第 1 页 共 15 页
不懂命令行？没关系。手把手带你租一台云GPU服务器，用图形化面
板管理一切，
让大模型在你的专属服务器上 24 小时运行，随时待命。
豐 Linux 服务器 |
阈 云GPU
俞 Docker
Ollama |
恻 OpenClaw |
曾 MCP工具 |
@
⚡
噜
妒
國 如需手机访问完整教程，请访问 互动网页版（支持手机 · 含付费解锁）
适合人群：零基础小白 · Linux 初学者 · 想要私有AI但不会折腾的人
前置要求：会使用浏览器、会复制粘贴命令
Linux 专 版 · V 3
崖 全部章节 01 为什么需要私人AI管家
|
第 2 页
共 15 页
第01章 为什么需要私人AI管家
第 3 页
共 15 页
你每天都在用 ChatGPT、文心一言、Kimi这些在线 AI，但你有没有想过——如果有一个完全属于你自己的 AI ，24 小时待命、不审查、不限速、数据不上传，那会是什么体验？
对比维度 | 公有云AI（ChatGPT等） | 私人AI管家（本教程方案） |
数据隐私 | 对话上传到第三方服务器，可能用于训练 | 数据完全在你自己的服务器上 ，不外传 |
使用限制 | 有速率限制、次数限制、内容审查 | 无限制 ，随便用 ，不审查 |
月费 | ChatGPT Plus ¥140/月起 | 云GPU ¥1~5/天 ，按需开关 |
模型选择 | 只能用平台提供的模型 | 任意切换开源模型 ，自己说了算 |
工具能力 | 平台决定，无法扩展 | 通过MCP协议自由添加工具 |
网络依赖 | 必须联网，在国内还需梯子 | 服务器在国内 ，无需梯子 |
API接入 | 需要付费API Key | 本地API ，免费无限调用 |
可定制性 | 几乎不能定制 | 完全可定制人格、记忆、工具 |
1.2 部署完成后，你能做什么？
會 日常工作
写邮件、改简历、润色文章
翻译文档（中英日韩…）
总结长文、提炼要点
头脑风暴，提供创意
凰 技术辅助
写代码、Debug、代码审查
管理文件、操作数据库
自动化日常任务
服务器运维助手
噜 学习成长
金 生活助手
像名师一样解释复杂概念
练习外语对话 制定学习计划 答疑解惑，有问必答 |
第 4 页
共 15 页
曾 小白视角
你可以把它理解为一个永远在线、不会生气、知识面极广的私人助手。它不需要你精通技术——本教程会用最通俗的方式，带你一步步搞定。
1.3 费用概览
项目 | 费用 | 说明 |
云GPU服务器 | 约 ¥1~5/天 | 按小时计费，不用时关机不计费 |
Ollama | 免费 | 开源大模型运行工具 |
AI大模型 | 免费 | 开源模型，直接下载使用 |
1Panel | 免费 | 开源服务器管理面板 |
OpenClaw | 免费 | 开源AI智能体框架 |
MCP工具 | 免费 | 开源工具生态 |
✅ 预期效果
全套部署完成后，你将拥有一个月成本不到200元、功能媲美付费AI服务的私人AI管家。而且用得越多，越觉得"真香"。
第02章 整体架构一览
第 5 页
共 15 页
在开始操作之前，先了解你要搭建的"大房子"长什么样。不用看懂每一个细节，有个整体印象就行。
2.1 系统架构图
→
恻 OpenClaw智能体大脑 |
Ollama模型运行引擎 |
阈 NVIDIA GPU算力硬件 |
1Panel可视化管理面板 |
|
2.2 核心组件解释
组件 | 是什么（通俗解释） | 作用 |
阈 云GPU服务器 | 租一台带有NVIDIA显卡的远程Linux电脑 | 提供AI运算所需的强大算力 |
@ Linux | 服务器的操作系统（就像电脑上的Windows） | 运行所有软件的基础环境 |
1Panel | 一个图形化管理面板，替代命令行操作 | 让你像用网站一样管理服务器 |
组件 | 是什么（通俗解释） | 作用 |
6 Docker | 软件打包容器（像集装箱一样标准化运行） | 让Ollama、OpenClaw等软件一键安装 |
Ollama | 大模型运行工具 | 下载并运行AI大模型，让GPU执行推理 |
AI大模型 | AI的"大脑"（如Qwen3、DeepSeek-R1） | 真正理解你说话并生成回复的核心 |
恻 OpenClaw | AI智能体框架 | 给AI"装上手脚"——让它能搜索、写文件、操作工具 |
曾 MCP工具 | 可插拔的工具插件 | 扩展AI的能力（搜索、写代码、管数据库…） |
第 6 页
共 15 页
2.3 本教程部署路线
我们将按照以下顺序一步步完成部署：
租云GPU → 连Linux → 装1Panel → 配Docker → 装Ollama → 下模型 →
装OpenClaw → 加工具 → 手机接入
⚡ 要点
整个过程大约需要 1~2小时（含模型下载时间）。如果网络慢或对命令行不熟悉，可能需要3小时。不用担心——每一步都有详细截图说明和"为什么"的解释。
第03章 租一台云GPU服务器
第 7 页
共 15 页
AI大模型需要GPU （显卡）来运行，而一张高端显卡动辄上万元。好消息是——你可以按小时租，用的时候开机，不用的时候关机，灵活又便宜。
平台 | GPU型号 | 价格参考（3090） | 优点 | 缺点 | 推荐度 |
AutoDL | 3090/4090/A100/多种 | ~¥1.5/h | 价格便宜、机型丰富、社区活跃 | 高峰期经常没卡 | ⭐ ⭐ ⭐ ⭐ ⭐ |
优云智算 | 3090/4090/A100等 | ~¥1.8/h | 界面友好、有 Ollama预装镜像、稳定 | 机型比 AutoDL少 | ⭐ ⭐ ⭐ ⭐ ⭐ |
矩池云 | 3090/A100等 | ~¥2.0/h | 老牌平台、稳定 | 价格稍贵、界面较旧 | ⭐ ⭐ ⭐ ⭐ |
⚡ 要点
本教程以优云智算为主要示例（因为它提供Ollama预装镜像，最省事）。如果你更喜欢AutoDL，我也会提供简要说明。
3.2 AutoDL 快速上手（备选方案）
1 注册并登录 https:w .autodl.com ，充值 ¥50 即可开始（建议先充小额试用）。
2 点击「社区实例」 → 选择一个带有GPU的镜像，推荐选择 Ubuntu + CUDA 的基础镜像。
3 选择GPU型号（推荐RTX 3090，性价比最高），然后创建实例。
4 实例创建成功后，通过网页终端或SSH连接即可。
进阶技巧
AutoDL 抢卡攻略：高峰期（工作日晚上8-11点）显卡经常被抢光。建议：① 提前在「无卡实例」中设置开机自动运行脚本；② 关注退卡时段（凌晨2-6点）；③ 使用自动抢卡脚本。
