直接开始最近圈子里聊得最多的就是 OpenClaw但我翻了翻网上现有的教程发现大多数人都在“报喜不报忧”要么只给你贴一段安装命令要么直接跳过环境配置让你闷头踩坑。作为一个已经把它在 Windows、手机 Termux、甚至低配老笔记本上都折腾过一遍的人今天我把完整的部署路径、配置细节、模型选择、Skill 机制还有那些报错最凶的坑一次性全给你捋清楚。这篇教程覆盖了从零到能玩的全过程包括 WSL 环境修复、Node.js 安装、Ollama 本地模型、手动配置 parameters、Windows Companion 玩法以及手机端部署。不管是纯小白还是已经有一定基础的老手都能在里面找到自己想要的东西。1. 认识 OpenClaw它到底是个什么东西1.1 它解决的核心问题OpenClaw 本质上是一个可本地化部署的个人 AI 助手网关。它把底层的大模型能力无论是云端 API 还是本地模型和你日常使用的终端、电脑、手机、甚至各种自动化工具连接起来让你能通过自然语言的方式下发指令然后由它帮你完成具体任务。这套逻辑听起来和普通的 AI 聊天框没区别但核心差异在于普通聊天框的对话结束就结束了而 OpenClaw 会执行动作。比如让它写一段代码它能直接写入文件让它查系统状态它能调用系统命令让它整理文档它能读取目录、操作文件。实际用起来更像一个“会说人话的操作系统助手”价值不在于和你聊天而在于帮你干活。1.2 为什么大家都在讨论它热度高是有原因的我总结下来主要是以下几点本地部署可控性强所有对话记录、配置信息、Skill 逻辑都自己管理数据和隐私不出门对在意数据安全的人来说很关键。模型自由接入不绑定某一家 AI 厂商支持 OpenAI 兼容接口、Ollama 本地模型、甚至部分国产模型服务可以按成本自由切换。跨平台覆盖Windows、macOS、Linux 可以通过 Node.js 或 Docker 部署手机可以通过 Termux 折腾覆盖面比同类工具广不少。可以扩展 Skill 机制通过编写 Skill 来给它增加新技能能力边界可以由使用者自己定义。当然它也不是完全没有门槛。配置过程中 WSL 环境检查、Node.js 依赖安装、模型参数调优都可能把你卡住我下面会按实际操作的顺序逐步拆开讲。2. 环境准备先把你的电脑基础打牢这个阶段是所有安装步骤里最容易出问题的环节。尤其是 Windows 用户热搜里那个“openclaw 无法安全验证 WSL2 环境请在 PowerShell 中运行 wsl --status”的报错几乎每一个 Windows 部署的人都会遇到。2.1 WSL2 环境问题完整修复方案先说清楚一个基础概念OpenClaw 在很多功能上依赖 WSL2 环境来执行 Linux 命令尤其是在 Windows Companion 或跨平台脚本场景下。如果 WSL2 没有正确安装或版本不对安装程序会卡在这句“无法安全验证”的报错上。处理方法按顺序来打开 PowerShell用管理员模式运行先输入wsl --status检查当前 WSL 状态。如果提示 WSL 未安装或者内核版本过旧先执行wsl --update升级 WSL 内核。安装 WSL2 需要 Windows 10 2004 及以上版本或者 Windows 11。老版本系统需要先启用“虚拟机平台”功能。在 PowerShell 中执行wsl --set-default-version 2把默认版本设为 WSL2。如果以上命令提示功能未启用需要先开启 Windows 功能dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart完成后必须重启电脑再执行wsl --status确认状态。注意很多人在第五步之前忘了开虚拟机平台功能导致反复出现同样的报错。执行完 DISM 两条命令之后如果没重启就直接继续安装依然会失败。别问我怎么知道的。确认 WSL 输出信息里包含“默认版本: 2”这样的字样才算真正通过。2.2 Node.js 环境安装要点OpenClaw 的安装脚本基于 Node.js 运行所以需要先装 Node.js 环境。