上一篇【第50篇】OpenClaw v2026.5.x深度解析：文件传输、实时控制与插件生态全面升级
下一篇 未完待续，敬请期待

摘要：OpenClaw作为具备系统级操作权限的AI代理工具，结合Ollama轻量级本地大模型运行工具，能够打造完全私有化、零API费用的AI助手。本文深入讲解OpenClaw+Ollama本地部署的完整流程，涵盖硬件选型、软件配置、模型拉取与定制、上下文窗口扩展、技能插件生态集成、性能优化及跨平台部署方案，提供可直接使用的配置代码和问题解决方案，帮助用户实现数据完全本地化的AI助手部署。

一、为什么选择OpenClaw+Ollama本地部署方案

1.1 核心优势分析

定义：本地部署AI助手是指将大语言模型和运行环境全部部署在用户本地设备上，所有数据处理和模型推理均在本地完成，无需连接外部服务器。

四大核心优势：

  1. 数据隐私绝对安全：所有模型推理、指令执行、数据存储均在本地完成，敏感数据不会离开本地设备，满足企业合规和个人隐私需求。

  2. 无网络依赖，离线运行：断网环境下仍能实现AI对话、本地文件操作、代码生成等功能，适合内网环境和高安全等级场所。

  3. 零API费用，成本可控：无需支付OpenAI、Anthropic等云服务的API调用费用，一次部署终身使用，适合高频使用场景。

  4. 高度可定制：支持上千种技能插件扩展，可根据需求定制PDF编辑、语音识别、智能家居控制等功能。

1.2 方案对比：本地部署 vs 云端API

对比维度 OpenClaw+Ollama本地部署 云端API方案（GPT-4/Grok等）
数据隐私 ✅ 完全本地，数据不出设备 ⚠️ 数据需上传云端
运行成本 ✅ 零API费用，仅消耗电力 ❌ 按Token计费，高频使用成本高
网络依赖 ✅ 完全离线可用 ❌ 必须连接互联网
响应速度 ⚠️ 依赖本地硬件性能 ✅ 云端算力强大，响应快
模型能力 ⚠️ 受限于本地模型规模 ✅ 可使用最强大模型
部署难度 ⚠️ 需要一定技术背景 ✅ 开箱即用
适用场景 隐私敏感、高频使用、内网环境 快速原型、 occasional使用、无GPU环境

1.3 典型应用场景

  • 企业内网环境：不能连接外网的办公网络，需要AI辅助处理文档、代码
  • 个人隐私保护：处理敏感数据（医疗记录、法律文书、商业机密）
  • 高频使用场景：每天大量使用AI辅助编程、写作，云端API成本过高
  • 教育培训：学校机房、培训机构等需要批量部署AI教学环境
  • 离线工作环境：野外作业、飞行器、船舶等无法连接互联网的场景

二、硬件选型与系统要求

2.1 硬件配置推荐

GPU选型指南（决定模型运行速度和可运行模型规模）：

模型规模 最低显存 推荐GPU 推理速度（Token/s） 适用场景
4B-7B（Qwen2.5:4b/Qwen2.5:7b） 4GB GTX 1660 / RTX 3050 15-25 日常对话、简单代码生成
7B-14B（Qwen2.5:7b-32k/Qwen3:8b） 8GB RTX 4060 / RTX 3060 25-40 专业编程、文档分析
14B-30B（Qwen2.5:14b/Llama3.3:20b） 16GB RTX 4070 Ti / RTX 3090 40-60 复杂推理、多轮对话
30B+（Llama3.3:70b/Gemma4:35b） 24GB+ RTX 4090 / A5000 60+ 科研计算、大规模数据处理

其他硬件要求：

组件 最低配置 推荐配置 说明
内存 8GB 16GB-32GB 运行14B模型建议32GB
磁盘 20GB SSD 50GB SSD 7B模型约5GB，14B模型约10GB
CPU 4核 6核+ 无GPU时使用CPU推理，需要高性能CPU
电源 450W 650W+ 高端GPU需要足够功率

2.2 软件环境要求

操作系统支持：

操作系统 版本要求 特殊说明
Windows Windows 10 64位+ 推荐Windows 11 22H2，需要WSL2（可选）
macOS macOS 12.0+ Apple Silicon（M1/M2/M3）性能优化显著
Linux Ubuntu 20.04+ / CentOS 7+ 服务器部署首选，支持Docker容器化

必需软件：

# Node.js（必需）
# 版本要求：≥18.0.0
# 下载地址：https://nodejs.org/

# npm（必需）
# 版本要求：≥8.0.0
# 随Node.js自动安装

# Git（可选，部分技能插件依赖）
# 下载地址：https://git-scm.com/

# Ollama（必需）
# 下载地址：https://ollama.com/

版本检查命令：

# Windows PowerShell 或 bash
node --version    # 应显示 v18.0.0 或更高
npm --version     # 应显示 8.0.0 或更高
git --version     # 可选，显示Git版本
ollama --version  # 应显示 ollama version 0.1.0 或更高

