电脑部署龙虾AI(OpenClaw)完整教程 + 日常使用详解

AI到底是什么?怎么在自己电脑上部署、怎么日常使用?网上教程要么太简略、要么太偏开发者,新手根本看不懂。本篇我用最通俗、最详细、一步一命令的方式,从零带你在 Windows/macOS/Linux 部署 龙虾AI(OpenClaw),并附上日常高频使用教程,小白也能直接跟着跑通。


一、龙虾AI(OpenClaw)是什么?
龙虾AI(OpenClaw)是一款可以直接操控你电脑的自动化AI智能体。
和普通聊天AI不同:它能点鼠标、敲键盘、读写文件、操作浏览器、自动办公。

简单说:
- ChatGPT/豆包:只能跟你聊天、写文字
- 龙虾AI:能直接帮你干活

适用人群:
- 办公党:自动整理文件、汇总数据、发邮件、搜资料
- 程序员:自动写代码、查日志、部署项目
- 普通人:解放双手,减少重复操作


二、部署前环境准备
2.1 系统要求
- Windows:Win10 / Win11(64位)
- macOS:12.0 及以上
- Linux:Ubuntu 20.04+、CentOS 7+

2.2 必备软件
1. Git(代码拉取)
2. Node.js 18+(运行环境)
3. 一个大模型 API Key(智谱、DeepSeek、Kimi 都行,有免费额度)


三、Windows 详细部署教程(最常用)
3.1 以管理员身份打开终端
1. 右键 **开始菜单**
2. 选择 **Windows 终端(管理员)** 或 **PowerShell(管理员)**

3.2 允许脚本运行(必执行)
powershell

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser -Force

3.3 一键部署脚本(官方推荐)
直接复制运行,全自动安装:
powershell 

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

等待 3~10 分钟,会自动:
- 安装 Git、Node.js
- 拉取龙虾代码
- 安装所有依赖
- 配置环境变量

### 🔥 安装过程中看到这个日志?完全正常! 如果你的终端出现以下输出,**代表安装顺利进行中**:

Git not found; bootstrapping user-local portable Git...

Downloading v2.53.0.windows.2...



如果超过10分钟,终止操作,执行以下命令,自动下载安装 Git,全程无需手动干预:

完成后重新从3.2步骤操作

3.4 验证安装是否成功

​ 新开一个终端,输入: powershell  openclaw --version 出现版本号就说明部署成功。 ​

四、macOS 部署教程
4.1 安装 Homebrew

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

4.2 安装依赖

brew install git node

4.3 一键部署

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


五、Linux(Ubuntu)部署教程
5.1 更新系统

sudo apt update && sudo apt upgrade -y

5.2 安装基础工具

sudo apt install -y curl git build-essential

5.3 安装 Node.js

curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash - sudo apt install -y nodejs

5.4 一键安装

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


六、启动龙虾AI + 基础配置
6.1 启动命令
所有系统通用:

openclaw start

6.2 打开 Web 面板

浏览器访问: http://127.0.0.1:18789

6.3 配置模型 API(关键)

龙虾本身没有大脑,需要接大模型: 1.进入 Web 面板 → 模型配置 2.选择厂商(智谱/DeepSeek/Kimi/MiniMax) 3.填入你的 API Key 4.保存 → 测试连接 新手建议:先用免费额度的平台,成本低、易上手。

6.4 权限设置(安全)

- 新手:用 沙箱模式(只能操作指定文件夹) - 熟练后:可开完整权限 - 永远不要在不明脚本下给最高权限


七、日常常用使用教程(直接照抄)
下面这些是工作/学习最常用指令,你直接复制到龙虾输入框就能用。
7.1 文件整理自动化

帮我整理桌面文件: - 所有图片放到 D:\桌面\图片 - 所有文档放到 D:\桌面\文档 - 压缩包放到 D:\桌面\压缩包 - 其他文件归类到 Other 最后给我一份整理报告

7.2 Excel/CSV 数据处理

读取 D:\数据\2026销售数据.csv 1. 计算每个部门的总销售额 2. 找出最高和最低的月份 3. 生成一个简单分析报告 4. 保存成 分析结果.md

7.3 浏览器自动搜资料

打开 Chrome,搜索:2026年AI智能体行业报告 找到前3篇可下载的PDF,自动下载到桌面 并把标题、链接整理成表格

7.4 批量重命名文件

把 D:\照片\ 下所有文件重命名 格式:旅行_年月日_序号.jpg 例如:旅行_20260325_001.jpg

7.5 自动写周报/总结

根据 D:\工作记录\ 目录下的所有文本 帮我自动生成一篇周报,包含: 1. 本周完成工作 2. 遇到问题 3. 下周计划


八、常用命令行操作(日常必备)

# 启动龙虾 openclaw start # 停止龙虾 openclaw stop # 重启服务 openclaw restart # 查看日志(排查错误) openclaw log # 查看版本 openclaw --version ​


九、常见问题 & 排错
9.1 部署失败常见原因

1.没有用管理员运行终端 2.网络不好,下载超时 3.Node.js 版本太低 4.端口 18789 被占用

9.2 端口被占用解决

修改配置文件里的 port 改为 18790 或其他即可。

9.3 AI 不执行操作

- 检查 API Key 是否正确 - 检查模型是否有额度 - 检查权限是否开启


十、总结 & 学习建议

1.龙虾AI = 能操作电脑的自动化助手 2.部署非常简单,一条命令搞定 3.日常使用就是:说人话 → 让AI干活 4.从简单任务开始练:整理文件、搜资料、处理表格 5.熟练后可以做自动化流程、定时任务、多步骤办公

