易百纳玄武S3（RK3588+RK1828）边缘计算终端上部署openclaw智能体

硬件平台：易百纳玄武S3​

简介

本文主要介绍openclaw示例（小龙虾智能体）在Ebaina玄武S3边缘计算AI终端上的部署与Web访问验证方法。 openclaw和nanobot都属于智能体（Agent）框架，可以部署在任意电脑上，配置好大模型API即可使用。将openclaw部署到玄武S3的意义在于：接的是玄武S3的端侧模型，而不是云模型——智能体的推理完全由板端RK182X上的本地大模型（rkllm3-server）完成，这就是本示例要实现的功能点。

与nanobot的终端对话不同，openclaw自带网关（Gateway）和Web控制台，部署完成后可在PC浏览器中远程使用板端智能体。

示例功能：

• 板端安装Node.js与openclaw，无需在PC上运行智能体；
• openclaw通过OpenAI兼容接口对接板端rkllm3-server（端侧模型推理服务），全程不依赖云端大模型API；
• 网关默认监听18789端口，PC浏览器通过局域网IP+令牌直接访问Web控制台，与端侧智能体对话。

整体流程分为九步：

1. 板端安装Node.js环境；
2. 板端安装openclaw；
3. 初始化openclaw；
4. 配置模型（指向本地rkllm3-server）；
5. 禁用 portal 工具；
6. 部署模型并启动rkllm3-server；
7. 安装 Gateway 服务；
8. 获取访问链接；
9. 浏览器访问与对话验证。

环境准备

1. 安装 Node.js 环境

安装过程需要联网。

2. 安装 openclaw

将openclaw-2026.9.4.tgz拷贝至板端后安装：

# PC端推送安装包到板端
adb push <openclaw-2026.9.4.tgz>  /userdata
# 板端执行
cd /userdata
npm install -g ./openclaw-2026.9.4.tgz \
  --allow-scripts=openclaw,@google/genai,koffi,tree-sitter-bash,protobufjs

安装成功如图：

3. 初始化 openclaw

# 板端执行
openclaw onboard --non-interactive --mode local --auth-choice skip \
  --daemon-runtime node --gateway-bind lan --gateway-port 18789 --accept-risk

onboard 完成后，配置网关 LAN 访问并重启：

# 板端执行
openclaw config set gateway.bind lan
openclaw config set gateway.controlUi.dangerouslyDisableDeviceAuth true
openclaw config set gateway.controlUi.dangerouslyAllowHostHeaderOriginFallback true
openclaw gateway restart

4. 配置模型（指向本地 rkllm3-server）

onboard完成后，openclaw默认使用anthropic等云端模型，板上没有API key无法使用，需要把模型指向本地rkllm3-server。以下两种方式二选一。

方式一：手动修改配置文件

配置文件为~/.openclaw/openclaw.json（root 用户即/root/.openclaw/openclaw.json），修改前先备份：

# 板端执行
cp ~/.openclaw/openclaw.json ~/.openclaw/openclaw.json.bak

使用nano编辑配置文件：没有nano需要执行apt update && apt install -y nano安装一下。

# 板端执行
nano ~/.openclaw/openclaw.json

需要改两处：

（1）改动一：默认模型指向本地模型

"agents": {
  "defaults": {
    "model": {
      "primary": "rkllm3/rknn"
    }
  }
}

格式为提供商名/模型id。rkllm3是改动二中定义的提供商名，rknn是它下面的模型 id，两处必须一致。所有会话（TUI / openclaw agent / Web）默认都走这个模型。

（2）改动二：新增 rkllm3 提供商

在顶层models.providers下新增rkllm3条目（已有其他提供商如anthropic保留不动，互不影响）：

"models": {
  "providers": {
    "rkllm3": {
      "baseUrl": "http://127.0.0.1:8080/v1",
      "apiKey": "dummy",
      "api": "openai-completions",
      "models": [
        {
          "id": "rknn",
          "name": "rknn",
          "reasoning": false,
          "input": ["text"],
          "cost": {
            "input": 0, "output": 0,
            "cacheRead": 0, "cacheWrite": 0
          },
          "contextWindow": 35000,
          "maxTokens": 8192
        }
      ]
    }
  }
}

各参数说明：

contextWindow说明（重要）：上下文长度在RKLLM转换时写死，启动参数-c无法超过转换值。openclaw携带全部工具的系统提示较大，且依赖contextWindow决定注入多少历史、何时压缩对话：

• 填超过转换值 → openclaw发出的请求超出模型上限，被server截断或报错；
• 填小于转换值 → 能用，但浪费窗口，长对话会更早触发压缩。

因此直接填转换值（本文用的 Qwen3-4B-Thinking 转换上下文为 35000）。

修改完成后保存退出，校验配置文件格式：

# 板端执行
openclaw config validate          # 校验配置文件格式

方式二：一键配置脚本

上面"修改配置文件"一步可用以下脚本自动完成（需 root 执行）。脚本只覆盖agents.defaults.model和models.providers.rkllm3两处，不影响其他配置；写入前自动按时间戳备份，可重复执行。

