第一次知道 OpenClaw 这个项目，是一个朋友跑来问我能不能在他的旧笔记本上跑起来，我当时随口回了句“十分钟吧”，结果自己回家折腾了快一个小时。后来复盘发现，慢根本不在 OpenClaw 本身，而是我踩了三个最常见的坑：没提前确认 WSL2 环境、没搞懂“框架”和“模型”到底谁是谁、以及没意识到“部署完成”和“能正常对话”之间还差了一次正确配置。这篇保姆级教程就是把这些弯路重新捋直给你看，零基础也能照着操作，目标是在 7 分钟内看到对话窗口弹出第一句回复。我会默认你用的是 Windows 电脑，也会单独讲 Linux 云服务器和 Docker 两条替代路线，覆盖 OpenClaw（Clawdbot）部署、PowerShell 排错、Ollama 本地模型接入、Teams 与 Obsidian 联动等大家问得最多的问题，内容比较长，但每一步都是可以复现的。
1. OpenClaw（Clawdbot）是什么：先搞清楚再动手
1.1 为什么有人叫它 Clawdbot，有人叫它 OpenClaw
OpenClaw 是一个开源的 AI 助手框架，早期项目名叫 Clawdbot，后来项目改名成了 OpenClaw，但很多早期教程、文档和讨论仍然在用旧名字，所以你在搜索时经常会看到两者混用。中文社区因为名字里有个 Claw，喜欢叫它“龙虾”，你可以把它理解成一个可以自托管的 AI 智能体中枢，用来接对话、调工具、管记忆、挂渠道，而不是某一个具体的 AI 模型。
这个区别很重要，因为很多人第一次接触时会搞混：以为装了 OpenClaw 就等于装了一个 Chat-GPT 那样的现成机器人。实际上 OpenClaw 提供的是“壳”和“接线板”，真正负责生成回答的“大脑”是模型，模型可以是云端的 OpenAI、Anthropic，也可以是本地跑的 Ollama 私有模型。你部署 OpenClaw 的过程，其实是在搭一套属于自己的 AI 助手底座。
1.2 用之前先理解“框架”和“模型”的关系
我用一个生活类比来帮你快速建立认知：OpenClaw 相当于一台手机的操作系统，而模型相当于系统里的语音助手应用。你换了不同品牌的助手应用，手机本身还是那台手机；同样，你在 OpenClaw 里切换不同的模型供应商，整套对话、工具调用、记忆管理的工作流并不会崩掉，只是回答质量会变。
这个设计带来的实际好处是：日常简单问题可以用本地小模型，便宜、隐私、离线也能用；遇到复杂推理任务可以临时切到云端大模型。OpenClaw 的统一接口把这种切换成本压到了最低，这也是我推荐大家入坑它的核心原因。部署前你只需要记住这条主线：装 OpenClaw 是搭骨架，配模型是装大脑，联渠道是打通路。
1.3 部署前必须搞定的三件事：能不能装，要看这三条
在你准备开始第 1 分钟之前，先花三十秒自检一下环境，免得计时踩空：
- 一台能联网的电脑，内存 8GB 以上。如果还打算跑本地模型，尤其是 7B 以上参数的模型，建议 16GB 起步。
- Windows 10 21H2 以上或 Windows 11，并且确认自己用的是管理员账号。老版本系统装 WSL2 会非常痛苦，有条件就直接上 Windows 11。
- 一个可用的模型 API Key，或者一台已经装好 Ollama 的机器。第一次部署我强烈建议先用云端 API 熟悉流程，因为本地模型踩坑面更广，容易打击信心。
这三条满足后，七分钟部署才真正有意义。如果你发现自己的 Windows 版本太老，或者 BIOS 里虚拟化没开，那么后面部署一定会卡住。这些前置问题会在第 3 章专门讲，先记住结论：环境对了，部署本身就那么几步。
2. Windows 电脑 7 分钟部署实操：从零到第一条回复
2.1 第 1 分钟：检查并安装 WSL2
说个实话，OpenClaw 本身可以在 Windows 原生环境跑，但它的部分系统组件，比如文件监控、沙箱执行和部分工具链，依赖真正的 Linux 内核环境，所以官方在 Windows 上要求先准备 WSL2。这个环节 90% 的新手报错都出在这里，千万别跳过。
用管理员身份打开 PowerShell，直接执行：
wsl --install这台机器如果之前没装过 WSL，命令会自动安装“适用于 Linux 的 Windows 子系统”和默认发行版（一般是 Ubuntu），然后提示你重启。重启完成后再打开 PowerShell 执行：
