一、看完这篇文章你将获得什么？
用20分钟，亲手搭建：
- 强劲性能：2核CPU + 16GB内存 + 8TB存储的”白嫖级”VPS
- 完整记忆：利用Dataset实现对话历史持久化，增量备份重启恢复
你只需要提供模型API就可以永久使用。
二、准备工作
必备账号
- Hugging Face账号（免费注册）→ 点击注册
- AI模型账号（需要付费）→ Kimi2.5：https://platform.moonshot.cn/ 或者GLM-4.7：https://www.bigmodel.cn/glm-coding?ic=IORXTLCLVM 或者硅基流动一定免费额度的众多模型：https://cloud.siliconflow.cn/i/kQTQzfuz
三、部署指南
步骤1：激活2核16G VPS配置
操作流程：
- 点击最左侧的 “new”，然后选择 “Space”
- 配置选项： SDK: Docker Visibility: Public 硬件：选择默认 CPU方案
- 空间命名：yourname-openclaw-ai（英文）
注意事项：
- 必须选Docker而非Gradio/Streamlit
步骤2：创建参数和Dataset
B. 创建Dataset：
- 登录 huggingface.co → “新建” → “New dataset”
注意记录Dateset的名称。
A. 创建HF Token：
- 登录 huggingface.co →点击自己的头像，选择最下面的 → “Access Tokens” → 验证自己的登录口令
- 点击 **”Create New Token”： 填写Token名称 在下面的输入框中点击会展示自己已经创建的dataset，选择对应的dataset，选择 “Write access to contents/settings of selected repos” 权限 最后点击页面最下面的 “Create New Token”*。 打开的页面中复制Token，保存到安全的位置，用于一会在环境变量中填写。注意这个Token只展示一次。
步骤3：添加环境变量
**A. 进入Space空间页面 → “Settings” B. 下拉页面找到 “Variables and secrets”，点击 “New Secret” 逐个创建下面所有变量：
| 变量名 | 必填 | 权限类型 | 作用描述 |
|---|
OPENCLAW_GATEWAY_PASSWORD | | | |
OPENAI_API_KEY | | Secret | |
OPENAI_API_BASE | | | |
MODEL | | | 模型 ID（如 deepseek-ai/DeepSeek-V3.2）。 |
HF_TOKEN | | Secret | |
HF_DATASET | | | |
步骤4：部署OpenClaw框架
**A. 启动Docker容器
- 点击 “Add file” → “Create a new file”
# 核心镜像：Node 22 slim 保证了环境的现代性与轻量化
FROM node:22-slim
# 1. 安装系统依赖
# 包含：git (拉取依赖), openssh-client (解决构建报错), build-essential/g++/make (编译原生模块), python3 (运行同步脚本)
RUN apt-get update && apt-get install -y --no-install-recommends
git openssh-client build-essential python3 python3-pip
g++ make ca-certificates
&& rm -rf /var/lib/apt/lists/*
# 2. 安装 Hugging Face 命令行工具
RUN pip3 install --no-cache-dir huggingface_hub --break-system-packages
# 3. 构建环境优化
# 修复 Git 证书问题并将所有 SSH 协议重定向为 HTTPS
RUN update-ca-certificates &&
git config --global http.sslVerify false &&
git config --global url."https://github.com/".insteadOf ssh://git@github.com/
# 4. 全局安装 OpenClaw
RUN npm install -g openclaw@latest --unsafe-perm
# 5. 设置环境变量
ENV PORT=7860
OPENCLAW_GATEWAY_MODE=local
HOME=/root
# 6. 核心同步引擎 (sync.py)
# 针对 OpenClaw 新版 MEMORY.md 机制进行了全路径覆盖
RUN echo 'import os, sys, tarfilen
from huggingface_hub import HfApi, hf_hub_downloadn
from datetime import datetime, timedeltan
api = HfApi()n
repo_id = os.getenv("HF_DATASET")n
token = os.getenv("HF_TOKEN")n
n
def restore():n
try:n
print(f"--- [SYNC] 启动恢复流程, 目标仓库: {repo_id} ---")n
if not repo_id or not token: n
print("--- [SYNC] 跳过恢复: 未配置 HF_DATASET 或 HF_TOKEN ---")n
return Falsen
files = api.list_repo_files(repo_id=repo_id, repo_type="dataset", token=token)n
now = datetime.now()n
for i in range(5):n
day = (now - timedelta(days=i)).strftime("%Y-%m-%d")n
name = f"backup_{day}.tar.gz"n
if name in files:n
print(f"--- [SYNC] 发现备份文件: {name}, 正在下载... ---")n
path = hf_hub_download(repo_id=repo_id, filename=name, repo_type="dataset", token=token)n
with tarfile.open(path, "r:gz") as tar: tar.extractall(path="/root/.openclaw/")n
print(f"--- [SYNC] 恢复成功! 数据已覆盖至 /root/.openclaw/ ---")n
return Truen
print("--- [SYNC] 未找到最近 5 天的备份包 ---")n
except Exception as e: print(f"--- [SYNC] 恢复异常: {e} ---")n
n
def backup():n
try:n
day = datetime.now().strftime("%Y-%m-%d")n
name = f"backup_{day}.tar.gz"n
print(f"--- [SYNC] 正在执行全量备份: {name} ---")n
with tarfile.open(name, "w:gz") as tar:n
