2026年年初如果你搜过“AI智能体”“个人助理本地部署”这几个关键词大概率会在各种帖子里碰到OpenClaw这个项目。OpenClaw代号Clawdbot本质上是一套把大模型能力转成“本地可控执行动作”的Agent运行时——你可以把它理解成一个能帮你调用工具、读写文件、跑脚本、回消息的数字管家。它不是又一个聊天网页而是把“想法”变成“操作”的那一层胶水。这篇文章我按自己实际搭建的经验来写从Windows 11到Ubuntu 22.04从本地Ollama到NVIDIA NIM从首次启动报错到飞书、微信、Obsidian的接入把整个流程和踩过的坑都摊开讲。不管你是想在笔记本上先体验还是打算放到云端当常驻服务都可以照着走一遍。1. 先弄清楚OpenClaw到底是什么1.1 它解决的不是“聊天”问题而是“做事”问题很多人第一次接触OpenClaw时容易有个误解以为它跟ChatGPT客户端差不多装完就开个对话框聊天。但实际上OpenClaw的定位是“Agent框架”而不是“聊天前端”。它的核心逻辑是让大模型在获得你授权的前提下去执行一系列具体动作调用API、处理文件、执行命令、对接IM机器人、管理项目文档。我个人的理解是如果说大模型是“大脑”那OpenClaw就是给这个大脑装上“手”和“嘴”。你告诉它“帮我把这个文件夹里所有图片压缩一下并生成一个汇总报告”它会自己拆解步骤、调用工具、逐项完成而不是停留在“教你如何做”的层面。这个差异决定了它更适合自动化任务执行而不是单纯的问答。它为什么值得搭因为2026年的Agent工具其实已经不少了但OpenClaw的优势在于“本地优先”和“可插拔”。模型后端可以随时换技能包可以增量装消息渠道可以接好几个同时跑。对开发者来说这意味着你可以把它当成一个私人自动化中枢慢慢往里面加能力。1.2 核心组件逐个拆开看我第一次安装完OpenClaw后先被它的目录结构上了一课。它跟你平时装的那种“一个exe搞定一切”的软件不太一样有几个核心概念必须提前明白。CLI命令行工具安装后你会获得一个openclaw命令后续所有操作启动、配置、装Skill、看状态都通过它完成。新版还兼容了部分旧版ope指令但主流用法已经统一到openclaw上。运行时进程runtime真正的Agent服务是一个常驻后台进程负责加载模型配置、调度工具调用、维护上下文。启动方式通常是openclaw run或openclaw serve区别类似“前台跑”和“后台服务化”。工作区workspaceOpenClaw默认会在当前用户目录下创建.openclaw文件夹里面有workspace目录。你让Agent处理的所有临时文件、输出结果、项目数据默认都扔在这里。Windows下常见路径是c:\users\administrator\.openclaw\workspace。技能包Skill这是OpenClaw最像“手机应用商店”的设计。你可以安装现成的Skill来让Agent获得新能力比如文件转换、网页抓取、表格处理、Git操作等。安装命令是openclaw skill add 名称或仓库地址。执行审批机制exec-approvalsAgent要执行Shell命令或修改文件时OpenClaw会参照审批配置决定是直接放行、询问你还是拒绝。配置存放在.openclaw/exec-approvals.json里。这是安全设计的核心也是新手最容易迷糊的地方。把这些概念先装进脑子里后面配置起来就不会一头雾水。我见过太多人卡在“明明装好了但Agent就是不动”这种问题上最后发现是审批机制没配好Agent的命令全被拦下来了。2. 搭建前的准备与方案选型2.1 先想清楚装到哪里本机试玩还是服务器常驻前面说过OpenClaw装在哪里决定了后续运维方式完全不同所以动手之前请先回答一个问题你到底想让它干什么如果你的需求是“在电脑上偶尔让它处理点文件、管理下文档”那就直接装在本机Windows或macOS上简单方便不需要额外买服务器。如果你的需求是“做一个7x24小时在线的IM机器人”“定时跑任务”“团队共享使用”那必须放到云服务器上让进程常驻、通过公网或内网网关接入消息渠道。我给一个比较务实的建议第一次体验的人先在Windows或Ubuntu本机上装好、跑通案例再决定要不要迁移到云端。直接上云端也不是不行但调试起来多一层服务器环境变量排错成本高新手容易劝退。先本地搞明白它怎么工作再云端复制一份是最快的路径。2.2 Windows环境的最低要求和准备工作在Windows上装OpenClaw对电脑配置要求其实不高。CPU不差、内存16GB以上就足够跑一个中等大小的本地模型如果你打算用在线API当模型后端那对硬件就更无所谓了4GB内存的老笔记本也能跑。关键要准备的是下面这几项PowerShell版本OpenClaw官方推荐用PowerShell 5.1以上执行安装脚本。Win11自带的PowerShell版本一般够用但Win10老系统最好先检查一下版本。