OpenCode、OpenClaw 与 Ollama 安装配置指南

一、OpenCode 的介绍与安装配置

1.1 OpenCode 介绍

序号	Opencode 介绍	说明
1	opencode 是什么	OpenCode 是一款开源 AI 编码代理工具，可在终端（TUI）、桌面应用和 IDE 扩展中使用，支持多种大语言模型、上下文感知，主打隐私优先。
2	opencode 的定位	1. 不是 IDE 插件，而是独立智能体 (Agent)，可理解上下文，规划任务、执行代码修改并验证结果。 2. 不是大语言模型本身，而是模型调度层，支持 75+ 的大语言模型提供商（如：Claude、GPT、Gemini、本地的 Llama、Qwen 等）。 3. 采用 MIT 协议开源，社区活跃。
3	opencode 的特点	多模型兼容：可连接任意的大语言模型 (LLM) 提供商，也支持本地 LLM 模型，内置了 opencode zen 精选模型。多端接入：可在终端 (TUI)、桌面与 IDE 扩展中使用 opencode，使用方式灵活。上下文感知：可通过@引用文件，分析整个项目代码库，实现精准修改。隐私优先：不存储代码与上下文，适合隐私敏感环境。会话与协作：可多会话并行，执行多种操作；且可将会话链接进行分享出来可供参考或调试。 LSP 支持：可自动加载大语言模型，提供智能补全、诊断与跳转。交互式编码工作流：可通过自然语言描述需求或图片参考等方式，AI 会给出实现方案、代码改动和测试建议。
4	opencode 的使用场景	程序员： 1. 可将需求快速落地为代码实现；2. 代码分析、重构建议与改动；3. 生成测试用例、文档、注释等；4. 学习新库、API、架构模式，提升开发效率。内容创作： 1. 可实现多种内容的创作（如：公众号内容、营销文案、翻译润色、小说创作等）。问题处理： 1. 可将其当做是一个经验丰富的助手，告诉他需要排查解决的故障或达成的目标，它就会自主分析解决。效率提升： 1. 文件整理：批量命名文件、按规则分类归档、检索文件内容、整理混乱内容。2. 数据处理：可分析数据文件，提取关键数据进行统计，并生成报表。3. 编程私教：可让 AI 解释代码原理、给出规划与建议、完成练习项目，建立编程学习的方法。4. 自动化脚本：可识别自动化重复任务、将任务固化为可复用的'自定义命令'。

可以使用【MobaXterm】通过 SSH 连接。开源的编码智能体【Opencode】源码

1.2 下载安装 OpenCode Linux、Mac

# 1-Linux 或 Mac 中下载安装 OpenCode 命令（结果显示 Successfully 则表示成功）
curl -fsSL https://opencode.ai/install | bash

# 2-将 OpenCode 添加到全局
source /home/coffeemilk/.bashrc

# 3-启动 opencode 的终端界面命令
opencode

# 3.1-启动 opencode 的 web 端界面命令
opencode web --hostname 192.168.1.37 --port 5000

文章配图

1.3 下载安装 OpenCode Windows

PowerShell/PowerShell：适用于所有系统！

# 1-Windows 中下载安装 OpenCode 命令
scoop install opencode

# 2-注意：若直接安装 opencode 报错'scoop : 无法将'scoop'项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。'时则执行如下命令安装：
# 2.1-允许运行脚本
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

# 2.2-安装 Scoop
Invoke-RestMethod -Uri https://get.scoop.sh | Invoke-Expression

# PowerShell 是以管理员身份运行的（窗口标题带"管理员"字样）【安装 Scoop】的命令会报错时。需要改用这个命令：
iex "& {$($([System.Net.WebRequest]::Create('https://get.scoop.sh')).GetResponse().Content)}" -RunAsAdmin

# 2.3-安装 Git（Scoop 需要 Git 来添加 bucket）
scoop install git

# 2.4-安装 OpenCode
scoop install opencode

# 3-启动 opencode 的终端界面命令
opencode

# 3.1-启动 opencode 的 web 端界面命令
opencode web --hostname 127.0.0.1 --port 5000

文章配图

1.4 简单使用

如：我使用 Docker 方式在安装 OpenClaw 后，这个 OpenClaw 容器一直在重启，导致无法使用，此时我就可以使用 opencode 的【plan(建议)】模式（按下 tab 键切换）【而 Build 是执行模式】咨询处理方法：如下图所示：

