OpenClaw这个项目最近在圈子里讨论度很高简单说就是本地跑一个能帮你干活、能收发消息、能连各种服务的AI助手而且数据都在自己机器上。大部分人第一次听说它都是被“给打工人配个下属”这个说法吸引过来的——我自己也是。实际上手折腾了一轮之后我觉得这个定位还算贴切但它不只是一个聊天机器人更像是一套可以真真实实接进你工作流的本地自动化骨架。这篇东西我不打算写成官方文档的复读机。我会以实际装过、用过的经验为主把安装过程中那些“文档没写但你一定会碰到”的问题都过一遍包括Windows、macOS和安卓上的不同折腾方式装完之后怎么配、怎么接本地模型、怎么让它替你收发消息最后再整理一批高频报错的排查方法。不管是第一次听说OpenClaw还是已经装上但卡在某个环节这篇应该都能帮上忙。1. OpenClaw的定位本地AI助手到底能折腾出什么花样1.1 它和普通聊天助手的本质区别先说一个很多人容易误会的点——OpenClaw不是一个“加强版ChatGPT套壳”。你在终端里跑起来之后它给你的不是一问一答的对话框而是一个能调用系统能力的执行体。换句话说其他AI助手更像是“顾问”给你出主意OpenClaw更像是“下属”你安排任务它自己去干。举个实际例子。你对OpenClaw说“把桌面上所有PDF按文件名里的日期排序放到新文件夹里”它不只是告诉你“你可以用Python的os模块去遍历”而是真的会去操作文件系统创建文件夹、移动文件然后把结果汇报给你。这个过程里它会调用文件搜索、路径解析、命令执行等一系列能力而这些能力全部在本地完成。另外OpenClaw的架构里有一个很重要的设计消息端和执行端是分离的。你可以把它通过各种通道——微信、Telegram、API——接进来然后统一由核心代理去调度工具。这意味着你完全可以在手机上给它布置任务回到电脑上检查执行结果甚至让它定时汇报。1.2 为什么选择本地部署而不是直接上云端服务这个可能是很多人关心的问题我直接用云端的AI服务不就行了为什么要费劲本地折腾最核心的原因是隐私控制和数据主权。凡是经过云端服务的数据不管对方承诺多少安全措施你都无法100%确定它没被用于模型训练。办公场景下通讯录、客户沟通记录、内部文件这些一旦上传到外部服务器合规风险是实打实的。本地部署OpenClaw模型、数据、执行记录都留在自己的机器上这个边界感是云端方案给不了的。其次就是可定制性。OpenClaw的核心是提示词和工具链的组合你可以把它调教成任意角色——销售助理、文案专员、代码初级工程师甚至是一个会定时检查合同到期时间的行政专员。这些在开源框架下自由度非常高云端方案往往受平台功能限制。当然本地部署也有一些必须正视的代价你需要一台配置还行的电脑需要对命令行有一定基础遇到问题得自己排查。但如果你愿意花点时间折腾搞定之后那种“把主动权握在自己手里”的感觉绝对值回票价。2. 安装前的准备环境梳理和最容易踩的坑2.1 本地安装OpenClaw的三种主流方式OpenClaw目前没有提供Windows原生安装包主流的安装路径有三条我建议根据自己主力设备的操作系统来选安装场景推荐方式适用人群难度系数WindowsWSL2Windows Subsystem for Linux绝大多数Windows用户中等macOS / Linux原生命令行安装开发者、技术爱好者低安卓手机Termux原生部署无proot轻量方案想用手机当服务器折腾的玩家较高Windows用户请务必理解一个核心概念OpenClaw的底层依赖大量Linux环境组件直接在Windows的CMD或PowerShell里跑大概率会在一堆兼容性报错中劝退。WSL2可以理解为Windows系统里运行了一个轻量级的Linux虚拟机OpenClaw对WSL2提供了官方支持所以这条路是最稳的。macOS和Linux相对简单系统本身就是Unix血统很多依赖组件天然就位。如果你平时就用brew或者apt管理软件包那么安装过程几乎不会遇到障碍。安卓Termux的场景比较特殊——其实绝大多数人说“在手机装OpenClaw”并不是为了在手机屏幕上跟它聊天而是想把手机当一台24小时开机、低功耗的低配服务器让它持续在线执行任务。Termux的方案在GitHub上有打包好的安装脚本但硬件限制摆在那里跑小模型和轻量任务可以重负载就别指望了。2.2 硬件配置要求和模型选择的关系OpenClaw本身只是一个框架真正消耗计算资源的是它背后接的模型。这里有个很关键的认知OpenClaw默认不会自带模型它需要你对接一个模型服务。模型选择直接影响你对硬件的要求。最省事的方案是接云端API比如OpenAI、Claude、通义千问等这些对本地硬件几乎零要求只要网络通畅就行。但这就牺牲了我们前面说的“数据不出本地”的优势所以很多人的折中方案是核心敏感任务走本地模型非敏感任务偶尔调用云端API辅助。如果选择本地模型硬件门槛就比较现实了。以目前最普及的量化版Qwen系列为例7B参数的量化模型至少需要8GB内存14B建议16GB以上32B如果想要流畅对话至少需要32GB内存外加一块还不错的显卡。所以我的建议很实在——先在云API模式下把OpenClaw的框架和流程跑通然后再根据实际体验决定要不要上本地模型别一上来就盲目追求纯本地。