⚠ 踩坑提醒
第 8 页
共 15 页
AutoDL 的基础镜像是容器类型，不支持再次安装Docker（因为容器里已经有Docker环境了）。如果你需要在AutoDL上用1Panel，建议选择系统镜像（虚机类型），这样可以自行安装Docker。
3.3 优云智算详细操作（重点！）
下面是本教程的核心操作步骤——在优云智算上创建一台带有Ollama预装的GPU服务器。
3.3.1 注册与充值
1 访问优云智算官网，注册账号并完成实名认证。
充值 ¥50~ 100 即可体验（按小时计费， 随时可以关机省钱）。
[截图：优云智算官网首页] 优云智算官网 ，点击右上角"注册/登录"按钮 |
3.3.2 进入部署页面
2 登录后，在左侧导航栏找到 「GPU算力服务J 大目录，展开后点击 「部署GPU实例J 。
[截图：优云智算左侧导航栏] 左侧导航栏→ GPU算力服务→ 部署GPU实例 ，点击进入 |
曾 小白视角
左侧导航栏就像网站的"大抽屉"，「GPU算力服务J 是其中一个抽屉，展开后里面有几个小分类，「部署GPU实例J 就是我们要去的地方——在这里创建你的AI服务器。
3.3.3 选择镜像
进入部署页面后，上方有两大分类标签：
俨 平台镜像 ← 选这个 |
嘞 社区镜像
第 9 页
共 15 页
用户自己制作上传的镜像，种类多但质量参差不齐。适合有特殊需求的进阶用户。
点击 「平台镜像J，你会看到三种镜像类型：
镜像类型 | 实例类型 | 能否装Docker | 通俗解释 | 适合谁 |
基础镜像 | 容器类型 | × 不支持再次安装 | 像住进了一个已经装修好的酒店房间，设施齐全但你不能自己改结构 | ✅ 新手首选 |
系统镜像 | 虚机类型 | ✅ Ubuntu可以 | 像租了一套毛坯房， Ubuntu系统可以自己装修 | 需要完全控制权的人 |
第三方镜像 | 虚机类型 | ✅ 可以 | 别人装修好的精装房，但装修风格固定，不能发布到社区 | 特定需求用户 |
曾 小白视角
容器 vs 虚机的简单理解：容器是"精简版"系统，启动快、资源占用少，但有些高级操作不能做；虚机是"完整版"系统，像自己装了一台电脑，完全自由但启动慢一些。
我们选择基础镜像中的Ollama——因为它已经帮我们把Ollama装好了，省去手动安装的步骤。
3 在 基础镜像 列表中找到 Ollamav0.13.1 ，点击选择它。
[截图：平台镜像选择页面] 平台镜像→ 基础镜像→ 找到并点击「Ollama v0.13.1J |
3.3.4 右侧配置区详解
选择镜像后，右侧会出现配置区域。我们逐项来配置：
豐 实例配置（选择GPU型号）
GPU型号 | 显存 | 参考价格 | 推荐模型 | 适合人群 | |
RTX 3090 | 24GB | ~¥1.5~2/h | Qwen3:32B、DeepSeek-R1:32B | ☆ 性价比之王， | 首选 |
官方提供和维护的镜像，稳定可靠，包含常用软件。适合大多数用户。
GPU型号 | 显存 | 参考价格 | 推荐模型 | 适合人群 |
RTX 4090 | 24GB | ~¥3~4/h | 任意32B以下模型 | 追求速度、预算宽裕 |
A100 | 40/80GB | ~¥5~10/h | 大模型、多模型并行 | 专业用户 / 企业 |
第 10 页
共 15 页
⚡ 要点
推荐选择RTX 3090——24GB显存足够运行32B模型，价格便宜，性能出色。如果你只是想先用8B小模型试试水，甚至可以选择更便宜的型号。
GPU数量
可选 1、2、4、8 张GPU。
曾 小白视角
选1个就够！GPU数量是给大规模训练用的。我们只是运行一个AI管家，单张3090绰绰有余。多张GPU = 多倍价格，没必要。
⚙ CPU配置
16C64G — 16核CPU，64GB内存 → ✅ 够用了
16C 94G — 16核CPU，94GB内存 → 更宽裕，跑多个模型不挤
曾 小白视角
64G内存已经足够。简单来说：内存是工作台，GPU是工人。工人干活需要GPU，但也要有足够大的工作台放工具和材料。64G够放好几个大模型了。
鬥 系统盘
每100GB收费 ¥0.05/小时，默认200GB，最高可设1000GB。
200GB（默认） — 够下载3~4个大模型
500GB — 模型爱好者推荐，可存10+个模型
1000GB — 重度用户
曾 小白视角
系统盘就是服务器的"硬盘空间"。 一个AI大模型通常4~20GB，200GB够你先下载几个试试。先从默认200GB开始，不够了再扩容。
鬥 数据盘（可选）
第 11 页 共 15 页
可以勾选开启，支持部署实例后挂载。
曾 小白视角
数据盘 = 额外的存储空间。就像你的电脑有一个C盘（系统盘）和一个D盘（数据盘）。
暂时不用开。等系统盘快满了，可以在实例创建后再挂载数据盘，很方便。数据盘的好处是：即使实例被删除，数据盘里的东西还在。
☁ 云存储
可创建。这是对象存储服务，适合存放大量文件。
曾 小白视角
暂时不需要。这是给需要存大量数据（比如训练数据集、海量图片）的用户用的。我们只是运行AI管家，用不到。
曳 更多配置
展开「更多配置」后有两个选项：
CPU平台：可选「自动分配」「Intel(x86-64)」「AMD(x86-64)」。 一般选自动分配即可。
防火墙预设（重要！）
防火墙预设 | 开放端口 | 说明 |
cuda130_torch291_py312 | 基础端口 | 通用CUDA环境预设 |
非Web服务器推荐(22, 3389) | 22, 3389 | 仅SSH和远程桌面 |
Web服务器推荐(22, 3389, 80, 443) | 22, 3389, 80, 443 | SSH + 远程桌面 + 网站 |
Ollama v0.13.1 | 含Ollama端口 | ✅ 最省事！ 自动开放Ollama所需端口 |
✅ 选择建议
选「Ollama v0.13.1」防火墙预设！ 它会自动帮我们开放Ollama需要的所有端口，不用手动去安全组里一条条添加端口规则，省时省力。
⚠ 踩坑提醒
第 12 页
共 15 页
如果你不选Ollama防火墙预设，后面就要手动在安全组中开放端口（如11434），这是很多新手卡住的地方。选了预设就能跳过这一步。
3.3.5 点击部署 ，等待创建
4 确认所有配置无误后，点击 「立即部署J。等待1 ~3分钟，实例创建完成。
[截图：配置确认页面] 右侧配置区汇总：Ollama v0.13.1 + RTX 3090 + 1个GPU + 16C 64G + 200GB + Ollama防火墙 → 点击「立即 部署J |
