基于 Python 搭建本地 AI 智能体 OpenClaw 入门教程

提示：如果内存较小（如 8GB），可尝试下载小模型，如 qwen2.5:0.5b。

三、安装 OpenClaw

OpenClaw 负责连接聊天工具和本地模型。

3.1 安装 Node.js

OpenClaw 需要 Node.js 环境。

1. 访问 Node.js 下载页：https://nodejs.cn/download/
2. 选择 Windows 安装包 (.msi)，64 位版本。
3. 安装完成后，打开命令提示符验证：

   node -v
   npm -v
   

   显示版本号即成功。

3.2 使用官方脚本安装

1. 按 Win + X，选择 'Windows PowerShell（管理员）'。
2. 复制并粘贴以下命令，回车执行：

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

   该脚本会自动安装/检查 Node.js 环境，安装 OpenClaw CLI，并启动引导。

3.3 配置 OpenClaw

运行 openclaw onboard --install-daemon 后，按提示操作：

1. 输入 yes 同意条款。
2. 选择 QuickStart（快速开始）。
3. 配置模型：
   • Model/Auth provider 选择 Custom Provider。
   • API Base URL 填：http://127.0.0.1:11434/v1
   • API Key 填任意字符串（如 ollama）。
   • Endpoint compatibility 选 OpenAI-compatible。
   • Model ID 填 qwen2.5。
4. 其他选项使用默认值。
5. 完成后，记录 Web UI 地址（如 http://127.0.0.1:18789/）和 Token。

四、编写 Python 客户端脚本

为了更直观地体验本地 AI，我们编写一个简单的命令行客户端。

4.1 安装 ollama Python 包

在命令提示符中输入：

pip install ollama

4.2 编写脚本

1. 新建文件夹 MyOpenClawAI。
2. 新建文件 main.py。
3. 使用编辑器打开，输入以下代码：

# -*- coding: utf-8 -*-
import ollama

def local_jarvis():
    print("=" * 50)
    print("本地 AI 智能体已启动！模型：qwen2.5（Ollama）")
    print("输入 'exit' 可以退出")
    print("=" * 50 + "\n")
    while True:
        try:
            user_input = input("我说：")
        except EOFError:
            break
        if user_input.lower() in ["exit", "quit", "退出", "q"]:
            print("AI：我回去养精蓄锐了，下次再一起干活！拜拜~")
            break
        # 调用本地 Ollama 模型
        try:
            response = ollama.chat(
                model="qwen2.5",  # 和你 ollama run 的名字一致
                messages=[{"role": "user", "content": user_input}],
            )
            print("AI：" + response["message"]["content"] + "\n")
        except Exception as e:
            print(f"⚠️ 哎呀，卡住了：{e}\n")

if __name__ == "__main__":
    local_jarvis()

五、运行与测试

1. 确保 Ollama 在后台运行。
2. 在 MyOpenClawAI 目录下打开命令提示符。
3. 输入：

   python main.py
   

4. 输入测试问题，如：

   请用鲁迅的风格，吐槽一下总是想'白嫖'AI 的心理。
   

   模型将在本地计算并返回回答。

总结

至此，已完成以下配置：

1. 安装 Python 环境。
2. 安装 Ollama 并下载 Qwen 本地模型。
3. 使用官方脚本安装 OpenClaw。
4. 编写 Python 客户端调用本地模型。

注意事项：

1. 安全性：OpenClaw 权限较大，建议在虚拟机或干净环境中测试。
2. 硬件资源：本地模型消耗内存和算力，注意散热。
3. 进阶玩法：如需接入 QQ、自动发邮件等功能，需学习 OpenClaw 的 Skills、Agents、Channel 配置。

通过本地部署，你的数据不会传到云端服务器，且无需支付云端服务费。