2.3 网络与镜像源准备因为OpenClaw是个开源项目依赖包源默认指向官方源国内网络环境下很容易在依赖拉取阶段超时。我实际测试下来安装前先配置好国内镜像源能极大提升成功率。配置方式很简单以pip和npm为例# pip 配置清华源 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # npm 配置淘宝源 npm config set registry https://registry.npmmirror.comNode.js 18以上版本是运行OpenClaw的基础要求。安装前用node -v确认版本如果版本过低建议直接去官网下载最新的LTS版本安装不要去折腾旧版本兼容问题性价比极低。3. 完整安装实操从零到启动成功3.1 Windows WSL2环境的安装与验证如果你用的是Windows第一步不是装OpenClaw而是先把WSL2准备好。这一步很多新手翻车因为Windows的WSL版本更新被PowerShell的执行策略拦截了终端一打开就报权限错误。在管理员权限的PowerShell或CMD里执行wsl --install -d Ubuntu-22.04如果这一步卡住执行wsl --update先更新WSL内核然后重启电脑。装好Ubuntu后会要求你设置Linux子系统的用户名和密码这里注意——之后OpenClaw的所有操作都在WSL的终端里完成不是在Windows自带终端里。有一个关键词条值得重视openclaw could not safely verify the wsl2 environment。出现这个报错时说明OpenClaw启动时检测到了WSL环境异常通常是WSL版本不是2代。用以下命令验证wsl -l -v如果版本显示为1需要执行wsl --set-version Ubuntu-22.04 2如果输出内容显示VERSION 2环境就合格。3.2 在WSL内安装基础依赖和OpenClaw本体进入WSL终端后先更新系统包并安装OpenClaw的依赖组。这个过程有网络波动风险我建议在命令前先设置好代理或直接用国内源sudo apt update sudo apt upgrade -y sudo apt install -y git curl build-essential python3 python3-pip curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs验证环境node -v npm -v python3 --version然后安装OpenClaw的启动器npm install -g openclaw/cli这一步会把OpenClaw的命令行工具装到全局。装完后执行openclaw setup它会自动下载核心依赖并完成初始化中间可能会提示你配置模型密钥——这个先不用填可以直接回车跳过后面我们单独来讲配置。3.3 macOS和Linux的原生安装路径macOS和Linux的安装思路一致但有一个前置条件需要注意——安装Xcode命令行工具macOS或build-essentialLinux否则编译原生模块时绝对会报错。# macOS xcode-select --install # Ubuntu/Debian sudo apt install -y build-essential然后同样是安装Node.js和OpenClawbrew install node # macOS用Homebrew npm install -g openclaw/cli openclaw setupmacOS上安装过程整体比Windows要顺滑很多耗时基本取决于网速。3.4 安卓Termux原生部署的轻量路径安卓上部署OpenClaw不需要proot关键点在于Termux的Linux核心本身就提供了一个近乎完整的Linux环境。按照社区里最稳妥的轻量方案直接运行pkg update pkg upgrade pkg install -y nodejs-lts git python npm install -g openclaw/cli openclaw setup手机上跑OpenClaw的问题不在于安装而在于模型和内存。我实测下来中端安卓手机跑7B量化模型基本是在为难手机但如果你把OpenClaw接入云端API、把它当作一个“手机端任务调度器”来用体验反而很惊艳。插着电放在桌上它就是一台几乎零功耗的私人助理服务器。3.5 启动验证如何判断安装是否成功安装完成后运行openclaw start正常情况下终端会出现一个交互式命令界面。输入/status如果输出显示running状态说明核心框架已经跑起来。此时如果你还没配置模型OpenClaw会提示No model connected。别慌这说明框架本身没问题只是缺了一个“大脑”。就到这一步你的OpenClaw安装已经是成功的了。4. 核心配置让OpenClaw从“能跑”变成“好用”4.1 初始化配置与外部服务绑定openclaw setup除了安装依赖还会生成一个配置文件路径通常在~/.openclaw/openclaw.json。