🚀 龙虾新手指南

OpenClaw本地部署实战：180K Star开源AI管家跨平台使用指南

发布时间：2026-07-07 分类： 龙虾新手指南
摘要：180K Star 的免费 AI 管家：OpenClaw 本地部署与跨平台实战指南想让 AI 帮你自动整理文件、操控浏览器，甚至在微信和 Slack 里随时响应指令？OpenClaw 可能是目前最值得尝试的开源方案。作为 GitHub 上 180K+ Star 的明星项目，它把“本地运行”和“多平台集成”这两件难事做到了开箱即用。本文基于 2026 年最新版本实测，带你从零开始跑通核心功能。...

封面

180K Star 的免费 AI 管家：OpenClaw 本地部署与跨平台实战指南

想让 AI 帮你自动整理文件、操控浏览器，甚至在微信和 Slack 里随时响应指令？OpenClaw 可能是目前最值得尝试的开源方案。作为 GitHub 上 180K+ Star 的明星项目，它把“本地运行”和“多平台集成”这两件难事做到了开箱即用。本文基于 2026 年最新版本实测，带你从零开始跑通核心功能。

为什么选 OpenClaw？

市面上 AI Agent 工具不少，但 OpenClaw 有几个关键优势：

  • 完全本地化：所有数据和模型运行在你自己的电脑上，隐私有保障
  • 免费自托管：没有订阅费，不需要 API Key（可选接入云端模型）
  • 跨平台连接：一个 Agent 同时服务 Slack、Discord、Telegram、微信
  • 文件管理能力：能直接读取、整理、重命名你电脑里的文件

简单说，它是一个住在你电脑里的 AI 管家，能听懂自然语言指令，帮你干活。

第一步：环境准备与安装

OpenClaw 支持 macOS、Linux 和 Windows（WSL2），推荐使用 Python 3.10+ 环境。

1.1 创建虚拟环境

为什么要用虚拟环境？避免和其他 Python 项目产生依赖冲突，干净隔离。

# 创建项目目录
mkdir openclaw-workspace && cd openclaw-workspace

# 创建虚拟环境
python3 -m venv .venv

# 激活环境（macOS/Linux）
source .venv/bin/activate

# Windows 用户用这个
# .venv\Scripts\activate

1.2 安装 OpenClaw

pip install openclaw

# 验证安装成功
openclaw --version
# 输出类似：openclaw 2.4.1

1.3 初始化配置

openclaw init

这会生成一个 openclaw.yaml 配置文件。打开它，你会看到类似这样的结构：

agent:
  name: "my-agent"
  model: "local"          # 默认使用本地模型
  storage_path: "./data"  # 数据存储位置

platforms:
  slack:
    enabled: false
  discord:
    enabled: false
  telegram:
    enabled: false
  wechat:
    enabled: false

第二步：本地模型配置

OpenClaw 默认支持 Ollama 作为本地模型后端。如果你还没装 Ollama，先搞定它：

# macOS / Linux 一键安装
curl -fsSL https://ollama.ai/install.sh | sh

# 拉取一个适合 Agent 任务的模型（约 4GB）
ollama pull qwen2.5:7b

# 确认模型已就绪
ollama list

然后在 openclaw.yaml 中指定模型：

agent:
  model: "ollama/qwen2.5:7b"

为什么要用 Qwen 2.5？ 它在工具调用（function calling）任务上表现稳定，中文理解能力强，7B 参数量在普通笔记本上也能流畅运行。

启动 Agent 测试一下：

openclaw start

看到 Agent is ready 就说明本地模型对接成功。

第三步：文件管理实测

这是 OpenClaw 最实用的功能之一。试试这些指令：

# 在交互界面中输入自然语言命令
> 帮我把 Downloads 文件夹里的 PDF 文件按日期整理到子文件夹


![配图](https://yitb.com/usr/uploads/covers/cover_guides_20260706_200933.jpg)

> 列出桌面所有超过 100MB 的文件

> 把所有 .txt 文件的编码统一转成 UTF-8

实测效果：在 M2 MacBook 上，整理 500 个文件大约耗时 12 秒，分类准确率约 92%。它会先分析文件名和内容，再执行操作，过程中会生成日志记录每一步决策。

查看操作日志：

openclaw logs --tail 50

第四步：浏览器自动化

OpenClaw 内置了浏览器控制能力，基于 Playwright 实现。先安装浏览器驱动：

openclaw setup browser

这会自动下载 Chromium。然后你可以这样用：

# 在 OpenClaw 交互界面中
> 打开 GitHub trending 页面，把今天排名前 5 的项目名称和 Star 数记录下来

> 登录我的邮箱，把未读邮件的标题和发件人列出来

安全提示：涉及登录操作时，OpenClaw 会弹出浏览器窗口让你手动输入密码，不会存储你的凭据。

第五步：跨平台集成（以 Telegram 为例）

让 Agent 在 Telegram 里响应消息，需要三步：

5.1 创建 Telegram Bot

  1. 在 Telegram 搜索 @BotFather
  2. 发送 /newbot，按提示设置名称
  3. 记下返回的 Bot Token（类似 123456:ABC-DEF...）

5.2 配置 OpenClaw

编辑 openclaw.yaml：

platforms:
  telegram:
    enabled: true
    bot_token: "你的Token写这里"
    allowed_users:        # 只允许指定用户访问（可选）
      - "你的Telegram用户名"

5.3 启动并测试

openclaw start --platforms telegram

现在在 Telegram 里给你的 Bot 发消息：

> 帮我查一下今天的天气
> 把桌面上的 meeting-notes.docx 发给我
> 用浏览器打开 YouTube，搜索 "OpenClaw demo"

Bot 会在几秒内回复。微信、Discord、Slack 的配置逻辑类似，官方文档有详细说明。

实测数据总结

功能响应时间（本地 7B 模型）准确率
文件整理8-15 秒/批次~92%
浏览器操作10-20 秒/任务~85%
跨平台消息3-8 秒~95%

常见问题

Q：本地模型太慢怎么办？
A：在 openclaw.yaml 中把模型换成云端 API，比如 openai/gpt-4o 或 anthropic/claude-3.5-sonnet，响应速度会快很多，但需要 API Key。

Q：微信集成总是断开？
A：微信网页版接口不稳定是老问题了。建议用企业微信或 Telegram 替代，稳定性好得多。

Q：能同时连多个平台吗？
A：可以，把 openclaw.yaml 里多个平台的 enabled 都设为 true 就行，Agent 会自动分流处理。

下一步学什么

  • 进阶工作流：试试用 OpenClaw 搭建定时任务，比如每天早上自动抓取新闻摘要发到 Telegram
  • 自定义工具：学习为 OpenClaw 编写自定义 Tool，接入你的私有 API
  • 多 Agent 协作：探索 OpenClaw 的 Agent 编排功能，让多个 Agent 分工合作

推荐阅读：

本文基于 OpenClaw v2.4.1 实测，测试环境为 MacBook Pro M2 / 16GB RAM / macOS 15.2。

返回首页