说实话看到这个标题点进来的朋友我猜多半是被“2分钟”吸引的或者是对那只叫Clawdbot的AI龙虾玩偶感兴趣。OpenClaw这个名字在过去半年里确实火过一阵它本质上是社区开发的一套开源AI智能体框架目标是复刻那只网红AI龙虾的能力圈语音对话、摄像头视觉识别、麦克风采集、舵机运动控制以及通过工具调用让AI自己去查资料、记笔记、操作软件。你可以把它理解成一个“给AI装上身体和手脚”的运行时环境而不是某个现成的聊天网页。这篇文章我按“零基础也能照抄”的标准来写不管你是Windows用户想在本地跑起来还是手里有Ubuntu服务器想部署成常驻Agent都可以直接按步骤操作。我自己在Windows和Linux上都踩过一遍坑包括那些“无法安全验证WSL环境”之类的报错都会在这篇里给到具体解法。我会先说清楚OpenClaw到底是个什么东西、为什么有人愿意折腾它然后给完整的安装链路最后附上我这几个月用下来遇到的典型问题和排查技巧。适合的人群大概是三类想本地跑AI Agent的开发者、对Clawdbot这只机器龙虾感兴趣想复刻的玩家、以及正在研究多AI协作和工具调用的产品同学。1. 内容整体设计与思路拆解1.1 Clawdbot和OpenClaw的渊源以及这个项目的定位先讲清楚背景不然很多人装完OpenClaw会一脸懵“说好的龙虾呢怎么只有一个终端窗口”Clawdbot最早是国外一个玩具厂商做的实体AI龙虾外形是个四足小机器龙虾头上有摄像头和麦克风背后云台可以转动能跟你对话、能看东西、还能满地爬。它走红是因为一段波士顿动力风格的“机械动物”视频后来厂商开放了API和社区支持大家发现这只龙虾的AI能力其实是可以复刻的。OpenClaw就是在这个背景下冒出来的开源项目。它不是一只实体龙虾的固件而是一套AI Agent运行时把“语音识别 大模型推理 视觉输入 运动控制 工具调用”这几件事串起来。你可以在没有实体龙虾的情况下先把它跑成一个纯软件的AI智能体如果你手里有Clawdbot实体也可以把它接到OpenClaw上控制机器人本体。这个定位非常关键OpenClaw本身不包含大模型它是一个“连接器加调度器”。大模型负责思考和说话OpenClaw负责听、看、动、执行。所以安装OpenClaw只是第一步你还得给它配一个本地大模型这也是为什么安装指南里一定要讲Ollama和模型拉取。1.2 这套框架解决的真实需求本地AI的“感知与行动”比起直接在网页里用ChatGPT或文心一言OpenClaw解决的是另一类问题让AI不只是一个问答框而是可以主动感知环境、持续运行、自动调用工具的Agent。举个例子它可以持续监听你的麦克风你说“帮我看看冰箱里有什么”它会调用摄像头拍照调用视觉模型识别画面然后回答你。你说“把这段会议纪要整理成待办事项存到Obsidian”它可以调用笔记工具、文件写入工具完成。整个过程不是你在网页里一句一问而是像请了一个24小时待命的助手。这种模式的技术点其实就三个音频输入处理、视觉输入处理、工具调用协议。工具调用协议是核心它让大模型可以输出结构化指令OpenClaw再把这些指令翻译成真实的函数调用。理解了这个框架你以后再去看任何AI Agent项目都会觉得似曾相识因为底层逻辑都一样。1.3 关于“2分钟安装”的坦诚说明我作为实际装过的人必须跟你们说实话“2分钟”这个说法有很强的标题党成分。它可能指的是在网络一切顺畅、依赖全部缓存、已经装了WSL和Node.js的前提下执行完核心安装命令的时间。但真实情况下一个从零开始的Windows用户第一次装完OpenClaw并让它开口说话大概需要40到90分钟其中大头时间花在安装WSL子系统、拉取Node.js依赖、下载大模型上。我自己第一次装的时候光是在“WSL无法安全验证”这个报错上就卡了二十分钟。所以这篇指南我不会跟你吹“两分钟搞定”我会告诉你每一步大概花多久、哪些地方容易卡住、卡住了怎么解决。装完之后你回头看会觉得整个过程并不复杂但“零基础顺利走完”和“零基础踩坑走完”是两种完全不同的体验。2. 安装前的系统规划与依赖准备2.1 硬件与系统要求自查清单OpenClaw的安装路径高度依赖本机环境和模型选择所以装之前先花五分钟检查一下自己的机器别装到一半发现跑不动。检查项最低要求推荐配置说明CPU4核8核及以上影响WSL虚拟机和本地模型推理速度内存8GB16GB及以上大模型推理时8GB会非常吃紧磁盘空间20GB可用50GB以上WSL镜像、Node模块、模型文件都不小操作系统Windows 10 21H2 / Ubuntu 20.04Windows 11 / Ubuntu 22.04Windows需要支持WSL2显卡无硬性要求NVIDIA显卡可选有显卡可以跑更大的模型没有也能用CPU跑小模型如果你是最低配置的机器别慌一样能装起来。只要选对模型比如qwen2.5:3b这种参数规模在3B级别的模型CPU也能跑得动只是响应速度会慢一些。我的建议是先从小模型跑通全链路再考虑升级硬件或者换大模型这是最省时间的策略。2.2 依赖链全景你接下来要装四样东西OpenClaw本身不是一个把所有功能打包好的二进制文件它的安装依赖链是这样的Windows下先有WSL作为Linux运行环境然后在WSL里装Node.js运行时和Git版本控制工具再用Git把OpenClaw仓库拉到本地用npm安装它的依赖包。最后还需要Ollama这个大模型管理工具来下载和运行本地模型。这条链路上每一环都有讲究。WSL提供的是一个轻量级Linux环境不是虚拟机所以和Windows共享文件系统、共享网络、共享端口Node.js是OpenClaw的运行时OpenClaw的核心代码是TypeScript写的Git用来从GitHub拉代码和后续更新Ollama是模型层负责把大模型跑起来并提供API接口给OpenClaw调用。