如果你是新手,不要一上来搞复杂开发,先把日常重复工作用龙虾代替,效率提升非常明显。
 

Read more

AI智能体+自媒体获客:用扣子(Coze)一键打造自己的口播数字人视频(建议收藏)

相信有不少朋友在问,有没有办法不出境,也能拍出专业的口播视频? 毕竟很多时候,我们想分享内容,却因为不敢出镜,迟迟不敢开始。 录制视频时总是觉得自己表情不自然,一遍遍重录。 新手拍摄常见的三大难题,让很多人望而却步: 1. 镜头恐惧 面对镜头时容易紧张、结巴,甚至完全忘记准备好的台词。 很多人需要反复拍摄几十次才能完成一个简单的片段,这严重影响了拍摄效率。 2. 表现力不足 即使克服了紧张感,很多新手在镜头前依然显得生硬、不自然。 语气平淡、表情僵硬、肢体动作不协调等问题需要大量练习才能改善,这个过程往往需要几个月甚至更长时间。 3. 成本压力 想要制作优质视频,投入成本远超很多人的想象。 不仅要租用专业的场地和设备(如补光灯、摄像机、收音设备等),还需要聘请专业团队(包括化妆师、摄像师、剪辑师等),这些支出加起来往往让创作者望而却步。 今天我就教你搭建一个口播数字人智能体,不露脸也能轻松搞定。 借助Coze工作流,直接用文案就能生成逼真的数字人口播视频。 篇幅不短,欢迎先收藏,再慢慢看。如果觉得有帮助,也请顺手点个赞、在看、

前端GraphQL客户端:优雅地获取数据

前端GraphQL客户端:优雅地获取数据 毒舌时刻 前端GraphQL?这不是后端的事吗? "REST API就够了,为什么要用GraphQL"——结果前端需要多次请求,数据冗余, "GraphQL太复杂了,我学不会"——结果错过了更灵活的数据获取方式, "我直接用fetch请求GraphQL,多简单"——结果缺少缓存、错误处理等功能。 醒醒吧,GraphQL不是后端的专利,前端也需要专业的客户端工具! 为什么你需要这个? * 减少网络请求:一次请求获取所有需要的数据 * 数据精确:只获取需要的数据,避免冗余 * 类型安全:自动生成TypeScript类型 * 缓存优化:智能缓存,减少重复请求 * 开发效率:简化数据获取逻辑 反面教材 // 反面教材:直接使用fetch请求GraphQL async function fetchGraphQL(query, variables) { const response = await

基于YOLO26/11/v8算法的Web目标检测系统,人脸表情识别系统,Django+Vue3 的前后端分离,实现摄像头实时识别,YOLO26/YOLO11/v8 + LLM大模型智能分析,科研必备

基于YOLO26/11/v8算法的Web目标检测系统,人脸表情识别系统,Django+Vue3 的前后端分离,实现摄像头实时识别,YOLO26/YOLO11/v8 + LLM大模型智能分析,科研必备

✨ 更新日志 * ✔️ 2026/3/3,2.0 版本,前端导航栏改为侧边栏系统,视频流采用websocket框架延迟更低, YOLO26/YOLO11/YOLOv8 视频流更稳定,在之前的系统增加 LLM 大模型智能分析,是科研必备,支持 YOLO26/11/v8 分类模型、目标检测、分割、obb、关键点检测任务,还支持双模型联合检测与识别,如人脸表情识别、人脸识别等一些识别任务需要检测模型与分类模型共同完成,在人脸表情识别中,单独使用检测模型去识别人脸表情也不是不可以,但有一个问题数据集如果全是头部照片的话,当模型预测的照片是全身照片时,模型识别准确率就没有这么高了, 那么这时候可以用检测模型识别人脸,把人脸信息输入到表情分类模型进行分类即可,反正这是一个通用的系统,更换自己模型即可,大家懂得都懂的,更多功能看下文即可。 摘要 在人工智能迈向通用化(AGI)的今天,“视觉感知 + 语言理解”的多模态联合是未来的趋势。单纯的检测画框已经无法满足复杂的业务需求,如何让系统“看懂”

前端动画库:让你的网站动起来

前端动画库:让你的网站动起来 毒舌时刻 前端动画?这不是用CSS就够了吗? "CSS动画简单,我只用CSS"——结果复杂动画难以实现, "JavaScript动画性能差,我不用"——结果交互体验差, "Framer Motion?GSAP?没听说过,肯定不如CSS"——结果错过了更强大的动画能力。 醒醒吧,前端动画不是简单的CSS过渡,而是需要根据场景选择合适的工具! 为什么你需要这个? * 用户体验:流畅的动画提升用户体验 * 交互反馈:动画可以提供清晰的交互反馈 * 视觉吸引力:动画让网站更具视觉吸引力 * 品牌识别:独特的动画风格可以强化品牌识别 反面教材 /* 反面教材:过度使用CSS动画 */ .animation { /* 复杂的CSS动画,难以维护 */ animation: rotate 2s linear infinite, scale 1s ease-in-out infinite