OpenClaw龙虾AI本地部署教程：Docker一键安装实现离线自动办公
OpenClaw（龙虾AI）部署全解：从Docker一键部署到端到端自动办公实战
问题
你试过让AI帮你填一张网页报名表、从PDF里抽关键信息填进Excel、甚至自动截图分析当前屏幕内容吗？主流大模型只能“说”，不能“做”。OpenClaw（龙虾AI）是给AI装上“数字手脚”的开源框架——它不调API，不传数据到云端，所有操作在你本地电脑完成。支持鼠标点击、键盘输入、截图理解、PDF/Excel解析，真正实现“你说我干”。
方案
用 Docker 一键拉起 OpenClaw 全栈服务（含 UI 界面 + 多模态模型 + 桌面控制引擎），全程离线运行，GPU 加速可选。零依赖编译，15 分钟跑通完整工作流。
✅ 开源地址：https://github.com/yitb-ai/openclaw
✅ 本地优先：所有模型、OCR、视觉理解全部下载到本地
✅ 真实操作能力：不是“生成代码”，而是直接操控你的浏览器和桌面
步骤
1. 安装 Docker（Windows/macOS/Linux 通用）
OpenClaw 依赖 Python 3.11、PyTorch、Pillow、Playwright、LLaVA/Qwen-VL 等 20+ 组件，手动安装容易冲突。Docker 封装好全部环境，一条命令启动。
# macOS / Windows（WSL2 或 Docker Desktop）
brew install --cask docker # Mac
# Windows：下载 Docker Desktop 官网安装包（启用 WSL2）
# Linux（Ubuntu/Debian）
sudo apt update && sudo apt install -y docker.io docker-compose
sudo usermod -aG docker $USER
newgrp docker # 重载组权限，避免每次加 sudo2. 一键拉起 OpenClaw（含 GPU 加速支持）
默认用 CPU 运行（适合测试）；有 NVIDIA 显卡？加 --gpus all 自动启用 CUDA 加速（速度提升 3–5 倍）：
# 创建项目目录并拉取配置
mkdir openclaw && cd openclaw
curl -O https://raw.githubusercontent.com/yitb-ai/openclaw/main/docker-compose.yml
# 启动（CPU 版）
docker compose up -d
# 或 GPU 版（需已安装 nvidia-container-toolkit）
docker compose up -d --gpus alldocker-compose.yml 预置了三个核心服务：
openclaw-server：核心 API 服务，内置 LLaVA 视觉理解模型openclaw-ui：Web 控制台（http://localhost:3000）playwright-browser：无头 Chromium，真实模拟用户操作
3. 实操三个高频办公场景
▶ 场景1：自动填写网页表单
打开 http://localhost:3000 → 点「新建任务」→ 输入：
“在 https://example.com/contact 填写姓名‘张三’、邮箱‘zhang@example.com’、留言‘咨询API接入’，然后点击提交按钮”
✅ 效果：OpenClaw 自动打开网页、定位输入框、输入文字、截图确认、点击提交——全程不用写一行 Selenium 代码。
▶ 场景2：从 PDF 提取合同金额填入 Excel
上传 contract.pdf → 输入指令：
“提取第2页的‘总金额’数值（格式如¥128,000.00），写入 output.xlsx 的A1单元格”
✅ 底层调用 pymupdf + layoutparser 定位文本块，再用 openpyxl 写入——不是 OCR 猜字，是结构化抽取。
▶ 场景3：屏幕理解 + 操作决策
点「截图分析」按钮 → 当前桌面截图 → 输入：
“当前窗口标题是‘订单管理后台’，右下角有个红色‘导出Excel’按钮，点击它”
✅ OpenClaw 调用 Qwen-VL 模型理解截图语义，用 pyautogui 精确坐标点击——这才是真正的“所见即所控”。
验证
访问 http://localhost:3000，看到蓝色「OpenClaw」Logo 和「Start New Task」按钮即成功。
终端执行：
docker ps | grep openclaw # 应显示 3 个 running 容器
curl http://localhost:8000/health # 返回 {"status":"healthy"}👉 Binance · OKX · Gate.io · HTX · Bitget
常见问题速查表（高频报错 & 解法）
| 报错现象 | 根本原因 | 解决命令 | ||
|---|---|---|---|---|
ERROR: failed to create endpoint ... port already allocated | 8000/3000 端口被占用 | `lsof -i :8000 \ | awk '{print $2}' \ | xargs kill` |
CUDA out of memory（GPU 版崩溃） | 显存不足（<6GB） | 改用 CPU 版：删掉 --gpus all，或在 docker-compose.yml 中加 environment: - OPENCLAW_VISION_MODEL=qwen-vl-int4（量化版） | ||
| 网页操作失败：“Element not found” | 目标网站反爬或加载慢 | 在指令末尾加 等待3秒后操作，或改用 #id / [name="email"] 精确选择器 | ||
| PDF 解析结果为空 | PDF 是扫描图（非文字层） | 先用 pdf2image 转为图片，再用 OpenClaw 的「图像OCR」模式处理 |
下一步
你已拥有了一个可落地的本地 AI 智能体。下一步建议：
- 🔧 自定义动作：用 Python 写一个「自动归档微信聊天截图」插件（教程：《OpenClaw 插件开发入门》）
- 📦 离线模型替换：把默认的 Qwen-VL 换成更小的
llava-onevision-qwen2-0.5b（仅 1.2GB，适合 4GB 显存） - 🤖 接入 Agent 框架：用 MCP 协议把 OpenClaw 接入 Dify，构建“会操作的 AI 助手”（教程：《MCP + OpenClaw：让 Dify 真正动手》）
所有代码、配置文件、报错日志模板，已打包进 yitb.com/openclaw-quickstart —— 下载即用，不翻墙、不注册、不收费。