本地 AI 自由!OpenClaw+Ollama 双系统部署教程(Windows/Linux),零成本离线跑大模型

想拥有完全本地、无 Token 消耗、隐私安全的 AI 助手?本文手把手教你在Windows+Linux双系统部署 OpenClaw,并通过 Ollama 对接本地大模型,全程离线可用、操作极简,新手也能快速上手!


一、环境准备

  • 系统:Windows 10+/Ubuntu 20.04+(其他 Linux 发行版适配)
  • 内存:≥8GB(推荐 16GB,流畅运行本地模型)
  • 依赖:Node.js ≥22.x、Git
  • 工具:Ollama(本地大模型一键部署)

二、Windows 部署 OpenClaw

1. 管理员启动 PowerShell

Win+X → 选择「Windows 终端 (管理员)」

2. 配置执行策略(必做)

Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned 

输入Y确认

3. 一键安装 OpenClaw

iwr -useb https://openclaw.ai/install.ps1 | iex 

4. 验证安装

openclaw --version 

显示版本号即安装成功

5. 初始化配置

openclaw onboard 

按提示选择:YesQuickStart → 暂时跳过模型配置(后续对接 Ollama)


三、Linux 部署 OpenClaw

1. 更新系统依赖

sudo apt update && sudo apt upgrade -y sudo apt install -y curl git 

2. 一键安装 OpenClaw

curl -fsSL https://openclaw.ai/install.sh | bash 

3. 加载环境变量

source ~/.bashrc 

4. 验证安装

openclaw --version 

5. 初始化配置

openclaw onboard 

配置流程同 Windows


四、Ollama 本地大模型部署(双系统通用)

1. Windows 安装 Ollama

访问官网下载安装包:https://ollama.com/download双击安装,自动后台启动

2. Linux 安装 Ollama

curl -fsSL https://ollama.com/install.sh | sh 

3. 启动 Ollama 服务

ollama serve 

4. 拉取本地模型(以通义千问 2.5 为例)

ollama pull qwen2.5:7b 

5. 验证模型运行

ollama run qwen2.5:7b 

进入对话界面即成功


五、OpenClaw 连接 Ollama 本地模型

1. 配置 Ollama API Key(无需真实密钥)

openclaw config set models.providers.ollama.apiKey "ollama-local" 

2. 配置 Ollama 服务地址

openclaw config set models.providers.ollama.baseUrl "http://localhost:11434/v1" 

3. 设置默认模型

openclaw config set models.default "ollama/qwen2.5:7b" 

4. 重启 OpenClaw 生效

# Windows/Linux通用 openclaw restart 

5. 验证连接

openclaw config test models.provider.ollama 

返回「集成成功」即完成对接


六、常见问题与避坑

  1. OpenClaw 安装失败检查 Node.js 版本≥22.x,重新安装依赖后重试
  2. Ollama 无法访问确认端口 11434 未占用,关闭防火墙 / 代理重试
  3. 模型加载缓慢降低模型参数(如使用 qwen2.5:1.8b),增加内存分配
  4. 对接失败务必在 baseUrl 末尾添加/v1,这是核心兼容点

七、总结

本文完成了Windows+Linux 双系统 OpenClaw 部署,并通过 Ollama 实现本地大模型无缝对接,真正做到离线可用、零成本、隐私安全。后续可根据需求更换模型,打造专属本地 AI 助手!