# 路径说明：sessions(网关历史), workspace(记忆文件), agents(配置), memory(旧版目录)n
for target in ["sessions", "workspace", "agents", "memory", "openclaw.json"]:n
full_path = f"/root/.openclaw/{target}"n
if os.path.exists(full_path):n
tar.add(full_path, arcname=target)n
api.upload_file(path_or_fileobj=name, path_in_repo=name, repo_id=repo_id, repo_type="dataset", token=token)n
print(f"--- [SYNC] 备份上传成功! ---")n
except Exception as e: print(f"--- [SYNC] 备份失败: {e} ---")n
n
if __name__ == "__main__":n
if len(sys.argv) > 1 and sys.argv[1] == "backup": backup()n
else: restore()' > /usr/local/bin/sync.py
# 7. 容器入口脚本 (start-openclaw)
# 负责恢复数据 -> 生成配置 -> 启动网关 -> 定时备份
RUN echo "#!/bin/bashn
set -en
mkdir -p /root/.openclaw/sessionsn
mkdir -p /root/.openclaw/workspacen
n
# 启动前执行数据恢复n
python3 /usr/local/bin/sync.py restoren
n
# 清理 API Base 地址n
CLEAN_BASE=$(echo "$OPENAI_API_BASE" | sed "s|/chat/completions||g" | sed "s|/v1/|/v1|g" | sed "s|/v1$|/v1|g")n
n
# 生成 openclaw.json 配置文件n
cat > /root/.openclaw/openclaw.json <<EOFn
{n
"models": {n
"providers": {n
"siliconflow": {n
"baseUrl": "$CLEAN_BASE",n
"apiKey": "$OPENAI_API_KEY",n
"api": "openai-completions",n
"models": [{ "id": "$MODEL", "name": "DeepSeek", "contextWindow": 128000 }]n
}n
}n
},n
"agents": { "defaults": { "model": { "primary": "siliconflow/$MODEL" } } },n
"gateway": {n
"mode": "local", "bind": "lan", "port": $PORT,n
"trustedProxies": ["0.0.0.0/0", "10.0.0.0/8", "172.16.0.0/12", "192.168.0.0/16"],n
"auth": { "mode": "token", "token": "$OPENCLAW_GATEWAY_PASSWORD" },n
"controlUi": { "allowInsecureAuth": true }n
}n
}n
EOFn
n
# 启动定时备份进程 (每 3 小时执行一次，增强安全性)n
(while true; do sleep 10800; python3 /usr/local/bin/sync.py backup; done) &n
n
# 启动 OpenClaw 网关n
openclaw doctor --fixn
exec openclaw gateway run --port $PORTn
" > /usr/local/bin/start-openclaw && chmod +x /usr/local/bin/start-openclaw
EXPOSE 7860
CMD ["/usr/local/bin/start-openclaw"]
- 点击 “Commit” 提交。如果复制有无，也可以在这里直接下载Dockerfile文件：「Dockerfile」启动前自动恢复 和 运行中定时备份版，链接：https://pan.quark.cn/s/87986adedc05
部署验证：
**B. 查看部署日志与调试方法
部署过程中，日志是你唯一的“眼睛”。通过日志可以判断系统是在编译、恢复数据还是遭遇报错。
- 查看位置：在 Space 页面顶部，点击 Logs 选项卡。
- 关键日志点解析： Build 阶段日志： 出现大量 CC 或 node-gyp 字符：正常。这是在编译 C++ 插件，耗时较长（3-8 分钟）。 出现 Successfully built：镜像构建成功。 **Runtime 阶段日志 (Container Logs)**： Restoring backup_…：说明同步脚本正在从你的 Dataset 拉取历史记录。 Browser control service ready：关键标志。看到这一行代表 Agent 的核心驱动已就绪。 listening on ws://0.0.0.0:7860：代表网关已上线，可以尝试打开页面。 unauthorized / pairing required：如果你没带 Token 访问，这里会刷屏报错，属于正常现象。
四、 数据持久化深度解析
上面Dockerfile中存在一些数据持久化机制，这里解释以下实现机制。
1. 如何避免Space 未被访问导致休眠？
由于Hugging Face会休眠48小时没人访问的space，因此建议使用提供计划任务的平台执行cron计划，周期性访问Hugging Face Space的主页。比如：https://www.cron-job.org/
- 创建计划任务：填写自己的space的主页，比如：https://name-aienzouzhe.hf.space。设定合适的时间，选择每天3点执行。建议添加实现每天两次。
2. Space 重启会导致哪些数据丢失？
Hugging Face Spaces 使用的是容器快照技术，每次重启都会回到“出厂设置”。
- 丢弃的数据：在 /root/.openclaw/sessions 下产生的所有新对话记录、所有在 Web UI 里临时修改的设置、浏览器插件产生的 Cookie 和任务进度。
3. 哪些数据会持久存储？
- 代码层：你写在 Dockerfile 里的代码和启动脚本。
- 配置层：通过脚本硬编码生成的 openclaw.json。
- 备份包：已经成功通过脚本上传到 Dataset 里的 .tar.gz 压缩包。
4. 为什么要采用“Dataset 备份恢复机制”？
我们没有采用传统的数据库或付费存储，而是选择了 Dataset 方案，主要为了解决以下问题：
- 成本规避：Hugging Face 的 Persistent Storage（持久化硬盘）通常是按量计费且需要绑定信用卡。Dataset 存储是完全免费的。
- 冷启动恢复：解决了 Space 闲置自动关机后“失忆”的问题。
- 多端同步：你可以把这个 Dataset 挂载到任何地方，实现记录的跨平台迁移。
- 安全性：通过 Dataset 的 Private 属性，确保只有你自己能访问这些敏感数据。