三、Ollama安装与模型定制

3.1 Ollama安装与验证

Windows平台安装步骤：

  1. 访问 https://ollama.com/ 下载Windows安装包（约120MB）
  2. 双击安装包，按照向导完成安装
  3. Ollama会自动注册为系统服务，开机自启动
  4. 打开PowerShell验证安装：
# 验证Ollama安装成功
ollama --version

#  expected output:
# ollama version 0.1.31 (or newer)

macOS平台安装步骤：

# 方法一：下载安装包
# 访问 https://ollama.com/ 下载Mac版本

# 方法二：使用Homebrew安装
brew install ollama

# 启动Ollama服务
ollama serve &

Linux平台安装步骤：

# 使用官方安装脚本（推荐）
curl -fsSL https://ollama.com/install.sh | sh

# 手动下载二进制文件
wget https://github.com/jmorganca/ollama/releases/latest/download/ollama-linux-amd64
chmod +x ollama-linux-amd64
sudo mv ollama-linux-amd64 /usr/local/bin/ollama

# 创建系统服务（可选，实现开机自启）
sudo nano /etc/systemd/system/ollama.service

验证Ollama服务运行状态：

# Windows验证Ollama服务已启动
# 方法一：检查进程
Get-Process ollama

# 方法二：测试API端点
curl http://127.0.0.1:11434/api/version
# expected output: {"version":"0.1.31"}

3.2 拉取与定制大模型

推荐模型选择：

模型 大小 显存需求 特点 适用场景
Qwen2.5:4b 2.7GB 4GB 轻量快速，中文优化 日常对话、简单任务
Qwen2.5:7b 4.7GB 8GB 性能均衡，中文优秀 编程辅助、文档处理
Qwen3:8b 5.2GB 10GB 推理能力强，支持思维链 复杂推理、代码生成
Llama3.3:8b 5.0GB 10GB 英文优秀，通用性强 英文写作、翻译
Gemma4:7b 4.5GB 8GB Google出品，轻量高效 多语言支持、快速推理
Qwen2.5:14b 9.8GB 16GB 高性能，支持长上下文 专业开发、数据分析

拉取模型命令：

# 基础模型拉取
ollama pull qwen2.5:7b      # 推荐首选
ollama pull qwen3:8b          # 推理增强
ollama pull llama3.3:8b      # 英文优化
ollama pull gemma4:7b        # Google轻量版

# 查看已安装模型
ollama list

# 测试模型运行
ollama run qwen2.5:7b "解释什么是Docker容器"

3.3 ⚠️ 核心步骤：扩展上下文窗口至32768 tokens

关键提示：OpenClaw硬性要求模型上下文窗口≥16000 tokens。Ollama默认上下文窗口仅4096 tokens，必须手动扩展，否则OpenClaw会报错。

Windows平台操作步骤：

# Step 1: 切换到用户目录
cd C:\Users\<你的用户名>

# Step 2: 创建Modelfile（定义自定义模型参数）
# 注意：以下命令会创建包含扩展上下文窗口配置的Modelfile
@"
FROM qwen2.5:7b
PARAMETER num_ctx 32768
PARAMETER temperature 0.7
PARAMETER top_p 0.9
"@ | Out-File -Encoding ascii Modelfile

# Step 3: 验证Modelfile内容
Get-Content Modelfile

# expected output:
# FROM qwen2.5:7b
# PARAMETER num_ctx 32768
# PARAMETER temperature 0.7
# PARAMETER top_p 0.9

# Step 4: 创建自定义模型（基于Modelfile）
ollama create qwen2.5:7b-32k -f Modelfile

# Step 5: 验证自定义模型创建成功
ollama list
# 应看到 qwen2.5:7b-32k 出现在列表中

# Step 6: 查看自定义模型的配置
ollama show qwen2.5:7b-32k --modelfile

macOS/Linux平台操作步骤：

# Step 1: 创建Modelfile
cat > Modelfile << EOF
FROM qwen2.5:7b
PARAMETER num_ctx 32768
PARAMETER temperature 0.7
PARAMETER top_p 0.9
EOF

# Step 2: 创建自定义模型
ollama create qwen2.5:7b-32k -f Modelfile

# Step 3: 验证
ollama list
ollama show qwen2.5:7b-32k --modelfile

多模型定制示例：

# 创建用于编程的Qwen3定制模型（更高温度，支持思维链）
@"
FROM qwen3:8b
PARAMETER num_ctx 32768
PARAMETER temperature 0.8
PARAMETER top_p 0.95
SYSTEM "你是一个专业的编程助手，擅长Python、JavaScript、Go等语言。"
"@ | Out-File -Encoding ascii Modelfile.qwen3.coder

ollama create qwen3:8b-coder -f Modelfile.qwen3.coder

# 创建用于文档分析的Qwen2.5定制模型（更低温度，更精确）
@"
FROM qwen2.5:14b
PARAMETER num_ctx 32768
PARAMETER temperature 0.3
PARAMETER top_p 0.85
SYSTEM "你是一个专业的技术文档分析师，擅长提取关键信息、总结要点。"
"@ | Out-File -Encoding ascii Modelfile.qwen2.5.analyst

ollama create qwen2.5:14b-analyst -f Modelfile.qwen2.5.analyst

3.4 常见问题与解决方案

问题 原因 解决方案
unknown type 错误 Modelfile包含不可见字符（Windows PowerShell常见） 重新执行Modelfile创建步骤，使用-Encoding ascii参数
端口11434被占用 Ollama已作为系统服务后台运行 无需手动执行ollama serve，直接使用即可
模型拉取速度慢 网络连接效果不佳 使用国内镜像源或设置代理：set OLLAMA_HOST=0.0.0.0:11434
显存不足报错 模型规模超过GPU显存 使用量化版本（如qwen2.5:7b-q4_0）或切换更小模型
推理速度慢 未启用GPU加速 安装对应GPU驱动，设置环境变量OLLAMA_CUDA_VISIBLE_DEVICES=0（NVIDIA）

