保姆级教程：Windows本地部署Ollama+OpenClaw，打造你的AI赚钱系统（APP开发/量化/小说/剪辑）

优质文章学习记录

— 9 min read
摘要：想用AI搞钱但卡在技术门槛？本文手把手教你用一台Windows电脑，零成本本地部署Ollama大模型+OpenClaw智能中枢，赋予AI开发APP、量化分析、编写小说、剪辑辅助等“赚钱技能”。全程无需编程基础，跟着鼠标点、照着命令敲，即可拥有24小时待命的AI员工。

一、写在前面

很多朋友对AI变现跃跃欲试，却常被这些问题劝退：

  • 云端部署太贵，API调用怕浪费钱
  • 技术文档看不懂，不知道从哪下手
  • 数据隐私担忧，不敢把敏感资料上传

其实，你手头那台Windows电脑完全能胜任！本文将带你搭建一套完全本地化、免费、可扩展的AI生产力系统，让AI帮你写代码、分析表格、生成文案、处理视频，真正把AI变成你的“赚钱工具”。

系统架构：

  • 本地大脑：Ollama + DeepSeek模型，负责理解任务、生成内容
  • 智能中枢：OpenClaw（原名OpenClaude），负责调用各类工具（Skill）
  • 赚钱技能：通过安装Skill包，让AI具备特定领域的实操能力

适用人群：完全零基础小白、想尝试AI副业的上班族、技术爱好者。

二、硬件准备（先给电脑做个“体检”）

在动手前，先确认你的电脑是否达标。这决定了AI的运行速度。

配置项最低要求推荐配置（体验流畅）检查方法
操作系统Windows 10 64位Windows 11右键“此电脑”->“属性”
内存16GB32GB打开任务管理器->“性能”
硬盘20GB空闲50GB以上（SSD固态更好）打开“此电脑”查看
显卡 （GPU）非必需，但有更好NVIDIA显卡（RTX 2060及以上）任务管理器->“性能”->“GPU”
特别提示：如果没有独立显卡，仅靠CPU也能运行，只是响应稍慢，不影响学习和使用。

三、打造AI大脑：安装Ollama并部署DeepSeek模型

Ollama是一个极简的大模型管理工具，可以像安装App一样在本地运行各种模型。我们选择国产开源模型DeepSeek-R1（7B），它在推理和代码生成方面表现出色，且对内存友好。

1. 下载Ollama安装包

  • 打开浏览器，访问Ollama官网：https://ollama.com/
  • 点击 “Download”，选择 “Windows” 版本。
  • 下载完成后，双击安装包，一路点击“Next”完成安装。安装成功后，任务栏右下角会出现一个小羊驼图标，表示Ollama已在后台运行。

2. 下载DeepSeek模型

  • 按键盘 Win + R，输入 cmd 回车，打开命令提示符窗口（黑色界面）。
  • 等待进度条走完（约10-30分钟，取决于网速）。下载完成后会自动进入对话界面，出现 >>> 提示符，此时你可以输入“你好”测试，模型会回复你。
  • 输入 /bye 可退出对话。

复制以下命令并回车（首次运行会自动下载模型）：

ollama run deepseek-r1:7b
验证：任何时候想再次启动模型，只需在命令行输入 ollama run deepseek-r1:7b。

四、安装智能中枢：OpenClaw（原OpenClaude）

现在AI大脑已经就绪，但它还不能操作你的电脑、调用外部工具。OpenClaw就像一个“操作系统”，让AI拥有执行具体任务的能力。

1. 安装Node.js环境

  • 访问Node.js官网：https://nodejs.org/
  • 下载左侧的 LTS版本（推荐初学者使用稳定版）。
  • 双击安装包，务必勾选“Automatically install the necessary tools”（自动安装必要工具），然后一路“Next”完成安装。这会自动配置好Python、Visual Studio Build Tools等依赖。

2. 验证Node.js安装

重新打开命令提示符（Win+R -> cmd），分别输入以下命令，看到版本号（如v22.x.x）即成功：

node--versionnpm--version

3. 全局安装OpenClaw

  • 引导过程中会询问几个问题，请按以下方式回答：
    • 选择默认模型：输入 deepseek-r1:7b（我们刚才下载的模型）
    • API Key：本地模型无需Key，直接回车跳过
    • 工作区路径：直接回车使用默认路径（C:\Users\你的用户名\.openclaw）
    • 安装守护进程：输入 Yes，这样即使关闭命令行窗口，AI中枢也会在后台运行

安装完成后，执行新手引导命令，让OpenClaw自动完成基础配置：

openclaw onboard --install-daemon

在命令行中执行：

npminstall-g openclaw@latest

4. 验证中枢是否运行

  • 如果显示 “running”，说明一切正常。
  • 打开浏览器，访问 http://127.0.0.1:18789/，你将看到OpenClaw的管理后台界面（首次登录需查看配置文件中的token，位于 C:\Users\你的用户名\.openclaw\openclaw.json 内）。