执行策略安装脚本往往会因为系统默认禁止运行脚本而失败需要在管理员PowerShell里先放开Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser。Git如果你想从仓库安装Skill或拉取更新Git是必须的。安装Git时保持默认选项即可。Node.js和Python部分Skill依赖Node或者Python环境建议提前装好LTS版Node和Python 3.10以上能省掉后面很多“某某命令找不到”的麻烦。底层运行时OpenClaw在Windows上一般依赖WSL2或者原生二进制视版本而定。2.x版本开始对WSL2的依赖越来越弱有原生Windows包但如果你要跑Docker容器类的SkillWSL2还是不可少。这两种方式我建议这样选如果你只是跑纯Agent逻辑用原生Windows安装如果你同时要跑容器化工具、Linux专用脚本直接装在WSL2的Ubuntu里反而省心。2.3 Ubuntu 22.04 CUDA方案如果条件允许我其实更推荐在Linux上跑OpenClaw尤其是要做本地模型推理的场景。原因也简单NVIDIA驱动、CUDA、模型运行时这些在Linux上生态最成熟踩坑最少。Ubuntu 22.04是目前兼容性最稳的选择搭配CUDA 12.x和NVIDIA驱动535或以上版本基本能覆盖主流本地模型。如果你手头有RTX 3060以上的显卡完全可以让OpenClaw在本地跑一个蒸馏模型或量化模型不依赖外部API数据安全性也更高。我自己最常用的搭配是Ubuntu 22.04 CUDA 12.2 NVIDIA NIM作为推理后端同时保留一个Ollama作为备选。NIM适合跑官方优化过的高质量模型Ollama则胜在安装简单、模型管理方便两者通过OpenClaw的模型配置随意切换非常灵活。3. Windows 11上一步步装好OpenClaw3.1 PowerShell安装命令与执行权限处理Windows 11安装OpenClaw绝大部分情况下不需要去官网下载什么安装包直接用官方安装脚本就行。开始之前先打开一个管理员权限的PowerShell窗口执行下面两行Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser irm https://openclaw.example.com/install.ps1 | iex第一行是放开当前用户的脚本执行权限不然后面肯定会报“因为在此系统上禁止运行脚本”。第二行是从远程拉取安装脚本并直接执行这一套在Windows社区很常见跟装Homebrew、装Oh My Zsh是一个逻辑。irm全称是Invoke-RestMethodiex是Invoke-Expression组合起来就一句话拉取脚本然后执行。安装过程会帮你在用户目录下放好可执行文件并自动配置PATH环境变量。装完以后重启一下PowerShell窗口然后运行openclaw --version能正常打印版本号说明核心CLI装好了。我试过版本输出类似OpenClaw CLI 2.1.x就代表你拿到的是2.x的最新版本。3.2 指定安装目录能改吗热词里有一条特别常见的搜索“PowerShell安装openclaw能指定目录吗”。答案是能但不同版本的安装方式不一样。如果你用官方脚本安装默认会装到$HOME\.openclaw或者$HOME\.local\bin这类用户目录下目的就是避免需要管理员权限写Program Files。如果你确实想指定目录官方脚本一般支持环境变量传入比如$env:OPENCLAW_INSTALL_DIR D:\Tools\OpenClaw irm https://openclaw.example.com/install.ps1 | iex还有另一种更可控的做法不用远程脚本而是从GitHub Release页手动下载对应Windows平台的压缩包解压到你想要的位置然后把解压目录手动加入系统PATH。这种方式本质上就是“便携版”社区里常说的“OpenClaw便携包”就是这么制作的。我自己两种方式都试过说实话如果你不是有特殊洁癖或者公司电脑软件管理严格选默认路径最省心后面升级、卸载都是脚本一条命令的事。手动指定目录一旦路径写错或者Python/Node环境对不上排错成本会高不少。3.3 “无法将openclaw识别为cmdlet”排查这应该是Windows安装OpenClaw最常见的报错没有之一。报错提示通常是openclaw : 无法将“openclaw”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。我遇到这个问题的原因有五种挨个排查基本能解决安装后没有重启终端。PATH修改只对新开的进程生效你直接在当前窗口运行当然找不到。关掉重开就能解决大半。PATH里没有安装目录。手动指定安装目录的话容易出现这种情况。解决方法是去系统环境变量里确认路径已加入或者运行where.exe openclaw查看是否能找到。