wsl --set-default-version 2这条命令的意思是把默认 WSL 版本固定为 2，因为我见过不少机器装完之后默认版本还是 1，后续跑 OpenClaw 会莫名奇妙报环境错误。到这里，第一分钟差不多用完，楼下继续。
2.2 第 2 分钟：安装 Node.js 20 LTS 以上版本
OpenClaw 的主体是 Node.js 写的，所以你要装一个 Node 运行时。这里有一个我踩过的版本坑：装老版本 Node 16 也能装上 OpenClaw，但启动时会直接报语法错误，因为新版代码用了不少 ES2022+ 特性。所以别贪省事，直接装 20 LTS 或者 22 LTS。
打开 Node.js 官网下载页面，选 LTS 版本，一路下一步装完。装完之后在 PowerShell 里验证：
node -v npm -v如果两条命令都有版本号输出，说明安装成功。这里有个小经验：如果你用的是 Windows 11，直接winget install OpenJS.NodeJS.LTS也可以，速度比去官网点鼠标快，而且会自动配好环境变量。
2.3 第 3~5 分钟：安装 OpenClaw 并完成首次配置
环境就绪之后，主体安装其实就一条命令：
npm install -g openclaw-cli注意，具体包名以你看到的官方仓库为准，不同版本发布时可能略有调整。全局安装完，执行初始化：
openclaw initinit命令会像问卷调查一样问你几个问题：选择模型供应商、填写 API Key、设置数据存储路径。第一次配置时，它生成的配置文件默认放在用户目录下，文件名类似openclaw.config.json。我建议你把配置文件打开看一眼，心里有个数，后面接本地模型、接 Teams 都要改这个文件。
到这一步，三分多钟过去了，OpenClaw 已经装好并完成基础配置。我见过很多人卡在这一步是不清楚 API Key 去哪里领，这里统一说明：OpenAI 类 Key 在对应平台的 API 管理页面创建，注意它通常长这样sk-...，长度不短；如果你用的是本地 Ollama，可以把 Key 这一项随便填个占位符，因为本地模型不需要验证 Key，这个细节在第 5 章展开讲。
2.4 第 6~7 分钟：启动、验证、再聊两句
配置完成直接启动服务：
openclaw serve终端会显示监听地址，一般是http://localhost:3000。浏览器打开这个地址，应该能看到一个简单的对话页面。我建议你不要只满足于网页交互，顺手在终端里试一下命令行模式：
openclaw chat输入一句“你好，介绍一下你自己”，如果它正常回复，说明从框架到模型再到接口这一整条链路已经通透了。7 分钟计时到此结束。
这里有个容易忽略的细节：serve启动后的窗口不要关，一关服务就停了。如果你想把 OpenClaw 长期挂在后台，Windows 上可以用nohup思路的等价方案，比如独立开一个窗口，或者用 PM2：
npm install -g pm2 pm2 start openclaw -- serve用 PM2 的好处是开机自启、崩溃自动重启、日志集中几项都能覆盖，比裸启动省心得多。
3. PowerShell 专项排错：那些让新手崩溃的报错到底在说什么
3.1 “无法安全验证 SL2 环境”这句报错，拆开看就不慌了
很多人安装 OpenClaw 时会在 PowerShell 里遇到一条长报错，大意是“无法安全验证 SL2 环境，请在 PowerShell 中运行 wsl --status 后重试”。第一次看到这条消息的同学通常一脸懵：SL2 是什么？为什么装个软件还要安全验证？
SL2 指的就是 WSL2。OpenClaw 的安装脚本在 Windows 上有一个前置检查逻辑：它要确认目标机器的 WSL2 环境真实可用，然后用它来承载部分 Linux 依赖组件。这个“验证”不是要你的密码或凭证，而是脚本内部调用了一个命令去查询 WSL 状态，如果查询结果不符合预期，就抛出这条错误。说白了，问题不在 OpenClaw，而在你机器上的 WSL 环境没准备好。
3.2 wsl --status 的正确读法：一行命令找出问题
收到报错提示后，先别急着重装 OpenClaw，打开 PowerShell 执行：