输入以下命令查看状态：

openclaw gateway status

五、赋予“赚钱技能”（安装Skill包）

Skill相当于AI的“插件”或“APP”。OpenClaw通过Skill让AI调用具体工具，例如写代码、处理数据、生成文档等。下面演示如何安装四个典型赚钱技能。

1. 进入工作区

在命令行中，进入OpenClaw默认的工作区目录：

cd %USERPROFILE%\.openclaw\workspace

2. 安装各技能包

【技能一】APP开发助手（skill-developer）

克隆开发技能仓库，并安装依赖：

git clone https://github.com/openclaw/skill-developer.git cd skill-developer npminstallcd..
【技能二】量化管理/数据分析（skill-data-analysis）

安装数据分析技能，可处理Excel、CSV，生成报表：

git clone https://github.com/openclaw/skill-data-analysis.git cd skill-data-analysis npminstallcd..
【技能三】长篇小说编写（skill-writer）

安装写作技能，可生成小说、脚本、文案等：

git clone https://github.com/openclaw/skill-writer.git cd skill-writer npminstallcd..
【技能四】视频剪辑辅助（skill-video-helper）

安装视频辅助技能，可生成字幕、剪辑脚本、调用FFmpeg处理视频：

git clone https://github.com/openclaw/skill-video-helper.git cd skill-video-helper npminstallcd..

3. 激活技能

技能包下载后，需要告知OpenClaw启用它们。

  • 用记事本打开配置文件：C:\Users\你的用户名\.openclaw\openclaw.json

保存文件后，在命令行执行重启命令，使配置生效：

openclaw gateway restart

找到 "skills" 字段，按照以下格式添加刚才安装的技能路径（注意将 你的用户名 替换为实际用户名，路径分隔符使用双反斜杠或正斜杠）：

"skills":{"developer":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-developer","enabled":true},"data-analysis":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-data-analysis","enabled":true},"writer":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-writer","enabled":true},"video-helper":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-video-helper","enabled":true}}

六、实战：让AI帮你赚钱（使用场景示例）

所有组件安装完成，现在你可以通过OpenClaw后台（http://127.0.0.1:18789/）与AI对话，并利用技能完成实际任务。

1. 副业场景：帮人开发小程序/写脚本

  • 对话示例：“调用developer技能，帮我用Python写一个简单的计算器程序，带图形界面，代码保存到桌面。”
  • AI会生成代码并创建文件，你可以直接交付给客户。

2. 副业场景：数据分析接单

  • 对话示例：“调用data-analysis技能，分析桌面上‘销售数据.xlsx’文件，找出销售额最高的10个商品，并用柱状图展示，生成分析报告。”
  • AI会读取文件、分析数据、生成图表和报告，省去手动处理的时间。

3. 副业场景：自媒体文案/小说创作

  • 对话示例：“调用writer技能，以‘末日重生’为主题写一篇5000字的短篇小说，第一章要包含冲突和悬念，输出为Word文档。”
  • AI能快速产出高质量内容，助你运营自媒体或接写作单。

4. 副业场景：视频剪辑辅助

  • 对话示例：“调用video-helper技能，根据这段口播稿生成一份带时间轴的字幕文件（SRT格式），帮我保存到视频文件夹。”
  • AI生成字幕文件后，你可直接导入剪辑软件，提高剪辑效率。

七、常见问题与注意事项

Q1：电脑配置不高，运行卡顿怎么办？

  • 可以尝试更小的模型，如 deepseek-r1:1.5b（仅需4GB内存）。更换模型命令：ollama run deepseek-r1:1.5b。
  • 关闭其他占用内存的软件，确保AI有足够资源。

Q2：安装过程中出现错误怎么办？

  • 路径问题：Windows用户名不要包含中文，否则可能导致路径识别错误。如果已有中文用户名，建议新建一个英文名用户。

网络问题：大部分失败是由于GitHub或npm源被墙。可以尝试使用国内镜像：

npm config set registry https://registry.npmmirror.com

Q3：如何让AI长期在线？

  • 保持电脑开机即可。如果想7x24小时运行，可以用旧电脑专门跑，或部署到云服务器（如腾讯云轻量应用服务器，安装Windows Server）。

Q4：技能包不够用怎么办？

  • 你可以访问OpenClaw官方GitHub或社区，查找更多技能包，也可以自己开发（需要一定编程基础）。

八、总结

通过本文，你已经成功在Windows电脑上搭建了一套完整的本地AI系统：

  • Ollama：运行DeepSeek大模型
  • OpenClaw：管理AI与外部工具的交互
  • 多个Skill：赋予AI开发、分析、写作、剪辑等赚钱能力