文章配图

二、OpenClaw 的介绍与安装配置

2.0 主流 Claw 介绍

主流 Claw	定位	优点	缺点	使用场景
OpenClaw (生态标杆)	全功能、自托管 AI 执行中枢，Claw 生态的标准与标杆，连接 LLM、本地系统与多平台通讯。开发语言：【TypeScript / Node.js】	1. 生态最成熟：（拥有 50 多个交互渠道【如 telegram、钉钉、飞书】；5K 多的技能模块；20 多的大语言模型商）社区活跃，相关教程、插件、问题解决方案十分丰富。 2. 功能完整：可长期记忆、任务规划、工具调用、本地文件操作，MCP 协议支持。 3. 本地优先、隐私可控：数据本地存储，AES-256 加密。	1. 资源占用极高：代码量很大 (约 1 百万行)，内存占用很高 (1GB+)，启动缓慢，二进制大于 150MB。 2. 安装部署较为复杂（需要 Node.js、Docker、网关等配置）Node.js 性能瓶颈明显。 3. 安全依赖版本与配置，默认的防护一般。	多平台集成、个人全场景 AI 助手、技术爱好者、需要全功能自动化、长期本地自托管、重度自定义、生产级复杂工作流。
ZeroClaw (性能极致)	OpenClaw 的 Rust 重写版本，主打极致性能、低资源、安全，面向边缘与资源敏感环境。开发语言：【Rust】	1. 性能碾压：冷启动小于 10 毫秒，内存峰值小于 5 兆，单二进制没有依赖且 4M 左右；比 OpenClaw 快 10-15 倍，省 75% 的内存。 2. 零供应商锁定，可一键切换大语言模型。 3. Rust 原生安全：没有 GC、内存安全、并发高效，适合高可靠场景。	1. 生态尚新，技能与插件远少于 OpenClaw。 2. 二次开发需要 Rust 功底，门槛较高。	边缘计算、IoT 设备、嵌入式、低成本挂机、低功耗长期运行、资源受限硬件、旧设备改造；适合高安全、低功耗场景。
PicoClaw (嵌入式极简)	Go 编写的超轻量 Claw，面向 IOT、嵌入式与 10 美元级硬件。开发语言【Go】	1. 超轻量：内存小于 10MB，冷启动小于 1 秒，单二进制跨架构运行。 2. 硬件友好：可在树莓派、RISC-V 开发板、旧安卓机稳定运行。 3. 配置极简：7 个 Markdown 文件定义行为，无需修改核心代码。	1. 功能精简：无复杂记忆与工作流，仅支持基础技能。 2. 生态小，社区活跃低。	IoT 设备控制、边缘节点、旧设备 AI 化、便携硬件助手。
Nanobot (研究极简)	港大出品，Python 编写的极简可审计 Claw，面向教学，研究与安全审计。开发语言【Python】	1. 代码极简：仅 4000 行 Python，单目录、单配置，易读易审计。 2. 上手快：Python 生态友好，适合学习与原型验证。 3. 研究友好：MCP 优先，适合教学与安全场景。	1. 性能一般：内存大于 100MB，启用大于 1 秒，不适合高并发。 2. 功能有限，无复杂工作流与记忆系统。	AI Agent 教学、安全审计、快速原型、个人轻量助手。
IronClaw (安全强化)	Rust 编写的安全级 Claw，主打沙箱隔离、数据安全，面向金融、政企等敏感场景。开发语言【Rust】	1. 五层安全纵深：WASM 沙箱+Docker 隔离，权限最小化。 2. Rust 安全 + 内存可控，防注入与越权。 3. 性能接近 ZeroClaw，兼顾安全与效率。	1. 配置复杂，部署成本高。 2. 生态小，技能少。	金融交易、政企敏感数据处理、高安全自动化。

选型建议：
1. 追求全功能、生态：选【OpenClaw】。
2. 追求极致性能 / 低资源：选【ZeroClaw】。
3. 面向嵌入式 / IoT / 旧设备：选【PicoClaw】。
4. 用于教学 / 研究 / 安全审计：选【Nanobot】。
5. 处理敏感数据 / 高安全：选【IronClaw】。
6. 国内企业快速落地、零部署：选【MaxClaw / KimiClaw】。

2.1 使用 Docker 安装 OpenClaw

# 使用 Docker 安装 OpenClaw【以 AlmaLinux9.3 为例】
# 1-先安装 Docker
yum install -y yum-utils device-mapper-persistent-data lvm2
yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
yum makecache fast
yum install -y docker-ce docker-ce-cli containerd.io

