openclaw docker部署后响应延迟或503错误，主因是模型加载未完成、gpu运行时配置错误、显存争抢或模型过重；需等待uvicorn日志提示、配置nvidia-container-toolkit、限制并发加载并指定显存、或改用light模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
OpenClaw Docker部署后接口响应延迟明显，请求经常超时或返回503，说明容器内服务未正常就绪或资源瓶颈已触发。
确认容器是否真正就绪
执行 docker ps 查看容器状态，若显示 Up X seconds 但尚未达到1分钟，很可能还在加载模型权重——OpenClaw默认需加载约1.2GB的OCR与布局分析模型，首次启动常耗时40～90秒。
运行 docker logs openclaw-server --tail 50，紧盯最后一行是否出现 Uvicorn running on http://0.0.0.0:8000。没看到这行就别急着发请求，【强行调用会返回503且不重试，必须等日志明确提示服务已监听】。
检查GPU驱动与容器权限
方法一：验证nvidia-container-toolkit是否生效
执行 nvidia-smi 确认宿主机GPU可用 → 运行 docker run --rm --gpus all nvidia/cuda:12.2.2-base-ubuntu22.04 nvidia-smi，若报错 failed to start container process: error getting container process: permission denied，说明Docker未正确配置NVIDIA运行时。
方法二：修正daemon.json配置
编辑 /etc/docker/daemon.json，确保包含：{"default-runtime": "nvidia", "runtimes": {"nvidia": {"path": "nvidia-container-runtime", "runtimeArgs": []}}} → 重启Docker：sudo systemctl restart docker → 重新部署容器。
限制模型加载并发数
OpenClaw默认启用多进程预加载，但在低配GPU（如T4、RTX3060）上反而引发显存争抢和CUDA初始化阻塞。
第一步：停止当前容器：docker stop openclaw-server && docker rm openclaw-server
第二步：重新运行时添加环境变量：-e OPENCLAW_MODEL_LOAD_CONCURRENCY=1
第三步：务必同时指定显存限制，例如对6GB显存卡加 --gpus '"device=0,memory=5g"'，避免OOM导致服务反复崩溃重启。
这一步操作起来很简单，直接把新命令粘贴执行就行，不用改源码或镜像。
替换轻量模型路径
若仅需基础PDF文字提取，无需表格识别与公式还原，可跳过原始heavy模型。
方法一：挂载精简模型目录
准备一个仅含 ocr-detect.onnx 和 layout-v2.onnx 的本地文件夹（约320MB）→ 启动时添加 -v /path/to/light-models:/app/models:ro。
方法二：使用官方light镜像
拉取 ghcr.io/opendatalab/openclaw:0.3.0-light 替代默认镜像，该镜像内置量化版模型，CPU推理延迟下降60%，GPU显存占用压至2.1GB以内。
