Openclaw最近在折腾本地AI的朋友圈子里几乎成了绕不开的话题。热搜词里能看到一堆人在找“Openclaw原生本地部署”也有不少人反复问“Openclaw只能用接入API的方式使用算力吗”。我可以直接给结论不是。Openclaw完全可以用ollama这类本地推理服务做大模型的底座把整条链路放在自己机器上跑通也就是标题里说的“原生满血”。这篇是系列的第一篇先把最容易劝退人的那部分——从环境准备、大模型底座、Openclaw本体安装到核心配置和第一个Skill——全部讲清楚。适合谁看手里有显卡或者老PC、想脱离API成本、把AI助手真正装进自己电脑里的人也适合已经在用Openclaw、但一直在云API上跑想转本地的人。1. 先搞明白“满血本地部署”到底是什么以及你究竟需要准备什么1.1 Openclaw是干什么的Openclaw是一个开源的AI助理框架。你可以把它理解成一个“数字管家”它能听懂你的指令能按照skill技能文件的定义去操作电脑上的事情比如查邮件、读文档、整理文件夹、控制某个应用程序、调用本地大模型回答问题。和普通的聊天机器人不同的是Openclaw不只是“对话框里的一个模型”它更像一个真正住在你电脑里的代理程序可以对接系统能力。很多刚接触的人会把Openclaw和某个大模型划等号这是第一个误区。Openclaw本身不带“脑子”它的“智力”来自接入的大模型。你可以接云端API也可以接本地部署的模型。所谓的“原生满血”指的就是把“脑子”也放到本地让整个数据链路不离开自己的机器。1.2 “满血”和“残血”的区别“残血”状态很好理解Openclaw跑起来了但背后用的是云端API。每对话一次、每处理一次文件内容都要按token付费而且你的数据全部经过云端。对偶尔试一下的人来说这没什么但如果想让Openclaw长期待命、频繁处理本地任务账单和隐私问题都让人不舒服。“满血”状态则意味着四件事同时满足第一大模型推理发生在本地不依赖任何外部LLM服务第二Openclaw的完整功能模块全部启用而不是阉割版第三skill机制、事件绑定、companion扩展这些高级能力都配置到位而不只是能聊个天第四整套系统可以断网运行模型文件已下载的前提下。这一篇先解决前两点后面几篇再逐步补齐第三和第四点。1.3 硬件账本一台什么配置的机器能跑先给出一个我实测下来的最低门槛一台16GB内存的电脑没有独显也能跑起来只是模型要选小一些的回复速度在能接受的范围内。如果你有4GB以上显存的显卡体验会明显上一个台阶8GB以上显存就能比较舒服地跑7B~8B参数级别的模型。必须强调的一点是这个项目对CPU并没有想象中那么苛刻。很多人一听“本地部署大模型”就以为一定要顶配游戏本其实不然。真正决定体验的是内存容量和推理速度。你可以先用手头的机器把链路跑通之后再考虑换更好的硬件。下面是这次部署需要准备的东西清单一台Windows或者Ubuntu系统的电脑本系列先不展开macOS等桌面端跑通之后再单独聊能正常访问GitHub和模型仓库的网络环境至少16GB内存推荐32GB显卡有最好暂时没有也可以先上CPU方案磁盘预留50GB以上空间模型文件动辄好几个GB。2. 大模型底座先行——ollama的安装与关键参数权衡2.1 为什么选ollama做底座市面上的本地推理服务不少最简单省事的是ollama后台就是llama.cpp那套生态而Openclaw这类上层的agent框架通常都写了ollama的对接方式。用ollama有几个非常实际的好处拉取模型、启动服务、切换模型都只剩一条命令模型会自动做量化处理显存和内存调度它自己管而且ollama暴露了一个OpenAI兼容的HTTP接口意味着Openclaw在配置里完全可以按“openai兼容API”的格式去连接它。这对本地部署来说是最稳的一条路。替代方案我也试过几个。