OpenClaw本地部署 + AWS Bedrock Claude 4.5 模型

最近跟着公司的试验项目，搭上了本地OpenClaw环境，不得不说搭环境真的是最头疼的事情，常常陷入坑里出不来。而对于模型的选择，想着能尽量用公司的就不要用自己的付费。选择了用公司给的AWS账号，通过AWS Bedrock 连模型。结果又选上了Claude Sonnet这种区域敏感的模型，可以说是一套配置直接难度拉满。

加上OpenClaw这种糙东西，文档也是不断更新，AI这边能进行的帮助有限，所以摸索了一天半才搭好。这篇算是记录，也是整理一下思路，以后少掉点坑。如果有想参考的，我的建议是，不要选这种给自己找麻烦的配置。

步骤

• OpenClaw本地安装
• • 官网一键安装
  • 架构解析
  • 文件目录
• [Bedrock/Claude Sonnet模型配置](#Bedrock/Claude Sonnet模型配置)
• • [AWS Bedrock 扫盲](#AWS Bedrock 扫盲)
  • [IP 限制解决](#IP 限制解决)
  • 认证注入
  • 设置模型
  • 启动服务器
• 踩坑总结

OpenClaw本地安装

OpenClaw 最近刷屏了，不用多说，我的理解就是一个Agent。对于一个Agent 来说它的基本组成就是，与用户对话的能力（IO），自己搭载一个推理模型（脑子）处理用户的意图，同时配装工具(手脚），完成用户下达的任务，积累用户的喜好（记忆）。这一套东西不算新颖，但是它比较好的接入了SKILL这个东西，可以根据意图制定一套实现某些功能的流程，然后安装到OpenClaw作为一个本地工具，这样OpenClaw这个助手就可以按照你的SKILL执行某项任务。

我举一个比较抽象 的例子，就是SKILL是一个菜谱-锅包肉的制作方法，里面什么步骤做什么事，放多少调料是你自己定义好的。然后你可以像MCP一样开源到云上。所有想吃这个菜，或者就觉得你的菜谱好吃的，都可以下载安装到本地的OpenClaw，然后和OpenClaw说我想吃锅包肉。然后OpenClaw就在后台给你用这个菜谱炒上菜了。好了会给你端上来，哈哈。

另外一个OpenClaw的特点是可以和WhatsApp, iMessage, Teams集成，直接作为一个bot使用。这里乍看有点抽象，就是说它可以作为一个账号给你通过聊天对话框联系。可以给OpenClaw定义一个身份名称，然后直接对话给它下达任务就可以了。

官网一键安装

官网：https://openclaw.ai/

我使用了一键安装。这里其实有坑的，我开始直接去了MacOS的tab，发现安装的是APP，可以说非常难用的一个东西。后来我把那个app卸载了，把文件路径清空了，重新进行的一键安装。大家不要像我一样灵机一动......

具体的setup步骤网上有很多视频，我就不细说了，因为我感觉根据每个人对模型的使用情况不同，你很难一次set up成功所有东西。差不多把这个onboard流程走完就行。还有就是whatsapp什么的，可以跳过，因为安装OpenClaw，把本地+模型链路打通就行，前端交互的这种integration不是优先级。

架构解析

如果跟着安装提示会发现它的基本架构是openclaw gateway，我愿称之为服务端 。

客户端的话一般有三个：

1. TUI就是terminal tui，在gateway 启动之后，单开一个终端窗口执行tui作为交互。
2. Webchat，就是网页UI，像deepseek那种UI聊天页面，gateway启动的时候应该可以看到一个本地的端口，打开这个页面就是【下图】
3. IOS App，就是上面截图里macOS tab里下载的东西，是一个像Mac 里其他APP一样的软件，它把前后端整合在一个app里，难用至极

我的体验是，作为一个开发，需要不断调试环境，直接选择一键安装，然后用webchat，完全把terminal留给debug/gateway作用。webchat作为用户接口测试最终是不是work了。我个人不用TUI是因为我感觉terminal开多了，很容易乱套。

另外，非常建议大家留意一下这个UI页面，左下角有docs，这里很重要，因为目前OpenClaw版本更新不稳定，一定是需要看文档解决指令问题的，这些不能全指望AI，要合理利用官方文档。