这里面定义了整个OpenClaw的行为逻辑包括模型链接、消息通道、权限策略等。主要配置项有以下几类model配置定义OpenClaw使用的模型服务地址、API密钥和模型名称channels配置定义消息通道微信、Telegram、Web UI等tools配置决定OpenClaw可以调用哪些工具文件操作、网页抓取、定时任务等system prompt配置决定OpenClaw扮演的角色和行为模式一个常规的模型配置示例{ model: { provider: ollama, baseUrl: http://localhost:11434, modelName: qwen2.5:7b } }如果你的模型在另一台机器上把baseUrl改成那台机器的局域网IP和端口即可。4.2 提示词工程你的AI下属的“岗位说明书”配置OpenClaw最关键的一步是写一份合格的system prompt。我见到太多人把时间花在安装上却忽视了提示词的重要性。你可以把提示词理解为给新入职下属发的岗位说明书——写不清楚他就会瞎干写清楚了他能替你处理大量重复工作。网上流传比较广的一个模板是把OpenClaw定义为“主任的AI助手”要求它采用中文回复、每项任务先给执行计划再动手、权限范围内的事情不反复确认等。这个思路我建议保留但一定要根据自己的实际场景改。核心要包含以下几点角色定位它是谁服务于谁职责边界哪些事可以做、哪些事必须告知你、哪些事禁止做执行风格任务优先级如何判断、汇报频次如何确定工具使用规范什么场景下调用什么工具、什么情况下不能乱动本地文件以下是一个可直接复制的简化示例对应标题中“主任的AI助手”的角色定义你是主任的AI助手一个24小时在线的本地智能工作助理。你的使用者是主任。 工作要求 1. 所有回复使用中文简洁直接讲重点 2. 收到任务后先列出执行打算并请求确认再开始除非任务被标注为“加急” 3. 涉及文件删除、覆盖、发送消息等不可逆操作时必须得到明确授权 4. 对于不确定的问题如实说“不确定”不要编造信息 5. 每天上午9点主动汇报当天的待办事项和提醒。把这段文本粘贴到配置文件的systemPrompt字段中保存重启OpenClaw就会生效。4.3 对接本地模型Ollama和魔塔的接入方法本地方案最常用的是Ollama。安装Ollama后拉取模型ollama pull qwen2.5:7b然后修改OpenClaw配置{ model: { provider: ollama, baseUrl: http://localhost:11434, modelName: qwen2.5:7b } }因为对接魔塔也是一个热搜词条目。魔塔社区是国内的主流模型平台它提供的模型服务采用与OpenAI兼容的API格式所以配置方法本质上是一回事{ model: { provider: openai-compatible, baseUrl: https://api.modelscope.cn/v1, apiKey: 你的魔塔API密钥, modelName: qwen/Qwen2.5-7B-Instruct } }注意魔塔平台的API密钥需要先在魔塔官网注册后在控制台生成。如果你不想调用云端API也可以在本地跑一个vLLM服务然后把baseUrl指向http://localhost:8000/v1这样既保留了魔塔的模型生态又做到了完全本地化。4.4 多平台消息接入微信、Telegram和Web UIOpenClaw支持多种消息通道配置方法如下微信通道微信接入的原理是扫码登录Web微信协议首次配置时终端会生成一个二维码需要用微信App扫码确认。Telegram通道只需在Telegram找BotFather创建一个机器人拿到Token后填入配置即可。Web UIOpenClaw自带一个简易的网页聊天界面启用后浏览器访问http://localhost:3000即可使用。配置结构示例{ channels: { web: { enabled: true, port: 3000 }, wechat: { enabled: false }, telegram: { enabled: true, botToken: 你的Bot Token } } }我的建议是第一次使用先从Web UI通道开始确认运行正常再开启微信通道这样可以大幅降低排查难度。5. 本地AI助手实战让工作自动化真正落地5.1 让它替你收发消息、设置定时任务配置好通道后OpenClaw就具备“做事”的能力了。我在实际使用中积累了几个非常实用的场景。场景一微信消息代收转处理。把微信通道打开后你不在电脑前时OpenClaw会收下消息并根据提示词中的规则进行自动回复。它的自动回复只需在提示词中加上规则例如“非紧急且同时被提及的群消息先不回复整合后每两小时汇报一次”。实测下来它能把大量群通知从“必须实时看”降级成“定时统一处理”。场景二定时汇报与提醒。在提示词设定了“每天上午9点汇报待办事项”的规则后OpenClaw会到点主动推送消息。它的核心秘密在于工具系统里集成了定时调度器你可以直接用自然语言下发任务。5.2 让它成为“AI代理”自动搜索、抓取、整理信息OpenClaw的工具系统可以访问本地浏览器执行网页搜索和内容抓取。