龙虾AI（Claw）入门：OpenClaw安装、配置与使用

安装与配置

OpenClaw 是一个基于 Python 3.9+ 的开源指令模型框架。它不依赖 CUDA 运行基础推理，但微调建议使用 GPU。

检查 Python 环境

确保系统已安装 Python 3.9 或更高版本：

python --version  # 应输出类似 Python 3.10.12
pip --version     # pip 23.0+

若未安装，从 python.org 下载对应系统安装包。macOS 和 Linux 用户也可用 pyenv 管理多版本。

创建并激活虚拟环境

避免全局污染，推荐使用 venv：

python -m venv claw_env

激活方式因系统而异：

# macOS / Linux
source claw_env/bin/activate

# Windows（PowerShell）
claw_env\Scripts\Activate.ps1
# 若提示执行策略错误，先运行：
# Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

激活后，命令行前缀应显示 (claw_env)。

安装 OpenClaw

pip install openclaw

该命令会自动安装 torch（CPU 版）、transformers、datasets 等核心依赖。如需 GPU 支持，在安装前手动安装对应版本的 PyTorch（参考 pytorch.org）。

模型推理

OpenClaw 不自带模型权重，需单独下载。官方提供 claw-base（1.3B 参数，FP16）和 claw-small（350M）两个公开模型。

下载模型

克隆仓库并运行下载脚本：

git clone https://github.com/nostrus/OpenClaw.git
cd OpenClaw
python download_model.py --model_name=claw_base

脚本默认将模型存入 models/claw_base/。你也可以手动下载 config.json、pytorch_model.bin、tokenizer.json 等文件到该目录。

执行推理

python run_inference.py \
  --model=models/claw_base \
  --input_text="你好，龙虾AI"

输出示例：

> 你好，龙虾AI  
> 你好！我是龙虾AI，一个专注指令理解的开源模型。

支持批量输入（传入 .jsonl 文件）和交互式模式（--interactive）。

指令微调

微调需准备符合 Alpaca 格式的 JSONL 数据集：

{"instruction": "将中文翻译成英文", "input": "今天天气很好。", "output": "The weather is nice today."}
{"instruction": "总结以下段落", "input": "机器学习是人工智能的一个分支...", "output": "这段文字介绍了机器学习的定义和常见任务。"}

每行一个样本，input 字段可为空字符串。

启动微调

python finetune.py \
  --model=models/claw_base \
  --data_path=my_data.jsonl \
  --output_dir=finetuned_claw \
  --batch_size=4 \
  --epochs=3

• 默认使用 LoRA 微调（低显存友好），适配 12GB 显存 GPU（如 RTX 3060）
• 如需全参数微调，添加 --full_finetune
• CPU 微调可行但极慢，仅建议调试用

训练完成后，finetuned_claw/ 目录包含适配后的权重和 tokenizer。

使用微调后模型

python run_inference.py \
  --model=finetuned_claw \
  --input_text="请用 Python 写一个快速排序"

验证安装

运行内置测试确认环境就绪：

python test_openclaw.py

成功时输出：

✓ Model loading OK  
✓ Tokenizer works  
✓ Inference runs (CPU)  
✓ LoRA adapter loads  
All tests passed.

若失败，检查：

• 虚拟环境是否激活
• models/claw_base/ 是否存在且完整（至少含 config.json、pytorch_model.bin、tokenizer.json）
• torch 是否为 CPU 或 CUDA 版本（import torch; print(torch.cuda.is_available())）

常见问题

依赖冲突或安装失败

• 错误信息含 ERROR: Could not find a version that satisfies...：升级 pip

  pip install --upgrade pip

• 安装 torch 失败：不要用 pip install torch 直接装。先去 pytorch.org 选好配置，复制带 -f 参数的命令执行。

推理输出异常（空、乱码、卡死）

• 检查 --model 路径是否指向含 config.json 的目录，而非 .bin 文件
• 尝试加 --max_new_tokens=128 限制生成长度
• 中文输入效果差？确认 tokenizer 正确加载：python -c "from transformers import AutoTokenizer; t = AutoTokenizer.from_pretrained('models/claw_base'); print(t.encode('你好'))"

微调显存不足（CUDA out of memory）

• 降低 --batch_size（最小支持 1）
• 添加 --gradient_accumulation_steps=4 分摊梯度更新
• 使用 --bf16（如 GPU 支持）替代 --fp16
• 禁用 --use_flash_attention_2（某些旧卡不兼容）

模型下载慢

国内用户可替换下载源。编辑 download_model.py，将 HF_ENDPOINT 环境变量设为镜像：

export HF_ENDPOINT=https://hf-mirror.com
python download_model.py --model_name=claw_base

或直接从 hf-mirror.com 下载文件，手动解压到 models/claw_base/。