文件目录

这个是一个我在安装和使用过程中总结的东西，明白openclaw 的目录环境，对它的工作方式，和进行服务端问题查找都很有作用。

openclaw的东西安装在.openclaw这个隐藏文件夹下。一般在用户根目录 ls -a就能看到它。然后进入这个文件夹查看内容，随着你的使用，这里会有很多新的东西。

• openclaw.json 这个是配置文件，包括你选择的模型，交互等等
• logs 日志目录，里面有gateway.err.log gateway.log，服务端的启动日志和错误日志，一般看启动日志就可以，有错误里面会报
• workspace 工作目录，openclaw后面产生的工作数据应该是在这里的，比如心跳检测，长期记忆等等，还有一个很重要的是，你安装的skills会在这个目录下。无论是你手动安装，还是通过openclaw 安装，都会在这个workspace目录下创建一个skills文件夹，里面是你具体安装的各种skills。每个skill也是以文件形式安装好的，里面可能有各自的workspace，当然这就取决于你下载的skill是如何工作的了。

这里多说一句，SKILL这里看其实有点像plugin，只不过plugin是机器语言代码逻辑，但是SKILL是偏自然语言的模型处理逻辑。但是SKILL常常是机器语言+自然语言，保证灵活度的同时用机器语言保证准确性和稳定性。

Bedrock/Claude Sonnet模型配置

OpenClaw作为一个agent，你在配置它的model的时候有多种方式，比如直接从模型供应商接API。最开始我试了Google Gemini, 去Google AI Studio 生成一个Gemini API Key 配置进去就可以。但是这时我才意识到我买的是Gemini网页版的订阅。API KEY我是没有的，因为OpenClaw出了名的烧token，决定从公司的AWS账号走Bedrock了。反正也是给公司的试验项目用，就不自己花钱了。

AWS Bedrock 扫盲

我是AWS新手，最近对于AWS的认识就是它的云服务分类型会有自己的名字，有对应的权限去访问。比如EC2其实就是虚拟机，但是如果不了解，直接叫EC2我是意识不到它就是一个云服务器的。那么Bedrock就是AWS的模型产品，许多模型厂商会和AWS集成，这样用户就通过AWS去连接模型，而不是从模型厂商自己的服务器连。比如上面提到的Gemini, Anthropic的Claude系列，包括AWS自己的亲儿子模型们都在Bedrock上可以找到。

AWS还有一个很重要的地方就是"REGION"区域，权限会细化到区域，例如你只有us-east-1的权限，且同时你要有us-east-1的Bedrock权限，去找对应的us模型，例如amazon-bedrock/us.anthropic.claude-sonnet-4-5-20250929-v1:0 这一套才是顺的。

因此在选择模型之前，要确认自己所在的区域，AWS的profile是否有访问Bedrock对应区域的权限。即使profile是合法的，但该身份没有 bedrock:InvokeModel 权限，或者没有在当前 Region 激活该模型。这一块如果不是自己弄的，去找公司的AWS账号负责人比较好，自己一般搞不清楚。

IP 限制解决

众所周知，Claude Sonnet 4.5是区域敏感模型，动不动就会报：

Access to Anthropic models is not allowed from unsupported countries, regions, or territories. Please refer to https://www.anthropic.com/supported-countries for more information on the countries and regions Anthropic currently supports.

【...具体步骤折叠...】

做完了之后可以测一下: curl -v "https://bedrock-runtime.us-east-1.amazonaws.com", 测试成功，并且200成功。这里同样要注意区域，我这里测的是us-east-1。

* Uses proxy env variable https_proxy == 'http://127.0.0.1:7897'
*   Trying 127.0.0.1:7897...
* Connected to 127.0.0.1 (127.0.0.1) port 7897
* CONNECT tunnel: HTTP/1.1 negotiated
* allocate connect buffer
* Establish HTTP proxy tunnel to bedrock-runtime.us-east-1.amazonaws.com:443
> CONNECT bedrock-runtime.us-east-1.amazonaws.com:443 HTTP/1.1
> Host: bedrock-runtime.us-east-1.amazonaws.com:443
> User-Agent: curl/8.7.1
> Proxy-Connection: Keep-Alive
> 
< HTTP/1.1 200 Connection established