wsl --status重点看两处：
- 如果是中文系统，找“默认版本”这一项；英文系统，找
Default Version。 - 这个数字必须是
2，如果显示1，说明 WSL 内核模式不对，需要切换。
再执行：
wsl --version这个命令能看到更详细的 WSL 版本信息，正常输出里会包含“WSL 版本”和“内核版本”两行。如果两条命令都提示“未安装适用于 Linux 的 Windows 子系统”，说明最开始的wsl --install没真正成功，回到第 2.1 节重跑一遍，重启后再检查。
常见的修复动作我按优先级列一下：
- 切换默认版本：
wsl --set-default-version 2。 - 如果提示需要更新内核，去微软官方下载“WSL2 Linux 内核更新包”，安装后重启 PowerShell。
- 如果是老系统不支持，需要在“启用或关闭 Windows 功能”里勾选“虚拟机平台”和“适用于 Linux 的 Windows 子系统”，然后重启。
- 进入 BIOS 确认虚拟化技术（Intel VT-x 或 AMD-V）已开启。这一步容易被忽略，因为很多品牌机默认关闭虚拟化。
做完以上任意一步后用wsl --status复验，看到默认版本为 2，再重新跑 OpenClaw 安装脚本就不会再报这条错了。
3.3 其他高频报错清单与对应处理
除了 SL2 问题，我这里再贴一份我实际帮人排查时总结的高频报错对照表，你可以直接对号入座：
| 报错特征 | 根因 | 处理方式 |
|---|---|---|
| 安装时报语法错误，提示 Unexpected token | Node 版本过旧 | 升级到 Node.js 20 LTS 或更高 |
| EACCES 权限不足（Linux/macOS） | 全局安装目录不可写 | 使用 sudo 安装，或改用 npx 方式运行 |
| 启动时提示端口被占用 | 3000 端口被其他服务占用 | 改用openclaw serve --port 3001 |
| 对话时收到模型鉴权失败 | API Key 填错或格式错误 | 重新生成 Key，并检查配置中是否多了引号或空格 |
| Ollama 连接不上 | baseUrl 填错，或 Ollama 服务没启动 | 确认ollama serve在运行，且地址端口正确 |
表格里最后一条“Ollama 连接不上”值得多说一句：如果你把 OpenClaw 跑在 WSL 里，而 Ollama 也跑在同一个 WSL 环境里，那访问localhost:11434就是对的；但如果你把 OpenClaw 跑在 Docker 容器里，就要把地址改成http://host.docker.internal:11434，否则容器内访问不到宿主机的 Ollama。这个“环境不同、地址不同”的问题，是本地模型接入时最高频的翻车点。
4. 不走 Windows 路：云服务器与 Docker 部署方案
4.1 阿里云免费试用实例上部署 OpenClaw
没有 Windows 机器或者想 24 小时挂机的话，云服务器是更优选。阿里云这类平台一般都有新用户免费试用轻量应用服务器的活动，选择 2 核 2G 的配置就够了，系统选 Ubuntu 22.04。服务器到手后，先更新软件源并安装基础环境：
sudo apt update && sudo apt upgrade -y sudo apt install -y git curl curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs然后再装 OpenClaw，走一遍init配置。这里有一个和本机部署不太一样的点：云服务器上你很可能想让它长时间后台运行，我推荐用 systemd 托底。建一个服务文件：
sudo nano /etc/systemd/system/openclaw.service写入类似下面的内容：
[Unit] Description=OpenClaw Service After=network.target [Service] User=ubuntu WorkingDirectory=/home/ubuntu ExecStart=$(which openclaw) serve Restart=always [Install] WantedBy=multi-user.target保存后执行：