别去 Windows 商店装那种阉割版直接到 Node.js 官网下载 LTS 版本安装包一路下一步安装即可。选版本时有两个核心建议不选最新版本选带有 LTS 标记的稳定版例如 20.x 或 22.x。OpenClaw 这类持续迭代的项目对最新版本的支持反而不一定及时。安装过程中勾选“Automatically install the necessary tools”这会把 Python 编译工具和 Visual Studio Build Tools 也装上后续如果有原生模块需要编译不用再回头补环境。安转结束后打开新 PowerShell 窗口运行node -v和npm -v确认输出版本号。如果提示“不是内部或外部命令”说明没有把 Node.js 加入系统 PATH需要手动去“环境变量”里检查C:\Program Files\nodejs\路径是否存在。2.3 Docker 可选方案级别不够的跳过大多数情况下用 Node.js 方式已经完全够用Docker 适合那些喜欢隔离环境、或者准备在服务器上长期跑的人。如果你确定要用 Docker前提是安装 Docker Desktop 并且设置好 WSL2 backend。我的建议是先看完下面 Node.js 的完整安装再决定要不要上 Docker不要一上来就把复杂度拉满。3. 正式部署OpenClaw 在 Windows 上的完整安装3.1 通过 npm 全局安装打开 PowerShell 或 CMD执行下面的安装命令npm install -g openclaw安装过程中如果看到警告信息只要不是红色的ERR!就一般不用管。这个过程会拉取主程序包及其依赖持续时间取决于网速。国内网络环境下偶尔会卡住可以在前面加上镜像源处理npm install -g openclaw --registryhttps://registry.npmmirror.com这个方法不能说百分百解决所有网络问题但成功率确实高很多。3.2 初始化配置向导安装完成后执行openclaw init启动配置向导。这个阶段会让你选择语言偏好选择中文或英文这会直接影响系统提示词的语言。模型服务商选择 API 类型常见的是 OpenAI 兼容接口、Ollama、或者其他自定义服务。API 地址与密钥根据你选的服务商填入对应的 Base URL 和 API Key。如果用的本地模型可以填入http://localhost:11434之类的地址密钥可留空。数据目录默认情况下会创建在用户目录下的.openclaw文件夹中里面存放配置文件和日志。配置完成后会在终端输出一个启动命令openclaw start执行后就能看到命令行交互界面。3.3 浏览器界面与移动端联动启动成功之后终端通常会提供一个本地访问地址默认是http://localhost:3000也有版本是随机端口注意观察启动日志中的提示。用浏览器打开这个地址就能从传统终端聊天切换成图形化界面操作对不习惯看命令行输出的朋友友好很多。这里有个细节值得注意浏览器界面本质上是连到同一个后端服务底层调用的模型、Skill 逻辑、会话记录都是同一套。所以在手机上用浏览器访问局域网 IP 的 3000 端口效果跟在电脑上操作一模一样这就为“手机远程控制电脑上的 OpenClaw”提供了基础能力。4. 模型接入API 方式和本地模型怎么选4.1 云端 API 接入方式OpenClaw 支持 OpenAI 兼容的 API 格式市面上大多数模型厂商都提供这种接口。配置时主要关注几个参数Base URL指向 API 提供商的服务地址。API Key从服务商后台生成注意保密不要提交到 Git 仓库。模型名称填写具体的模型型号标识。Temperature控制随机性做代码任务建议调低到 0.2~0.3做创意内容可以调到 0.8 左右。这种方式的好处是效果上限高云端大模型的推理能力通常强于本地小参数模型。坏处是每次调用都产生费用如果要长期高频使用成本会明显累积。4.2 Ollama 本地模型部署热搜里关于“ollama 部署 openclaw”的讨论非常多这确实是最适合低成本尝鲜的路线。