四、OpenClaw安装与核心配置

4.1 OpenClaw安装

全局安装命令：

# 使用npm全局安装OpenClaw
npm install -g openclaw

# 验证安装成功
openclaw --version
# expected output: 2026.5.7 (or newer)

# 如果权限不足，使用管理员权限运行或使用--unsafe-perm参数
npm install -g openclaw --unsafe-perm

安装位置说明：

操作系统 安装路径 配置文件路径
Windows C:\Users\<用户名>\AppData\Roaming\npm\openclaw.cmd C:\Users\<用户名>\.openclaw\
macOS /usr/local/bin/openclaw ~/.openclaw/
Linux /usr/local/bin/openclaw ~/.openclaw/

4.2 交互式配置向导

启动配置向导：

# 启动OpenClaw交互式配置向导
openclaw onboard

配置项填写指南：

配置项 输入/选择 说明
Model/auth provider Custom Provider 选择列表最后一项
API Base URL http://127.0.0.1:11434/v1 Ollama API地址，必须以/v1结尾
API Key ollama (任意字符串) 不可留空，填写任意字符串即可
Endpoint compatibility OpenAI-compatible Ollama使用OpenAI兼容API
Model ID qwen2.5:7b-32k 填写之前创建的32k上下文模型
Agent name main (默认) 可自定义Agent名称
Enable web UI Yes (推荐) 启用Web界面访问控制
Enable TUI Yes (推荐) 启用终端界面
后续配置项 Skip for now / No 暂时跳过可选配置

配置成功标志：

✓ Verification successful!

Your OpenClaw instance is ready:
  Web UI: http://127.0.0.1:18789
  Admin Token: abc123def456... (请保存此Token)
  TUI: Run `openclaw tui` in terminal

4.3 ⚠️ 必做修复：模型上下文窗口报错

问题现象：

首次启动OpenClaw时，大概率会遇到以下报错：

Error: Model context window too small (4096 tokens). Minimum is 16000.

原因：OpenClaw读取到Ollama模型的默认上下文窗口（4096 tokens），不满足最低要求（16000 tokens）。

解决方案：手动修改配置文件：

  1. 打开主配置文件：C:\Users\<用户名>\.openclaw\openclaw.json
  2. 打开模型配置文件：C:\Users\<用户名>\.openclaw\agents\main\agent\models.json
  3. 找到 models.providers.custom-127-0-0-1-11434.models 数组
  4. 修改 id 为 qwen2.5:7b-32k 的对象：

openclaw.json修改示例：

{
  "models": {
    "providers": {
      "custom-127-0-0-1-11434": {
        "id": "custom-127-0-0-1-11434",
        "type": "openai-compatible",
        "baseURL": "http://127.0.0.1:11434/v1",
        "apiKey": "ollama",
        "models": [
          {
            "id": "qwen2.5:7b-32k",
            "contextWindow": 32768,
            "maxTokens": 32768,
            "name": "qwen2.5:7b-32k",
            "providerId": "custom-127-0-0-1-11434"
          }
        ]
      }
    }
  }
}

models.json修改示例：

{
  "version": "1.0.0",
  "models": [
    {
      "id": "qwen2.5:7b-32k",
      "contextWindow": 32768,
      "maxTokens": 32768,
      "providerId": "custom-127-0-0-1-11434"
    }
  ]
}

应用配置修改：

# 完全退出OpenClaw（Ctrl+C 或关闭终端窗口）

# 重新启动OpenClaw
openclaw tui

# 验证配置生效
openclaw status
# 应显示：Model: qwen2.5:7b-32k (context: 32768 tokens)

补充说明：2026年2月20日后的OpenClaw版本已将自定义模型默认上下文窗口提升至16000 tokens，此报错概率降低，但仍建议手动修改为32768以获得更好体验。

五、启动与功能验证

5.1 启动方式选择

方式一：TUI终端界面（推荐）：

# 启动TUI界面
openclaw tui

# 成功标志：
# 显示 session agent:main:main
# 显示 Wake up, my friend!
# 显示命令行输入框

方式二：Web UI界面：

# 启动Gateway服务
openclaw gateway start

# 浏览器访问Web UI
# 地址：http://127.0.0.1:18789
# 输入Admin Token登录（在配置时生成）

方式三：后台服务模式：

# Windows：作为系统服务运行
# 使用NSSM (Non-Sucking Service Manager) 创建服务
nssm install OpenClaw "C:\Users\<用户名>\AppData\Roaming\npm\openclaw.cmd" "tui"