sudo systemctl enable --now openclaw sudo systemctl status openclaw这套做法的好处是：服务器重启后 OpenClaw 会自动拉起，不用你手动登录敲命令。别忘了去云控制台的安全组配置里，把 OpenClaw 监听的端口加入放行规则，否则外部根本访问不到。
4.2 Docker 方式部署：一条命令解决的问题
如果你已经用 Docker，那部署就更简洁了，拉镜像、起容器两步走：
docker pull ghcr.io/openclaw/openclaw:latest docker run -d \ --name openclaw \ -p 3000:3000 \ -v $(pwd)/openclaw-data:/data \ ghcr.io/openclaw/openclaw:latest冒号左边是宿主机端口，右边是容器内端口。如果你宿主机上已经有别的服务占用了 3000，可以把宿主机一侧改成 3001。-v参数把数据目录挂载到宿主机上，这是为了防止容器重建时把配置和聊天记忆全部弄丢，属于保命操作。
Docker 方式最适合的场景是：你要在一台机器上同时跑多个 AI 相关服务，用容器隔离依赖，互不干扰。我的建议是，如果你不熟悉 Linux 和 systemd，Docker Desktop 在 Windows 上也是个不错的选择，只是它本身占用资源不算小，只有 8G 内存的老机器会比较吃力。
4.3 部署后的安全习惯：别把密钥当儿戏
不管走哪条路线，有三个安全习惯我一直强调，新手尤其要注意：
- 不要把 API Key 直接写在命令行参数里，会被 shell 历史记录保存。正确做法是写入配置文件的独立字段，并给配置文件设权限。
- 云服务器上如果使用的是公共端口，建议在安全组里限制来源 IP，只允许你自己的办公网段访问。
- 定期备份数据目录。OpenClaw 的配置、对话历史、长期记忆都在里面，丢了之后会比重新部署难受得多。
数据目录具体在哪里，取决于你部署方式。本地装在用户目录下面，Docker 容器里在你指定的挂载卷里。养成习惯，备份一次就是一条 tar 命令的事，别等哪天升级版本失败再后悔。
5. 接入 Ollama 本地模型：把 OpenClaw 变成离线智能助手
5.1 为什么值得接本地模型
云端模型省事，但你会面临三个问题：隐私、费用、网络依赖。如果你要把 OpenClaw 用在办公电脑上，处理的内容不想经过第三方服务器，或者你只是想省下每月的 API 账单，那么接本地模型就是刚需。
Ollama 是目前最省心的本地模型运行工具，一键安装、命令行管理模型，对新手友好到几乎没有门槛。配合 OpenClaw 之后，你的整套助手就能在断网环境下直接对话，响应速度只受本地硬件性能影响。
当然也要清醒一点：本地模型的“聪明程度”和云端旗舰模型有明显差距，尤其体现在复杂推理、长文档理解和指令遵循上。本地模型的价值不是替代云端，而是补足隐私和离线场景。我自己的用法是默认走本地小模型做日常问答，遇到复杂任务临时切云端，两者各管一摊。
5.2 Qwen2.5-3B 接入 OpenClaw 的完整配置
准备本地模型前，先确认硬件能扛得住。Qwen2.5 3B 量化版大概需要 3~4GB 内存或显存，6GB 显存的显卡就够用；如果不走显卡只靠 CPU，16GB 内存也能跑，但速度会比较感人。
第一步，安装 Ollama。Windows 直接下载安装包，Linux 执行：
curl -fsSL https://ollama.com/install.sh | sh第二步，拉取模型：
ollama pull qwen2.5:3b拉取完可以先命令行验证一下：
ollama run qwen2.5:3b输入一句话看它是否能正常回复，先排除模型本身的问题再接入 OpenClaw。
第三步，修改 OpenClaw 配置。在init生成的配置文件里，把模型供应商改为 ollama 风格，配置项大致如下：
