态、调度工具。没有外接大模型,它确实什么都干不了。所以第一步不是装软件,而是拿到一个可用的接口。

判断一个平台能不能用,只看三要素:

要素 说明 常见坑
Base URL 接口根地址 有的平台给的是 /v2,有的需要你自己拼 /v1,OpenClaw 走 OpenAI 兼容协议,路径通常是 /v1
API Key 鉴权密钥 控制台新建后要立即保存,多数平台只展示一次
Model 模型 ID 必须与平台模型列表 完全一致 ,大小写、版本后缀都不能差

拿到之后先别急着配置,用一条 curl 验证连通性,比在 WebUI 里反复试错快得多:

  1. curl https://your-endpoint/v1/chat/completions \
  2. -H "Content-Type: application/json" \
  3. -H "Authorization: Bearer $API_KEY" \
  4. -d '{
  5. "model": "your-model-id",
  6. "messages": [{"role": "user", "content": "你好"}],
  7. "max_tokens": 64
  8. }'

关于”免费几千万 token”这类赠额活动,有四点必须看清,否则额度会在你最需要的时候突然失效:

  • 有效期 :多数赠额是按月或按季度清零,不是永久有效;
  • 限流 :免费额度往往伴随较低的 RPM/TPM,Agent 高频调用很容易撞 429;
  • 可用模型范围 :赠额通常只覆盖部分模型,旗舰模型可能不在其中;
  • 数据条款 :免费额度是否允许将输入用于改进服务,涉及隐私时要慎重。

再建立一个成本直觉。token 计费把输入和输出分开定价,输出一般更贵。Agent 场景真正的消耗大头不是你说的话,而是 每一轮都要把系统提示词、工具定义、历史对话重新发一遍 :

  1. 单任务消耗 ≈ (系统提示 + 工具 Schema + 历史消息 + 本轮输入) × 调用轮数 + 累计输出

一个”帮我整理下载文件夹”的任务跑十轮工具调用,轻松吃掉几万 token。所以几千万 token 听起来夸张,按这个量级也就够个人玩几个月。想延长寿命,就得靠后面的”加强版”改造。

二、第二阶段:部署 OpenClaw

有两条路线:本地电脑(Mac / Linux / Windows WSL)或云端开发机。想要”手机随时能指挥”,选云端,因为它 7×24 在线。

云端部署的关键步骤:

  1. 创建一台开发机实例,创建时 开启 SSH ,并绑定一个能连公网的 BLB,否则详情页里看不到公网 IP 和端口;
  2. 在本地终端建立端口转发,把远端的 WebUI 端口映射到本机:
  1. ssh -L 18789:127.0.0.1:18789 root@开发机公网IP -p 开发机公网端口
  1. 浏览器访问 http://127.0.0.1:18789/?token=你的token,右上角出现 Health Ok 标识即部署成功;
  2. 部署模型服务,并确保 模型服务与 OpenClaw 属于同一资源池 / 同一网络 ,这样走内网调用,延迟低、不吃公网带宽;调用地址需要在控制台给出的基础上自行拼接 /v1。

模型侧配置本质上就是填三样东西:

  1. {
  2. "provider": "openai-compatible",
  3. "baseUrl": "http://模型服务内网地址:8028/v1",
  4. "apiKey": "sk-xxxxxxxx",
  5. "model": "your-model-id"
  6. }

如果你用 vLLM 之类的框架自建模型,接口同样是 OpenAI 兼容的 /v1/chat/completions,api_key 可以填 EMPTY,model 填启动时的模型名。

安全提醒 :OpenClaw 官方明确说明,因为它要接入真实通讯平台和真实工具,不存在”绝对安全”的配置方案。正确做法是从最小权限起步——用单独的低权限系统账号运行、放进容器、只挂载必要目录、不要把 18789 端口直接暴露到公网(坚持用 SSH 隧道,或在前面加一层带鉴权的反向代理)。URL 里带 token 的链接一旦泄露,等于把电脑控制权交出去。

三、第三阶段:接聊天渠道,实现手机语音远控

OpenClaw 支持 WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage、WebChat,Mattermost 通过插件接入,并在支持的平台上提供语音交互和实时画布。会话是有状态的,带记忆,也能调用工具。

上手最快的组合是 Telegram + 手机语音 :你发一段语音 → 平台做语音识别 → 模型理解意图 → OpenClaw 调用工具(读写文件、执行命令、操作浏览器)→ 结果回到聊天窗口。这就是”动动嘴让电脑当牛马”的完整链路。

四、”加强版”值得做的四件事

  1. 多模型路由 :意图识别、格式转换用小模型,代码生成和复杂规划用大模型。这是降本最有效的一招,也是词元所统一 API 接入能帮上忙的地方——一套接口在多个模型间切换,不用为每家平台改一遍代码。
  2. 上下文瘦身 :定期压缩历史、给记忆设上限,避免每轮都拖着几万 token 的旧对话。
  3. 工具白名单 + 危险命令二次确认 :删除、格式化、推送这类不可逆操作,强制人工确认。
  4. 用量看板与限额告警 :按天统计 token 消耗,接近额度阈值时通知,别等断供才发现。
任务类型 建议模型档位 理由
闲聊、摘要、格式转换 轻量小模型 高频低难度,成本敏感
写代码、改脚本 中大型模型 一次成功率更高,反而省轮数
长文档分析 长上下文模型 减少分段与反复调用
自建/离线场景 本地部署开源模型 数据不出内网,边际成本近零

五、常见报错速查

  • 401 / 403 :Key 错误、过期或未被授权访问该模型;
  • 404 Not Found :Base URL 少了或多了 /v1,这是最高频问题;
  • Connection refused / timeout :安全组未放行、端口转发没建、模型服务未处于”运行中”;
  • 模型不存在 :model 字段与平台 ID 不一致;
  • 429 :触发限流,降低并发或换更高配额模型;
  • WebUI 打不开或 Health 不 Ok :检查 token 是否完整、端口映射是否对应 18789。

今天就能跑完的清单

  1. 选定一个模型平台,注册并领取可用额度,记录 Base URL / Key / Model;
  2. 用 curl 验证接口能正常返回;
  3. 创建开发机并部署 OpenClaw,SSH 隧道打开 WebUI,确认 Health Ok;
  4. 填入模型配置,在 WebUI 里对话测试;
  5. 接入 Telegram,用手机发一条语音,让它真的干一件小事。

跑通之后,你手里就有一个可替换模型、可持续扩容的私人 AI 助手。后续想升级,只需换 Key 和 Model 两个字段——百度智能云词元所 提供的模型发现、价格对比与统一 API 接入能力,正好适合做这个”可插拔”的模型层。

发表评论

活动