3.3.6 记录连接信息 ⚠ 重要！
实例创建完成后，页面会显示以下信息， 请务必截图或记录下来：
⚠ 注意
以下信息后续连接服务器时必须用到 ，请截图保存！
公网IP地址 — 类似 123 .45 .67 .89
SSH端口 — 通常为 22 （也可能不同）
登录用户名 — 通常为 root
登录密码 — 创建时设置或平台生成的密码
[截图：实例详情页 - 连接信息] 实例列表中找到刚创建的实例 ，查看详情页中的公网IP、端口 、用户名、密码信息 ，截图保存 |
第 13 页
共 15 页
服务器创建好了，但它现在是一台"看不见摸不着"的远程电脑。我们需要通过终端（命令行窗口）连接上去才能操作它。
4.1 三种连接方怯
方怯 | 工具 | 优点 | 适合场景 |
网页终端 | 优云智算/AutoDL自带 | 不用装软件，打开浏览器就能用 | 临时操作、测试 |
SSH客户端 | 终端/PowerShell/PuTTY | 稳定、速度快、体验好 | 推荐日常使用 |
1Panel终端 | 1Panel自带Web终端 | 在浏览器中操作，和1Panel一起用 | 装好1Panel之后用 |
4.2 使用SSH连接（推荐）
打开系统自带的终端应用：
macOS / Linux：打开「终端」（Terminal）
Windows：打开 PowerShell 或 CMD（开始菜单搜索"PowerShell"）输入以下命令：
ssh root@你的服务器IP -p 端口号 |
例如：
ssh root@123 .45 .67 .89 -p 22 |
首次连接会提示确认指纹，输入 yes 回车，然后输入密码即可。
曾 小白视角
第 14 页
共 15 页
SSH是什么？简单来说，SSH就是一种"远程遥控"协议。通过SSH，你的电脑可以安全地连接到远方的服务器，就像坐在服务器面前一样操作。
ssh = 远程连接命令 root = 管理员用户名 @ = "at"（在）
123 .45 .67 .89 = 服务器的"门牌号"（IP地址）
-p 22 = 连接端口（"门牌号上的房间号"）
4.3 Linux终端基础命令
连接成功后，你会看到一个黑色的命令行界面。不用害怕——以下是你要用到的所有命令：
ls
ls
ls -la
ls -la
cd
cd /opt
cd .
cd .
pwd
pwd
mkdir
mkdir myapp
rm
rm file .txt
rm -rf
rm -rf myapp
cat
cat file .txt
cp
cp a .txt b .txt
mv
mv a .txt b .txt
sudo
sudo apt update
systemctl
systemctl restart ollama
命令 | 功能 | ⽰例 |
列出当前目录下的文件和文件夹 | ||
列出所有文件（包括隐藏文件），详细信息 | ||
进入某个目录（Change Directory） | ||
返回上一级目录 | ||
显示当前所在路径（Print Working Directory） | ||
创建新目录（Make Directory） | ||
删除文件 | ||
强制删除文件夹及其内容(⚠谨慎使用） | ||
查看文件内容 | ||
复制文件 | ||
移动/重命名文件 | ||
以管理员权限执行命令 | ||
管理服务（启动/停止/重启） | ||
命令 | 功能 | ⽰例 |
docker | Docker容器管理 | docker ps |
curl | 网络请求工具 | curl http: localhost:11434 |
nvidia-smi | 查看GPU状态 | nvidia-smi |
clear | 清屏 | clear |
第 15 页
共 15 页
4.4 终端操作小技巧
⚡ 必会技巧
Tab键自动补全 — 输入命令或文件名的前几个字母，按Tab键自动补全。例如输入 cd /o 然后按Tab，自动变成
cd /opt
Ctrl + C 中断命令 — 命令运行太久想停？按 Ctrl+C 立即中断
↑↓方向键翻历史 — 按上方向键可以调出之前输入过的命令，不用重新打
Ctrl + L 清屏 — 和 clear 效果一样，清空屏幕显示
Ctrl + A / Ctrl + E — 光标快速跳到行首/行尾
粘贴命令 — 在终端中粘贴通常用 Ctrl+Shift+V（不是Ctrl+V）
4.5 root用户说明
曾 小白视角
root用户是什么？
Linux中， root 就是"超级管理员"，拥有最高权限。就像Windows的Administrator账户。
在云GPU服务器上，你默认就是以root身份登录的，所以不需要额外切换。
但要注意：root权限很大，误操作可能导致系统出问题。所以复制粘贴命令时要仔细检查，不要乱删文件。
如果你是以普通用户登录，需要切换到root：
sudo su - |
输入当前用户的密码后，就变成root了。命令行前面的提示符会从 $ 变成 # 。
第 16 页
共 15 页
5.1 什么是1Panel？
曾 小白视角
1Panel 是一个开源的Linux服务器可视化管理面板。简单来说，它把所有命令行操作变成了一个漂亮的网页界面——就像给Linux服务器装了一个"Windows控制面板"。
有了1Panel，你可以：
✅ 在浏览器中管理文件
✅ 用图形界面安装Docker应用
✅ 管理防火墙端口
✅ 查看系统资源使用情况
✅ 内置终端，不用单独开SSH
1Panel 只能安装在 Linux 上，不支持Windows。这也是为什么本教程是Linux专版。
⚠ 踩坑提醒
如果你选的是优云智算的「基础镜像」（容器类型），1Panel可能无法安装——因为容器环境不支持安装systemd服务。
解决方案：选择系统镜像（虚机类型），比如Ubuntu 22.04，然后在虚机中安装1Panel和Docker。
本教程假设你选择的是系统镜像（虚机类型）。如果你坚持用基础镜像，可以跳过1Panel，直接在终端中操作。
5.2 安装步骤
1 先确保系统是最新的：
apt update & apt upgrade -y |
2 运行1Panel官方安装脚本：
curl -sSL https: resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh & & sudo bash quick_start.sh |
[截图：1Panel安装脚本运行中] 终端显⽰1Panel安装向导 ，开始交互怯配置 |