LM Studio适合喜欢图形界面的朋友但它的进程常驻和命令行支持不如ollama干净vLLM性能强但对显存的要求和对新手的友好程度都差一些llama.cpp当然可以裸用可你得自己编译、自己拉模型、自己处理上下文调度属于给自己找事。对大多数人来说ollama就是那个“在足够好和足够简单之间最平衡”的选项。2.2 Windows下的安装细节在Windows上安装ollama很简单去官网下载安装包一路下一步就行。有几个细节容易被忽略第一安装目录不要放在带中文和空格的路径下。Windows下的本地AI工具对路径很敏感你永远不想因为路径问题去排查一个本来很顺的流程。第二安装完成后ollama默认监听在localhost:11434启动一个终端执行下面这条命令确认服务是否活着curl http://localhost:11434如果看到类似“Ollama is running”的响应就说明底座就位了。这里还要回应一个热搜词AMD显卡能不能跑。在Windows平台上ollama对AMD显卡的支持主要走ROCm部分显卡驱动版本不匹配时会回退到CPU模式日志里会出现类似“no compatible devices”的提示。这不代表不能用只是速度会降下来。至于“AMD显卡完美运行CUDA”的说法那是一套兼容层的讨论属于另一个话题不在本篇范围内。我只提醒一点先把流程跑通再折腾性能优化顺序别反。2.3 模型选型不是越大越好匹配显存才算对模型选型是本地部署里最容易走弯路的地方。Openclaw这种agent场景每轮对话都要带上上下文工具定义、历史记录、技能触发条件等实际消耗的token比单纯聊天高不少所以模型的选择直接决定整个系统的流畅度。我把常见的几个规格整理成一个表格方便你对号入座模型规格参数级别最低内存要求适合场景实测感受qwen2.5:7b7B8GB可用内存轻量对话、简单技能响应快普通任务够用llama3.1:8b8B10GB可用内存综合任务速度和智力较均衡qwen2.5:14b14B16GB可用内存复杂推理能力明显提升显存不够会很吃力llama3.3:70b70B32GB以上高质量输出需要较强硬件劝退大多数个人玩家我第一次部署时脑袋一热直接拉了一个32B模型结果加载完对话Openclaw要过40多秒才回复第一句话而且期间整机卡顿。后来老老实实换回8B级别流畅度才恢复正常。对这个项目来说先把链路跑通永远比模型跑大更重要等一切稳定后再根据硬件逐级升模型。2.4 让ollama给Openclaw当后端端口、环境变量与验证ollama安装后需要做一个小调整把上下文长度调大。默认参数比较保守等Openclaw这种agent框架把系统提示词、历史对话、技能说明都塞进去后很容易触发上下文截断。做法是给ollama服务设置环境变量set OLLAMA_CONTEXT_LENGTH8192 ollama serveWindows用户可以在服务所依赖的环境变量里设置或者直接在启动ollama的终端里执行上面两条。接着拉取一个实际要用的模型用这个名字在Openclaw配置里填model字段ollama pull qwen2.5:7b拉取完成后可以先用ollama命令行试一句对话确认模型本身没问题再去对接上层框架。这一步很多人跳过结果后面Openclaw配置错了绕一大圈才发现是模型名填错白白浪费时间。3. Openclaw本体安装Windows和Ubuntu两条路3.1 安装前必须确认的三件事Openclaw本体安装前先花两分钟检查三件事后面能省很多事。第一确认git已经装好并且能正常拉取远程仓库第二确认系统里没有旧版本残留比如已经装过一次没删干净就重新装经常导致端口冲突或配置互相覆盖第三确认ollama服务正在跑且模型名称与自己记的一致。另外最重要的一条把杀毒软件对项目目录的实时扫描临时关掉或者至少把Openclaw的安装目录加入白名单。这个项目更新频繁生成的临时文件多杀毒软件误杀关键二进制文件的情况不是一次两次了。我身边就有人一启动就报异常排查到最后是某安全软件把核心组件当可疑文件隔离了。