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

私人 AI 随身带!OpenClaw+cpolar 外网访问完整教程

私人 AI 随身带!OpenClaw+cpolar 外网访问完整教程

前言 在人人都用 AI 的时代,拥有一台完全私有、本地运行、数据不泄露的私人 AI,已经成为很多人的刚需。OpenClaw 就是这样一款宝藏工具,可绝大多数人都用错了方式 —— 只把它放在家里电脑上,出门就用不了。结果就是:部署时兴致勃勃,用几天后慢慢闲置,明明花了时间搭建,却没能发挥一半价值。我自己踩过这个坑,也试过各种办法突破局域网限制,要么配置复杂,要么不稳定,直到遇见 cpolar。它能轻松把本地服务映射到公网,安全加密、多平台兼容、新手友好。把 OpenClaw 和 cpolar 组合在一起,就等于把私人 AI 装进口袋,上班、出差、旅行,只要有网就能用。这篇文章不讲难懂原理,只给可直接复制的操作,带你从零完成外网访问,让私人 AI 真正随身带、随时用。 1 OpenClaw和cpolar是什么?

【Coze智能体开发】(三)解锁 Coze 智能体超能力:插件 + 知识库 + 数据库全解析,让 AI 从 “会聊天“ 到 “能办事“!

【Coze智能体开发】(三)解锁 Coze 智能体超能力:插件 + 知识库 + 数据库全解析,让 AI 从 “会聊天“ 到 “能办事“!

目录 编辑 前言 一、Coze 资源全景:不止于 "聊天" 的能力延伸 二、插件:给智能体装上 "手脚",让 AI 能 "动手办事" 2.1 什么是插件?—— 智能体的 "工具扩展包" 2.2 插件的分类:按需选择,精准赋能 1. 按功能场景分类 2. 按收费方式分类 2.3 插件的使用:3 步快速集成,零代码也能上手 第一步:创建插件智能体 第二步:添加插件(核心步骤)

人工智能:深度学习模型的优化策略与实战调参

人工智能:深度学习模型的优化策略与实战调参

人工智能:深度学习模型的优化策略与实战调参 💡 学习目标:掌握深度学习模型的核心优化方法,理解调参的底层逻辑,能够独立完成模型从欠拟合到高性能的调优过程。 💡 学习重点:正则化技术的应用、优化器的选择与参数调整、批量大小与学习率的匹配策略。 48.1 模型优化的核心目标与常见问题 在深度学习项目中,我们训练的模型往往会出现欠拟合或过拟合两种问题。优化的核心目标就是让模型在训练集和测试集上都能达到理想的性能,实现泛化能力的最大化。 ⚠️ 注意:模型优化不是一次性操作,而是一个“诊断-调整-验证”的循环过程,需要结合数据特性和任务需求逐步迭代。 48.1.1 欠拟合的识别与特征 欠拟合是指模型无法捕捉数据中的潜在规律,表现为训练集和测试集的准确率都偏低。 出现欠拟合的常见原因有以下3点: 1. 模型结构过于简单,无法拟合复杂的数据分布。 2. 训练数据量不足,或者数据特征维度太低。 3. 训练轮次不够,模型还未充分学习到数据的特征。 48.1.2 过拟合的识别与特征 过拟合是指模型在训练集上表现极好,但在测试集上性能大幅下降。 出现过拟合的常见原因有以下3点:

Claude Code安装与使用完全指南:2026 年最前沿的 AI 编程助手

Claude Code安装与使用完全指南:2026 年最前沿的 AI 编程助手

文章目录 * 前言 * 一、什么是 Claude Code? * 1.1 定义与定位 * 1.2 技术优势 * 二、安装前的环境准备 * 2.1 系统要求 * 2.2 前置依赖 * 三、Claude Code 全平台安装教程 * 3.1 安装方式对比 * 3.2 Windows 系统安装 * 3.3 macOS 系统安装 * 3.5 安装后初始化 * 四、配置与优化 * 4.1 配置文件位置 * 4.2 跳过新手引导 * 4.3 接入国产大模型(免翻墙方案)