先到 Ollama 官网下载对应系统的安装包装好之后在终端里拉取一个可用的模型比如ollama pull qwen2.5:7b或者更轻量一点的ollama pull llama3.2:3b下载完成后确认 Ollama 服务在http://localhost:11434正常监听。然后在 OpenClaw 配置中选择“Ollama”作为模型服务商填上地址和模型名。本地模型小巴到 7B 参数级别对话流畅度和基础任务完成度是可以接受的。但复杂逻辑推理、长文本总结、代码生成等场景效果和云端大模型有明显差距用习惯以后会明显感觉到“上限”在哪。4.3 算力成本对比接入方式初始成本使用成本推理能力隐私安全配置难度云端 API无按 Token 计费高数据出本地低Ollama 本地需下载模型仅电费中低数据不出网中关于“openclaw 只能用接入 API 的方式使用算力吗”这个问题答案很明确不是。Ollama 本地模型完全可以使用但你需要对性能预期有合理认知。如果你的机器配置不错16G 内存以上、有独显选 7B 级别的量化模型在多数场景下体验还算流畅如果只有 8G 内存建议乖乖用云端 API或者选 3B 这种小模型。5. Skill 机制怎么给 OpenClaw 增加新能力5.1 理解 Skill 的工作原理Skill 是 OpenClaw 最具可玩性的设计之一。简单理解它就是一套“当用户提出某类请求时调用预设指令或代码来执行任务”的机制。每个 Skill 由三部分组成触发条件什么情况下激活这个 Skill。执行逻辑调用脚本、命令或函数来完成具体任务。返回格式如何把结果反馈给用户。比如你写一个“系统状态查询”的 Skill当用户说“查下电脑状态”时它会执行内存、CPU、磁盘空间检查的命令再把结果整理成人话输出。返回值可以写成表格、段落、或 JSON完全由你定义。5.2 手把手写一个简单 Skill在.openclaw/skills/目录下新建一个文件夹名称就是 Skill 名里面创建一个配置文件和一个执行脚本skills/ └── system_status/ ├── SKILL.md └── run.pySKILL.md里面描述触发条件和用途--- name: system_status description: 查询系统当前的内存、CPU 和磁盘使用情况 triggers: - 系统状态 - 查下电脑状态 - 看看资源占用 ---run.py里写具体实现逻辑import platform import psutil def main(): cpu psutil.cpu_percent(interval1) mem psutil.virtual_memory() disk psutil.disk_usage(/) result fCPU 使用率{cpu}%\n内存使用率{mem.percent}%\n磁盘使用率{disk.percent}% return result if __name__ __main__: print(main())重启 OpenClaw 后直接说“查下电脑状态”它就会去调用这个脚本并返回结果。实用价值在于通过自然语言就能把往复的系统操作变成一句话命令完全不需要手动查终端。5.3 编写 Skill 的三个经验第一触发词要尽量具体避免和其他 Skill 冲突。比如“查状态”这种词太泛容易命中多个 Skill。第二执行脚本里要处理异常否则某个子任务报错会导致整个任务链断裂。第三Skill 的输出格式要固定要么都返回文本要么都返回 JSON这样主模型才好格式化处理别一个 Skill 一个风格。6. Windows Companion 配置与手机端玩法6.1 Windows Companion 到底是什么Windows Companion 是 OpenClaw 在 Windows 平台上的一个扩展组件核心作用是把 Windows 系统能力开放给 AI 助手。把它配置好以后你就能通过自然语言让 OpenClaw 操作 Windows 系统层面的功能比如截屏、打开应用、读取系统信息等。配置步骤不复杂但有一个关键前提WSL 环境必须正确就绪。因为 Companion 的底层命令执行依赖 WSL这也是前面为什么要把 WSL 修复步骤放在最前面的原因。