🦞 本文带你完成 ScienceClaw（面向科学研究场景的 AI4S 智能体系统）的完整部署：从单机一键安装，到 Docker 容器化运行，最后启用网关插件，让你在浏览器里跑起一个"越用越强"的科学研究智能体。

为什么是 ScienceClaw？

ScienceClaw 不是"一次性"的问答机器人，而是一套可验证的程序级自进化智能体系统：每个科学任务被拆解成带类型契约（type / shape / unit / provenance）的可执行工作流，经过重放验证（replay-verified）的修复会被固化为Skill（策略）+ Operator（类型化算子），并通过独立验证任务"严格提升"后才被保留。官方基准 ScienceClaw-Eval 覆盖 23 个学科，进化 7 轮后 OOD 宏成功率从 77.72 提升到 91.30。

系统构建在 OpenClaw 网关之上，仓库同时包含网关核心（src/）、Web 控制台（ui/）、Python 科学引擎（packages/scienceclaw/）和网关插件（extensions/scienceclaw/）。

部署方式怎么选？

⚠️ 两种路线都要预留约 19 GB 空间（完整 profile 的预训练权重）；磁盘紧张时可用lightprofile 跳过大于 1.5 GB 的资源。

路线一：单机一键部署（推荐新手）

1. 克隆仓库

git clone https://gitcode.com/gh_mirrors/sc/ScienceClaw cd ScienceClaw

2. 运行一键安装脚本

setup.sh 会自动完成 5 个阶段：检测并安装 Node 20+/pnpm/Python/uv → 安装 Node 依赖 → 安装 40+ 个 Python 科学计算包（numpy、scikit-learn、biopython 等）→ 安装 ScienceClaw 引擎与工具权重 → 安装 arXiv-LaTeX、ChEMBL 等 MCP 服务并生成网关配置：

chmod +x setup.sh && ./setup.sh

脚本会把 300+ 技能复制到工作区~/clawd/skills/，并写好~/.openclaw/openclaw.json。看到 "ScienceClaw setup complete!" 横幅即成功。

💡 想跳过首次的权重下载、改用"首次使用时再装"，设置SCIENCECLAW_SKIP_TOOLS=1即可。

3. 手动安装（可选）

如果一键脚本不适合你，可以分步执行（详见 README.md 的 Quick start 折叠区）：

pnpm install && npx openclaw onboard pip install -e packages/scienceclaw # Python >= 3.11 python -m scienceclaw.cli setup # 安装并校验全部工具与权重 python -m scienceclaw.cli doctor # 诊断本机哪些工具模块可运行

注意：引擎在setup完成前会拒绝接受任务（SCIENCECLAW_SKIP_SETUP_CHECK=1仅限开发用途）。

4. 接入你自己的模型

引擎不绑定任何模型家族，指向任意 OpenAI 兼容端点即可（配置样例见 packages/scienceclaw/configs/default.yaml）：

export SCIENCECLAW_API_BASE_URL=<你的 OpenAI 兼容端点> export SCIENCECLAW_API_KEY=<你的密钥> export SCIENCECLAW_MODEL=<模型名>

5. 启动并自检

npx openclaw gateway # 启动网关 curl -fsS http://127.0.0.1:18789/healthz # 存活检查 curl -fsS http://127.0.0.1:18789/readyz # 就绪检查

路线二：Docker 容器化部署

适合在 VPS 或不想污染主机的场景，完整细节见 docs/install/docker.md。

1. 前置条件

• Docker Desktop（或 Docker Engine）+ Compose v2
• 至少 2 GB 可用内存（否则pnpm install可能被 OOM 杀掉）

2. 一条命令完成部署

bash deploy/docker-setup.sh

deploy/docker-setup.sh 会依次：本地构建网关镜像（或拉取远端镜像）→ 运行 onboarding 向导 → 生成网关 token 写入.env→ 通过 deploy/docker-compose.yml 启动openclaw-gateway与openclaw-cli两个服务，并把配置持久化到宿主机的~/.openclaw/与~/.openclaw/workspace。

常用可选环境变量：

3. 访问控制台

docker compose run --rm openclaw-cli dashboard --no-open # 重新打印访问地址

浏览器打开http://127.0.0.1:18789/，把.env里的 token 粘贴进 Control UI（Settings → token）。网关默认暴露两个端口：18789（gateway）与18790（bridge）。

4. 健康检查与排障

curl -fsS http://127.0.0.1:18789/healthz curl -fsS http://127.0.0.1:18789/readyz

镜像内置HEALTHCHECK持续 ping/healthz，容器持续失败会被标记unhealthy并按restart: unless-stopped策略自动拉起。VPS 公网部署请额外阅读 docs/install/hetzner.md 的防火墙加固建议；Podman 用户可参考 deploy/setup-podman.sh 与 docs/install/podman.md。

启用 ScienceClaw 网关插件

无论哪种部署路线，都要在~/.openclaw/openclaw.json里开启插件（配置示例见 extensions/scienceclaw/README.md）：

{ plugins: { entries: { "scienceclaw": { enabled: true, config: { packageRoot: "<checkout>/packages/scienceclaw", pythonBin: "<venv>/bin/python", home: "<状态目录>", inputRoots: ["<工作区>"], llm: { baseUrl: "<端点>", model: "<模型>" } } } } } }

启用后智能体获得 4 个工具：scienceclaw_canvas（声明任务、构建/重放工作流）、scienceclaw_tools（检索 42 个科学工具模块）、scienceclaw_program（查看/回滚版本化 Skill–Operator 程序）、scienceclaw_evolve（提出并门控自进化候选）。

首次启动时插件会在后台安装完整工具库（约 19 GB），完成后即可开始任务。

常见坑位清单 🧭

1. 任务被拒：setup未完成。运行python -m scienceclaw.cli doctor查看缺什么。
2. Node 版本过低：网关要求 Node 20+（推荐 22+），node -v检查。
3. 端口冲突：18789/18790 被占用时，修改OPENCLAW_GATEWAY_PORT等环境变量后重启 Compose。
4. 磁盘不足：改用--profile light跳过大权重，或设置SCIENCECLAW_SKIP_TOOLS=1延后下载。
5. Windows 用户：请使用 WSL2，脚本原生仅支持 macOS / Linux。

延伸阅读

• 安装总览：docs/install/index.md
• 快速上手：docs/start/getting-started.md
• 设计契约：packages/scienceclaw/docs/DESIGN.md
• 网关集成：packages/scienceclaw/docs/INTEGRATION.md
• 基准评测数据构建流程：

部署完成后，把模型端点配好，向智能体描述你的第一个科学任务（目标、输入、交付物与硬约束），剩下的拆解、执行、重放验证交给 ScienceClaw —— 它会从每一次经过验证的执行中，把能力沉淀成可回滚的程序版本。🚀