本地部署OpenClaw(龙虾)的全攻略

目录

• 1. 引言
• 2. OpenClaw核心认知
• 2.1 技术架构
• 2.2 OpenClaw与模型的关系
• 3. 本地部署OpenClaw
• 3.1 硬件与系统要求
• 3.2 部署前置准备
• 3.3 三种安装方式
• 方式一：官方一键脚本安装（强烈推荐新手）
• 方式二：npm全局安装（适合已有Node.js环境的开发者）
• 方式三：Windows一键部署包（零代码操作，适合纯小白）
• 3.4 初始配置：Onboard向导
• 3.5 验证部署成功
• 4. 如何使用OpenClaw
• 4.1 配置文件核心解读
• 4.2 三种模型切换模式
• 4.3 使用自然语言执行任务
• 5. 如何选择模型
• 5.1 选型全景图
• 5.2 云端模型推荐
• 最优推荐：Kimi K2.5（工具调用能力最强）
• 代码生成首选：DeepSeek V3.2
• 中文办公首选：GLM-5
• 5.3 本地私有化模型（数据隐私优先）
• 方案一：Ollama + OpenClaw（最受欢迎组合）
• 方案二：LM Studio + Qwen3.5
• 5.4 官方推荐模型与配置方案
• 6. 常见问题速查
• Q1：遇到“Node.js版本不匹配”怎么办？
• Q2：Gateway启动失败（端口冲突）怎么办？
• Q3：浏览器自动化无法启动怎么办？
• Q4：提示“上下文容量不足”怎么办？
• 7. 总结

在2026年的AI智能体浪潮中，OpenClaw（曾用名Clawdbot/Moltbot，社区昵称“龙虾”）无疑是GitHub上最受关注的开源项目之一，GitHub星标已超过30.9万颗，登顶多个开源榜单。与传统的AI对话工具不同，OpenClaw是一个“连接”框架——它将大模型的思考能力与电脑的真实操作权限连接起来，通过自然语言指令实现浏览器控制、文件操作、Shell命令执行等全场景自动化，真正让AI从“对话生成”走向“闭环执行”。

本文你将收获：

• 理解OpenClaw的核心架构与工作原理
• 完成OpenClaw的完整本地部署（Windows/macOS/Linux）
• 掌握配置文件修改与模型切换方法
• 学会根据场景选择最适合的AI模型

OpenClaw采用四层架构设计，各层功能边界清晰：

OpenClaw本身不包含任何AI模型。 它的核心价值在于“连接”——连接大模型的思考能力与电脑的真实操作权限。就像一个机器人有了身体（OpenClaw提供执行能力），但还需要大脑（AI模型提供思考和决策能力）。因此，你的OpenClaw用得好不好，很大程度上取决于你给它配了什么模型。

组件	最低要求	推荐配置
操作系统	Windows 10+/macOS 12+/Ubuntu 22.04	Windows 11 / Ubuntu 24.04
CPU	2核（支持SSE4.2）	4核+（支持AVX2）
内存	2GB	8GB+（复杂任务/大模型推理）
磁盘空间	10GB	20GB+（含模型文件）
Node.js	≥ v22.0.0	v22.16.0+
GPU（可选）	—	NVIDIA 8GB+显存（本地模型推理）

Windows用户注意：官方明确建议通过WSL2（Windows Subsystem for Linux）方式安装，而非原生Windows环境，以获得更好的兼容性和稳定性。如果坚持原生Windows，请确保以管理员权限运行所有命令。

安装Node.js 22.x：

# Linux/macOS（推荐使用nvm）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 22
nvm use 22
# 或使用官方安装包
# Node.js >= v22.0.0，推荐v22.16.0

Windows用户：

1. 务必使用纯英文路径安装（如 D:OpenClaw），禁用中文、空格和特殊字符
2. 运行前彻底关闭所有安全防护软件（360、火绒、Windows Defender实时防护等），防止误判拦截
3. 推荐使用7-Zip或WinRAR解压安装包，避免使用Windows自带解压工具