（1）modify_config.py：网盘资料中获取

# PC端推送脚本到板端任意目录
adb push modify_config.py /userdata
# 板端执行
python3 modify_config.py
openclaw gateway restart

（2）或者，将以下代码全部复制，粘贴执行：

# 板端执行
python3 - <<'EOF'
import json, os, shutil, time

p = os.path.expanduser('~/.openclaw/openclaw.json')
shutil.copy(p, p + '.bak.' + time.strftime('%Y%m%d%H%M%S'))  # 自动备份

c = json.load(open(p))

# 改动一：默认模型
c['agents']['defaults']['model'] = {'primary': 'rkllm3/rknn'}

# 改动二：本地 rkllm3-server 提供商
c.setdefault('models', {}).setdefault('providers', {})['rkllm3'] = {
    'baseUrl': 'http://127.0.0.1:8080/v1',
    'apiKey': 'dummy',
    'api': 'openai-completions',
    'models': [{
        'id': 'rknn', 'name': 'rknn', 'reasoning': False, 'input': ['text'],
        'cost': {'input': 0, 'output': 0, 'cacheRead': 0, 'cacheWrite': 0},
        'contextWindow': 35000,   # 与 RKLLM 转换时的上下文长度一致
        'maxTokens': 8192,        # 与 run.sh 的 --n_predict 对齐
    }],
}

json.dump(c, open(p, 'w'), indent=2, ensure_ascii=False)
print('config written:', p)
EOF

openclaw gateway restart

注意：一键脚本只负责模型配置。屏蔽导致rkllm3-server报500的 portal 工具（openclaw config set tools.deny '["portal"]'）见第5步，两者都完成后agent才能正常对话。

5. 禁用 portal 工具（必须，否则所有对话请求 500）

# 板端执行
openclaw config set tools.deny '["portal"]'

执行成功如图：

6. 启动 rkllm3-server（NPU模型服务）

在PC端将qwen3-4b-thinking.tgz拷贝至板端/userdata/models目录下进行解压：

# PC端执行
adb push <openclaw\qwen3-4b-thinking.tgz>  /userdata/models
# 板端执行
cd /userdata/models
tar -xvf qwen3-4b-thinking.tgz

新建一个终端，在里面启动rkllm3-server：

# 板端执行
cd /userdata/models/qwen3-4b-thinking
chmod +x run.sh
./run.sh

./run.sh执行后即在板端启动rkllm3-server端侧模型推理服务，保持该终端运行不要关闭：

7. 安装 Gateway 服务

chmod g-w /root用于修复出厂镜像/root的组写权限（否则安装时报[unsafe-permissions]错误）；enable-linger让网关在退出登录后继续运行：

# 板端执行
loginctl enable-linger root
chmod g-w /root
export XDG_RUNTIME_DIR=/run/user/0
openclaw gateway install

安装成功如图：

8. 获取访问链接

# 板端执行
openclaw dashboard --json

从输出中获取 URL，示例：

http://127.0.0.1:18789/#token=5fa38bc53cbc986516f935bb90237917ed836fb7ba819545

​

需将127.0.0.1换成板子的局域网 IP，例如192.168.1.168：

http://192.168.1.168:18789/#token=5fa38bc53cbc986516f935bb90237917ed836fb7ba819545

9. 浏览器访问

​

在板端执行浏览器打开后得到的URL：

http://192.168.1.168:18789/#token=5fa38bc53cbc986516f935bb90237917ed836fb7ba819545

首次打开会弹出提示：需要在Gateway主机上运行设备批准命令。将页面显示的类似下列命令拷贝到板端执行，执行后会自动登录：

# 板端执行
openclaw devices approve 23711fa4-c31f-47ed-9877-805fc42197e2

登录后即可进入openclawWeb 控制台首页：

在下方输入框发送消息即可进行对话，推理完全由板端rkllm3-server完成：

然后就可以使用openclaw了。

常见问题

1. 安装 Gateway 服务时报[unsafe-permissions]错误：出厂镜像/root目录带组写权限，先执行chmod g-w /root再运行openclaw gateway install。
2. 对话请求全部返回 500：确认已执行第5步禁用portal工具（openclaw config set tools.deny '["portal"]'），并确认rkllm3-server已在运行（./run.sh所在终端不能关闭）。
3. contextWindow 配置错误导致请求被截断或报错：该值必须与RKLLM转换模型时写死的上下文长度一致（本文Qwen3-4B-Thinking为35000），不要凭空填写，修改后执行openclaw config validate校验并openclaw gateway restart重启网关。​