比如给OpenClaw布置任务“每天下班前把行业新闻里和我司相关的消息整理成摘要发到Telegram”它会通过网页检索能力定期完成。实际操作时需要启用浏览器工具扩展并联网。然后直接向OpenClaw下达指令每晚22点搜索“行业关键词 最新动态”整理前10条相关资讯摘要发送到我的Telegram。OpenClaw会自动拆解这个任务调用搜索工具、提取正文、生成摘要、通过Telegram通道推送。5.3 低代码工作流的组合玩法如果愿意再多花一点时间研究还可以用OpenClaw搭建更复杂的低代码工作流。比如结合本地数据库做简单的数据记录与统计用Python脚本引擎跑定时数据清洗甚至配上邮箱工具帮你批量发送常规邮件。这类工作流的通用逻辑是自然语言指令 → OpenClaw理解意图 → 拆解并调用工具链 → 完成任务并反馈结果。明白这条链路后你能把OpenClaw从“聊天机器人”升级成一个自动化的“杂务处理中心”这才是它真正的价值所在。6. 高频问题排查实录我实际踩过的坑和解决办法6.1 OpenClaw could not safely verify the WSL2 environment这是Windows环境最高频的报错。我在前面已经提到遇到它先验证WSL版本wsl -l -v确认是VERSION 2之后依然报错的大概率是WSL内核版本过旧执行wsl --update更新后重启终端重新运行openclaw start。这个报错还有一种情况是WSL2的虚拟化特性被BIOS关闭了具体表现为任务管理器里“虚拟化”状态为“已禁用”。这种情况需要进入BIOS开启Intel VT-x或AMD-V然后重启。6.2 微信扫码后能发消息但收不到回复热搜词里出现“能发消息微信但微信发消息没回复”这其实是一个很容易理解的问题。核心原因通常是OpenClaw的微信通道只实现了消息发送没有实现接收。这是微信Web协议的限制很多开源项目都绕不开。解决思路有三个优先级确认是不是配置问题查看OpenClaw日志中是否有接收到消息的记录。如果是协议限制换通道用Telegram通道接收消息微信通道专发通知。用树莓派或安卓手机方案由于Web微信协议在部分账号上会被限制对于强依赖微信接收的场景可以引入其他桥接工具把微信消息转为HTTP接口再接入OpenClaw处理。6.3 二维码无法显示或已过期扫码二维码是微信接入的关键步骤如果二维码无法显示或频繁过期通常是网络环境或时间同步问题。先检查系统时间是否准确再检查终端能否正常访问外网资源。如果二维码在手机上打不开尝试在局域网环境重新生成。6.4 卸载与重装需要彻底重装时记住一个原则配置文件和数据目录要一起删干净。npm uninstall -g openclaw/cli rm -rf ~/.openclaw然后重新执行npm install -g openclaw/cli并运行openclaw setup。这个操作能解决90%以上的“怎么配都不对”的问题。6.5 高内存占用或卡顿如果你把模型配置成了本地大模型内存占用过高是常见情况。我的建议是换用更小的量化等级例如7B模型的Q4量化版本内存占用能比默认版本低不少。另外关闭浏览器工具的自动截图功能也能释放大量内存因为这个功能每次调用都会临时渲染一个完整页面。7. 给新手的实操建议和扩展方向7.1 第一个建议从小任务开始别一上来就想搞大而全OpenClaw的学习曲线不算陡峭但它是一个开放性很强的工具反而容易让人迷失。我的建议是安装好后的前三天只给它布置一个固定的小任务比如“每天早上9点推送今日天气预报到Telegram”先让它跑起来观察它的执行流程。等多跑几天、熟悉了日志和报错习惯再逐步叠加复杂任务。7.2 第二个建议持续调整你的提示词提示词不是一劳永逸的。我在最初运行OpenClaw时它偶尔会过度解读指令比如我让它“整理桌面文件”它差点把整个用户目录都过了一遍。后来我在提示词里明确加了“路径限制为桌面目录严禁越权访问其他目录”这个问题才根治。根据自己的使用习惯持续总结哪些话容易让它误操作然后写进提示词里这一份提示词会越来越值钱。7.3 第三个建议探索模型生态找到适合自己的“大脑”本地模型各有擅长的领域。试过几款之后建议针对自己的核心任务挑选最合适的那一个。比如日常文字处理适合Qwen系列代码生成可以看看CodeLlama或DeepSeek-Coder。多尝试几个模型才能真正找到和你工作流最契合的搭配。7.4 扩展方向把它接入更多场景OpenClaw的价值上限很高只要你愿意折腾它可以被改造为家庭智能助理接入智能家居控制中心用自然语言控制灯光、空调个人知识库管理员让它定期抓取RSS订阅的博客整理成主题笔记存入本地个人网站的自动维护员处理分类、标签维护、内容归档、回复评论这些方向都是把OpenClaw当作底层代理外层接各种API和工具。它的天花板取决于你的想象力。我个人实际用下来的感受是装好OpenClaw只是开始真正有意思的地方在于你慢慢把它调教成最懂你工作节奏的工具。它可能不会一夜之间让你轻松十倍但坚持用一两周你会发现一些重复性工作开始有人默默替你做了。这大概就是“打工人也有下属”的真实含义。
OpenClaw本地AI助手部署指南：从WSL2到手机Termux实战
