0. 前言
OpenClaw 给是一个开源、可自托管的 AI 助手平台，原生支持 Ollama 本地模型和 DeepSeek 等云端 API，让你在隐私与性能之间自由切换。本文记录了我在 Ubuntu 上从零部署 OpenClaw 的全过程——踩过的坑、优化后的配置，一并进行分享。
无论你是想搭建一个完全离线的私人助手，还是追求顶级大模型的推理能力，这篇指南都能帮你少走弯路，快速用起来。
1. 什么是 OpenClaw？
OpenClaw (俗称龙虾)是一个开源的智能助手平台，可以运行在个人电脑或树莓派等设备上。它最大的特点是支持多种模型后端——可以用本地部署的开源模型保护隐私，也可以接入 DeepSeek、OpenAI 等云端大模型获得更强能力。它的核心功能包括：
- 智能体 (Agent) 系统：可创建多个不同用途的 AI 助手
- 本地优先：原生支持 Ollama，数据不出本机
- 技能插件 (Skills)：可通过安装技能扩展能力，如联网搜索、浏览器自动化
- 终端界面 (TUI)：直接在命令行中与 AI 对话
- 网关架构：提供统一的 API 入口，方便集成各种模型
本文将从零开始，在 Ubuntu 上完成 OpenClaw 的安装，并同时配置本地模(通过 Ollama) 和云端模型 (DeepSeek API) 两种后端，让你在不同场景自由切换。
2. 环境准备
硬件要求如下表所示：
| 组件 | 最低配置 | 推荐配置 |
|---|---|---|
| CPU | 4 核 | 8 核以上 |
| 内存 | 8 GB | 16 GB+ |
| 磁盘 | 20 GB 可用 | 50 GB+ SSD |
| GPU (可选) | 无 | NVIDIA 8GB+ 显存 |
软件要求：Ubuntu 22.04 或 Ubuntu 24.04
3. 安装 OpenClaw
3.1 执行安装命令
OpenClaw 需要 Node.js 22+，推荐使用 NodeSource 官方源安装。
(1) 添加 NodeSource 仓库：
|
1 |
$ wget -qO- https://deb.nodesource.com/setup_22.x | sudo -E bash - |
(2) 安装 Node.js：
|
1 2 |
$ sudo apt update $ sudo apt install nodejs -y |
(3) 安装完成后，验证是否成功安装，如果没有问题可以在命令行中看到打印出 Node.js 版本号：
|
1 2 |
$ node --version $ npm --version |
(4) 修改配置文件，添加 npm bin 目录到 PATH 中：
|
1 2 |
$ echo 'export PATH="$HOME/.npm-global/bin:$PATH"' >> ~/.bashrc $ source ~/.bashrc # 立即生效 |
(5) 通过 npm 安装 OpenClaw：
|
1 |
$ sudo npm install -g openclaw |
3.2 完成初始化引导
安装成功后，执行以下命令进入引导程序，需要根据提示完成以下核心设置：
- 安全确认：当被问到是否知晓相关风险时，选择 Yes 并回车
- 选择模式：选择 QuickStart 快速启动模式
- 模型配置：这是关键的一步。因为我们是连接本地模型，所以当向导让我们选择模型供应商时，选择 “Skip for now” 跳过，我们将在后面手动配置
|
1 |
$ openclaw onboard |
3.3 官方一键脚本部署
除了以上方法外，我们也可以使用官方一键脚本部署，这种方式最简单，脚本会自动帮我们处理 Node.js 环境、依赖安装等步骤。
(1) 首先下载官方一键脚本部署：
|
1 |
$ wget -O install.sh https://openclaw.ai/install.sh |
(2) 在命令行中执行以下命令，脚本会自动开始工作，完成安装后，会自动进入初始化引导，设置方法与上一小节相同：
|
1 2 |
$ wget -O install.sh https://openclaw.ai/install.sh $ bash install.sh |
4. 配置本地模型 (Ollama)
Ollama 是一个便捷的本地模型运行工具，能让 OpenClaw 调用我们下载的开源模型。
4.1 安装与配置 Ollama
(1) wget 下载 Ollama 安装脚本：
|
1 |
$ wget -O install-ollama.sh https://ollama.com/install.sh |
(2) 在终端执行以下命令安装 Ollama：
|
1 |
$ sudo bash install-ollama.sh |
(3) 启动 Ollama 服务：
|
1 |
$ ollama serve & |
4.2 选择并下载模型
根据显存大小选择合适的模型：
| 显存 | 推荐模型 | 占用 | 能力 |
|---|---|---|---|
| 4-6GB | qwen3.5:2b | ~1.5GB | 日常对话、简单任务 |
| 8-12GB | qwen3.5:4b | ~4GB | 代码、推理 |
| 16GB+ | qwen3.5:9b | ~9GB | 复杂任务、长文本 |
使用以下命令下载选中的模型，以 qwen3.5:4b 为例：
|
1 |
$ ollama pull qwen3.5:4b |
下载完成后，可以用 ollama list 命令查看已安装的模型列表进行确认：
|
1 |
$ ollama list |
4.3 将 Ollama 模型接入 OpenClaw