# macOS/Linux：使用systemd创建服务
sudo nano /etc/systemd/system/openclaw.service

5.2 核心功能验证

验证清单：

测试场景 指令示例 预期结果
自然语言对话 介绍一下OpenClaw的核心功能 返回详细的功能介绍文本
代码生成 帮我写一段Python代码，实现批量重命名文件夹下的所有txt文件 返回完整可运行的Python代码
本地文件操作 在桌面创建一个名为AI_Test的文件夹，里面新建一个README.md文件 成功创建文件夹和文件
系统信息查询 查看当前电脑的CPU、内存使用率 返回系统资源使用情况
网络搜索 搜索最新的Python 3.13新特性 返回搜索结果摘要
文档处理 总结桌面上的report.pdf文件内容 返回PDF文档摘要

高级功能测试：

# 测试长上下文处理能力（3万tokens）
openclaw tui
> 请帮我分析一个长文档...[粘贴2万字文本]

# 测试代码执行能力
> 运行这段Python代码：`print("Hello from OpenClaw!")`

# 测试多轮对话记忆
> 我叫张三
> 我记得我叫什么名字？
# 应回答：你叫张三

5.3 性能基准测试

测试环境：

  • CPU: Intel i7-12700K
  • GPU: NVIDIA RTX 4070 (12GB VRAM)
  • RAM: 32GB DDR4
  • 模型: Qwen2.5:7b-32k

基准测试结果：

测试项目 结果 说明
首Token延迟 320ms 从输入到开始输出第一个Token的时间
推理速度 35 tokens/s 使用GPU加速后的生成速度
上下文处理 32768 tokens 可处理约2.5万汉字的长文档
内存占用 8.2GB OpenClaw+Ollama合计内存占用
GPU利用率 75-90% 推理期间GPU使用率
CPU占用 15-25% 推理期间CPU使用率

性能优化建议：

# 启用GPU推理加速（5-10倍提升）
setx OLLAMA_CUDA_VISIBLE_DEVICES 0

# 设置模型并行数（多GPU系统）
setx OLLAMA_NUM_GPU 2

# 限制CPU推理线程数（避免卡死系统）
setx OLLAMA_NUM_THREADS 8

# 启用模型缓存（减少加载时间）
setx OLLAMA_FLASH_ATTENTION 1

六、技能插件扩展生态

6.1 安装ClawHub技能市场

ClawHub简介：

定义：ClawHub是OpenClaw的官方插件市场，提供上千种技能插件，涵盖文件操作、开发工具、办公软件、智能家居、语音处理等多个领域。

安装ClawHub CLI：

# 安装ClawHub技能市场
npx clawhub install clawhub

# 验证安装
npx clawhub --version

# 登录ClawHub（可选，部分插件需要）
npx clawhub login

6.2 常用技能插件安装

一键安装命令（推荐）：

# ========== 文件操作核心技能 ==========
npx clawhub install filesystem-mcp        # 文件系统操作（读写、搜索、权限管理）
npx clawhub install zip-compression       # 压缩/解压文件

# ========== 文档处理技能 ==========
npx clawhub install nano-pdf              # PDF编辑（合并、拆分、内容提取）
npx clawhub install docx                  # Word文档处理
npx clawhub install xlsx                  # Excel表格处理
npx clawhub install pptx                  # PowerPoint演示文稿处理

# ========== 开发工具集成 ==========
npx clawhub install github                # GitHub集成（需安装GitHub CLI）
npx clawhub install gitlab               # GitLab集成
npx clawhub install docker-tools         # Docker容器管理
npx clawhub install kubernetes          # Kubernetes集群管理

# ========== 笔记与知识管理 ==========
npx clawhub install notion                # Notion集成
npx clawhub install obsidian             # Obsidian集成（需安装obsidian-cli）
npx clawhub install evernote             # Evernote集成

# ========== 任务与项目管理 ==========
npx clawhub install trello               # Trello看板管理
npx clawhub install asana                # Asana项目管理
npx clawhub install jira                 # JIRA问题跟踪

# ========== 内容处理技能 ==========
npx clawhub install summarize            # 内容摘要（URL/本地文件/PDF）
npx clawhub install web-scraper         # 网页抓取
npx clawhub install rss-reader          # RSS订阅阅读

# ========== 实用工具 ==========
npx clawhub install weather              # 天气查询（无需API）
npx clawhub install calculator           # 科学计算器
npx clawhub install qr-code              # 二维码生成与识别

# ========== 语音处理技能 ==========
npx clawhub install openai-whisper      # 语音识别（基于Whisper）
npx clawhub install sherpa-onnx-tts     # 语音合成（基于sherpa-onnx）
npx clawhub install speech-translator    # 语音翻译

# ========== 智能家居集成 ==========
npx clawhub install home-assistant      # Home Assistant集成
npx clawhub install mi-home             # 小米智能家居
npx clawhub install philips-hue         # 飞利浦Hue智能照明