执行策略导致脚本只装了一半。这种情况最隐蔽看起来装完了其实关键文件没写进去。重新执行一遍官方安装脚本并在前面确保Set-ExecutionPolicy已生效。杀毒软件拦截。Windows Defender偶尔会把新安装的可执行文件隔离检查一下“保护历史记录”把OpenClaw目录加入排除项。装了多个版本冲突。如果你以前装过旧版或者手动删过文件可能会导致openclaw.ps1和openclaw.exe同时存在于PATH中互相打架。建议彻底卸载后重新安装。记住一个排查原则先看文件到底存不存在再看PATH到底指没指向最后才怀疑脚本问题。顺序搞反了会浪费很多时间。4. Linux/云端部署与NVIDIA NIM加速4.1 云端部署的一般流程云端部署OpenClaw本质上就是在一台干净的Linux服务器上把运行时跑起来。流程不难但新手经常栽在“环境不干净”上。我建议的部署路径是这样的# 更新系统包 sudo apt update sudo apt upgrade -y # 安装基础依赖 sudo apt install -y curl git build-essential # 安装OpenClaw curl -fsSL https://openclaw.example.com/install.sh | bash # 验证安装 openclaw --version装完之后openclaw命令默认会被放到~/.openclaw/bin或/usr/local/bin如果提示找不到命令需要把对应目录加到PATH并重新登录Shell。云端部署和本机最大的不同是网络架构。本机你直接openclaw run就行云端则要思考Agent进程怎么保持后台运行消息渠道如何接入数据目录放哪我通常用systemd来托管OpenClaw服务这样重启服务器后Agent能自动拉起比用什么nohup、tmux挂后台靠谱得多。创建一个service文件指定好启动用户、工作目录、环境变量然后systemctl enable openclaw即可。4.2 安装CUDA并配置NVIDIA NIM如果你在云端或本地Linux机器上配置了NVIDIA显卡并且想用NIM来提供模型推理服务那环境准备的重点就是驱动和CUDA。以Ubuntu 22.04为例先确认显卡驱动已经装好nvidia-smi能看到显卡信息就说明驱动OK。然后安装CUDA工具包建议直接装12.x版本匹配市面上大多数模型的编译环境sudo apt install -y nvidia-cuda-toolkit nvcc --version驱动和CUDA就绪后开始配置NVIDIA NIM。NIM本质上是把模型打包成高性能推理端点OpenClaw只需要配置一个base_url就能连上。在OpenClaw的模型配置文件里把runtime指定为NIMmodel: provider: nim base_url: http://localhost:8000/v1 model_name: meta/llama3-70b-instruct api_key: your_nim_api_key这里要注意的是OpenClaw配置NIM时最关键的是base_url要符合OpenAI兼容的/v1接口格式。NIM默认跑在8000端口如果你改了端口记得同步修改配置。另外NIM首次加载模型会下载权重需要等一段时间启动时不要一看进度条不动就以为卡死了。4.3 切到本地Ollama做推理如果你不想折腾NIM或者手里的显卡显存不够大Ollama是更轻量的选择。它最大的优势是安装一条命令、模型管理方便适合入门和日常折腾。安装Ollama也很简单curl -fsSL https://ollama.com/install.sh | sh然后拉取模型ollama pull qwen2.5:14b在OpenClaw的模型配置里把provider改成ollama就行model: provider: ollama base_url: http://localhost:11434/v1 model_name: qwen2.5:14bOllama默认监听11434端口同样兼容OpenAI接口格式所以OpenClaw接得很顺。我实测下来14B的量化模型配合NIM和Ollama跑简单任务体感差异不大。NIM在长上下文、高并发场景下优势更明显个人使用的话Ollama完全够用。根据自己的显存和需求选一个就行没必要一开始就上重型方案。5. 第一次启动、技能与workspace配置5.1 初始化启动与exec-approvals.json权限安装完成、模型配置也填好之后第一次启动是一个比较有意思的阶段。此时你会在终端里看到一个交互式会话OpenClaw会先加载配置、检查环境然后进入待命状态。如果你是从旧版本升级上来的启动时可能会看到这样一条提示legacy exec approvals exist at /root/.openclaw/exec-approvals.json. run openclaw migrate approvals to migrate to the new format.