第 17 页
共 15 页
3 安装向导会问你几个问题，按照以下方式回答：
请选择语言 : zh # 输入 zh 选中文
请设置1Panel安装 目录 : /opt/1panel # 默认就是这个 ，直接回车
请设置1Panel端口 : 直接回车使用默认端口 # 默认通常是随机端口 ，记住它！
请设置1Panel用户名 : admin # 或者你自己想用的用户名
请设置1Panel密码 : 输入一个强密码 # 务必记住！
# 选择1Panel安装 目录 # 设置1Panel端 口 # 设置管理员用户名 # 设置管理员密码 |
⚠ 重要：截图保存登录信息！
安装完成后，终端会显示类似以下信息，请立即截图保存：
面板地址: http: 123.45.67.89 :8888/xxxx 用户名 : admin 密码 : xxxxxxxxxxxx |
这是你登录1Panel的唯一凭证，丢失了需要重置。
[截图：1Panel安装完成信息] 终端显⽰面板地址、用户名、密码→ 立即截图保存 |
5.3 浏览器登录1Panel
第 18 页
共 15 页
4 打开浏览器，输入面板地址（如 http: 123.45.67.89 :8888/xxxx ），使用用户名和密码登录。
[截图：1Panel登录页面] 1Panel登录界面 ，输入用户名和密码 |
[截图：1Panel主界面] 登录成功后看到1Panel主面板 ，左侧导航栏包含仪表盘、 网站、容器、文件管理、 防火墙等功能 |
5.4 防火墙端口开放
为了让你能从外面访问服务器上的各种服务，需要开放一些端口。
曾 小白视角
端口是什么？服务器就像一栋大楼， IP地址是门牌号，端口就是大楼里不同的房间号。
- 22号房间 = SSH远程连接
- 80号房间 = 网站访问
- 443号房间 = 安全网站访问
- 11434号房间 = Ollama AI服务
- 3000号房间 = OpenClaw界面
防火墙就是"门卫"，默认会锁上所有房间。我们需要告诉门卫"这些房间要对外开放"。
5.4.1 在优云智算中开放端口 （安全组）
如果你的防火墙预设选择了「Ollama v0.13. 1」，则Ollama所需的端口已经自动开放，可以跳过11434端口的配置。但其他端口可能仍需手动添加。
1 进入优云智算控制台 → 找到你的实例 → 安全组/防火墙设置
2 添加需要开放的端口规则：
端口 | 用途 | 是否必须 | 是否已被预设开放 |
22 | SSH远程连接 | ✅ 必须 | 通常已开放 |
80 | HTTP网站 | 推荐 | 视预设而定 |
443 | HTTPS安全网站 | 推荐 | 视预设而定 |
11434 | Ollama AI服务 | ✅ 必须 | ✅ Ollama预设已开放 |
3000 | OpenClaw Web界面 | 推荐 | 需手动开放 |
1Panel端口 | 1Panel管理面板 | ✅ 必须 | 需手动开放 |
第 19 页
共 15 页
[截图：优云智算安全组设置] 在安全组规则中添加端口3000和1Panel端口 ，协议选TCP ，来源填0.0.0.0/0 |
5.4.2 在1Panel中开放端口
除了云平台的安全组，服务器自身的防火墙也需要放行端口。
1 登录1Panel → 左侧菜单找到 「防火墙」
2 点击「添加规则」，依次添加需要的端口
[截图：1Panel防火墙设置] 1Panel→ 防火墙→ 添加规则→ 端口填3000 ，协议TCP→ 保存 |
✅ 为什么选了Ollama防火墙预设就不用手动开11434
因为你创建实例时选择了「Ollama v0.13.1」防火墙预设，优云智算已经在云平台层面（安全组）自动帮你放行了11434端口。
这就好比你入住酒店时告诉前台"我要用WiFi"，前台直接帮你开通了——不用自己再去拉网线。
但其他端口（如3000、1Panel端口）仍需手动开放。
第06章 配置Docker GPU支持
第 20 页
共 15 页
曾 小白视角
Docker默认是"看不见"GPU的。想象你请了一个工人（Docker容器），他干活很能干，但你没给他"钥匙"（GPU驱动）去打开GPU这个工具箱。
nvidia-container-toolkit 就是这把钥匙。装上它之后，Docker容器就能访问GPU了。
6.2 安装 nvidia-container-toolkit
apt-get update apt-get install -y nvidia-container-toolkit |
⚠ 踩坑提醒
注意拼写！是 nvidia-container-toolkit （中间是连字符 ），不是 nvidia_container_toolkit （下划线）。拼写错误会导致安装失败。
正确： nvidia-container-toolkit ✅
错误： nvidia_container_toolkit ❌
6.3 配置Docker运行时
nvidia-ctk runtime configure -runtime=docker |
这个命令会自动修改Docker的配置文件，告诉Docker"以后启动容器时，要支持NVIDIA GPU"。
6.4 重启Docker
systemctl restart docker |
6.5 验证GPU是否可用
第 21 页 共 15 页
运行以下命令来测试Docker是否能正确使用GPU：
docker run -rm -gpus all nvidia/cuda nvidia-smi |
[截图：GPU验证结果] 如果看到GPU型号、显存、驱动版本等信息表格 ，说明GPU配置成功 ✅ |
✅ 预期结果
如果输出类似以下内容，说明一切正常：
| NVIDIA-SMI 550 .xx Driver Version: 550 .xx CUDA Version: 12 .x |
|-----------------------------------------+------------------------+---------------------+ | GPU Name Persistence-M | Bus-Id Disp .A | Volatile Uncorr . ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M . |
|=========================================+========================+=====================| | 0 NVIDIA GeForce RTX 3090 On | 00000000:00:04 .0 Off | N/A |