现在，我们需要告诉 OpenClaw 如何找到刚下载的本地模型，主要是在配置文件 ~/.openclaw/openclaw.json 中添加 ollama 供应商信息。
(1) 在修改配置文件前，需要首先停止网关：
|
1 |
$ openclaw gateway stop |
(2) 编辑配置文件 ~/.openclaw/openclaw.json，在文件中添加或修改以下内容：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 |
"agents": { "defaults": { "workspace": "~/.openclaw/workspace", "model": { "primary": "ollama/qwen3.5:4b" }, "models": { "ollama/qwen3.5:4b": {} } } }, "models": { "providers": { "ollama": { "baseUrl": "http://127.0.0.1:11434", "apiKey": "ollama-local", "api": "ollama", "models": [ { "id": "qwen3.5:4b", "name": "qwen3.5:4b", "api": "ollama" } ] } } } |
(3) 配置完成后，重启一下 OpenClaw 网关让配置生效：
|
1 |
$ openclaw gateway start |
(4) 使用以下命令查看模型列表，可以看到以 ollama/ 为前缀的本地模型：
|
1 |
$ openclaw models list |
(5) 为方便使用，可以将本地模型设为默认：
|
1 |
$ openclaw models set ollama/qwen3.5:4b |
5. 配置云端模型 (DeepSeek)
5.1 获取 DeepSeek API Key
(1) 访问 DeepSeek 开放平台
(2) 登录后，在「API Keys」页面创建新的 API Key
(3) 复制保存(形如 sk-xxxxxxxx)
5.2 DeepSeek 配置
首次安装完成后，如果使用云端模型，可以通过使用 openclaw onboard 命令进行配置；已经安装过 OpenClaw 的用户可以通过 openclaw onboard --install-daemon 命令进入配置阶段。
- 遇到提示：I understand this is personal-by-default and shared/multi-user use requires lock-down. Continue? 选择 Yes
- 遇到提示：Setup mode 推荐选择 QuickStart
- 遇到提示：Model/auth provider 选择 DeepSeek
- 遇到提示：Enter DeepSeek API key 填入刚刚复制的 API Key
- 遇到提示：Default model 将光标指向 Enter model，填写模型名称 (deepseek-v4-pro 或 deepseek-v4-flash)
- 后续的其余配置请根据需求配置，也可以先选择 Skip for now
6. 开始使用 OpenClaw
6.1 启动对话
我们可以通过以下三种方式与 OpenClaw 进行对话。
(1) 打开 Web UI，在 Chat 页面进行交互，使用以下命令：
|
1 |
$ openclaw dashboard |
(2) 在终端中打开 TUI，使用以下命令：
|
1 |
$ openclaw tui |
(3) 在终端中与 Openclaw 对话，使用以下命令：
|
1 |
$ openclaw terminal |
6.2 安装技能扩展
通过 Agent 对话安装是最符合 Agent 范式的方式。在 OpenClaw、Claude Code 等 Agent 的对话框中，我们只需用自然语言说一句话，Agent 会自动完成整个安装流程，其中 xx_skill 是我们要安装的 Skill：
|
1 |
帮我从技能市场安装 xx_skill |
Agent 收到指令后，会遵循技能安装的最佳实践，分步执行：
自主发现与验证：Agent 会先浏览技能主页 ClawHub 页面，获取最新的安装说明和元数据，而不是凭“记忆”操作
执行具体安装命令：确认无误后，Agent 会调用对应的 CLI 命令静默安装
- OpenClaw CLI： openclaw skills install xx_skill
- ClawHub CLI (通过 npx)： npx clawhub@latest install xx_skill
环境自检与初始化：安装后，Agent 会立即检查核心工具是否准备就绪，帮我们运行 xx_skill version 验证
整个过程无需手动敲任何命令，Agent 成了我们的“部署工程师”。如果更倾向于自主控制，也可以通过 ClawHub 安装技能：
|
1 2 3 4 5 6 |
# 1. 安装 clawhub 命令行工具 $ npm i -g clawhub # 2. 搜索相关技能 $ clawhub search "xx_skill" # 3. 安装技能 $ clawhub install xx_skill |
小结
通过本文的配置，我们现在拥有一个双引擎的 AI 助手系统：
- 隐私优先时使用本地 Ollama 模型，数据完全掌控
- 能力优先时切换到 DeepSeek，享受顶级大模型性能
OpenClaw 的网关架构让这一切切换变得非常简单，一条命令即可完成。加上日益丰富的技能生态，它正在成为个人 AI 助手的绝佳选择。开始你的 OpenClaw 之旅吧！