意思是你之前版本的执行审批文件还在旧位置需要运行openclaw migrate approvals把旧格式迁移到新格式。直接用openclaw migrate approvals命令处理即可它会自动备份旧文件、生成新文件。为什么OpenClaw要把审批文件单独拎出来因为它涉及Agent执行命令的安全边界。默认情况下OpenClaw不会傻乎乎地执行Agent提出的所有命令而是根据审批配置决定策略。你可以把审批策略理解成三种模式allow all所有命令直接放行适合完全信任的本地环境。ask me每次执行高危操作都先问一下你适合刚上手、想看清楚Agent在干嘛的阶段。deny all只允许白名单里的命令适合云端或生产环境最大程度限制风险。我建议新手一开始用“ask me”模式多观察几次Agent的决策过程对理解它怎么干活非常有帮助。等熟悉了再放开权限也不迟。5.2 workspace目录结构和文件习惯OpenClaw的workspace是它“思考和工作”的地方所有与Agent交互产生的文件都会落到这个目录里。Windows下通常是c:\users\administrator\.openclaw\workspaceLinux下是~/.openclaw/workspace。这个目录结构我建议你规划一下再开工别让所有文件堆在一层。我自己的习惯是workspace/ ├── projects/ # 按项目名分子目录 ├── downloads/ # Agent抓取或生成的临时文件 ├── reports/ # 输出报告 └── assets/ # 图片、附件等静态资源目录分好Agent在处理任务时会更清晰地知道“该从哪读数据、往哪写结果”。如果你上来就一股脑丢到一个目录里文件一多Agent自己也会蒙。另外有个细节OpenClaw在处理任务时会把运行元数据runtime metadata记录在.openclaw目录下包括Agent身份、会话ID、运行日志等。如果你是开发人员或者喜欢查日志定位问题这些元数据非常有用。平时不用管它但排查问题时要知道去那里翻。5.3 给OpenClaw安装SkillSkill是OpenClaw的扩展机制也是它能“越用越顺手”的原因。安装Skill的命令是openclaw skill add skill-name # 或者从仓库地址安装 openclaw skill add https://github.com/example/openclaw-skill-pdf比如你想让它能做PDF解析、网页抓取、Excel处理就分别装对应的Skill包。装完后OpenClaw会自动更新技能索引之后给Agent分配任务时它能自动判断该调用哪个Skill。这里有一个本地模型用户常问的问题“OpenClaw使用本地Ollama如何安装Skill”其实Skill安装跟模型后端没有任何关系。Skill是OpenClaw层的工具不管你是用NIM还是Ollama还是云端APISkill安装方式完全一样。区别只在于本地小模型的工具调用能力弱一些面对复杂任务时可能不会主动选择正确的Skill这时候你需要在指令里明确指出“用XX技能处理”效果会好很多。Skill装太多也会带来副作用。Agent在判断该用哪个技能时如果候选列表过长可能出现选择困难或调用错工具的情况。我的经验是按需安装不用的先禁用。就像手机App装一堆不用反而拖慢系统。6. 实战接入飞书、微信、Codex、Obsidian6.1 把飞书和微信当操作入口把OpenClaw接入飞书或微信属于真正的“实战化”操作。装好之后你就不用天天蹲在终端前面了直接在IM里给机器人发指令它会自己去干活再汇报结果。飞书接入的常规路径是在飞书开放平台创建企业自建应用拿到App ID和App Secret然后配置事件订阅和消息回调地址。OpenClaw这边把应用凭证填进去启动一个回调服务就能收到飞书消息。需要配置的大致内容消息接收地址指向OpenClaw运行的公网地址或内网网关。事件订阅开启im.message.receive_v1事件。权限配置至少要有“获取与发送单聊、群组消息”的权限。微信接入稍微麻烦一些因为微信个人号没有官方开放平台接口社区方案通常是基于微信机器人框架或企业微信来接。如果你个人使用企业微信或者第三方微信机器人框架是比较稳定的选择。接入思路跟飞书类似配置好接收地址把消息转发给OpenClaw的接口。这里提醒一句IM接入会把Agent暴露到真实的社交环境里安全问题要格外重视。建议给OpenClaw设置一个唤醒词或指令前缀比如“机器人帮我...”避免误触发。热词里“呼唤OpenClaw的口令”其实就是配置里的机器人指令前缀一般可以在渠道配置中自定义。6.2 和Codex配合做编码任务OpenClaw单独用已经能干不少活但如果让它和OpenAI Codex CLI配合编码自动化这块会非常顺手。