| 30% 35C P8 20W / 350W | 4MiB / 24576MiB | 0% Default |
⚠ 踩坑提醒
如果你选择的是优云智算的「基础镜像J （容器类型），Docker可能已经预装好了，甚至nvidia-container-toolkit也已经配置好了。可以先直接跑验证命令试试——如果能看到GPU信息，就跳过本章。
如果你选择的是「系统镜像」（虚机类型），则需要按照上述步骤完整安装。
第07章 安装与配置Ollama
第 22 页
共 15 页
情况A：选了Ollama基础镜像
恭喜你！ Ollama已经预装好了，你只需要做配置（第7 .3节），跳过安装步骤。
情况B：没选Ollama镜像 需要手动安装Ollama，按第7 .2节操作。 |
7.2 手动安装Ollama（情况B）
1 运行官方安装脚本：
curl -fsSL https: ollama.com/install.sh | sh |
等待安装完成，会显示 "Ollama installed successfully"。
[截图：O lama安装完成] 终端显⽰Ollama安装成功的信息 |
7.3 配置Ollama监听地址（两种情况都要做！）
曾 小白视角
Ollama默认只监听 localhost （本机），意思是只有服务器自己能访问它。但OpenClaw（稍后安装）需要通过网络连接Ollama。
我们要把监听地址改为 0 .0 .0 .0 ，意思是"接受所有网络地址的连接"——就像把办公室的门从"只有内部员工能进"改成"有门禁卡就能进"。
1 编辑Ollama的配置文件：
EOF
cat > /etc/systemd/system/ollama .service .d/override .conf < ı EOF ı [Service] Environment="OLLAMA_HOST=Θ . Θ . Θ . Θ " |
第 23 页
共 15 页
进阶说明
如果你的Ollama是通过Docker运行的（基础镜像情况），则配置方式不同。需要修改Docker容器的环境变量或docker- compose配置：
# Docker方式运行时 ，添加环境变量 docker run -d -e OLLAMA_HOST二Θ . Θ . Θ . Θ -v ollama:/root/ .ollama -p 11434 :11434 ollama/ollama |
2 重启Ollama服务：
systemctl daemon-reload systemctl restart ollama |
3 验证Ollama是否正常运行：
curl http: localhost:11434/api/tags
✅ 预期结果
如果返回类似 { " models " : [ … ] } 的JSON数据（可能是空数组，因为还没下载模型），说明Ollama已经正常运行了。
[截图：O lama验证结果] 终端显⽰ {"models":[]} __ Ollama正常运行 ，等待下载模型 |
第08章 下载AI大模型
第 24 页
共 15 页
Ollama已经准备好了，现在需要给它下载一个AI大模型。模型就是AI的"大脑"——下载不同的模型， AI就有不同的能力。
● 小白推荐（上手快 ，要求低）
模型 | ⼤⼩ | 需要显存 | 特点 | 适合场景 |
Qwen3:8B | 4.9GB | 6GB | 中文效果最好的小模型 | 日常聊天、翻译、写文案 |
DeepSeek-R1:8B | 4.7GB | 6GB | 推理能力强，善于分析 | 数学、逻辑、分析思考 |
● 进阶推荐（更聪明 ，需要更多显存）
模型 | ⼤⼩ | 需要显存 | 特点 | 适合场景 | |
Qwen3:14B | 9GB | 12GB | 更聪明，理解力更强 | 进阶使用， | 复杂对话 |
Qwen3:32B | 19GB | 24GB | 接近GPT-4水平 | 专业使用， | 高质量输出 |
DeepSeek-R1:32B | 19GB | 24GB | 超强推理，思维链详尽 | 复杂任务、 | 深度分析 |
8.2 GPU与模型匹配表
GPU型号 | 显存 | 推荐模型 | 可运行最大模型 |
RTX 3060 | 12GB | Qwen3:8B / R1:8B / Qwen3:14B | Qwen3:14B |
RTX 3090 | 24GB | Qwen3:32B / R1:32B | Qwen3:32B / R1:32B |
RTX 4090 | 24GB | 任意32B模型（速度更快） | Qwen3:32B / R1:32B |
A100 40GB | 40GB | 70B模型 | Qwen3:72B |
A100 80GB | 80GB | 70B+模型，多模型并行 | 任意开源模型 |
⚡ 要点
第 25 页
共 15 页
核心原则：模型需要的显存不能超过GPU显存。
如果模型比显存大，会用内存来补充（offload），但速度会慢很多。所以尽量选显存够用的模型。
8.3 下载模型
在1Panel的终端中，或者在SSH终端中，使用以下命令下载模型：
下载 Qwen3:8B（推荐新手第一个模型）
ollama pull qwen3 :8b
下载 DeepSeek-R1:8B
ollama pull deepseek-r1 :8b |
下载 Qwen3:32B（需要24GB显存）
ollama pull qwen3 :32b
曾 小白视角
ollama pull 就是"下载"命令。后面的 qwen3:8b 是模型名。冒号后面是版本/大小标识。
下载速度取决于网络，通常4.9GB的模型需要5~15分钟。下载期间不要关闭终端。
[截图：模型下载进度] 终端显⽰模型下载进度条和百分比 ，等待100%完成 |
8.4 验证模型
下载完成后，查看已安装的模型：
ollama list |
[截图：已下载的模型列表] 终端显⽰已下载模型的名称、大小、修改时间等信息 |
第 26 页
共 15 页
测试一下模型是否能正常对话：
ollama run qwen3:8b "你好 ，请用一句话介绍 自 己 " |
✅ 预期结果
如果AI回复了一段中文自我介绍，说明模型运行成功！ 齡
第 27 页
共 15 页
OpenClaw是整个系统的"大脑皮层"——它让AI不仅能聊天，还能使用工具、操作文件、搜索信息……就像给AI装上了手和脚。