Windows（PowerShell 管理员）：

# 国际版
iwr -useb https://openclaw.ai/install.ps1 | iex
# 国内加速镜像
iwr -useb https://open-claw.org.cn/install-cn.ps1 | iex

macOS/Linux/WSL2：

# 国际版
curl -fsSL https://openclaw.ai/install.sh | bash
# 国内加速镜像
curl -fsSL https://open-claw.org.cn/install-cn.sh | bash

安装脚本会自动检测系统环境，安装Node.js（如需要），然后通过npm全局安装OpenClaw。

# 国际源
npm install -g openclaw@latest
# 国内镜像加速（推荐）
npm install -g openclaw@latest --registry=https://registry.npmmirror.com

验证安装：

openclaw --version

前往官方镜像源获取OpenClaw Windows一键部署包（约361MB），下载后使用WinRAR/7-Zip解压到纯英文目录，双击 Openclaw Windows 一键启动.exe 即可自动安装——程序会自动检测并安装Git、Node.js、Python等依赖，部署OpenClaw核心项目文件，整个过程约3-5分钟。若弹出Windows SmartScreen提示，点击「更多信息」→「仍要运行」即可。

安装完成后运行引导程序完成初始配置：

openclaw onboard --install-daemon

向导会依次引导完成：

1. 选择安装位置（默认 ~/.openclaw/）
2. 选择AI供应商（支持Anthropic Claude、OpenAI GPT、Ollama等）
3. 配置API Key
4. 连接聊天平台（Telegram、Discord、WhatsApp等，可选）
5. 健康检查与自动验证

Gateway默认端口：OpenClaw的Web控制台默认监听 18789 端口。访问 http://127.0.0.1:18789 即可打开可视化界面。

# 查看Gateway状态
openclaw gateway status

# 健康检查
curl -s http://127.0.0.1:18789/health | python3 -m json.tool
# 正常输出应包含 "status": "ok"

# 查看实时日志
openclaw logs --follow --level info

OpenClaw的模型配置通过一个JSON文件完成，核心配置文件位于：

• macOS/Linux：~/.openclaw/openclaw.json
• Windows：C:Users你的用户名.openclawopenclaw.json
• 多Agent配置：~/.openclaw/agents/main/agent/auth-profiles.json

核心配置结构如下：

{
  "models": {
    "providers": {
      "本地Ollama": {
        "baseUrl": "http://localhost:11434",
        "api": "ollama",
        "models": [
          { "id": "qwen2.5:7b", "name": "Qwen2.5 7B" }
        ]
      },
      "阿里云百炼": {
        "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "apiKey": "sk-你的阿里云API-Key",
        "models": [
          { "id": "qwen-max", "name": "Qwen-Max" }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "本地Ollama/qwen2.5:7b",
        "fallback": "阿里云百炼/qwen-max"
      }
    }
  }
}

OpenClaw支持灵活的多模型配置：

切换模式	说明	适用场景
主备切换	主模型不可用时自动切换备用	确保服务高可用
按场景切换	不同Agent任务指定不同模型	任务质量与成本最优分配
手工切换	通过配置文件修改primary	灵活测试不同模型

配置完成后，即可通过自然语言向OpenClaw下达指令。典型任务示例：

# 文件操作指令
openclaw chat --prompt "分析当前目录下的Python文件，统计函数调用次数"

# 浏览器自动化指令
openclaw chat --prompt "打开淘宝搜索'AI书籍'，按销量排序后截图保存"

# 跨应用协同指令
openclaw chat --prompt "检查邮箱中的发票邮件，下载附件并整理到桌面'发票'文件夹"

通过可视化Web控制台（http://127.0.0.1:18789），还可以实现模型切换、对话历史管理、指令实时输入等操作，整个过程可视化、零代码。

OpenClaw的Agent任务本质是“模型决策→调用工具→读取结果→再决策”的循环。因此，模型的工具调用能力强弱直接决定Agent任务的完成质量，而非单纯的对话流畅度。

Kimi K2.5在公开benchmark中表现最为突出：

• 256K超长上下文，可一次性读入更多工具返回结果
• 在SWE-bench Verified（真实软件工程Agent评测）中达到65.8%单次准确率，在国产模型中处于第一梯队