{ "model": { "provider": "ollama", "baseUrl": "http://localhost:11434", "model": "qwen2.5:3b", "apiKey": "ollama" } }apiKey填ollama只是占位，因为本地模型不做鉴权。改完配置重启openclaw serve，再发一条消息测试。如果等了十几秒还没反应，先单独确认 Ollama 有没有在运行，再看 baseUrl 是否可达。
5.3 资源不够时的降级方案和量力而行
如果你的电脑跑 3B 都觉得吃力，还有两条退路：
- 降级到更小的模型，比如
qwen2.5:1.5b甚至qwen2.5:0.5b，出词速度快很多，虽然“智商”下降，但做关键词提取、格式化文本这类结构化任务完全够用。 - 混合策略：OpenClaw 配置里保留多个模型供应商，简单任务用本地小模型，复杂任务在对话中指定切到云端大模型。这种方式既能控制成本，又能保证关键任务的回答质量。
我的建议是新手先从云端 API 起步，把 OpenClaw 的这套框架跑熟，再逐步把本地模型加进来。直接上本地模型的话，排错链路会拉长很多，容易把第一次体验搞崩。
6. 从“能对话”到“好用”：Teams、Obsidian 和日常工作流
6.1 接入 Microsoft Teams，把助手放进团队协作里
OpenClaw 支持把模型能力输出到 Teams 这类消息应用，让它作为一个机器人成员待在你的工作频道里，同事 @ 一下就能提问。这个功能对团队内部知识库问答、会议纪要整理之类的场景非常实用。
接入步骤大致分三块：先在 Microsoft 的开发者平台里注册一个机器人应用，拿到 Bot ID 和密码；然后在 OpenClaw 配置里启用 Teams 通道，填上对应的鉴权信息；最后把消息回调地址指向你的 OpenClaw 服务，指向格式一般是你的服务器地址加/teams路径。
这里有两个实际提醒：第一，公司用 Microsoft 365 管理员统一管理的环境，新应用的安装可能需要管理员审批，提前沟通好；第二，本地部署时如果你没有公网地址，Teams 的消息服务无法主动回调进来，需要借助内网穿透或部署到云服务器，这一步是团队场景下最容易卡住的地方。
6.2 和 Obsidian 联动，让笔记库变成助手的记忆库
如果你是 Obsidian 用户，OpenClaw 和它搭配起来很有意思。思路是：把 Obsidian 的笔记库目录暴露给 OpenClaw，让它能读取指定笔记内容，然后再把回答写回新笔记，形成一套“个人知识问答”工作流。
最简单的落地方案是走 HTTP 接口：Obsidian 社区有支持自定义 REST API 的插件，你可以从笔记内容构造请求发给 OpenClaw，让它总结、续写、翻译或抽关键词并生成新笔记。示例思路如下：
- 在 Obsidian 里选中一篇笔记。
- 用插件里的自定义请求模板，向
http://localhost:3000/api/chat发一条包含笔记内容的 Prompt。 - 返回结果后写回当前 Vault 里的一个新文件。
没有现成插件的时候，你也可以用命令行脚本替代，只要会在终端里调 curl，让 Obsidian 调用外部脚本即可。关键是理解这个模式：OpenClaw 本身不用知道 Obsidian 是什么，你只要把笔记内容发给它，再把结果写回 Vault。
6.3 我个人的使用经验与建议
折腾 OpenClaw 大半年，我现在的习惯很固定：办公电脑上开一个 WSL2 环境跑 OpenClaw，日常对话走 Ollama 里的 Qwen2.5 3B，复杂一点的总结和代码走云端模型；笔记长期积累在 Obsidian 库，需要时用脚本把碎片笔记喂给 OpenClaw 整理成正式文档。Teams 机器人接入之后，同事在群里问项目背景时不用再甩文档链接，直接 @ 助手就能拿到摘要。
整个项目最让我感慨的一点是：OpenClaw 解决的其实不是“有没有大模型可用”的问题，而是“怎么让模型服务真正长在你的工作流里”。它像一个接线员，把模型、对话界面、办公软件和笔记系统全部串起来。新手入坑时不要贪多，先把一条链路跑通——Windows 部署、云端模型、网页或命令行走通一遍，再来折腾本地模型和 Teams 联动。更多工具集成，比如让它定期扫描某个文件夹、定时汇总网页内容，都是在这个骨架上逐渐加出来的能力。按照这篇文章的步骤走完，再结合你自己手头的高频场景去迭代，你会比我更快找到最适合自己的用法。