9.1 在1Panel中安装OpenClaw
1 登录1Panel，在左侧菜单找到 「应用商店」 或 「智能体」 模块。
2 搜索 "OpenClaw" ，找到应用并点击 「安装」。
[截图：1Panel应用商店搜索OpenClaw] 在1Panel应用商店中搜索"OpenClaw" ，找到后点击安装 |
9.2 配置模型账号
安装过程中或安装完成后，需要配置模型连接信息——告诉OpenClaw"AI大脑"在哪里。
3 在OpenClaw的设置页面，找到 「模型配置」：
Ollama
sk-local-ollama
配置项 | 填写内容 | 解释 |
模型提供 | 告诉OpenClaw，你要用本地的Ollama来运行AI模型（而不是OpenAI等 | |
商 | 第三方服务） | |
API Key | 随便填就行！因为我们的Ollama是本地运行的，不需要真正的API密钥。填什么都行，但不能为空。 | |
Base | Ollama的API地址。 127 .0 .0 .1 = 本机（localhost）， 11434 = |
URL Ollama端口， /v1 = OpenAI兼容的API格式
曾 小白视角
第 28 页
共 15 页
Base URL 的含义拆解：
127 .0 .0 .1 = "本机地址"（就像说"我自己的电话号码"）
: = 端口分隔符（"门牌号和房间号之间用冒号隔开"）
11434 = Ollama监听的端口（"11434号房间"）
/v1 = API路径（"走v1版本的接口"）
连起来就是："在本机的11434端口上，用v1版本的API格式和Ollama对话"
[截图：OpenClaw模型配置页面] OpenClaw设置 → 模型配置 → 填写Ollama提供商、API Key（sk-local-ollama）、Base URL |
9.3 创建OpenClaw实例
4 配置完成后，创建OpenClaw实例。在模型选择中，手动输入你下载的模型名称：
openclaw/qwen3 :8b |
曾 格怯说明
格式是 openclaw/模型名:版本 。这里的 openclaw/ 前缀是OpenClaw的命名规范，后面跟着Ollama中的模型名。
5 等待部署完成（首次启动可能需要1~2分钟），然后点击 「WebUIJ 或对应的端口号链接。
[截图：OpenClaw实例列表] OpenClaw实例运行中 ，点击WebUI端口 （如3000）进入对话界面 |
9.4 首次使用配置
第 29 页
共 15 页
进入OpenClaw的WebUI后，你会看到一个聊天界面。首次使用时：
设置AI的名字和人格（比如叫它"小智"、 "阿管家"等）
选择对话模型（选择你下载的qwen3:8b等）
发送第一条消息测试： "你好！请用一句话介绍你能做什么"
[截图：OpenClaw首次对话] OpenClaw WebUI聊天界面 ，AI成功回复第一条消息 齡 |
✅ 恭喜！核心系统部署完成
如果你看到AI成功回复了你的消息，说明核心系统已经部署完成！ 齡 齡 齡接下来是让它变得更强——安装MCP工具。
第 30 页
共 15 页
10.1 什么是MCP？
曾 小白视角
MCP = Model Context Protocol（模型上下文协议）
用一个比喻：AI大脑就像一个人 ，MCP工具就像他的手机里安装的APP。
没有APP，手机只能打电话发短信；装了APP，手机就能导航、点外卖、拍照、听音乐 … …
同理，没有MCP工具，AI只能聊天；装了MCP工具，AI就能搜索、读写文件、写代码、查数据库 … …
10.2 七大工具类别
鳯 1. 搜索类
Web Search（ 网络搜索） 用途：让AI能联网搜索最新信息 使用场景：查新闻、查资料、获取实时数据、验证事实 |
晶 RSS Feed（信息订阅） 用途：订阅和读取RSS信息源 使用场景：跟踪博客更新、新闻动态、技术资讯 |
顫 2. 文件类
Filesystem（文件系统）用途：读写服务器上的文件
使用场景：让AI帮你写配置文件、读日志、管理文档
第 31 页 共 15 页
Notes / Obsidian（笔记） 用途：管理和搜索Markdown笔记 使用场景：知识管理、笔记整理、个人Wiki |
凰 3. 开发类
嘎 GitHub（代码托管） 用途：管理GitHub仓库、提交代码 使用场景：让AI帮你创建仓库、提交PR、查看Issue、Code Review |
豐 Code Interpreter（代码执行） 用途：在沙盒中执行代码 使用场景：让AI跑Python脚本、数据处理、生成图表 |
目 4. 数据库类
赣 PostgreSQL 用途：查询和管理PostgreSQL数据库 使用场景：让AI帮你看数据、写SQL、生成报表 |
SQLite 用途：操作轻量级SQLite数据库 使用场景：管理本地数据、快速查询、数据分析 |
窥 5. 生产力类
画 Email（邮件） 用途：读取和发送邮件 使用场景：让AI帮你整理收件箱、草拟回复、总结重要邮件 |
第 32 页
共 15 页
函 Calendar（ 日历） 用途：管理日程安排 使用场景：让AI帮你查看/创建日程、设置提醒、规划时间 |
⚙ 6. 自动化类
因 n8n / Zapier（工作流自动化）用途：创建自动化工作流 使用场景： 自动化重复操作、集成多个服务、定时任务 |
Webhook 用途：发送和接收HTTP请求 使用场景：与其他服务集成、自动化触发、数据推送 |
X 7. 实用工具类
爸 Weather（天气查询） 用途：获取天气信息 使用场景： 问AI"明天穿什么"、"周末天气怎么样" |
Maps（地图导航）
用途：地图搜索和路线规划
使用场景： 问AI"附近有什么好吃的"、"怎么去XX地方" |
第 33 页
共 15 页
鲷 Calculator（计算器）用途：精确数学计算 使用场景：复杂计算、数据统计、单位换算 |
10.3 推荐安装清单
⚡ 推荐优先安装的工具（按优先级排序）
1. 鳯 网络搜索 — 最实用的工具，没有之一。让AI不再"断网"
2. 文件系统 — 让AI能帮你管理服务器上的文件
3. 爸 天气查询 — 日常最常用的查询之一
4. 画 邮件 — 如果你有邮件管理需求
5. 恩 GitHub — 如果你做开发工作
6. 目 数据库 — 如果你有数据库需要管理
7. 函 日历 — 如果你需要AI帮你管理时间
进阶建议
MCP工具不需要一次全部安装。建议先装网络搜索和文件系统这两个最实用的，用熟悉了再根据需求添加其他工具。工具安装得太多反而会让AI变慢（因为需要选择使用哪个工具）。