配置完成后可以通过openclaw companion status来验证连接状态看到输出包含 running 或 active 关键字才算成功。6.2 手机 Termux 安装 OpenClaw在手机上部署 OpenClaw本质上是让手机变成一个便携的 AI 助手入口。主要步骤在 F-Droid 或 Google Play 安装 Termux。更新软件源并安装必要依赖pkg update pkg upgrade pkg install nodejs git执行npm install -g openclaw。运行openclaw init进行配置模型服务商选 Ollama 或远程 API。openclaw start启动服务。手机端有两个需要注意的问题电池与发热跑本地大模型会非常耗电手机没有电脑那样的散热条件建议只做远程 API 客户端不跑本地推理。后台被杀Termux 如果在后台运行时间太长可能被 Android 系统回收进程导致服务中断。需要在系统设置里把 Termux 加入白名单或者使用termux-wake-lock保持唤醒。6.3 手机远程连电脑的典型实践我目前最常用的方式是电脑上跑 OpenClaw 服务连接本地 Ollama手机 Termux 里只装客户端通过局域网访问电脑的 3000 端口。这样手机只负责展示和输入真正消耗算力的都在电脑端兼顾便携性和性能。这个方案适合家里有闲置电脑、又想在手机上随时用 AI 的人。只需要保证手机和电脑在同一局域网内浏览器直接访问http://电脑IP:3000不需要额外配置复杂的网络环境。7. 常见问题与排查技巧实录这部分是全文最值钱的实操经验来自我反复折腾的踩坑记录。7.1 WSL 相关报错现象排查方向解决办法“无法安全验证 WSL2 环境”WSL 内核缺失或版本过旧wsl --update后重启命令提示功能未启用虚拟机平台未开启按前文 DISM 两条命令启用wsl --status输出乱码系统代码页问题chcp 65001切换 UTF-87.2 Node.js 与 npm 安装问题现象排查方向解决办法npm 安装过程卡住网络访问源慢换 npmmirror 镜像源提示权限错误Windows 下文件被占用以管理员身份重开终端安装后找不到命令PATH 没有包含 npm 全局目录检查%APPDATA%\npm是否在 PATH 中7.3 模型连接问题现象排查方向解决办法Ollama 调用超时服务没启动或端口被占用确认ollama serve正在运行返回空内容模型名写错用ollama list查看真实模型名称API 报 401API Key 填错或过期到服务商后台重新生成密钥回答质量很差模型参数不合适降低 Temperature或换更大的模型7.4 其他实战经验日志是排查问题的第一入口。OpenClaw 的数据目录下有完整的运行日志遇到问题先打开日志文件看尾部几十行80% 的报错原因都能直接看到Google 搜索往往都不如日志来得直观。配置修改后要重启服务。很多人改了模型参数或新增 Skill 之后觉得没生效其实是因为服务还在用旧配置运行。改完配置记得重启 OpenClaw 进程否则白改。Token 数的概念要分清。很多人在 API 调用时看到费用高其实是多轮对话里历史消息不断累积导致的不是每次问答都那么贵。合理设置上下文窗口长度或者定期清理历史会话能把成本降一半。最后分享一点个人的体会我前前后后把 OpenClaw 在 Windows 台式机、macOS 笔记本、安卓手机的 Termux 环境上都折腾了一遍最大的感受是入门不难深入有门槛但回报极高。当你把模型接入、Skill 编写、Companion 配置这些事情全部打通之后它能帮你省下的时间远超部署时投入的时间。它现在已经成了我日常处理文本、查系统状态、管理文件的中枢。很多人用 AI 工具只停留在“聊天问问题”的层面其实让 AI 真正“动手做事”才是这一代工具的核心价值。如果这篇文章帮你排掉了一些坑可以先把其中一节用起来跑通了再扩展下一个部分。不用一次性搞完所有功能贪多嚼不烂先从 Windows 部署加 Ollama 接入开始等你觉得顺手了再尝试写自己的 Skill 也不晚。祝折腾顺利。