我一直觉得，把推理全部交给云端 API 既烧钱又不放心数据流向。后来试着在 Windows 上搭了一套完全本地的组合：用 Ollama 跑 DeepSeek 当推理引擎，再让 OpenClaw 做中枢去调度文件、网络和外部程序。用下来感觉足够应对日常自动化需求，这里记录一下配置过程。
你需要知道的前提
- 核心组件：Ollama 负责模型推理，我把 DeepSeek-R1 7B 跑在本地，代码和逻辑推理比较扎实；OpenClaw 则像是操作系统的'胶水层'，让模型能操控实际工具。
- 扩展方式：通过往 OpenClaw 里安装不同 Skill 包来增加能力，比如直接生成带图形界面的 Python 程序、分析 Excel 并出图、写小说等等。
- 适用的人：想省 API 费用、处理私有数据，或者单纯想玩玩本地模型的开发者——不需要会编程，按步骤操作就行。
硬件方面有什么要求
这直接影响体验。如果只是跑个 7B 模型，16GB 内存 + 20GB 空闲硬盘差不多能转起来；但要是想流畅，建议 32GB 内存，硬盘用 SSD，有独显更好。没有显卡也能跑 CPU 模式，就是速度会慢一些。
- 操作系统：Windows 10 64 位以上，家庭版也行
- 内存：最低 16GB，推荐 32GB
- 硬盘：至少 20GB 空闲，推荐 50GB 以上 SSD
- 显卡：非必需，有 NVIDIA RTX 2060+ 会明显加速
第一步：装 Ollama 并拉取模型
Ollama 是个很轻量的本地模型管理器，在官网下载 Windows 安装包，一路 next 就行。装完后任务栏右下角会有个羊驼图标，表示服务已经在后台跑了。
打开命令行（Win+R 输入 cmd），用下面这条命令把 DeepSeek-R1 7B 拽下来：
ollama run deepseek-r1:7b
第一次会下载模型文件，大概 10 到 30 分钟。等出现 >>> 提示符后，可以打个'你好'试试能不能正常回复。要退出对话就输入 /bye。
如果觉得 7B 还是卡，可以试试
deepseek-r1:1.5b，只有 4GB 左右显存/内存占用，推理速度会快很多。
第二步：装上 OpenClaw 中枢
OpenClaw 需要 Node.js 环境，去 Node.js 官网下 LTS 版，安装时勾选'Automatically install the necessary tools'，它会自动搞定 Python 和 Visual Studio Build Tools 之类的依赖，省很多事。装完后新开一个命令行窗口，确认版本：
node --version
npm --version
然后全局安装 OpenClaw：
npm install -g openclaw@latest
安装过程中会问默认模型和 API Key，因为我们用的是本地 Ollama，API Key 直接回车跳过；工作区路径我用的是默认的 C:\Users\你的用户名\.openclaw\workspace。
接着执行初始化并启动守护进程：
openclaw onboard --install-daemon
检查状态：
openclaw gateway status
如果输出 running，就可以在浏览器里打开 http://127.0.0.1:18789/ 进入管理后台。第一次登录需要 token，在 C:\Users\你的用户名\.openclaw\openclaw.json 里能找到。
第三步：装几个实用的 Skill
Skill 就是让 AI 能干具体活的插件，所有包都放在工作区目录下。先进到那里：
cd %USERPROFILE%\.openclaw\workspace