OpenClaw这个项目最近在圈子里讨论度很高简单说就是本地跑一个能帮你干活、能收发消息、能连各种服务的AI助手而且数据都在自己机器上。大部分人第一次听说它都是被“给打工人配个下属”这个说法吸引过来的——我自己也是。实际上手折腾了一轮之后我觉得这个定位还算贴切但它不只是一个聊天机器人更像是一套可以真真实实接进你工作流的本地自动化骨架。这篇东西我不打算写成官方文档的复读机。我会以实际装过、用过的经验为主把安装过程中那些“文档没写但你一定会碰到”的问题都过一遍包括Windows、macOS和安卓上的不同折腾方式装完之后怎么配、怎么接本地模型、怎么让它替你收发消息最后再整理一批高频报错的排查方法。不管是第一次听说OpenClaw还是已经装上但卡在某个环节这篇应该都能帮上忙。1. OpenClaw的定位本地AI助手到底能折腾出什么花样1.1 它和普通聊天助手的本质区别先说一个很多人容易误会的点——OpenClaw不是一个“加强版ChatGPT套壳”。你在终端里跑起来之后它给你的不是一问一答的对话框而是一个能调用系统能力的执行体。换句话说其他AI助手更像是“顾问”给你出主意OpenClaw更像是“下属”你安排任务它自己去干。举个实际例子。你对OpenClaw说“把桌面上所有PDF按文件名里的日期排序放到新文件夹里”它不只是告诉你“你可以用Python的os模块去遍历”而是真的会去操作文件系统创建文件夹、移动文件然后把结果汇报给你。这个过程里它会调用文件搜索、路径解析、命令执行等一系列能力而这些能力全部在本地完成。另外OpenClaw的架构里有一个很重要的设计消息端和执行端是分离的。你可以把它通过各种通道——微信、Telegram、API——接进来然后统一由核心代理去调度工具。这意味着你完全可以在手机上给它布置任务回到电脑上检查执行结果甚至让它定时汇报。1.2 为什么选择本地部署而不是直接上云端服务这个可能是很多人关心的问题我直接用云端的AI服务不就行了为什么要费劲本地折腾最核心的原因是隐私控制和数据主权。凡是经过云端服务的数据不管对方承诺多少安全措施你都无法100%确定它没被用于模型训练。办公场景下通讯录、客户沟通记录、内部文件这些一旦上传到外部服务器合规风险是实打实的。本地部署OpenClaw模型、数据、执行记录都留在自己的机器上这个边界感是云端方案给不了的。其次就是可定制性。OpenClaw的核心是提示词和工具链的组合你可以把它调教成任意角色——销售助理、文案专员、代码初级工程师甚至是一个会定时检查合同到期时间的行政专员。这些在开源框架下自由度非常高云端方案往往受平台功能限制。当然本地部署也有一些必须正视的代价你需要一台配置还行的电脑需要对命令行有一定基础遇到问题得自己排查。但如果你愿意花点时间折腾搞定之后那种“把主动权握在自己手里”的感觉绝对值回票价。2. 安装前的准备环境梳理和最容易踩的坑2.1 本地安装OpenClaw的三种主流方式OpenClaw目前没有提供Windows原生安装包主流的安装路径有三条我建议根据自己主力设备的操作系统来选安装场景推荐方式适用人群难度系数WindowsWSL2Windows Subsystem for Linux绝大多数Windows用户中等macOS / Linux原生命令行安装开发者、技术爱好者低安卓手机Termux原生部署无proot轻量方案想用手机当服务器折腾的玩家较高Windows用户请务必理解一个核心概念OpenClaw的底层依赖大量Linux环境组件直接在Windows的CMD或PowerShell里跑大概率会在一堆兼容性报错中劝退。WSL2可以理解为Windows系统里运行了一个轻量级的Linux虚拟机OpenClaw对WSL2提供了官方支持所以这条路是最稳的。macOS和Linux相对简单系统本身就是Unix血统很多依赖组件天然就位。如果你平时就用brew或者apt管理软件包那么安装过程几乎不会遇到障碍。安卓Termux的场景比较特殊——其实绝大多数人说“在手机装OpenClaw”并不是为了在手机屏幕上跟它聊天而是想把手机当一台24小时开机、低功耗的低配服务器让它持续在线执行任务。Termux的方案在GitHub上有打包好的安装脚本但硬件限制摆在那里跑小模型和轻量任务可以重负载就别指望了。2.2 硬件配置要求和模型选择的关系OpenClaw本身只是一个框架真正消耗计算资源的是它背后接的模型。这里有个很关键的认知OpenClaw默认不会自带模型它需要你对接一个模型服务。模型选择直接影响你对硬件的要求。最省事的方案是接云端API比如OpenAI、Claude、通义千问等这些对本地硬件几乎零要求只要网络通畅就行。但这就牺牲了我们前面说的“数据不出本地”的优势所以很多人的折中方案是核心敏感任务走本地模型非敏感任务偶尔调用云端API辅助。如果选择本地模型硬件门槛就比较现实了。以目前最普及的量化版Qwen系列为例7B参数的量化模型至少需要8GB内存14B建议16GB以上32B如果想要流畅对话至少需要32GB内存外加一块还不错的显卡。所以我的建议很实在——先在云API模式下把OpenClaw的框架和流程跑通然后再根据实际体验决定要不要上本地模型别一上来就盲目追求纯本地。