第 34 页
共 15 页
AI管家已经跑在你的服务器上了，但你不能只在电脑前才能用它。这一章教你如何从手机（以及任何设备）访问你的AI管家。
11.1 局域网访问 vs 外网访问
访问方怯 | 条件 | 速度 | 适合场景 |
局域网 | 手机和服务器在同一网络 | 极快 | 办公室、家里（不实用，服务器在云端） |
外网 （直接IP） | 直接用公网IP + 端口访问 | 快 | 临时使用，不够安全 |
Cloudfiare Tunnel | 通过Cloudflare隧道 | 快 | 推荐！安全、稳定、免费 |
ngrok | 通过ngrok隧道 | 中等 | 快速测试用 |
Telegram Bot | 通过Telegram聊天 | 快 | 最方便的手机入口 |
11.2 方案一： Cloudfiare Tunnel （推荐）
曾 小白视角
Cloudfiare Tunnel是什么？简单来说，它在你的服务器和互联网之间建立了一条"加密隧道"，让你的AI管家可以通过一个好看的域名访问（比如 ai.yourname.com ），而不用暴露服务器的真实IP地址。
就像给你的服务器装了一个"门牌翻译器"——别人只需要记住你的域名，不需要知道你的真实地址。
1 注册 Cloudflare 账号，并将你的域名添加到 Cloudflare （如果你没有域名，可以在 Cloudflare 或其他注册商购买一个，通常几十元一年）。
2 在服务器上安装 Cloudflare Tunnel 客户端（cloudflared）：
| ||
ux-amd64 -o cloudflared | ||
chmod +x cloudflared | ||
| ||
3 登录并创建隧道：
第 35 页
共 15 页
cloudflared tunnel login |
按提示在浏览器中授权，选择你的域名。
4 创建隧道并配置路由：
cloudflared tunnel create my-ai cloudflared tunnel route dns my-ai ai.yourname.com |
5 配置隧道指向 OpenClaw 和 Ollama 端口。创建配置文件：
| ||
tunnel: my-ai | ||
credentials-file: /root/ .cloudflared/xxxx .json | ||
ingress: | ||
- hostname: ai.yourname.com | ||
- hostname: api.yourname.com | ||
- service: http_status:404 | ||
EOF | ||
6 启动隧道：
cloudflared tunnel run my-ai
建议用 systemd设置为后台服务，开机自启动。
[截图：Cloudflare Tunnel 配置完成] 在浏览器中访问ai.yourname.com，能看到OpenClaw的界面， 说明隧道配置成功 |
✅ 预期效果
第 36 页
共 15 页
配置完成后，你可以通过 https: ai.yourname.com 从手机、平板、任何设备访问你的AI管家。而且自带HTTPS加密，安全可靠。
11.3 方案二： ngrok（快速测试）
曾 小白视角
ngrok 比 Cloudflare Tunnel 更简单——一行命令就能把你的本地服务暴露到公网。但免费版每次启动地址会变，适合临时测试，不适合长期使用。
1 下载安装 ngrok：
snap install ngrok
2 注册 ngrok 账号，获取 authtoken：
ngrok config add-authtoken 你的token
3 启动隧道：
ngrok http 3000 |
4 终端会显示一个公网地址（如 https:xxxx.ngrok-free.app ），在手机浏览器打开即可。
11.4 方案三：Telegram Bot（最方便）
曾 小白视角
Telegram Bot就是你在Telegram里的一个"AI聊天机器人 "。你给它发消息，它用AI大模型回复你。这比打开浏览器访问网页方便多了——就像和朋友聊天一样自然。
1 在Telegram中搜索 @BotFather，发送 /newbot ，按提示创建一个Bot，获取Bot Token。
2 在OpenClaw的配置中添加Telegram Bot集成，填入Bot Token。
3 配置完成后，在Telegram中找到你创建的Bot，直接发消息即可与AI对话。
第 37 页
共 15 页
[截图：Telegram Bot对话界面] 在Telegram中给Bot发消息 ，AI回复 ，和正常聊天一样流畅 |
✅ 最佳方案总结
日常手机使用 → Telegram Bot（最方便，随时随地）
电脑浏览器访问 → Cloudflare Tunnel（安全、稳定、有自定义域名）
临时测试 → ngrok（最快上手，但不适合长期）
第 38 页
共 15 页
部署过程中难免会遇到各种问题。这一章汇总了最常见的坑和对应的解决方案。
? 连接不上服务器，SSH超时？ |
可能原因： 1. 实例没开机 — 检查优云智算控制台，确认实例状态为"运行中" 2. 安全组没开放22端口 — 检查安全组规则，确保22端口已放行 3. IP或端口填错 — 仔细核对实例详情页上的公网IP和SSH端口 4. 密码错误 — 在控制台重置密码后重试 |
systemctl status 1panel
? 1Panel网页打不开？ | |
排查步骤： 1. 确认1Panel服务正在运行： 2. 确认安全组/防火墙已开放1Panel端口 |
? Ollama启动失败 ，报错 "address already in use"？ | |||
说明11434端口被占用了。可能是之前的Ollama进程还在运行：
|
? Docker无法使用GPU ，报错 "could not select device driver"？ | |||
解决步骤： 1. 确认nvidia-container-toolkit已安装：
2. 重新配置Docker运行时：
3. 如果还是不行，检查NVIDIA驱动：
如果nvidia-smi也报错，说明GPU驱动有问题，可能需要重新选择镜像。 |
第 39 页
共 15 页
? 模型下载很慢怎么办？ | |
加速方案： 1. 设置Ollama镜像源（国内加速）：
部分云平台（如优云智算）可能已经内置了国内镜像加速，下载速度会快很多。 如果仍然很慢，可以尝试在本地下载模型文件后上传到服务器。 |