3.2 Windows这条路的完整操作在Windows上安装Openclaw核心思路是从官方发布渠道获取安装包执行安装随后在首次启动时生成配置目录。安装完成后打开终端先确认ollama还在跑然后启动Openclaw。首次启动会进入初始化流程通常在用户目录下生成一个.openclaw文件加里面是配置文件和技能目录。这一步不要急着跳过去留意终端里输出的日志看到类似“service is ready”或者“listening on”的字样才算启动成功。启动成功后先不要做任何花哨操作直接用最简单的方式问一句话比如“你好介绍一下你现在的能力”。如果它回你一段正常的介绍说明基础链路已经通了。如果报错先看日志里有没有“model not found”“connection refused”这样的关键词这八成是模型名填错或ollama没跑起来的信号。3.3 Ubuntu这条路的完整操作Ubuntu下的安装步骤和Windows大同小异核心区别在依赖准备和权限处理。先更新系统并安装基础依赖sudo apt update sudo apt install git curl wget -y然后同样从官方源获取Openclaw安装包或用官方安装脚本安装。这里给一个提醒安全敏感地看待“curl脚本直接管道给bash”的安装方式虽然它节省操作步骤但在生产环境或主力机器上我习惯先下载下来看一遍脚本内容再执行确认没有可疑操作。Ubuntu下还有一个常见的坑用root用户安装完再用普通用户启动配置目录权限不一致导致启动失败。最省心的方式是全程用同一个用户。如果你需要把Openclaw注册成systemd服务常驻那就在服务配置里显式指定User你的用户名别用默认的root。3.4 跑通第一轮对话才算装完很多人装完Openclaw看到进程起来了就以为完成。我建议把“跑通第一轮对话”作为安装完成的唯一标准。在实际操作中我发现一个很关键的验证步骤是在Openclaw的配置里把模型指向ollama后发一条稍微复杂的指令而不是只说“你好”。比如让它“查看当前目录的文件列表并总结”。这句话会触发工具调用链路如果这个过程能顺利完成说明模型调用、工具解析、权限分配这几个环节都工作正常。如果只测“你好”你验证的就只是模型本身能聊天而agent框架最核心的工具调用能力还处于未验证状态。4. 核心配置逐项拆解——这些字段改错一个就白装4.1 主配置文件里最常见的几组字段Openclaw的主配置一般是一个yaml或json文件结构并不复杂但改错任何一个关键字段都会影响整条链路。常见字段分几组后端配置指定用哪种大模型服务包括provider、base_url、model这几项是核心中的核心身份配置agent名字、时区、语言这些关系到Openclaw怎么自我介绍和如何解析时间权限配置是否允许读文件、是否允许访问摄像头、是否允许执行系统命令每一项都是安全边界记忆配置长期记忆的开关和存储位置技能目录指向存放skill子文件夹的路径。新手最容易犯的错误是只改model字段而忘记改provider导致配置好后Openclaw仍默认连云端API。我之前见过有人折腾了一晚上最后发现是因为上一轮测试时在provider里填了一个自定义服务名忘记改回来。配置文件的每次改动都应该是显式且单一的不要把多个变更混在一起否则出了问题你根本不知道哪个改动导致的。4.2 base_url的写法差异本地Ollama与云端APIbase_url是配置里最微妙的一个字段。它的写法决定了Openclaw到底去找谁要“脑子”。如果你用的是云端API通常是形如https://api.xxx.com/v1的完整地址并且要在配置里填入对应的密钥。如果你用的是本地Ollama则填写http://localhost:11434/v1。这里要注意一个细节Ollama本身暴露的接口路径是/api但同时也兼容OpenAI风格的/v1端点。