HF 平台部署 Openclaw 和 Hermes

雨天狂奔2026-06-222026-06-22

HF 平台部署 Openclaw 和 Hermes

前言

很多小伙伴想尝鲜使用当前最热门的 openclaw 和 hermes，但缺少高配置的 VPS，通常需要以下配置才可以流畅运行

1
2
3

- CPU：2 核 vCPU / 双核处理器
- 内存：4GB RAM（系统空闲≥1.5GB，低于 4GB 极易 OOM 崩溃）
- 硬盘：20GB SSD（禁止机械盘，日志读写卡顿）

HuggingFace （以下简称 “HF”）为个人用户免费提供 2c16g 的容器实例，完全可以跑，但是官方的 Openclaw 和 Hermes 并不能直接部署到 HF，需要进行一些改造

参考其他人的项目，结合我自己的实际情况，以及实际遇到的一些 bug，有了以下两个项目，专用于 HF space 部署：

开始部署 Openclaw

一. 先 Fork 上面两个项目

记住 fork 后的仓库地址，类似

1	https://github.com/github用户名/仓库名

二. 在 HF 上创建 Dateset 数据集

点击此处创建一个数据集

dataset name：随意，例如 openclaw-backup
License：随便选一个，建议 MIT
可见性：Private 重要：一定要选私有

点击此处获取一个令牌

注意：权限一定要可读写

三. 打开我的 HF 专用部署器

引用站外地址

HF 部署器

一键部署项目到 HF Space

1. 填写基本信息

空间名称：随意，只能是英文且无连字符，例如 openclaw
Git 仓库：填写你 fork 的地址并加上 .git 后缀，如 https://github.com/github用户名/仓库名.git
描述：可留空

2. 点开高级设置

部署路径：默认不要动
端口：默认 7860 不要动
私有空间：随意

环境变量：此处以多供应商为例

# 多个供应商以英文 , 分隔，可增加如 deepseek,kimi 等
PROVIDERS=nvidia,siliconflow

# nvidia 的配置
NVIDIA_OPENAI_API_BASE=https://integrate.api.nvidia.com/v1
# 多个模型以英文 , 分隔
NVIDIA_MODELS=meta/llama-3.1-8b-instruct,meta/llama-3.3-70b-instruct
NVIDIA_API_KEY=nvapi-...

# siliconflow 硅基流动的配置
SILICONFLOW_OPENAI_API_BASE=https://api.siliconflow.cn/v1
SILICONFLOW_MODELS=Qwen/Qwen3.6-35B-A3B,Pro/zai-org/GLM-5.1,ByteDance-Seed/Seed-OSS-36B-Instruct
SILICONFLOW_API_KEY=sk-hunwrd...

# 默认的主要模型，需要在模型前面加上厂商名，如 nvidia/，siliconflow/
MODEL=nvidia/meta/llama-3.1-8b-instruct
# 默认的备用模型
MODEL_FALLBACKS=siliconflow/Qwen/Qwen3.6-35B-A3B

# 设置数据集用于持久化配置
HF_DATASET=HF用户名/创建的dataset数据集名，如 mingtian/openclaw-backup
HF_TOKEN=hf_...

# 前端网页登录需要验证的密码
OPENCLAW_GATEWAY_PASSWORD=admin123456

配置完成后点击部署，等待部署完成即可

开始部署 Hermes

几个重要的事

设置 HF_DATASET_REPO 和 HF_TOKEN 可以实现持久化

环境变量名	格式/示例值	变量类型 (HF)	作用说明
HF_DATASET_REPO	`yuqqtt/hermes-backup`	Variable	指定用来存聊天记录、记忆和配置的 HF 数据集仓
HF_TOKEN	`hf_…………`	Secret	赋予脚本自动上传备份文件到上面数据集的读写令牌

默认的用户名和密码是 admin / 123456，登录后可以修改用户

重要：由于 hermes-web-ui（非官方面板）本身的问题，公开的 HF 项目可能其他人也可以访问和操作，本项目仅作为尝鲜，部署后要设置为私有

部署方式和 openclaw 是一样的，只有环境变量不同

极简启动环境变量表

如果你想以最快速度让 Agent 正常上线且具备全自动记忆备份功能，在部署器中填入以下 3 个** 核心变量即可：

环境变量名	格式/示例值	变量类型 (HF)	作用说明
AUTH_TOKEN	`admin888`(自己编一个)	Variable	前端访问所需密码
SILICONFLOW_API_KEY (或任意一个大模型 KEY)	`sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx`	Secret	大模型主力 Key，脚本会自动将主模型路由设为对应的默认模型
GATEWAY_ALLOW_ALL_USERS	默认为 true		应设置为 false

项目内置了常见的大模型配置，只需要填入 API_KEY 即可启动对应的模型，内置的列表

环境变量名 (Secret)	对应的自定义 URL 变量 (Variable)	默认 API 终点地址 (Base URL)	内置默认模型 ID
SILICONFLOW_API_KEY	`SILICONFLOW_BASE_URL`	`https://api.siliconflow.cn/v1`	`deepseek-ai/DeepSeek-V4-Flash`
NVIDIA_API_KEY	`NVIDIA_BASE_URL`	`https://integrate.api.nvidia.com/v1`	`moonshotai/kimi-k2-thinking`
XAI_API_KEY	`XAI_BASE_URL`	`https://api.x.ai/v1`	`grok-4.3`
OPENAI_API_KEY	`OPENAI_BASE_URL`	`https://api.openai.com/v1`	`gpt-4o`
ANTHROPIC_API_KEY	- (不支持自定义 URL)	`https://api.anthropic.com/v1`	`claude-3-5-sonnet-20241022`
GOOGLE_API_KEY 或 `GEMINI_API_KEY`	`GEMINI_BASE_URL`	`https://generativelanguage.googleapis.com`	`gemini-2.5-flash`
OPENROUTER_API_KEY	`OPENROUTER_BASE_URL`	`https://openrouter.ai/api/v1`	`meta-llama/llama-3.1-8b-instruct:free`
LONGCAT_API_KEY	`LONGCAT_BASE_URL`	`https://api.longcat.chat/openai`	`LongCat-Flash-Thinking-260`

也可进入前端管理页面后自行设置

#AI #容器 #docker