Read more

安装 启动 使用 Neo4j的超详细教程

安装 启动 使用 Neo4j的超详细教程

最近在做一个基于知识图谱的智能生成项目。需要用到Neo4j图数据库。写这篇文章记录一下Neo4j的安装及其使用。 一.Neo4j的安装 1.首先安装JDK,配环境变量。(参照网上教程,很多) Neo4j是基于Java的图形数据库,运行Neo4j需要启动JVM进程,因此必须安装JAVA SE的JDK。从Oracle官方网站下载 Java SE JDK。我使用的版本是JDK1.8 2.官网上安装neo4j。 官方网址:https://neo4j.com/deployment-center/  在官网上下载对应版本。Neo4j应用程序有如下主要的目录结构: bin目录:用于存储Neo4j的可执行程序; conf目录:用于控制Neo4j启动的配置文件; data目录:用于存储核心数据库文件; plugins目录:用于存储Neo4j的插件; 3.配置环境变量 创建主目录环境变量NEO4J_HOME,并把主目录设置为变量值。复制具体的neo4j文件地址作为变量值。 配置文档存储在conf目录下,Neo4j通过配置文件neo4j.conf控制服务器的工作。默认情况下,不需

企业微信群机器人Webhook配置全攻略:从创建到发送消息的完整流程

企业微信群机器人Webhook配置全攻略:从创建到发送消息的完整流程 在数字化办公日益普及的今天,企业微信作为国内领先的企业级通讯工具,其群机器人功能为团队协作带来了极大的便利。本文将手把手教你如何从零开始配置企业微信群机器人Webhook,实现自动化消息推送,提升团队沟通效率。 1. 准备工作与环境配置 在开始创建机器人之前,需要确保满足以下基本条件: * 企业微信账号:拥有有效的企业微信管理员或成员账号 * 群聊条件:至少包含3名成员的群聊(这是创建机器人的最低人数要求) * 网络环境:能够正常访问企业微信服务器 提示:如果是企业管理员,建议先在"企业微信管理后台"确认机器人功能是否已对企业开放。某些企业可能出于安全考虑会限制此功能。 2. 创建群机器人 2.1 添加机器人到群聊 1. 打开企业微信客户端,进入目标群聊 2. 点击右上角的群菜单按钮(通常显示为"..."或"⋮") 3. 选择"添加群机器人"选项 4.

Flowise物联网融合:与智能家居设备联动的应用设想

Flowise物联网融合:与智能家居设备联动的应用设想 1. Flowise:让AI工作流变得像搭积木一样简单 Flowise 是一个真正把“AI平民化”落地的工具。它不像传统开发那样需要写几十行 LangChain 代码、配置向量库、调试提示词模板,而是把所有这些能力打包成一个个可拖拽的节点——就像小时候玩乐高,你不需要懂塑料怎么合成,只要知道哪块该拼在哪,就能搭出一座城堡。 它诞生于2023年,短短一年就收获了45.6k GitHub Stars,MIT协议开源,意味着你可以放心把它用在公司内部系统里,甚至嵌入到客户交付的产品中,完全不用担心授权问题。最打动人的不是它的技术多炫酷,而是它真的“不挑人”:产品经理能搭出知识库问答机器人,运营同学能配出自动抓取竞品文案的Agent,连刚学Python两周的实习生,也能在5分钟内跑通一个本地大模型的RAG流程。 它的核心逻辑很朴素:把LangChain里那些抽象概念——比如LLM调用、文档切分、向量检索、工具调用——变成画布上看得见、摸得着的方块。你拖一个“Ollama LLM”节点,再拖一个“Chroma Vector

OpenClaw配置Bot接入飞书机器人+Kimi2.5

OpenClaw配置Bot接入飞书机器人+Kimi2.5

上一篇文章写了Ubuntu_24.04下安装OpenClaw的过程,这篇文档记录一下接入飞书机器+Kimi2.5。 准备工作 飞书 创建飞书机器人 访问飞书开放平台:https://open.feishu.cn/app,点击创建应用: 填写应用名称和描述后就直接创建: 复制App ID 和 App Secret 创建成功后,在“凭证与基础信息”中找到 App ID 和 App Secret,把这2个信息复制记录下来,后面需要配置到openclaw中 配置权限 点击【权限管理】→【开通权限】 或使用【批量导入/导出权限】,选择导入,输入以下内容,如下图 点击【下一步,确认新增权限】即可开通所需要的权限。 配置事件与回调 说明:这一步的配置需要先讲AppId和AppSecret配置到openclaw成功之后再设置订阅方式,