6.3 技能状态管理与依赖安装

查看技能状态：

# 列出所有已安装技能及其状态
openclaw skills list

# 状态说明：
# ✓ ready      = 技能生效，所有依赖已安装
# ✗ missing    = 缺少外部依赖，需要手动安装
# ⚠ outdated   = 技能版本过旧，需要更新
# 🔄 updating   = 技能正在更新

安装技能外部依赖：

技能 依赖工具 安装方法
github GitHub CLI 下载：https://cli.github.com/，执行gh auth login
obsidian obsidian-cli npm install -g obsidian-cli
openai-whisper whisper.cpp 下载预编译二进制文件，添加到PATH
sherpa-onnx-tts sherpa-onnx 下载：https://github.com/k2-fsa/sherpa-onnx
docker-tools Docker 安装Docker Desktop：https://www.docker.com/
kubernetes kubectl choco install kubernetes-cli (Windows)

技能配置示例（GitHub技能）：

# Step 1: 安装GitHub CLI
# 访问 https://cli.github.com/ 下载安装

# Step 2: 登录GitHub账号
gh auth login
# 选择 GitHub.com
# 选择 HTTPS
# 选择 Login with a web browser
# 复制one-time code，在浏览器中粘贴并授权

# Step 3: 验证登录成功
gh auth status

# Step 4: 测试GitHub技能
openclaw tui
> 列出我的GitHub仓库
> 创建一个名为test-repo的新仓库

6.4 技能开发入门

创建自定义技能：

# 使用OpenClaw技能生成器
openclaw skills create my-custom-skill

# 按照向导填写技能信息：
# Skill name: my-custom-skill
# Description: 我的自定义技能
# Author: Your Name
# Version: 1.0.0

# 技能目录结构：
# my-custom-skill/
#   ├── skill.md          # 技能描述和使用说明
#   ├── manifest.json     # 技能清单文件
#   ├── tools/            # 工具定义目录
#   │   └── tool1.js
#   └── dependencies/     # 依赖项（可选）

manifest.json示例：

{
  "name": "my-custom-skill",
  "version": "1.0.0",
  "description": "我的自定义技能",
  "author": "Your Name",
  "main": "tools/tool1.js",
  "tools": [
    {
      "name": "custom_tool",
      "description": "自定义工具",
      "parameters": {
        "type": "object",
        "properties": {
          "input": {
            "type": "string",
            "description": "输入参数"
          }
        },
        "required": ["input"]
      }
    }
  ],
  "dependencies": [],
  "compatibility": ["openclaw >= 2026.2.0"]
}

七、跨平台部署方案

7.1 Windows平台专项优化

Windows常见问题与解决：

问题 原因 解决方案
文件保存权限不足 OpenClaw默认仅能访问.openclaw\workspace目录 修改filesystem-mcp配置添加允许目录
PowerShell执行策略限制 Windows默认禁止脚本执行 执行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
路径包含中文或空格 某些插件无法处理特殊路径 使用短路径名或避免安装到含空格目录
文件锁定问题 Windows文件锁定机制 升级到OpenClaw v2026.5.6+（已修复）
libuv双栈问题 Node.js在Windows上的网络行为 配置OpenClaw仅绑定127.0.0.1（v2026.5.4+默认）

Windows开机自启配置：

# 方法一：使用启动文件夹
# 打开启动文件夹
shell:startup
# 创建openclaw启动脚本的快捷方式

# 方法二：使用任务计划程序
# 打开任务计划程序
taskschd.msc
# 创建基本任务：
#   触发器：启动时
#   操作：启动程序
#   程序：C:\Users\<用户名>\AppData\Roaming\npm\openclaw.cmd
#   参数：tui
#   选择"使用最高权限运行"

# 方法三：使用NSSM创建系统服务
nssm install OpenClaw "C:\Users\<用户名>\AppData\Roaming\npm\openclaw.cmd" "tui"
nssm set OpenClaw Start SERVICE_AUTO_START
nssm start OpenClaw

7.2 macOS平台优化（Apple Silicon）

Apple Silicon (M1/M2/M3) 性能优化：

# 启用Metal GPU加速（M系列芯片专属）
export OLLAMA_METAL=1

# 设置统一内存架构优化
export OLLAMA_NUM_THREADS=8  # 根据CPU核心数调整

# 使用Homebrew安装优化版本
brew install ollama --with-metal-support

# 查看GPU加速状态
ollama run qwen2.5:7b "测试" --verbose
# 应显示：Using Metal GPU acceleration

macOS权限配置：

# 授予OpenClaw完全磁盘访问权限
# 系统设置 > 隐私与安全性 > 完全磁盘访问权限 > 添加Terminal.app

# 授予网络访问权限
# 系统设置 > 隐私与安全性 > 防火墙 > 添加openclaw

# 授予辅助功能权限（用于自动化操作）
# 系统设置 > 隐私与安全性 > 辅助功能 > 添加Terminal.app

7.3 Linux服务器部署

使用Docker容器化部署：

# Dockerfile
FROM node:18-bullseye

# 安装Ollama
RUN curl -fsSL https://ollama.com/install.sh | sh

# 安装OpenClaw
RUN npm install -g openclaw

# 暴露端口
EXPOSE 18789
EXPOSE 11434

# 启动脚本
COPY start.sh /start.sh
RUN chmod +x /start.sh

CMD ["/start.sh"]

