最近，AI圈被一只“红龙虾”—— OpenClaw 刷屏了。作为一款具备系统级高权限执行能力的 AI Agent，它能读写文件、操作浏览器、执行脚本。虽然强大，但不少同行都在担心：给一个 AI 这么高的权限，万一它“幻觉”发作或者被恶意指令诱导，把我的电脑格式化了怎么办？
工信部等机构也发出了安全预警。面对这把“没有保险栓的利剑”，笔者认为：最好的办法不是敬而远之，而是把它关进 Docker 的“笼子”里，在安全受控的环境下发挥它的最大价值。
今天，笔者就带大家手把手实操：如何利用 Docker 部署 OpenClaw，并让它安全地与国内的飞书进行通信。
01 | 为什么要坚持在 Docker 里“养龙虾”？
直接在宿主机（如你的 Mac 或 Windows）安装 OpenClaw，相当于给了一个陌生管家你家所有房间的钥匙。因此只要安全等级高些的场景都不会允许你在宿主机安装。
① 物理隔离
在 Docker 中，OpenClaw 运行在独立的 Linux 环境。它看不见你的系统文件（如 SSH Key、数据库密码），即便它尝试执行破坏性指令，也只能影响容器内部。
② 权限锁死
你可以精确定义它能看到的目录。比如只挂载一个 ~/myclaw/workspace 文件夹，它就只能在这个“沙盒”里折腾，你的个人隐私纹丝不动。
③ 环境统一
不需要担心环境冲突或依赖报错，一键镜像启动，对小白极其友好。
02 | 快速上手：构建你的安全沙箱
建议在你的常用电脑（笔者这里使用的是 MacBook Air M3）上直接操作，无需准备第二台电脑。
① 准备工作
确保你已经安装了 Docker（推荐 Docker Desktop，但如果环境受限，可以加一层 colima 来模拟）。- git clone https://github.com/openclaw/openclaw
② 执行 docker-setup.sh
在目录下执行 docker-setup.sh 文件：
因为笔者环境安全等级要求和限制都比较高，所以执行实际遇到了不少问题，不确认是否大家可能也会遇到，如果遇到可以做个参考，如果没有就忽略这一部分的折腾，或者考虑直接拉取官方做好的docker镜像也OK：- # 注：这部分列出的问题你安装不一定会遇到，如果遇到可供参考：## 问题1.让Docker使用本地自带的默认引擎构建# 目的是不再去网上找那个解析器，也就不会报证书错误。# vi Dockerfile# 删除第一行：# syntax=docker/dockerfile:1.7# 问题2.将原来的 Corepack 相关行替换为 npm 安装# 因为笔者环境corepack报错了，因此修改第 44 行左右# RUN corepack enable# 改成使用 npm 直接安装 pnpm，并强制使用国内镜像源（防止 SSL 报错和 403）RUN npm config set registry https://registry.npmmirror.com && \ npm install -g pnpm@10.23.0 # 问题3.colima资源问题，改成8G内存避免OOM# 如果你不需要colima可以忽略# 重新启动，并显式指定使用 vz 虚拟化和 virtiofs 挂载（M 系列芯片最稳组合）colima start --cpu 4 --memory 8 --vm-type=vz --mount-type=virtiofs# 问题4.配置docker compose up -d 报错不断重启# 启动docker测试，暂时先不用docker-compose.yml# 如果名称已存在，但不符合预期，可以删除# docker rm -f alfred-agent 2>/dev/null# 这种模式下，容器直接共用虚拟机的网络，不需要 -p 端口转发# 注意我这里特意加了 --allow-unconfigured 参数docker run -d \ --name alfred-agent \ --network host \ -v $(pwd)/data:/home/node/.openclaw \ openclaw:local \ openclaw gateway --port 3000 --allow-unconfigured# 后续启动可以直接：docker start alfred-agent
当 docker 启动成功，会按照笔者的规划，启动一个 alfred-agent 的容器并持续运行。
此时，就可以通过本机自定义的 3000 端口访问到它：