2.3 网络与镜像源准备因为OpenClaw是个开源项目依赖包源默认指向官方源国内网络环境下很容易在依赖拉取阶段超时。我实际测试下来安装前先配置好国内镜像源能极大提升成功率。配置方式很简单以pip和npm为例# pip 配置清华源 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple # npm 配置淘宝源 npm config set registry https://registry.npmmirror.comNode.js 18以上版本是运行OpenClaw的基础要求。安装前用node -v确认版本如果版本过低建议直接去官网下载最新的LTS版本安装不要去折腾旧版本兼容问题性价比极低。3. 完整安装实操从零到启动成功3.1 Windows WSL2环境的安装与验证如果你用的是Windows第一步不是装OpenClaw而是先把WSL2准备好。这一步很多新手翻车因为Windows的WSL版本更新被PowerShell的执行策略拦截了终端一打开就报权限错误。在管理员权限的PowerShell或CMD里执行wsl --install -d Ubuntu-22.04如果这一步卡住执行wsl --update先更新WSL内核然后重启电脑。装好Ubuntu后会要求你设置Linux子系统的用户名和密码这里注意——之后OpenClaw的所有操作都在WSL的终端里完成不是在Windows自带终端里。有一个关键词条值得重视openclaw could not safely verify the wsl2 environment。出现这个报错时说明OpenClaw启动时检测到了WSL环境异常通常是WSL版本不是2代。用以下命令验证wsl -l -v如果版本显示为1需要执行wsl --set-version Ubuntu-22.04 2如果输出内容显示VERSION 2环境就合格。3.2 在WSL内安装基础依赖和OpenClaw本体进入WSL终端后先更新系统包并安装OpenClaw的依赖组。这个过程有网络波动风险我建议在命令前先设置好代理或直接用国内源sudo apt update sudo apt upgrade -y sudo apt install -y git curl build-essential python3 python3-pip curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs验证环境node -v npm -v python3 --version然后安装OpenClaw的启动器npm install -g openclaw/cli这一步会把OpenClaw的命令行工具装到全局。装完后执行openclaw setup它会自动下载核心依赖并完成初始化中间可能会提示你配置模型密钥——这个先不用填可以直接回车跳过后面我们单独来讲配置。3.3 macOS和Linux的原生安装路径macOS和Linux的安装思路一致但有一个前置条件需要注意——安装Xcode命令行工具macOS或build-essentialLinux否则编译原生模块时绝对会报错。# macOS xcode-select --install # Ubuntu/Debian sudo apt install -y build-essential然后同样是安装Node.js和OpenClawbrew install node # macOS用Homebrew npm install -g openclaw/cli openclaw setupmacOS上安装过程整体比Windows要顺滑很多耗时基本取决于网速。3.4 安卓Termux原生部署的轻量路径安卓上部署OpenClaw不需要proot关键点在于Termux的Linux核心本身就提供了一个近乎完整的Linux环境。按照社区里最稳妥的轻量方案直接运行pkg update pkg upgrade pkg install -y nodejs-lts git python npm install -g openclaw/cli openclaw setup手机上跑OpenClaw的问题不在于安装而在于模型和内存。我实测下来中端安卓手机跑7B量化模型基本是在为难手机但如果你把OpenClaw接入云端API、把它当作一个“手机端任务调度器”来用体验反而很惊艳。插着电放在桌上它就是一台几乎零功耗的私人助理服务器。3.5 启动验证如何判断安装是否成功安装完成后运行openclaw start正常情况下终端会出现一个交互式命令界面。输入/status如果输出显示running状态说明核心框架已经跑起来。此时如果你还没配置模型OpenClaw会提示No model connected。别慌这说明框架本身没问题只是缺了一个“大脑”。就到这一步你的OpenClaw安装已经是成功的了。4. 核心配置让OpenClaw从“能跑”变成“好用”4.1 初始化配置与外部服务绑定openclaw setup除了安装依赖还会生成一个配置文件路径通常在~/.openclaw/openclaw.json。