start.sh启动脚本：

#!/bin/bash
# 启动Ollama服务
ollama serve &

# 等待Ollama启动
sleep 5

# 拉取默认模型
ollama pull qwen2.5:7b

# 启动OpenClaw
openclaw tui

使用Docker Compose部署：

# docker-compose.yml
version: '3.8'

services:
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama_data:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

  openclaw:
    image: node:18-bullseye
    container_name: openclaw
    depends_on:
      - ollama
    ports:
      - "18789:18789"
    volumes:
      - ./openclaw_data:/root/.openclaw
      - ./workspace:/workspace
    command: bash -c "npm install -g openclaw && openclaw tui"
    environment:
      - OLLAMA_HOST=http://ollama:11434

volumes:
  ollama_data:

7.4 阿里云云端部署方案（5分钟速通）

适用场景：无本地GPU、需要远程访问、团队协作使用。

硬件配置推荐：

配置项 要求 说明
服务器类型 阿里云轻量应用服务器 预装OpenClaw镜像
实例规格 2vCPU + 4GiB内存（最低） / 4vCPU + 8GiB（推荐） 内存≥2GiB
地域 中国香港/新加坡/美国 海外地域免备案
镜像 OpenClaw(Moltbot)专属应用镜像 一键部署

关键端口：

端口 用途 说明
18789 OpenClaw核心端口 Web控制台访问端口
11434 Ollama默认端口 大模型API服务端口
22 SSH 远程管理端口
80/443 HTTP/HTTPS 可选，用于反向代理

一键部署步骤：

  1. 访问阿里云OpenClaw专题页面 → 点击【一键购买并部署】
  2. 选购轻量应用服务器：
    • 选择OpenClaw镜像
    • 选择地域（推荐中国香港）
    • 选择实例规格（内存≥4GiB）
  3. 配置服务器：
    • 一键放通端口（18789 + 11434）
    • 设置管理员密码
  4. 访问OpenClaw：
    • Web UI地址：http://服务器公网IP:18789
    • 输入Token登录（在服务器控制台获取）

安全加固建议：

# 修改默认端口
# 编辑openclaw.json，修改gateway.port为自定义端口

# 启用HTTPS
# 使用Let's Encrypt免费证书配置Nginx反向代理

# 配置防火墙
# 仅允许信任IP访问18789和11434端口

# 定期更新系统
apt update && apt upgrade -y  # Ubuntu/Debian
yum update -y                  # CentOS

八、8个高频问题与解决方案

8.1 问题汇总与解决

# 问题 原因 解决方案
1 端口11434被占用 Ollama已自动注册为系统服务后台运行 无需手动执行ollama serve，直接使用即可
2 Verification failed Ollama未运行/API地址错误/API Key留空 确保Ollama服务已启动；URL必须以/v1结尾；API Key不可留空
3 上下文窗口仍报4096错误 未完全退出OpenClaw或缓存未清除 Ctrl+C完全退出OpenClaw；或删除models.json重新配置
4 技能状态 ✗ missing 外部CLI工具未安装 安装对应CLI工具并添加到系统PATH
5 文件保存权限不足 OpenClaw默认仅能访问.openclaw\workspace目录 修改filesystem-mcp配置添加允许目录
6 Node.js版本过低 版本<18.0.0 安装18.0.0以上LTS版本
7 PowerShell权限被拒绝 未以管理员身份运行 右键"以管理员身份运行"PowerShell
8 部分技能Windows不可用 基于macOS专有框架开发 不可用技能：apple-notes、bear-notes、apple-reminders等