认证注入

想要访问云服务，必行是需要认证的。那么要对AWS的认证注入到你即将运行OpenClaw gateway的环境中。也就是我们一直操作的终端。

因为我是配了SSO登录，所以这里有点麻烦。（无语，走了最麻烦的一条路。

首先在终端进行SSO登录，aws sso login --profile your_profile_name 会跳出一个浏览器页面，告知登录成功。这里就建立了一个SSO Session，在过期时间内是不需要重复登录的。但是根据重要的参考文档：https://docs.openclaw.ai/providers/bedrock

可以看到OpenClaw使用ACCESS_KEY认证的，要从你上面的SSO Session中直接把上面需要的这些KEY导出并注入到当前的环境中。需要执行以下命令：

eval $(aws configure export-credentials --profile your-sso-profile-name --format env)

可以用echo指令验证是否成功注入。

设置模型

到这里相当于AWS 身份已经设置好了，接下来告诉 OpenClaw 开启 Bedrock模型。重要参考：https://docs.openclaw.ai/concepts/models

一定要根据文档里的指令给OpenClaw设置模型，当前版本里我用到的指令是：

openclaw models set "amazon-bedrock/us.anthropic.claude-sonnet-4-5-20250929-v1:0"

然后可以用 openclaw models status 查询模型状态。其中绿色的那个应该是你刚刚设置好的Claude 模型，我把我的实际使用码掉了。

启动服务器

到这里，应该是配置完成了，在一直工作的这个环境启动服务端：

openclaw gateway

注意观察启动日志，如果有报错，一般是比较明确的，可以对应着去解决。另外也有可能有启动失败，或者端口占用的情况，这种老生常谈，就是清空端口占用，再重启。可以用--force强制gateway的启动。

到这里服务器启动成功了，就可以去webchat里Say Hi了。

踩坑总结

因为我来来回回试了好几个版本，中间也有鬼打墙的时候，感觉Gemini都问爆了。后来通了的时候，其实自己也有点懵到底是哪一步通了。所以我这里的总结是自己对于部署期间的一个回顾，可能不是严格的一步一步地那种操作。但我认为尽量知道每一步在干什么，每一个坑掉到哪里了更重要。所以记录下来。下一次启动如果有问题，可以回顾一下，自己也好厘清思路。我遇到的几个坑总结起来就是：

1. OpenClaw如果你和它Say Hi没有回复，大概率是模型没有调通，根本就没有推理的过程，所以也无法给你任何提示。原因可能是API KEY有问题
2. 排查的时候可以按最小粒度，例如先CURL模型，看能不能直接通过API KEY调用模型，如果这里调通了，再考虑OpenClaw调用模型的问题
3. Gateway的启动日志会给出很多信息，注意观察，或者openclaw logs --tail 20，另外open claw提供openclaw doctor 诊断指令
4. 启动gateway的环境一定要走代理，随时echo检查环境变量
5. 对于Anthropic这种非常严格的区域限制模型，它有一个其它模型没有的问题，就是AccessDenied，有的时候会把具体的区域问题报出来，有的时候的表现就是在4s 之内对模型的请求被断开，但是此时你的请求仍会返回200成功。
6. 一定要看官方文档！可以吧文档copy出来喂给AI，但是最新的文档会包含最新的指令，这些指令AI不会知道
7. 如果嫌麻烦，跑通了之后可以写个一键脚本以后就不用每一步都重新走一遍了。这里可以交给AI

表现为：任务已完成：run_completed 和 durationMs=3710 说明请求发出了，并且在 3.7 秒后结束了

这个是最有迷惑性的，这个也是Agent 很难识别出来的，请求成功，但突然断开，流式返回空相应。它会认为是服务端有问题，AI很难意识到是区域限制。遇到类似的表现，如果在国内，首先考虑代理问题，是本地运行环境没有走代理？AWS Bedrock的流量没有走代理？还是走了代理，但是走的那个代理依然是IP限制的？这些要细心排查。

每次搭环境都是扒层皮啊，服了。敏感内容审核不通过，我直接折叠了很多。。。如果对你有所帮助，给主包一个关注/评论/收藏/赞吧，哈哈，今天赶紧敲出来这一篇，明天过年了。希望新的一年，自己可以更好有AI的mindset，风口浪尖中，永远越战越勇。