这两天把自己的 AI 助手成功跑起来了，整个过程比预想中顺畅太多。核心思路特别简单，一句话就能说清：把 AI 服务部署在腾讯云服务器上，通过 GPT 授权登录使用模型，而非直接走 API Token 按调用量计费的路线。
这么做的优势很直观，完全贴合个人自用场景：服务 24 小时在线，不用依赖本地电脑；可通过微信等聊天入口随时调用，比开网页更方便；无需从零编写大量接口逻辑，降低部署门槛；避开 API Token 按条扣费的模式，减少使用时的成本焦虑。
今天就把完整配置过程整理出来，尽量只保留真正有用的部分，给想自己搭建个人 AI 助手的朋友做个参考。
一、为什么选腾讯云服务器？放弃本地部署的 3 个核心原因
在折腾腾讯云之前，我先试了本地部署加免费 Token，结果刚用几小时就消耗非常快；后来又尝试在本地跑各种大模型，很快就发现了一些绕不开的问题，最终还是果断转向云端。
先说说我的本地电脑配置，供参考，也算给大家避坑：Intel i7-14700F，华硕 TUF GAMING B760-PLUS WIFI D5，金士顿 Fury Beast 32GB×2 DDR5，系统盘致态 TiPlus7100 1TB，数据盘铠侠 RC20 2TB，显卡 RTX 4070 12G。
即便配置不算低，本地部署依然有 3 个硬伤：
1. 速度慢，不稳定
大模型回复卡顿，一字一顿；电脑关机、休眠、断网，服务就直接中断，没法做到随时调用。
2. 使用场景受限
想在手机、微信里随时调用几乎做不到。尤其碰到海外模型时，网络波动会把体验拉低得非常明显。
3. 不适合长期运行
自动回复、消息转发、定时任务这些实用能力，本质上都需要一个稳定的公网环境常驻运行，本地电脑并不适合长期扛这个角色。
最终选择腾讯云服务器，理由很现实，也很适合个人部署：
- 国内线路熟悉，操作和维护更顺手。
- 开箱即用，部署门槛低，不用自己从零折腾环境。
- 权限自主，后续做端口、反向代理、守护进程都更方便。
二、核心诉求不是“能用”，而是“省心”
很多人一提到部署 AI 助手，第一反应就是申请 API Key，然后按调用量计费。这当然是标准方式，但对个人自用来说，很容易陷入另一种焦虑：每次调用都在算自己花了多少 Token，上下文稍微长一点就开始心疼，场景还没跑顺，先把账单压力跑出来了。
所以我这次没有优先走常规路线，而是选择 GPT 授权登录，让系统通过已授权账号身份来调用模型，而不是自己手动维护 API Token 计费链路。
简单理解就是，把“开发者调用接口”的模式，换成“已授权账号直接使用模型能力”的模式，相当于把自己的 AI 工作台延伸到了云端服务器上。对个人用户来说，这种体验上的差异非常大。
三、完整配置步骤
整个过程最关键的是模型授权配置，其余步骤都不算难。先提前准备好两样东西：腾讯云服务器，以及 ChatGPT Plus 或可用的 OpenAI 订阅账号。
步骤 1：准备腾讯云服务器
- 优先选择带有 OpenClaw 镜像的服务器，能省掉不少基础环境配置。
- 地区优先选弗吉尼亚，更适合海外模型授权和调用。
- 服务器开机即用，减少自己手装依赖的时间成本。
步骤 2：模型配置，重点看 GPT 授权流程
如果你是第一次做，建议先拿 Moonshot AI 这类门槛更低的模型做测试，把整体流程跑顺之后，再配置 GPT 授权，这样更稳。
真正关键的步骤是下面这条命令：
bashCopy
openclaw onboard --auth-choice openai-codex执行后，终端会直接带你进入 Codex OAuth 授权流程，接下来按下面走：
- 复制终端生成的 OpenAI 授权链接，在浏览器中打开。
- 使用自己的 ChatGPT Plus 或 OpenAI 账号登录，点击允许授权。
- 授权成功后，浏览器会跳转到一个带有
code=参数的本地地址。 - 把
code=后面的字符复制回服务器终端并提交。 - 系统验证通过后，GPT 授权登录就完成了。
这套方式最大的好处是，不用自己手动管理 API Key，也不会把每一次调用都变成“我又烧了多少 Token”的心智负担。
四、不是“零成本”，但能明显降低焦虑
这里要说得客观一点，这种方式不是零成本。你还是会有服务器成本、少量运维成本，以及订阅账号本身的成本。但它跟传统 API 方案最大的区别在于，你不会进入“每问一句都像在计价器上跳数字”的状态。
这种使用心态的变化，比很多人想象中更重要。因为一旦你开始害怕上下文太长、推理太多、任务太复杂，AI 助手就很难真正融入你的工作流。
五、这套方案最适合哪几类人
- 想要一个 24 小时在线的个人 AI 助手。
- 想把 AI 接入微信或其他聊天入口。
- 对 API 成本敏感，不想一开始就背上调用焦虑。
- 想先把能力跑通，再考虑后续商业化和工程化升级。
六、边界也要提前说清楚
这套方式很适合个人自用、小范围使用、重体验和低心智负担的场景。但如果你要做的是大规模并发、商业产品对外服务、严格 SLA、账单归因、多模型精细化路由与监控，那最后大概率还是要回到标准 API 架构。
所以我的建议一直是，先用最省心的方式把系统跑通，再根据真实需求逐步升级。先能用、用顺手，比一开始就追求最标准的复杂方案更重要。
七、最大的感受，是让 AI 真正融入日常
这次配置完成之后，我最大的收获不是“我学会了部署”，而是更确定了一件事：决定 AI 体验的，很多时候不是模型本身，而是你怎么把它接进自己的日常工作流。
把服务放在腾讯云，是为了稳定在线；用 GPT 授权登录，是为了降低门槛和计费焦虑；接入聊天入口，是为了让调用变得像发消息一样自然。
当这些环节真的串起来之后，AI 就不再只是一个偶尔打开的网站，而开始像一个随时能响应、能帮你处理事情的助手。这才是我最满意的地方。
最后，给新手的一句建议
如果你也准备自己搭一个 AI 助手，别一开始就追求一步到位。先让它活起来，先稳定，先能用，先让自己真的愿意天天用。等用顺了，再去谈更复杂的自动化、更多模型接入、更多高级能力。
对个人用户来说，能长期稳定地用上，比理论上最完美的方案更有价值。如果你在配置过程中遇到终端报错、授权失败之类的问题，也欢迎交流，后面我也会把踩过的坑慢慢整理出来。
发表回复