curl http: localhost:11434/api/tags
? OpenClaw连接不上Ollama？ | |
排查步骤： 1. 确认Ollama正在运行： |
2. 确认Ollama监听地址是 0 .0 .0 .0 （不是 127 .0 .0 .1 ） 3. 确认OpenClaw中的Base URL填写正确： http: 127.0.0.1:11434/v1 4. 注意最后的 /v1 不能漏掉——这是OpenAI兼容接口的路径 |
第 40 页
共 15 页
? 基础镜像（容器类型）不能安装1Panel怎么办？ |
这是正常的——基础镜像创建的是容器实例，不支持systemd服务，因此无法安装1Panel。 解决方案： 1. 方案一：换用系统镜像（虚机类型）创建实例，然后安装1Panel + Docker + Ollama 2. 方案二：继续用基础镜像，跳过1Panel，所有操作在SSH终端中完成 3. 方案三：在基础镜像中手动安装Docker Compose，通过docker-compose管理服务 |
⚡ 经验法则
模型需要的显存 ≈ 模型参数量(十亿) × 1.5GB。比如8B模型 ≈ 12GB显存（Q4量化后约6GB）。留出2~4GB余量给系统和Ollama。
? 显存不够 ，大模型跑不动？ | |
解决方案： 1. 换小模型 — 32B换14B，14B换8B 2. 开量化版本 — Ollama默认使用Q4量化，已经比较省显存了 3. 升级GPU — 在优云智算中更换更大显存的GPU实例 | |
? 不用的时候怎么省钱？ |
省钱技巧： 1. 关机 — 在优云智算控制台点击「关机」，关机后不计费（但可能收少量存储费） 2. 选择按量计费 — 不要选包月/包年，按小时计费最灵活 3. 用小模型 — 小模型可以用便宜的小显卡 4. 定时开关机 — 可以写个脚本，工作时间自动开机，下班自动关机 |
? 怎么更新Ollama和模型？ | ||
更新Ollama： | ||
curl -fsSL https: ollama.com/install.sh | sh | ||
更新模型： | ||
ollama pull qwen3:8b # 重新pull就会更新到最新版 | ||
第 41 页 共 15 页
⚠ 踩坑通用建议
遇到问题先看错误信息——错误信息就是最好的线索
复制错误信息去搜索引擎搜——大概率有人遇到过同样的问题
修改配置后记得重启服务（systemctl restart xxx）
不确定命令会不会搞坏系统？先在测试环境试，或者做好快照备份
记录你做的每一步修改——这样出问题时可以回溯
第13章 完整部署清单
第 42 页
共 15 页
恭喜你读完了全部教程！以下是完整的部署清单，你可以逐项对照检查：
口 注册优云智算账号并充值
口 | 选择平台镜像 → 基础镜像 → Ollama v0.13.1 |
口 | 配置GPU型号（推荐RTX 3090）、GPU数量（1个）、CPU（16C 64G）、系统盘（200GB+） |
口 | 选择防火墙预设「Ollama v0.13. 1」 |
口 | 点击「立即部署」，等待实例创建 |
口 | 截图保存公网IP、SSH端口、用户名、密码 |
X 系统配置
口 通过SSH连接到Linux服务器
口 更新系统： apt update & apt upgrade -y |
口 安装1Panel（如使用系统镜像） |
口 截图保存1Panel登录信息（地址、用户名、密码） |
口 在浏览器中登录1Panel |
口 在安全组中开放端口（3000、1Panel端口等） |
口 在1Panel防火墙中开放端口 |
阈 GPU与Docker 口 安装 nvidia-container-toolkit（如使用系统镜像） |
口 配置Docker运行时： nvidia-ctk runtime configure -runtime=docker
第 43 页
共 15 页
口 重启Docker： systemctl restart docker
口 验证GPU： docker run -rm -gpus all nvidia/cuda nvidia-smi
Ollama与模型
口 确认Ollama已安装（基础镜像已预装 / 手动安装）
口 | 配置Ollama监听地址： OLLAMA_HOST=0 .0 .0 .0 |
口 | 重启Ollama： systemctl restart ollama |
口 | 验证Ollama： curl http: localhost:11434/api/tags |
口 | 下载AI大模型： ollama pull qwen3:8b |
口 | 验证模型： ollama list 和 ollama run qwen3:8b |
恻 OpenClaw
口 在1Panel中安装OpenClaw
口 配置模型提供商： Ollama |
口 配置API Key：sk-local-ollama |
口 配置Base URL： http://127.0.0.1:11434/v1 |
口 创建OpenClaw实例，输入模型名 |
口 点击WebUI，测试对话 |
曾 MCP工具（可选）
口 安装网络搜索工具
口 安装文件系统工具
☐ 根据需要安装其他工具
第 44 页
共 15 页
國 手机接入（可选）
☐ 配置Cloudflare Tunnel / ngrok
☐ 或者配置Telegram Bot |
☐ 从手机测试访问 |
茴 部署完成后的日常使用 | |
✅ 你现在拥有了 ✅ 一台运行在云端的AI服务器，24/7在线 ✅ 一个强大的AI大模型，能聊天、写文、分析、编程 ✅ 一个可视化管理面板（1Panel），方便管理 ✅ 一个智能体框架（OpenClaw），支持工具扩展 ✅ 手机端随时访问的能力 ✅ 完全私密的数据环境 ✅ 按需付费，灵活省钱 | |
⚡ 日常使用建议 1. 不用时关机 — 养成习惯，不使用时在控制台关机省钱 2. 定期更新 — Ollama和模型偶尔会有新版本，关注更新 3. 备份数据 — 重要对话和配置定期备份 4. 尝试不同模型 — 不同模型各有优势，多试试找到最适合你的 5. 逐步加工具 — 随着使用深入，按需添加MCP工具 | |
齡
部署完成！享受你的私人AI管家吧！
如果在部署过程中遇到问题，欢迎随时回来查阅本教程。
祝你用AI提升效率，享受科技带来的便利！
阈 GPU
@ Linux
Ollama |
1Panel
曾 MCP
恻 OpenClaw |