Openclaw在配置里如果识别的是OpenAI兼容协议你需要写的是带/v1的那个地址而不是Ollama官网文档里展示的/api。这个差异曾经卡了我整整半天写出来给大家避坑。4.3 权限、记忆和运行模式要理解到位权限配置是最需要认真对待的部分。Openclaw可以帮你操作文件甚至执行命令但权限开得越大风险越高。我给自己的原则是只开当前任务需要的权限用完就关。比如测试“查看当前目录文件列表”只需要打开文件读取权限不需要打开写文件权限。等后续确定某个技能必须写文件时再单独放开。记忆配置项决定Openclaw会不会把你平时的对话和任务记录沉淀下来。如果你打算长期使用建议开启并把记忆存储路径指向一个独立目录方便定期备份。我一开始没开启记忆结果每次重启Openclaw它都“忘记”了之前的上下文还以为是bug后来才发现是记忆开关没打开。运行模式则通常包含“交互模式”和“后台模式”。测试阶段建议用前台模式跑日志直接打在终端里方便观察确认稳定后再考虑让它在后台常驻。4.4 配置改完如何快速自检配置改完后不要急着直接对话先做一次快速自检。第一步重启Openclaw进程让它重新加载配置。第二步观察启动日志里有没有配置加载失败的报错特别是“invalid config”“field not found”这类关键词。第三步用curl或者浏览器访问你填写的base_url确认模型服务端是真的可达的curl http://localhost:11434/v1/models如果返回了模型列表说明地址没问题。如果连接拒绝先排查ollama是否在运行再看host是不是写成了0.0.0.0或127.0.0.1导致差异。第四步才是发消息测试。这个自检顺序能帮你把“配置错误”和“模型服务错误”快速区分开省去大量无效排查。5. Skill机制与自定义组件绑定——从“能跑”到“会用”5.1 skill到底是什么东西技能指针驱动Openclaw能力扩展的核心机制和手机里的“应用”类似。Openclaw本身只提供一个基础框架具体能干什么、怎么干、什么时候触发全由skill定义。每个skill通常是一个独立文件夹里面有两个核心文件说明文件和脚本文件。说明文件描述这个技能的用途和触发条件脚本文件负责真正执行逻辑。这个设计让Openclaw具备了极强的扩展性。你想让它能干新的事情不需要改框架代码只需要新增一个skill文件夹。社区里已经有很多人分享了现成技能比如操作浏览器、定时发消息、管理邮件等。自己动手写skill也没有想象中难语法门槛低到会写一点脚本就能尝试。5.2 一个最小可用skill的写法建议从最简单的“hello skill”开始先理解框架的调用流程。第一步在技能目录下新建一个名为test_hello的文件夹。第二步在里面创建说明文件内容大致包含技能名称建议用英文避免编码问题功能描述用一两句话说明该技能干什么触发关键词比如“打个招呼”然后写一个最简单的脚本来返回内容比如输出一行欢迎语。第三步重启或让Openclaw重新加载技能目录后在对话里输入触发关键词。如果它正确调用了这个skill并返回了脚本的内容说明你的第一个自定义技能已经生效。不要小看这个过程它意味着你已经理解了Openclaw最核心的扩展方式。之后不管是想让它控制某个网页、读取某类文件还是对接其他服务本质上都是往skill文件夹里加东西然后告诉它触发条件。这一步是你的Openclaw从“玩具”变成“工具”的分水岭。5.3 把skill绑定到原生事件上是什么意思热搜词里出现的“自定义组件绑定原生事件”其实是面向进阶玩家的操作。Openclaw的技能不仅可以靠聊天里的关键词触发还可以绑定系统或应用层面的原生事件。比如按下某个快捷键、收到一封含特定主题的邮件、进入某个网络环境下自动执行备份这些都属于“事件触发”而不是“对话触发”。实现思路是在skill的说明文件里声明一个事件触发器然后在Openclaw所依赖的平台组件就是那个常驻后台的companion程序里去监听对应事件。