这里面定义了整个OpenClaw的行为逻辑包括模型链接、消息通道、权限策略等。主要配置项有以下几类model配置定义OpenClaw使用的模型服务地址、API密钥和模型名称channels配置定义消息通道微信、Telegram、Web UI等tools配置决定OpenClaw可以调用哪些工具文件操作、网页抓取、定时任务等system prompt配置决定OpenClaw扮演的角色和行为模式一个常规的模型配置示例{ model: { provider: ollama, baseUrl: http://localhost:11434, modelName: qwen2.5:7b } }如果你的模型在另一台机器上把baseUrl改成那台机器的局域网IP和端口即可。4.2 提示词工程你的AI下属的“岗位说明书”配置OpenClaw最关键的一步是写一份合格的system prompt。我见到太多人把时间花在安装上却忽视了提示词的重要性。你可以把提示词理解为给新入职下属发的岗位说明书——写不清楚他就会瞎干写清楚了他能替你处理大量重复工作。网上流传比较广的一个模板是把OpenClaw定义为“主任的AI助手”要求它采用中文回复、每项任务先给执行计划再动手、权限范围内的事情不反复确认等。这个思路我建议保留但一定要根据自己的实际场景改。核心要包含以下几点角色定位它是谁服务于谁职责边界哪些事可以做、哪些事必须告知你、哪些事禁止做执行风格任务优先级如何判断、汇报频次如何确定工具使用规范什么场景下调用什么工具、什么情况下不能乱动本地文件以下是一个可直接复制的简化示例对应标题中“主任的AI助手”的角色定义你是主任的AI助手一个24小时在线的本地智能工作助理。你的使用者是主任。 工作要求 1. 所有回复使用中文简洁直接讲重点 2. 收到任务后先列出执行打算并请求确认再开始除非任务被标注为“加急” 3. 涉及文件删除、覆盖、发送消息等不可逆操作时必须得到明确授权 4. 对于不确定的问题如实说“不确定”不要编造信息 5. 每天上午9点主动汇报当天的待办事项和提醒。把这段文本粘贴到配置文件的systemPrompt字段中保存重启OpenClaw就会生效。4.3 对接本地模型Ollama和魔塔的接入方法本地方案最常用的是Ollama。安装Ollama后拉取模型ollama pull qwen2.5:7b然后修改OpenClaw配置{ model: { provider: ollama, baseUrl: http://localhost:11434, modelName: qwen2.5:7b } }因为对接魔塔也是一个热搜词条目。魔塔社区是国内的主流模型平台它提供的模型服务采用与OpenAI兼容的API格式所以配置方法本质上是一回事{ model: { provider: openai-compatible, baseUrl: https://api.modelscope.cn/v1, apiKey: 你的魔塔API密钥, modelName: qwen/Qwen2.5-7B-Instruct } }注意魔塔平台的API密钥需要先在魔塔官网注册后在控制台生成。如果你不想调用云端API也可以在本地跑一个vLLM服务然后把baseUrl指向http://localhost:8000/v1这样既保留了魔塔的模型生态又做到了完全本地化。4.4 多平台消息接入微信、Telegram和Web UIOpenClaw支持多种消息通道配置方法如下微信通道微信接入的原理是扫码登录Web微信协议首次配置时终端会生成一个二维码需要用微信App扫码确认。Telegram通道只需在Telegram找BotFather创建一个机器人拿到Token后填入配置即可。Web UIOpenClaw自带一个简易的网页聊天界面启用后浏览器访问http://localhost:3000即可使用。配置结构示例{ channels: { web: { enabled: true, port: 3000 }, wechat: { enabled: false }, telegram: { enabled: true, botToken: 你的Bot Token } } }我的建议是第一次使用先从Web UI通道开始确认运行正常再开启微信通道这样可以大幅降低排查难度。5. 本地AI助手实战让工作自动化真正落地5.1 让它替你收发消息、设置定时任务配置好通道后OpenClaw就具备“做事”的能力了。我在实际使用中积累了几个非常实用的场景。场景一微信消息代收转处理。把微信通道打开后你不在电脑前时OpenClaw会收下消息并根据提示词中的规则进行自动回复。它的自动回复只需在提示词中加上规则例如“非紧急且同时被提及的群消息先不回复整合后每两小时汇报一次”。实测下来它能把大量群通知从“必须实时看”降级成“定时统一处理”。场景二定时汇报与提醒。在提示词设定了“每天上午9点汇报待办事项”的规则后OpenClaw会到点主动推送消息。它的核心秘密在于工具系统里集成了定时调度器你可以直接用自然语言下发任务。5.2 让它成为“AI代理”自动搜索、抓取、整理信息OpenClaw的工具系统可以访问本地浏览器执行网页搜索和内容抓取。