Ubuntu_24.04 安装OpenClaw教程

认识OpenClaw


官网:https://openclaw.ai/

https://docs.openclaw.ai/start/getting-started

安装OpenClaw

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

安装完成

配置命令

在终端输入:

openclaw onboard

选择Yes

选择QuickStart

因为前面配置过,所以提示是否用原来的配置信息,可以使用Reset进行重置

选择模型:

根据自己的需要进行选择, 这里要特别注意一个问题,openClaw对上下文有要求,默认最小是16000Token,要不然后面安装的时候会报下图的错误信息

选择Qwen一直在waiting

如果要使用其他的模型,选择Custom Provider

如果选择DeepSeek,baseURL输入:https://api.deepseek.com/v1

然后输入API-KEY:sk-*******

model输入:deepseek-coder

Skills根据需要进行安装

skills说明是否推荐安装
1password使用 1Password CLI 安全读取密码、API 密钥等敏感信息。适合企业用户保护凭证。✅ 推荐(高安全需求)
blogwatcher监控博客更新并自动通知(如 RSS 订阅)。适合内容创作者。❌ 一般不需
blucliBluOS CLI 工具,用于发现和管理 OpenClaw 技能。它是技能市场的核心命令行接口。✅ 必须安装(建议勾选)
camsnap从摄像头拍摄照片或视频流(如监控)。❌ 除非你有摄像头需求
clawhub通过 ClawHub 搜索、安装和管理公开技能包。类似 npm 或 pip。✅ 强烈推荐(获取更多技能)
eightctl与 Eight (AI Agent 平台) 集成,可能用于调度或任务分发。❌ 一般不用
gemini支持 Google Gemini 模型(如 gemini-1.5-pro),让 OpenClaw 能调用 Google AI。✅ 如果你用 Google 生态
gifgrep在 GIF 图像中搜索文本或关键词(基于 OCR)。❌ 小众用途
github与 GitHub API 交互:创建 Issue、PR、查看仓库、提交代码等。✅ 推荐(开发者必备)
gogGOG 游戏平台集成(可能用于自动化游戏下载/更新)。❌ 不相关
goplaces获取 Google Places 数据(地点、评分、评论等)。❌ 除非做地图应用
himalaya可能是一个本地文件同步或备份工具(名称来自“喜马拉雅”)。❌ 未知用途
mcporterMinecraft 服务器端口转发或管理工具?❌ 不常用
nano-banana-pro名称搞笑,可能是实验性技能(如“香蕉”主题的自动化)。❌ 可忽略
nano-pdf处理 PDF 文档(提取文本、合并、转换等)。✅ 推荐(文档处理)
obsidian与 Obsidian 笔记软件集成,实现笔记查询、标签管理、自动生成大纲等。✅ 推荐(知识工作者)
openai-whisper使用 OpenAI Whisper 模型进行语音转文字(STT)。✅ 推荐(语音输入场景)
openhue控制 Philips Hue 灯泡(智能家居)。❌ 除非你有智能灯
oracle连接 Oracle 数据库(SQL 查询、数据导出)。✅ 数据库管理员可用
ordercli订单管理系统 CLI(可能是电商或内部系统集成)。❌ 业务定制
sag可能是 "Smart Assistant Gateway" 或某个私有项目缩写。❌ 未知
songsee歌曲识别或音乐推荐工具?❌ 小众
sonoscli控制 Sonos 音响系统(播放音乐、调整音量)。❌ 智能家居用户
summarize自动生成文章摘要(支持文本、网页、PDF)。✅ 推荐(高效阅读)
video-frames提取视频中的帧图像(用于分析或截图)。✅ 视频处理者可用
wacliWhatsApp 命令行客户端(发送消息、接收通知)。✅ 如果你用 WhatsApp 工作

skills如何确认是否安装成功

列出所有已安装的技能

blucli skills list

是否启用“Hooks”?

在 OpenClaw 中,Hook(钩子) 是一种轻量级的自动化脚本,会在以下事件发生时触发:

  • 启动时
  • 每次命令执行前/后
  • 会话开始/结束
  • 文件加载等

它们可以用来:

  • 记录日志
  • 加载额外文件
  • 自动保存上下文
  • 执行预设命令
Hook 名称作用说明是否推荐启用
boot-md在启动时自动加载 Markdown 文件作为初始知识库(如 README.md、FAQ.md)
→ 你可以把常用指令、规则写进 .md 文件,让 AI 知道你的偏好
✅ 推荐(适合个性化助手)
bootstrap-extra-files启动时自动加载指定目录下的额外文件(如 JSON 配置、CSV 数据表、API 文档)
→ 帮助 AI 快速了解你的项目结构
✅ 推荐(如果你有固定数据源)
command-logger记录所有执行过的命令到日志文件中
→ 便于调试、审计和复盘 AI 的行为
✅ 强烈推荐(开发者必开)
session-memory为每次会话保存记忆(如上下文对话、变量状态)
→ 让 AI 能记住“我们之前说过了什么”,避免重复提问
✅ 强烈推荐(提升交互体验)

说明:

  • 这些 Hook 是可选的,不启用也不会影响基本功能。
  • 如果你不确定,可以先选 Skip for now,之后通过命令行手动添加:
openclaw config set hooks.session-memory true