上图中的令牌，可在你环境中的 openclaw.json 获取：- $ cat ./data/openclaw.json | grep token "mode": "token", "token": "213cef13d55f0ee82d2547c12***********************"
这是因为我们还没有配置API key，所以此时聊天必然会报错，这里可以看到默认是用的 anthropic/claude-opus-4-6 模型。
笔者这里测试就改成国内的模型，只为测试下可用性：
毕竟这个 OpenClaw 是比较费 token 的，测试阶段暂时就不接入昂贵的模型了，想起之前 siliconflow 还有余额没用完，嗯，那就先用它吧。
配置这个说实话有点儿折磨... 前端界面可以说是很不友好，最后我直接让AI帮我生成json格式的，根据实际情况修改下，测试才可用：
可以看到可以正常问答了，如果英文不习惯的话，可以要求它以后都要讲中文：
问他能做哪些事情？
因为技能最近比较火，顺便看了眼skill，发现内置了很多技能，不过当前环境下大多是不能用的：
03 | 进阶实战：让 Agent 接入飞书
很多读者希望 AI 能够通过IM类软件，比如飞书给自己汇报工作，或者通过对话下达任务。在 Docker 的隔离环境下，我们也可以实现。
① 接入飞书
OpenClaw默认装完，发现channel只有国外的，但现在官方已经有文档如何配置飞书，而且还有中文的，如下：
- https://docs.openclaw.ai/zh-CN/channels/feishu
这里笔者配置了下，总结关键的步骤，供参考：
首先打开飞书的网站：https://open.feishu.cn/app/
创建企业自建应用 小鲸鱼Claw：
记住这里的 App ID 和 App Secret ，直接复制保存，后面要用。
添加 机器人 的应用能力：
选择自己想要的权限，或者从官网文档上copy配置导入，最终确认保存：
然后直接发布初始版本 1.0.0：
确认发布：
可以看到 1.0.0 已发布成功：
发布成功之后，调整下 事件与回调 的订阅方式，使用推荐的 长连接：
这里保存遇到问题：
在OpenClaw中配置Channels，添加飞书的配置，注意这里的 appId 和 appSecret 是刚才让你复制好的：- { "channels": { "feishu": { "enabled": true, "domain": "feishu", "dmPolicy": "pairing", "mediaMaxMb": 30, "accounts": { "main": { "appId": "cli_a93*************", "appSecret": "ZaHgd7LGrOSrNXF8****************", "botName": "小鲸鱼Claw" } } }}
- docker start alfred-agent
同时记得回调也修改为长连接，然后再次发布版本 1.0.1：
现在就可以在飞书上和 小鲸鱼Claw 聊天了，不过第一次对话会提示要求配对：
按提示去容器内执行这个openclaw的命令配对成功：
② 测试效果
配对成功后，再次对话，就可以正常对话了：
04 | 关键疑问：安全了，能力会打折扣吗？
很多朋友担心，关进 Docker 后的 OpenClaw 是不是成了“废人”？
① 长期记忆在哪里？
它的“长期记忆”（向量数据库）保存在你挂载的目录中。只要这个文件夹不删，它的学习成果就会一直保留。
② 它是如何体现 Skill 的？
Skill 会在 Docker 内部执行。唯一受限的是它不能直接打开你 Mac 上的 Chrome 浏览器等应用软件。
③ 如何访问本地文件
我们可以单独为能给 OpenClaw 访问/修改的文件建一个专门的目录，同样可以挂载进去，由我们自己来维护这个目录的文件范围，确保真正安全可控。
05 | 笔者总结：技术人的平衡之道
面对 OpenClaw 这种前沿技术，我们既要有探索的冲动，也要有工程的理性。
- 手工用户：如果你习惯于精准控制每一个脚本，Docker 是你最好的调试场。
- 博主与从业者：通过这种“隔离部署”方案，你可以大胆地进行各种破坏性评测，而不必担心重装系统。
笔者建议：
先跑通最基础的 Docker 部署，在 workspace 里放几个无关紧要的文件，试着让 OpenClaw 帮你总结一下。
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ |
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