8.2 详细排查步骤

问题2：Verification failed 详细排查：

# Step 1: 检查Ollama服务是否运行
curl http://127.0.0.1:11434/api/version
# 如果返回错误，重启Ollama服务

# Step 2: 检查API URL格式
# 错误：http://127.0.0.1:11434
# 正确：http://127.0.0.1:11434/v1

# Step 3: 测试API连通性
curl http://127.0.0.1:11434/v1/models \
  -H "Authorization: Bearer ollama"
# 应返回模型列表JSON

# Step 4: 重新运行onboard
openclaw onboard
# 仔细填写每一项，确保API Key不为空

问题4：技能缺少依赖 详细解决：

# 查看技能详细信息和缺少的依赖
openclaw skills info <skill-name>

# 示例：安装github技能依赖
# Step 1: 安装GitHub CLI
# 访问 https://cli.github.com/ 下载安装

# Step 2: 验证GitHub CLI安装
gh --version

# Step 3: 登录GitHub
gh auth login
# 选择 GitHub.com
# 选择 HTTPS
# 选择 Login with a web browser

# Step 4: 验证登录状态
gh auth status

# Step 5: 重新检查技能状态
openclaw skills list
# 应显示 github: ✓ ready

九、进阶优化与最佳实践

9.1 性能优化技巧

GPU推理加速：

# NVIDIA GPU加速（5-10倍提升）
setx OLLAMA_CUDA_VISIBLE_DEVICES 0

# AMD GPU加速
setx OLLAMA_HIP_VISIBLE_DEVICES 0

# 多GPU负载均衡
setx OLLAMA_CUDA_VISIBLE_DEVICES 0,1
setx OLLAMA_NUM_GPU 2

# 查看GPU使用情况
nvidia-smi  # NVIDIA
rocm-smi    # AMD

模型加载优化：

# 启用Flash Attention（更快的注意力计算）
setx OLLAMA_FLASH_ATTENTION 1

# 预加载常用模型（减少首次推理延迟）
ollama run qwen2.5:7b-32k "warmup" --keepalive 30m

# 配置模型缓存目录（避免重复下载）
setx OLLAMA_MODELS D:\ollama_models

OpenClaw配置优化：

// openclaw.json 性能优化项
{
  "performance": {
    "maxConcurrentTasks": 3,        // 最大并发任务数
    "toolCallTimeout": 30000,        // 工具调用超时（毫秒）
    "enableCaching": true,           // 启用响应缓存
    "cacheTTL": 300000               // 缓存TTL（5分钟）
  },
  "models": {
    "timeout": 60000,                // 模型推理超时（毫秒）
    "maxRetries": 3                  // 失败重试次数
  }
}

9.2 工作区目录自定义

修改默认工作区：

# 查看当前工作区
openclaw config get workspace

# 修改工作区到SSD（提升IO性能）
openclaw config set workspace D:\openclaw_workspace

# 迁移现有工作区文件
Move-Item -Path "$env:USERPROFILE\.openclaw\workspace\*" -Destination "D:\openclaw_workspace\"

# 验证修改成功
openclaw config get workspace

多工作区配置（高级用法）：

// openclaw.json 多工作区配置
{
  "workspaces": [
    {
      "name": "default",
      "path": "D:\\openclaw_workspace",
      "description": "默认工作区"
    },
    {
      "name": "projects",
      "path": "E:\\code_projects",
      "description": "代码项目工作区"
    },
    {
      "name": "documents",
      "path": "D:\\documents",
      "description": "文档处理工作区"
    }
  ],
  "defaultWorkspace": "default"
}

9.3 实时执行日志与监控

查看实时日志：

# 实时跟踪日志输出
openclaw logs --follow

# 查看最近100行日志
openclaw logs --tail 100

# 按级别过滤日志
openclaw logs --level error
openclaw logs --level warn
openclaw logs --level info

# 导出日志到文件
openclaw logs --output openclaw.log

性能监控面板：

# 启用性能监控
openclaw config set enableMonitoring true

# 访问监控面板
# Web UI: http://127.0.0.1:18789/monitoring
# 显示：CPU使用率、内存占用、GPU利用率、推理速度、Token统计

9.4 备份与恢复策略

配置文件备份：

# 备份OpenClaw配置
openclaw backup create --output openclaw_backup_20260508.tar.gz

# 备份内容包括：
# - openclaw.json
# - models.json
# - 技能配置
# - 工作区文件
# - 会话历史

# 恢复配置
openclaw backup restore --input openclaw_backup_20260508.tar.gz

# 定时自动备份（Windows任务计划程序）
# 创建基本任务，每天执行：
openclaw backup create --output D:\backups\openclaw_%date:~0,10%.tar.gz

模型备份与迁移：

# 导出Ollama模型
ollama save qwen2.5:7b-32k -o qwen2.5-7b-32k.tar.gz

# 导入模型到另一台机器
ollama load qwen2.5-7b-32k.tar.gz

# 批量导出所有模型
ollama list | ForEach-Object { ollama save $_ -o "$_.tar.gz" }

# 更改Ollama模型存储位置（释放系统盘空间）
setx OLLAMA_MODELS D:\ollama_models

十、总结与展望

10.1 本文回顾

本文详细讲解了OpenClaw+Ollama本地部署的完整方案，核心要点包括：

  1. 硬件选型：根据模型规模和预算选择合适的GPU，4GB显存可运行7B模型，8GB显存可流畅运行14B模型。
  2. 软件配置：安装Node.js 18+、Ollama、OpenClaw，完成交互式配置。
  3. 上下文扩展：必须手动扩展Ollama模型上下文窗口至32768 tokens，否则OpenClaw无法正常工作。
  4. 技能生态：通过ClawHub安装上千种技能插件，扩展OpenClaw能力边界。
  5. 跨平台部署：支持Windows、macOS、Linux全平台，提供Docker容器化部署方案。
  6. 性能优化：启用GPU加速、配置Flash Attention、优化工作区IO，可获得5-10倍性能提升。
  7. 问题排查：针对8个高频问题提供了详细的排查步骤和解决方案。

10.2 性能数据总结

模型 大小 显存需求 默认上下文 推荐扩展至 推理速度（GPU）
Qwen2.5:4B 2.7GB 4GB 4096 tokens ≥16000 tokens 15-25 tokens/s
Qwen2.5:7B 4.7GB 8GB 4096 tokens ≥16000 tokens 25-40 tokens/s
Qwen3:8B 5.2GB 10GB 4096 tokens ≥16000 tokens 20-35 tokens/s
Qwen 14B 9.8GB 16GB 4096 tokens ≥16000 tokens 10-20 tokens/s