选择界面方式

OpenClaw 在启动 AI 助手时的方式

Hatch in TUI (recommended):推荐!使用 终端用户界面(TUI) 启动 OpenClaw

优点:

  • 直接在终端中运行,无需浏览器
  • 实时显示日志、状态、命令执行过程
  • 快速调试技能、查看错误信息
  • 支持键盘快捷键(如 Ctrl+C 停止)

适合人群:

  • 开发者
  • 运维人员
  • 喜欢命令行操作的用户

Open the Web UI:使用 Web 界面 启动 OpenClaw

优点:

  • 图形化操作:拖拽技能、配置参数更直观
  • 支持多设备访问(手机/平板)
  • 可视化监控:会话历史、性能图表等
  • 更适合非技术用户

 适合人群:

  • 非程序员
  • 想快速上手的普通用户
  • 需要远程访问的人

Do this later:跳过,稍微再设置

其他配置

等待安装完成

安装完成,可用openclaw status查看状态

openclaw安装完成后的命令会有这些:

查看版本:openclaw --version

访问

官方推荐用http://127.0.0.1:18789/
我们本地不能直接访问,需要建立隧道才能访问,在本地电脑上执行下面的命令

说明:这里特别注意是是在本地电脑上执行如下命令,不是在云服务器执行。

(1)建议隧道命令

ssh -L 18789:127.0.0.1:18789 -L 18792:127.0.0.1:18792 root@<ECS公网IP地址> 

比如:ssh -L 18789:127.0.0.1:18789 -L 18792:127.0.0.1:18792 [email protected]

(2)输入ECS服务器密码后,完成SSH登录。

(3)通过隧道登录

本地浏览器输入http://127.0.0.1:18789/?token=<;您的GATEWAY_TOKEN>即可正常通过隧道登录。

如果不记得token,如何获取token?

在服务器上输入openclaw dashboard,界面上会显示访问的完整的链接地址

直接访问http://127.0.0.1:18789的界面如下:

访问带有token的界面如下(正常界面):

具体的使用后续教程分享

Read more

医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(八)

医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(八)

第15章 模型融合与集成策略 在机器学习竞赛和实际应用中,模型融合(Model Ensemble)是提升预测性能的利器。通过组合多个不同的基模型,集成策略能够综合各个模型的优势,抵消单个模型的偏差和方差,从而获得比任何单一模型更稳定、更准确的预测结果。在医疗AI领域,模型融合同样具有重要价值——面对复杂多模态的医疗数据,单一模型往往难以全面捕捉所有信息,而融合多个异质模型可以提升诊断的鲁棒性和准确性。本章将从集成学习的基本思想出发,系统介绍常见的模型融合方法,包括投票法、平均法、Stacking、Blending等,并通过实战案例展示如何构建融合模型来提升疾病预测性能。 15.1 集成学习的基本思想 集成学习(Ensemble Learning)的核心思想是“三个臭皮匠,顶个诸葛亮”——通过结合多个学习器来完成学习任务,通常可以获得比单一学习器更优越的泛化性能。根据个体学习器的生成方式,集成学习主要分为两大类: * Bagging:并行训练多个独立的基学习器,然后通过平均或投票进行结合。典型代表是随机森林。Bagging主要降低方差。 * Boosting:串行训练基学习

By Ne0inhk
Flutter 三方库 huggingface_client 的鸿蒙化适配指南 - 连接全球最大 AI 开源社区、助力鸿蒙应用构建云端一体的大模型推理能力

Flutter 三方库 huggingface_client 的鸿蒙化适配指南 - 连接全球最大 AI 开源社区、助力鸿蒙应用构建云端一体的大模型推理能力

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 huggingface_client 的鸿蒙化适配指南 - 连接全球最大 AI 开源社区、助力鸿蒙应用构建云端一体的大模型推理能力 前言 在 OpenHarmony 鸿蒙应用全场景智能化的今天,AI 模型的获取与推理能力已成为应用的核心竞争力。如果你希望在鸿蒙应用中集成最前沿的文本生成、图像识别或语音转写功能,而又不想从零开始训练模型,那么 Hugging Face Hub 正是你不可或缺的“AI 军火库”。huggingface_client 作为一个专为 Dart/Flutter 设计的官方级客户端,提供了对 Hugging Face API 的深度封装。本文将指导你如何在鸿蒙端利用此库轻松调取全球顶尖的开源 AI 算力。 一、原原理分析 / 概念介绍 1.1

By Ne0inhk
OpenClaw横空出世:星标榜第一的AI Agent框架凭什么引爆2026?

OpenClaw横空出世:星标榜第一的AI Agent框架凭什么引爆2026?

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” * 一、现象级爆火:GitHub年度最热AI项目 * 二、OpenClaw是什么? * 核心定位 * 三、OpenClaw凭什么成为新标杆? * 3.1 自托管部署:数据主权回归 * 3.2 无代码革命:人人都是开发者 * 3.3 微内核架构:优雅且强大 * 3.4 多智能体协同 * 四、技术架构深度解析 * 4.1 核心组件 * 4.2 2026.3.7重大更新 * 五、与主流框架对比 * 5.1 OpenClaw vs LangChain * 5.2 OpenClaw vs

By Ne0inhk