本地部署智能体OpenClaw

OpenClaw：当前最成熟、社区最活跃的选项之一

如果要在众多选择中挑出一个“实干派”，OpenClaw 大概率会获得提名。它不仅擅长与你对话，其核心价值更在于“执行”——你能清楚地看到，自己的一句话指令是如何一步步被转化为实实在在的电脑操作。对于那些希望立刻获得一个能干活的助手，并且对中文支持有较高要求的朋友来说，这个选项通常不会让人失望。

OpenClaw 本地部署实战（Windows 11 + Ollama）

这套方案最大的吸引力在于数据完全私有。所有的处理和存储都在你的本地计算机上完成，从根本上避免了隐私泄露的担忧，甚至断网也不影响使用。它的运作原理很清晰：由 Ollama 负责调用本地大模型（比如阿里的 Qwen 系列），而 OpenClaw 则扮演“决策大脑”的角色，基于模型的理解来规划并执行任务。

第一步：准备你的电脑

在动手之前，先确认一下电脑的“家底”，这能让后续的部署过程顺畅不少：

硬件方面，建议配置是 16GB 内存加上一块 NVIDIA 显卡（显存不小于 4GB）。当然，没有独立显卡也能运行，只是需要选择参数更小的模型，相应的，速度上会打些折扣。

软件方面，需要准备好 Node.js（版本不低于 18）和 PowerShell，注意运行 PowerShell 时需要管理员权限。

第二步：安装“大脑”——Ollama 与大模型

Ollama 算得上是一个“神器”，它能帮你省去大量配置麻烦，轻松在本地启动和管理各种大模型。

首先是下载 Ollama：访问其官网，获取 Windows 版本安装包，之后基本上就是一路“下一步”即可完成安装。

接着拉取模型：打开 PowerShell，输入下面的命令来下载一个对中文理解出色的模型（通义千问）。这个命令会拉取大约 4.7GB 的模型文件，需要耐心等待一会儿。

ollama pull qwen2.5:7b

（这里是关键一步）定制模型：OpenClaw 的有效工作需要模型具备较大的“记忆力”，也就是上下文窗口。因此，我们需要手动创建一个增强版：

# 创建一个配置文件 echo “FROM qwen2.5:7b\nPARAMETER num_ctx 32768” > Modelfile # 基于配置文件创建新模型 ollama create qwen2.5:7b-32k -f Modelfile

第三步：安装“执行官”——OpenClaw

一键安装：在 PowerShell 中输入以下命令，即可完成 OpenClaw 的安装。

npm install -g openclaw

连接模型：运行配置向导，告诉 OpenClaw 该去何处调用我们刚刚准备好的“大脑”。

openclaw onboard

随后，根据屏幕提示，依次选择或输入以下信息：

Model/auth provider: 选择 Custom Provider（自定义）

API Base URL: 输入 http://127.0.0.1:11434/v1（这是本地 Ollama 服务的地址）

API Key: 此处不能留空，可以随意输入一个字符串，比如 ollama

Model ID: 输入我们刚才创建的那个增强版模型名称 qwen2.5:7b-32k

启动服务：如果一切配置无误，运行下面的命令即可启动 OpenClaw 网关服务。启动成功后，命令行会显示一个 Web 访问地址（通常是 http://127.0.0.1:18789）以及一个管理员 Token。

openclaw gateway start

第四步：验收成果

现在，打开你的浏览器，访问刚才得到的地址（例如 http://127.0.0.1:18789），输入 Token 登录后台。至此，你的私人 AI 助手就已经准备就绪了。不妨试着给它下达几个指令，看看它的执行力：

“在当前目录下，帮我新建一个名为‘项目笔记’的文件夹。”

“写一个能计算斐波那契数列前 20 项的 Python 脚本，并保存为 fib.py 文件。”

“帮我分析一下 C 盘，看看是哪些文件夹占用了最多的空间。”