比如给OpenClaw布置任务“每天下班前把行业新闻里和我司相关的消息整理成摘要发到Telegram”它会通过网页检索能力定期完成。实际操作时需要启用浏览器工具扩展并联网。然后直接向OpenClaw下达指令每晚22点搜索“行业关键词 最新动态”整理前10条相关资讯摘要发送到我的Telegram。OpenClaw会自动拆解这个任务调用搜索工具、提取正文、生成摘要、通过Telegram通道推送。5.3 低代码工作流的组合玩法如果愿意再多花一点时间研究还可以用OpenClaw搭建更复杂的低代码工作流。比如结合本地数据库做简单的数据记录与统计用Python脚本引擎跑定时数据清洗甚至配上邮箱工具帮你批量发送常规邮件。这类工作流的通用逻辑是自然语言指令 → OpenClaw理解意图 → 拆解并调用工具链 → 完成任务并反馈结果。明白这条链路后你能把OpenClaw从“聊天机器人”升级成一个自动化的“杂务处理中心”这才是它真正的价值所在。6. 高频问题排查实录我实际踩过的坑和解决办法6.1 OpenClaw could not safely verify the WSL2 environment这是Windows环境最高频的报错。我在前面已经提到遇到它先验证WSL版本wsl -l -v确认是VERSION 2之后依然报错的大概率是WSL内核版本过旧执行wsl --update更新后重启终端重新运行openclaw start。这个报错还有一种情况是WSL2的虚拟化特性被BIOS关闭了具体表现为任务管理器里“虚拟化”状态为“已禁用”。这种情况需要进入BIOS开启Intel VT-x或AMD-V然后重启。6.2 微信扫码后能发消息但收不到回复热搜词里出现“能发消息微信但微信发消息没回复”这其实是一个很容易理解的问题。核心原因通常是OpenClaw的微信通道只实现了消息发送没有实现接收。这是微信Web协议的限制很多开源项目都绕不开。解决思路有三个优先级确认是不是配置问题查看OpenClaw日志中是否有接收到消息的记录。如果是协议限制换通道用Telegram通道接收消息微信通道专发通知。用树莓派或安卓手机方案由于Web微信协议在部分账号上会被限制对于强依赖微信接收的场景可以引入其他桥接工具把微信消息转为HTTP接口再接入OpenClaw处理。6.3 二维码无法显示或已过期扫码二维码是微信接入的关键步骤如果二维码无法显示或频繁过期通常是网络环境或时间同步问题。先检查系统时间是否准确再检查终端能否正常访问外网资源。如果二维码在手机上打不开尝试在局域网环境重新生成。6.4 卸载与重装需要彻底重装时记住一个原则配置文件和数据目录要一起删干净。npm uninstall -g openclaw/cli rm -rf ~/.openclaw然后重新执行npm install -g openclaw/cli并运行openclaw setup。这个操作能解决90%以上的“怎么配都不对”的问题。6.5 高内存占用或卡顿如果你把模型配置成了本地大模型内存占用过高是常见情况。我的建议是换用更小的量化等级例如7B模型的Q4量化版本内存占用能比默认版本低不少。另外关闭浏览器工具的自动截图功能也能释放大量内存因为这个功能每次调用都会临时渲染一个完整页面。7. 给新手的实操建议和扩展方向7.1 第一个建议从小任务开始别一上来就想搞大而全OpenClaw的学习曲线不算陡峭但它是一个开放性很强的工具反而容易让人迷失。我的建议是安装好后的前三天只给它布置一个固定的小任务比如“每天早上9点推送今日天气预报到Telegram”先让它跑起来观察它的执行流程。等多跑几天、熟悉了日志和报错习惯再逐步叠加复杂任务。7.2 第二个建议持续调整你的提示词提示词不是一劳永逸的。我在最初运行OpenClaw时它偶尔会过度解读指令比如我让它“整理桌面文件”它差点把整个用户目录都过了一遍。后来我在提示词里明确加了“路径限制为桌面目录严禁越权访问其他目录”这个问题才根治。根据自己的使用习惯持续总结哪些话容易让它误操作然后写进提示词里这一份提示词会越来越值钱。7.3 第三个建议探索模型生态找到适合自己的“大脑”本地模型各有擅长的领域。试过几款之后建议针对自己的核心任务挑选最合适的那一个。比如日常文字处理适合Qwen系列代码生成可以看看CodeLlama或DeepSeek-Coder。多尝试几个模型才能真正找到和你工作流最契合的搭配。7.4 扩展方向把它接入更多场景OpenClaw的价值上限很高只要你愿意折腾它可以被改造为家庭智能助理接入智能家居控制中心用自然语言控制灯光、空调个人知识库管理员让它定期抓取RSS订阅的博客整理成主题笔记存入本地个人网站的自动维护员处理分类、标签维护、内容归档、回复评论这些方向都是把OpenClaw当作底层代理外层接各种API和工具。它的天花板取决于你的想象力。我个人实际用下来的感受是装好OpenClaw只是开始真正有意思的地方在于你慢慢把它调教成最懂你工作节奏的工具。它可能不会一夜之间让你轻松十倍但坚持用一两周你会发现一些重复性工作开始有人默默替你做了。这大概就是“打工人也有下属”的真实含义。