当事件发生时监听程序把事件信息传给skill脚本并执行。我个人的体会是事件绑定是让Openclaw真正显得“智能”的关键能力——你不需要主动开口它就能根据环境变化主动干活。但这也意味着系统权限的开放范围更大配置时需要更加谨慎。5.4 ROS2和Gazebo方向怎么衔接如果你的关注点在机器人方向那Openclaw同样有文章可做。社区里关于Openclaw与ROS2、Gazebo联动的讨论越来越多最简单的模式是把Openclaw当作一个能自然语言交互的“大脑”通过skill去包装ROS2的命令行工具比如让机器人模型在Gazebo仿真环境里执行导航指令。我虽然还没有在仿真环境里完整跑通整个流程但可以给一个明确的思路先写一个skill在脚本里调用ros2命令发送话题消息或接收话题数据然后在这个skill的说明文件里把触发条件定义成特定的指令比如“让机器人前进”最后在Openclaw里用对话触发它。这样Openclaw就能变成你与仿真环境之间的自然语言翻译层。这部分内容比较深等系列后续章节再系统展开。6. 我踩过的坑和你的排查清单6.1 最容易翻车的五个瞬间本地部署Openclaw过程中真正让我返工时间最多的不是配置复杂而是几个常识之外的小坑。第一个是模型名称不一致我在ollama里拉的是qwen2.5:7b配置里写成了qwen2.5虽然只少了一个冒号和标签但服务端直接报404排查了半天才意识到模型标签没写完整。第二个是端口被占用。调试过程中Openclaw崩了一次进程没退干净旧进程还占着默认端口新进程启动时静默失败导致我以为服务没装上反复卸载重装。第三个是内存不足。8B模型在16GB内存的机器上如果同时开了浏览器和IDE推理速度会骤降到“不可用”状态看起来像是Openclaw卡死了实际上就是内存见底。第四个是AMD显卡回退。前面提到过ollama在Windows上如果识别不了你的显卡会静默回退到CPU模式所以别人都说快而你感觉慢别怀疑是Openclaw的问题去看ollama日志。第五个是杀毒软件误杀。这个问题在Windows平台出得最多核心组件被隔离后会出现各种奇怪的启动异常报错信息五花八门很难直接定位到隔离操作。6.2 一张表格逛完排查思路症状常见原因解决手段启动秒退配置格式错误、端口被占用查看日志定位字段错误释放或更改端口对话返回404模型名或base_url写错用ollama list确认模型名用curl检查/v1端点对话超时无响应内存不足、模型过大换小模型关闭高占用程序调整上下文长度回复极慢AMD显卡回退CPU、模型量化级别高查看ollama日志确认运行设备改用更小量化功能触发不了skill未加载、触发关键词没对上检查技能目录路径重启后看加载日志状态时好时坏杀毒软件隔离组件把项目目录加入白名单后重新安装这张表我贴在终端旁边凡是再遇到问题先按症状找原因再顺序排查。看起来“土”但真的省时间。6.3 给看完这篇的同行一个预告这一篇的目标是把Openclaw的本地底座和基础本体跑通并理解核心配置和最小化skill的运作方式。按我自己的学习顺序下一步应该做的是先让Openclaw在日常环境里稳定运行几天观察它在常见任务上的表现然后开始往技能库里添加能真正提高效率的技能。再往后再处理companion远程遥控配置、事件绑定进阶、ROS2联动、手机端部署这些更深的内容。我自己在完成这一步后的直观感受是本地部署和纯粹接API的最大区别在于你开始觉得这个AI是“你的”——它不再是一笔按量计费的外部服务而是住在你机器里的一个常驻能力。遇到任何问题你都可以打开日志、改配置、写脚本完全掌控它。这种掌控感也正是折腾本地部署这类项目最上瘾的地方。最后提醒一句本篇所有内容基于我部署时的版本和常见实践具体命令和配置字段如果和你拿到的版本不一致以官方文档为准。版本更新带来的配置变化是常态不是意外。下一篇我会重点写skill实战和companion的完整配置流程到时候见。