文章

OpenClaw 部署指南：从零开始搭建你的本地 AI 助理

手把手教你本地部署 OpenClaw（原 Clawdbot）：环境准备、Docker 部署、模型配置、插件安装、常见排查。即使没有深厚技术背景也能跟下来。

发布于

上一篇我们聊了 OpenClaw（原 Clawdbot）的架构和功能。这一篇进入实战环节，从零部署一个本地 AI 助理。

前置要求

硬件

  • CPU：4 核以上（推荐 8 核）
  • 内存：16GB 以上（推荐 32GB）
  • 存储：至少 50GB 可用空间（放模型和向量数据库）
  • GPU（可选但强烈推荐）：
    • NVIDIA：CUDA 11.0+（RTX 3060 及以上）
    • Apple Silicon：M1/M2/M3/M4，统一内存 16GB+

软件

  • 操作系统：Linux / macOS / Windows (WSL2)
  • Docker：20.10+
  • Docker Compose：2.0+
  • Git

第一步：环境准备

装 Docker

macOS：

brew install --cask docker

或者去 docker.com 下载官方包。

Ubuntu/Debian：

sudo apt-get update
sudo apt-get install ca-certificates curl gnupg
# 加 Docker 官方 GPG 密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
# 加仓库
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io

Windows： 装 Docker Desktop，启用 WSL2 后端。

装完之后，把当前用户加入 docker 组（避免每次 sudo）：

sudo usermod -aG docker $USER
newgrp docker

验证安装

docker --version
docker compose version

第二步：克隆 OpenClaw

git clone https://github.com/openclaw/openclaw.git
cd openclaw

第三步：配置环境变量

复制示例配置：

cp .env.example .env

编辑 .env，关键变量：

# Ollama 地址（默认即可）
OLLAMA_BASE_URL=http://ollama:11434

# 管理员密码（务必修改！）
ADMIN_PASSWORD=your_strong_password_here

# 数据存储路径
DATA_PATH=./data

# 日志级别
LOG_LEVEL=info

第四步：启动服务

docker compose up -d

这个命令会启动三个服务：

  • openclaw：主应用
  • ollama：模型推理后端
  • qdrant：向量数据库

查看启动状态：

docker compose ps

等所有服务都变成 healthy 状态。

第五步：下载模型

进 Ollama 容器：

docker exec -it openclaw-ollama-1 bash

下载模型（按显存/内存选）：

# 7B：8GB 显存/内存
ollama pull llama3:8b

# 13B：16GB
ollama pull llama3:13b

# 70B：64GB（需要高性能机器）
ollama pull llama3:70b

退出容器：

exit

第六步：访问控制台

打开浏览器：

http://localhost:3000

首次访问用 .env 里设置的 ADMIN_PASSWORD 登录。

进入 Settings → Model Provider：

  1. 选择 Ollama
  2. Model Name 填刚才下载的（比如 llama3:8b）
  3. 点 Test Connection，返回 Success 说明 OK

第七步：装插件

进 Integrations 页面，按需启用：

  • Slack：填 Bot Token 和 App Token
  • Discord：填 Bot Token
  • Telegram：填 Bot Token
  • Calendar：OAuth 授权 Google Calendar

每启用一个插件，记得重启容器：

docker compose restart openclaw

第八步：建个人知识库

把本地文档喂给 OpenClaw：

# 把文件丢到 data/knowledge/ 目录下
cp -r ~/Documents/notes data/knowledge/

进控制台 Knowledge Base → Create New：

  • 名称：比如 “我的笔记”
  • 数据源：data/knowledge
  • Embedding 模型：nomic-embed-text（默认）

点 Build Index，等待完成（取决于文档量）。

之后你就可以问：“我上周写的关于 OKR 的笔记里讲了什么？“——AI 会从本地索引里找答案。

常见问题排查

容器起不来

docker compose logs openclaw

常见原因：

  • 端口冲突：改 .env 里的 PORT
  • 权限问题：sudo chown -R $USER:$USER data/
  • 内存不足：把 Ollama 模型换成更小的

模型响应慢

  • 检查 GPU 是否被识别：docker exec openclaw-ollama-1 nvidia-smi
  • 模型太大：换 8B 或量化版本
  • 上下文过长：精简 prompt

知识库检索不准

  • 文档质量：噪音太多会影响 embedding
  • 切片大小：默认 500 tokens，可以试试 300 或 800
  • Embedding 模型：nomic-embed-text 对中文一般，可以换 bge-large-zh

内存爆掉

docker stats

看哪个容器吃得多。如果 Ollama 吃满，说明模型对硬件要求太高，建议换小模型或升级硬件。

性能优化建议

模型量化

默认 Q4_K_M 量化已经够用。Q8 质量更好但吃双倍内存，Q4 更快但质量略降。

上下文管理

长对话容易爆上下文。开启”自动总结早期消息”功能，定期压缩历史。

并发限制

如果同时跑多个 Agent，记得在 .env 里设 MAX_CONCURRENT_REQUESTS，避免 OOM。

写在最后

到这里，你拥有了一个完全本地、可定制、隐私安全的 AI 助理。后续可以慢慢探索：

  • 接更多 IM（飞书、微信）
  • 写自定义 Python Action
  • 调提示词让 AI 更懂你
  • 加更多模型做”模型路由”

整个过程从 0 到能用大概 1–2 小时。最大的成本其实不是部署，是选择合适的模型和打磨提示词——这部分没有捷径，需要时间慢慢调。

但一旦跑起来，“自己的 AI 助理”这种感觉，是云端工具给不了的。