这套系统完全免费、数据私有，你可以随时指挥AI为你工作，接各种副业单子。技术不再是门槛，想法和执行力才是关键。

如果你在搭建过程中遇到问题，欢迎在评论区留言交流。别忘了点赞收藏，方便后续实操哦！

延伸阅读：想了解更多Skill的使用技巧？关注我，后续将推出“AI变现案例实战”系列。

Read more

xR+AR双虚拟技术在晚会舞台的协同落地实践——以浙江卫视苏宁易购超级秀为例

xR+AR双虚拟技术在晚会舞台的协同落地实践——以浙江卫视苏宁易购超级秀为例

摘要：本文以浙江卫视苏宁易购超级秀晚会为实践案例，聚焦晚会“视觉效果与节目内容深度契合、虚拟与现实无缝融合”的核心需求，拆解国内少有的xR+AR双虚拟技术协同应用方案。重点分析基于hecoos服务器的虚拟系统架构、1台Pixotope服务器与4台装载Notch引擎的hecoos服务器协同逻辑、4机位跟踪系统部署，以及LED立方体屏的沉浸式呈现的关键技术细节，结合李荣浩演唱环节的虚拟场景落地案例，梳理双虚拟技术在晚会舞台应用的核心难点与解决方案，总结该技术方案对展演行业的创新赋能价值，为同类晚会、综艺节目的虚拟舞台制作提供可复用的实操参考。 0 引言 舞台设计的核心目标是实现视觉效果与节目内容的完美契合，随着xR、AR等虚拟制作技术的蓬勃兴起，展演行业迎来了虚实融合的创新变革。一众行业探索者率先将这类“黑科技”应用于舞台实践，打破了现实与虚拟的边界，为观众呈现出更具沉浸感、想象力的视觉体验。浙江卫视苏宁易购超级秀（10月31日20:10播出）作为国内少有的同时运用xR与AR两种虚拟技术的节目晚会，创新搭建无缝无边LED立方体拍摄空间，依托hecoos服务器为核心的虚拟系统，结合Pi
【数据库】国产数据库的新机遇：电科金仓以融合技术同步全球竞争

【数据库】国产数据库的新机遇：电科金仓以融合技术同步全球竞争

7月15日，国产数据库厂商中电科金仓（北京）科技股份有限公司（以下简称“电科金仓”）在北京举行了一场技术发布会，集中发布四款核心产品：AI时代的融合数据库KES V9 2025、企业级统一管控平台KEMCC、数据库一体机（云数据库AI版）以及企业级智能海量数据集成平台KFS Ultra，并同步举行了“金兰组织2.0”启动仪式。 如果放在过去几年，这场发布会可能被归入“信创替代”的常规范畴。但这一次，电科金仓试图讲述的不再是“我们也能做、我们可以兼容”，而是“我们能不能定义下一代数据库形态”。 整个发布会贯穿了三个关键词：“融合”“AI”“平台能力”。这背后的核心逻辑是清晰的：在“去IOE”与“兼容Oracle”的红利渐近尾声之际，国产数据库厂商开始面对一个更加复杂、也更具挑战性的市场命题——如何在大模型时代支撑非结构化数据、高维向量检索和复杂语义计算的新需求？ 正如我国数据库学科带头人王珊教授所说，数据库内核与AI能力的深度结合，已成为释放数据核心价值的关键路径，正催生着更智能、更自适应、更能应对复杂挑战的新一代数据库形态。
基于 LangChain 实现数据库问答机器人

基于 LangChain 实现数据库问答机器人

基于 LangChain 实现数据库问答机器人 * 一、简介 * 二、应用场景 * 三、实战案例 * 1、需求说明 * 2、实现思路 * 3、对应源码 一、简介 在 Retrieval 或者 ReACT 的一些场景中，常常需要数据库与人工智能结合。而 LangChain 本身就封装了许多相关的内容，在其官方文档-SQL 能力中，也有非常好的示例。 二、应用场景 在未出现人工智能，如果想要完成数据查询与数据分析的工作，则需要相关人员有相应的数据库的功底，而在 LangChain 结合大语言模型的过程中，应对这些问题则相当轻松——写清晰的提示词即可。 * 生成将基于自然语言问题运行的查询。 在传统的工作流程中，如果想要在数据库中搜索一些信息，那么就必须要掌握相应的数据库技术，比如 SQL 语句查询等，但是其本身有很高的学习成本。如果能用自然语言代替这个过程，则任何人都无需学习 SQL

AM32固件深度解析：无人机电调配置与性能优化全攻略

AM32固件深度解析：无人机电调配置与性能优化全攻略 【免费下载链接】AM32-MultiRotor-ESC-firmwareFirmware for stm32f051 based speed controllers for use with mutirotors 项目地址: https://gitcode.com/gh_mirrors/am/AM32-MultiRotor-ESC-firmware AM32固件作为基于STM32 ARM处理器的开源无刷电机控制固件，为无人机电调系统提供了高性能的控制解决方案。本文将从技术原理、环境配置、固件刷写到性能调优，全面解析AM32固件的应用实践。 技术架构与核心原理 AM32固件的架构设计遵循模块化原则，主要包含以下核心组件： 硬件抽象层（HAL）：位于Mcu目录下，针对不同STM32系列处理器（F031、F051、G071、L431等）提供统一的硬件接口封装，确保固件在不同平台上的兼容性。 电机控制算法：通过dshot.c实现高效的电机通信协议，支持Dshot300、Dshot600等多种协议，确保电机控制的实时性和精确性。