# 启动 docker
systemctl start docker
systemctl status docker
systemctl enable docker

# 2-在 docker 中安装 OpenClaw（若是使用本地安装的 ollama 大语言模型则选择 vLLM 配置即可）
git clone https://github.com/openclaw/openclaw.git
cd openclaw
./docker-setup.sh
docker-compose up -d

注意：此时的 openclaw 容器是会一直重启，无法正常使用，是由于'OpenClaw Gateway 在 Docker 容器中运行时，即使配置了 bind: "loopback"，Docker 网络也会使其被识别为非本地环回访问。Control UI 是一个安全特性，要求在非环回模式下明确配置允许的来源（origins）。'因此需要设置明确的 allowedOrigins（推荐）即：在 ~/.openclaw/openclaw.json 的 gateway 部分添加 controlUi 配置：

{
  "gateway": {
    "controlUi": {
      "allowedOrigins": [
        "http://127.0.0.1:18789",
        "http://localhost:18789"
      ]
    }
  }
}

如果你从其他机器访问，需要把你的服务器 IP 也加进去： "allowedOrigins": [ "http://127.0.0.1:18789", "http://localhost:18789", "http://你的服务器 IP:18789" ]

最后执行：

docker-compose down
docker-compose up -d

文章配图

2.2 Linux 直接安装 openClaw

# 1-安装 nodejs-24
# 1.1-在线安装
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
. "$HOME/.nvm/nvm.sh"
nvm install 24
node -v
npm -v

# 1.1-【也可手动安装 nodejs】
cd /usr/local
wget https://nodejs.org/dist/v24.14.0/node-v24.14.0-linux-x64.tar.xz
tar -xJf node-v24.14.0-linux-x64.tar.xz

# 注意：若不想用软链接，也可以直接加当前解压的 nodejs 路径到系统路径 (PATH) 中：export PATH=/usr/local/node-v24.0.0-linux-x64/bin:$PATH
ln -s /usr/local/node-v24.14.0-linux-x64/bin/node /usr/local/bin/node
ln -s /usr/local/node-v24.14.0-linux-x64/bin/npm /usr/local/bin/npm
ln -s /usr/local/node-v24.14.0-linux-x64/bin/npx /usr/local/bin/npx
node --version
npm --version

# 2-安装 openclaw
dnf update -y
dnf groupinstall -y "Development Tools"
dnf install -y git curl wget
npm config set registry https://registry.npmmirror.com
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon
openclaw gateway status
openclaw dashboard

# 3-最后在该服务器的浏览器中输入【IP:18789】即可打开 OpenClaw 的 Web 界面

文章配图

三、TuriX-CUA 的介绍

序号	TuriX-CUA	说明
1	核心定位与原理	《1》定位： Computer-Use Agent（电脑使用智能体），替代传统 RPA 与 API 集成，实现'自然语言→AI 规划→桌面操作→结果交付'。《2》工作流（看-->想-->动）： 1. 看：定时截屏，获取桌面 / 应用界面视觉信息。 2. 想：多模态 VLM（如 Qwen3-VL、GPT-4V、Gemini）分析界面、拆解任务、生成操作指令。 3. 动：模拟鼠标点击、键盘输入、滚动等，完成跨软件操作。《3》优势：不依赖应用 API、零代码 / 低门槛、自适应 UI 变化、可绕过验证码
2	核心能力	《1》跨应用自动化：浏览器、Office、聊天 / 办公软件、系统设置等，完成订票、做 PPT、数据整理、消息收发等。《2》数据抓取：可从网页 / APP 精准提取数据，适配动态页面与验证码。《3》自然语言驱动：可用中文 / 英文描述任务，AI 自动生成并执行流程。《4》模型可替换：可通过配置文件切换底层 VLM，支持热插拔。《5》协议兼容：支持 MCP（Model Context Protocol），可对接 Claude 等第三方智能体。
3	系统支持	《1》macOS： 15.6+，仅 Apple Silicon（不支持 Intel）。《2》Windows： 10+，支持 GUI 自动化与浏览器操作。
4	开源与使用	《1》开源免费：代码托管于 GitHub，个人 / 科研用途完全免费。《2》上手门槛：零基础可用，无需标记 UI、无需设计流程。《3》局限：存在操作延迟、复杂对话 / 多轮任务易出错、实时性不足、隐私安全需谨慎。

TuriX-CUA

OpenCode、OpenClaw 与 Ollama 安装配置指南