Codex擅长的是理解代码上下文、编写和修改代码而OpenClaw的优势在于调度工具和执行任务两者天然互补。我通常的用法是在OpenClaw里配置一个针对编码场景的Skill让它调用Codex CLI执行代码生成、测试修复等任务。比如可以让OpenClaw先分析项目里的TODO列表然后白给Codex指定子任务跑代码、跑测试、收集反馈再循环调整。OpenClaw与Codex的接口一般通过CLI调用完成codex exec 重构src/utils.py中的日期处理函数并补充单元测试OpenClaw负责解析你的自然语言指令拆解成可执行的小任务把每个任务交给Codex执行再把结果汇总给你。实际体验上等于你多了一个“项目经理”和一个“程序员”。6.3 用Obsidian结合OpenClaw做项目管理这个组合是社区里呼声比较高的工作流尤其是对需要大量整理笔记、维护知识库的人。思路很简单把Obsidian的Vault目录作为OpenClaw的workspace或者子目录然后你只需要告诉Agent“把这个周报整理进项目笔记”“把这几篇会议记录归档到对应项目”OpenClaw就会直接操作Markdown文件自动维护目录结构、添加标签、甚至按模板生成笔记。我自己的实战案例是每周五让OpenClaw扫描workspace里的周报文件按照年月周目录归档然后在Obsidian里生成一份带链接的周回顾笔记。原来半小时的手工整理现在一句指令就搞定。这种自动化不复杂但确实能让内容管理习惯坚持下来。需要注意的点是使用Obsidian时最好给它装一个“Obsidian Git”插件做自动版本提交这样Agent误改了文件还能快速回滚。毕竟自动化越深入备份机制越不能少。7. 日常维护与问题排查7.1 常见问题速查表把我在安装和使用中遇到的典型问题整理成一个表格方便大家对照排查。这些问题在社区里反复出现基本覆盖了新手到进阶的常见坑。现象可能原因解决思路安装完找不到openclaw命令PATH没配置或终端未重启重启终端检查PATH手动指定安装目录时确认路径启动后Agent不执行任何任务审批策略限制了命令执行检查exec-approvals.json临时改为ask me模式观察模型加载很慢或报显存不足模型太大显存不够换小参数模型或量化版本减少上下文长度接入飞书后收不到消息回调地址或事件订阅没配置对检查开放平台的回调验证确认服务端口对外开放调用Skill时报模块找不到Skill依赖的Python/Node包缺失查看Skill文档安装对应依赖后重启OpenClaw云端进程总掉线没有使用systemd等守护进程用systemd托管服务配置Restartalways本地模型回答效果差模型太小或指令不清晰换更大参数模型明确指定使用哪个Skill优化提示词7.2 关闭、卸载与清理OpenClaw用久了偶尔会碰到“我到底怎么把这个东西关掉”的疑问。关闭和卸载其实是两回事。临时关掉Agent进程很简单在终端里按CtrlC或者用系统命令杀掉进程ps aux | grep -i openclaw kill pidWindows下用任务管理器关掉对应的进程或者在终端Stop-Process -Name openclaw -Force。如果你确定要彻底卸载OpenClaw那就不能只杀进程了需要把安装文件和配置一起清干净。官方卸载脚本会自动移除可执行文件和PATH配置但.openclaw目录里的workspace、配置、日志通常不会自动删。这是设计如此避免误删你的数据。手动清理时确认一下安装目录可执行文件~/.openclaw配置目录系统PATH里的相关条目卸载之前记得备份workspace和exec-approvals.json。不然哪天你又想装回来这些配置和数据丢了就得从头折腾。7.3 个人实操心得Build了几个完整项目之后我有几点比较深的体会放这里分享一下。第一OpenClaw的维护成本主要在模型层而不是框架本身。框架装好了基本很稳但它调用的模型质量直接决定了Agent的表现上限。与其花时间折腾各种配置文件不如把一个好的模型端调明白收益更大。第二审批机制千万别一上来就全关。我见过太多人为了省事把审批设成allow all结果Agent误操作删了文件还浑然不觉。用“ask me”模式跑几天熟悉了它的决策路径再放开这是最稳的节奏。第三指令描述能力值得专门练一练。OpenClaw虽然强但它不是你肚里的蛔虫。你给的指令越具体包含目标、约束、输入路径、输出方式它完成的质量就越高。哪怕你是给自己用也值得按写PRD的标准去思考怎么提需求。第四社区资源特别重要。类似Clawhub就是共享技能包的社区很多现成的Skill能让你少走很多弯路。遇到问题了先查官方文档和社区很多时候别人已经在同样场景下踩过坑了。OpenClaw这类的个人Agent框架其实还在快速演进期。我最后的建议是先搭一个最小的能跑通的闭环然后边用边加能力不要一上来就追求“全家桶”。一套能解决你真实问题的配置比一堆花里胡哨但不常用的功能有价值得多。