配置示例：

{ "id": "kimi-k2.5", "provider": "qiniu/moonshotai/kimi-k2.5", "apiKey": "${QINIU_API_KEY}" }

DeepSeek V3.2是官方默认的primary模型，在代码补全、函数生成、架构设计类任务上性能突出，延迟低、响应快，适合日常高频代码辅助场景。

GLM-5由智谱AI开发，中文自然语言理解和指令遵循能力突出。在IFEval（指令遵循评测）得分87.6%，超过DeepSeek V3的83.4%，更适合中文文案撰写、报告生成等场景。

如果对数据隐私有严格要求，可选择本地私有化模型部署方案。OpenClaw通过Ollama、LM Studio等工具接入本地模型。

Ollama是目前最受开发者欢迎的本地大模型运行工具，GitHub星标突破16万，支持480+开源模型一键部署。

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

# 2. 下载并运行推荐模型（需至少64k上下文）
ollama run qwen2.5:7b

# 3. 直接通过Ollama启动OpenClaw
ollama launch openclaw

推荐使用的本地模型（与OpenClaw配合良好）：

模型	特点	推荐场景
qwen2.5:7b	中文能力优秀	日常对话、办公自动化
glm-4.7	多语言通用能力强	通用任务
kimi-k2.5（1T参数）	工具调用最强	复杂Agent任务
qwen3-coder	代码优化	编程辅助

对于需要本地GPU推理的用户，可采用LM Studio方案。根据硬件配置选择不同规模的模型：

• RTX 3090/4090（24GB显存）：Qwen3.5-27B/35B量化版本
• RTX 3060/4060（12GB显存）：Qwen3.5-9B量化版本
• 入门/无GPU：Qwen3.5-2B版本（CPU推理）或仅用云端API

OpenClaw在阿里云百炼平台正式接入后，推荐的模型包括：qwen3.6-plus（支持图像理解）、kimi-k2.6（支持图像理解）、glm-5.1、MiniMax-M2.5。

使用场景	推荐模型	理由
国内用户/中文自动化	Kimi K2.5	工具调用精度高，长上下文256K
海外用户/英语环境	GPT-4o / Claude	原生最佳运行体验
代码开发	DeepSeek V3.2	官方默认primary，延迟低
中文内容创作	GLM-5	IFEval得分87.6%，指令遵循强
数据隐私/离线	Ollama + qwen2.5:7b	数据不出本地
成本控制/高频	元宝/豆包免费版	零成本或极低成本

彻底移除旧版Node.js，安装22.x及以上版本（Linux/MacOS推荐nvm管理，Windows选择官方LTS版），终端重启后验证版本。

# 查看占用端口的进程
netstat -ano | findstr :18789   # Windows
lsof -ti:18789 | xargs kill -9  # Linux/MacOS

# 或修改配置文件中的端口
openclaw config set gateway.port 新端口

OpenClaw的浏览器自动化功能依赖Chrome或Chromium，需确保已安装。

# 将contextWindow值调整为65536或更高
openclaw config set contextWindow 65536
openclaw gateway restart

OpenClaw作为2026年最受欢迎的开源AI智能体框架，核心价值在于将大模型的思考能力与电脑操作权限打通，实现了从“对话生成”到“闭环执行”的跨越。选择什么样的模型，决定它的能力上限。对于国内用户优先推荐Kimi K2.5（工具调用最强），代码开发场景优先DeepSeek V3.2（官方默认），数据隐私优先本地Ollama+Qwen2.5方案。

关键提醒：

• OpenClaw具备系统级操作权限，能读写文件、执行命令，建议在专用设备或虚拟机上运行，防止因配置错误导致数据泄露
• 部署前务必检查防火墙是否放行18789端口，这是新手排名第一的踩坑点
• 若使用本地模型，模型上下文长度建议至少64k Tokens
• 若使用的是旧版命令（Clawdbot/Moltbot），旧命令 clawdbot 和 moltbot 仍可作为别名使用

以上就是本地部署OpenClaw(龙虾)的全攻略的详细内容，更多关于本地部署OpenClaw(龙虾)的资料请关注风君子博客其它相关文章！