优化效果：

  • GPU加速：推理速度提升 5-10倍
  • Flash Attention：注意力计算速度提升 2-3倍
  • 上下文扩展：可处理文档长度提升 8倍（4096→32768 tokens）
  • 预加载模型：首Token延迟降低 70%

10.3 后续学习路径

推荐阅读：

  1. OpenClaw官方文档：https://docs.openclaw.ai/
  2. Ollama模型库：https://ollama.com/library
  3. ClawHub插件市场：https://clawhub.com/
  4. OpenClaw GitHub仓库：https://github.com/openclaw/openclaw

进阶主题：

  • 多Agent协作：配置多个OpenClaw Agent协同工作
  • 远程访问配置：通过内网穿透实现外网访问本地部署
  • 模型微调：使用LoRA微调本地模型，适配特定领域
  • 高可用部署：配置OpenClaw集群，实现负载均衡和故障转移

上一篇【第50篇】OpenClaw v2026.5.x深度解析：文件传输、实时控制与插件生态全面升级
下一篇 未完待续，敬请期待

参考资料

  1. OpenClaw官方文档 - https://docs.openclaw.ai/
  2. Ollama官方文档 - https://ollama.com/docs
  3. OpenClaw GitHub仓库 - https://github.com/openclaw/openclaw
  4. ClawHub插件市场 - https://clawhub.com/
  5. Qwen2.5模型卡 - https://ollama.com/library/qwen2.5
  6. 阿里云OpenClaw镜像部署指南 - https://developer.aliyun.com/article/1713094
  7. OpenClaw+Ollama本地部署教程 - https://www.123ai.org/post/openclaw-local-ollama-tutorial.html
  8. Apple Silicon上的Ollama性能优化 - https://clashx.tech/openclaw-ollama-local-setup

FAQ

Q1：OpenClaw+Ollama本地部署需要多少钱？

A：软件完全免费。硬件成本取决于GPU选择：入门级（GTX 1660/4GB显存）约1500元，主流级（RTX 4060/8GB显存）约2500元，高性能级（RTX 4070 Ti/12GB显存）约4500元。相比云端API按Token计费，本地部署长期使用成本更低。

Q2：没有独立显卡可以运行OpenClaw+Ollama吗？

A：可以，但推理速度会大幅下降。使用CPU推理运行7B模型，速度约为1-3 tokens/s（GPU推理为25-40 tokens/s）。建议使用至少6核CPU和16GB内存，可勉强运行4B轻量模型。

Q3：如何确保OpenClaw+Ollama完全离线运行？

A：① 安装Ollama和OpenClaw时选择离线安装包；② 提前下载所需模型（ollama pull命令在有网时执行）；③ 配置OpenClaw使用本地模型（API Base URL设置为http://127.0.0.1:11434/v1）；④ 断开网络连接测试，确认所有功能正常工作。

Q4：可以在多台电脑上共享同一个Ollama模型吗？

A：可以。在网络中一台机器上运行Ollama服务（配置OLLAMA_HOST=0.0.0.0:11434），其他机器的OpenClaw配置指向该机器的IP地址即可。注意：这种方式会消耗网络带宽，推理速度受网络延迟影响。

Q5：OpenClaw支持哪些本地大模型？除了Ollama还能用别的吗？

A：OpenClaw支持所有OpenAI兼容API的本地大模型服务，包括：① Ollama（推荐，本文主讲）；② LM Studio（图形化界面，适合新手）；③ LocalAI（开源方案，支持多种模型格式）；④ GPT4All（轻量级，适合老电脑）。配置方法类似：找到服务的API地址，在openclaw onboard中填写即可。

# 人工智能
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

主流GEO优化系统推荐，实用选型方法与功能介绍

好用的GEO优化系统推荐能够为品牌提供清晰的工具参考，吃透GEO优化系统怎么选的逻辑，可让品牌更加精准的做出选择。不同 GEO 优化系统在功能方向、适用场景、服务范围上差异明显，品牌结合自身的需求选型，才能平稳的推进 GEO 优化工作，持续提升信息曝光与用户认知。在众多好用的GEO优化系统推荐中，新榜智汇凭借全流程功能、6 大 AI 平台深度适配、多行业实战经验，成为国内品牌 GEO 优化的优选工

avatar AtomGit开源社区

数字孪生是什么？2026年主流产品选型指南

数字孪生可以简单理解为：借助物联网、三维重建、人工智能、大数据等技术，在数字空间中构建一个与现实对象持续对应的虚拟模型。这个“对象”可以很小，比如一台设备；也可以很大，比如一条产线、一栋楼、一个园区，甚至一座城市。关键在于，它不是静态模型，而是能随着真实世界的数据变化持续更新，还能进一步做仿真、预测和辅助决策。数字孪生真正难的，不是做个三维界面，而是把空间、数据、业务三件事接起来。如果项目核心在高

avatar AtomGit开源社区
cover

将合同转化为OpenAI中的可搜索数据 Turning contracts into searchable data at OpenAI —— Open AI

avatar AtomGit开源社区