我把这条依赖链画成一张分工图的话大概就是“WSL承载、Node执行、Git拉取、Ollama供脑”。你自己心里有这幅图后面每一步出了错你都能知道是哪一个环节出了问题排查起来会快很多。2.3 Windows用户的环境检查步骤在安装前先做三个检查。第一确认Windows版本WinR输入winver看版本号Windows 10 21H2以上或者Windows 11都行。版本太旧的话WSL2可能装不上或者装上不稳定我的建议是直接更新系统别在一个旧系统上折腾。第二确认CPU虚拟化已经开启。进入任务管理器-性能-CPU看“虚拟化”这一项显示“已启用”就没问题。如果显示“已禁用”需要进BIOS里打开Intel VT-x或AMD SVM。这个步骤不做的话WSL2启动会直接报错。第三以管理员身份打开PowerShell执行wsl --status看看当前WSL环境的状态。如果提示找不到命令说明你还需要安装WSL如果提示“无法安全验证sl2环境”之类的异常信息说明WSL装了一半或者损坏了后面我会专门讲这个报错怎么处理。这三个检查花不了五分钟但能帮你省掉后面至少半小时的排查时间。3. Windows环境下的完整安装步骤3.1 第一步安装并修复WSL环境说实在的OpenClaw在Windows下安装最大的坑就是WSL这不是OpenClaw本身的问题而是WSL在不同Windows版本上的表现差异太大。先做标准操作以管理员身份打开PowerShell执行wsl --install这个命令会默认安装WSL2和Ubuntu发行版装完后重启电脑。重启后再打开PowerShell执行wsl --set-default-version 2 wsl --status正常情况下你会看到WSL版本、默认发行版等信息。如果你看到“无法安全验证sl2环境”或者“WSL正在通过一个代理服务器访问互联网”之类的内容说明WSL安装有问题。“无法安全验证sl2环境”这个报错我实测下来最有效的解法分三步。第一步确认虚拟化真的开着了第二步在“启用或关闭Windows功能”里勾选“适用于Linux的Windows子系统”和“虚拟机平台”两项确认后重启第三步去微软官网下载WSL2内核更新包手动安装装完再执行wsl --status。大部分情况下这三步走完报错就消失了。还有一个非常常见的情况是wsl --install装完了Ubuntu但启动Ubuntu时闪退或者提示找不到发行版。这时候执行wsl --list --online看看有哪些可安装的发行版然后指定安装Ubuntu 22.04或24.04wsl --install -d Ubuntu-24.04装上之后第一次启动会让你设置一个Linux用户名和密码这个密码后面sudo命令会用到一定要记住。3.2 第二步在WSL内安装Node.js、Git和基础工具启动Ubuntu终端。你需要先更新软件源不然很多软件装不上最新的版本sudo apt update sudo apt upgrade -y然后安装基础工具链sudo apt install -y build-essential git curlNode.js的安装稍微特殊一下。我建议用NodeSource源安装Node.js 20 LTS版本因为LTS版本稳定性最好兼容OpenClaw当前版本的依赖要求curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs装完验证一下node -v npm -v能打印出版本号就说明这一步成功了。npm是Node.js自带的包管理器后面安装OpenClaw依赖全靠它。如果node -v能出来但npm不行那就单独装一下npm不过正常走NodeSource源一般不会出这个问题。顺便说一句这一步做完建议跑一下sudo apt autoremove清一下没用的依赖包WSL的虚拟磁盘会随着安装包增多而膨胀提前清理能省出好几个GB空间。3.3 第三步拉取OpenClaw仓库并安装依赖进入你自己习惯的工作目录一般家目录就行cd ~ git clone https://github.com/openclaw/openclaw.git仓库地址以OpenClaw官网或官方文档为准不同时期仓库路径可能有调整。Clone完成后进入目录cd openclaw npm installnpm install这一步是第一个“时间黑洞”。正常情况下会安装几百个依赖包持续三到十分钟不等。如果你发现它卡在某个包上长时间不动可能是网络问题国内环境你可以在项目目录下创建一个.npmrc文件来指定镜像源echo registryhttps://registry.npmmirror.com .npmrc设置镜像源之后重新执行npm install。这个镜像源是国内公共镜像速度提升明显而且不会影响项目本身的功能。装完依赖后OpenClaw项目目录里会多出一个node_modules文件夹这是Node项目的标准形态不用去动它。3.4 第四步安装Ollama并拉取对话模型OpenClaw需要一个本地大模型来提供推理能力。现在最省事的方式是用Ollama来管理模型。在WSL里执行curl -fsSL https://ollama.com/install.sh | shOllama官方提供了Linux一键安装脚本安装完成后启动服务ollama serve这个命令会在后台启动Ollama的API服务默认监听端口11434。另开一个终端窗口执行模型拉取。新手第一次跑我强烈建议先拉一个轻量模型比如qwen2.5:3bollama pull qwen2.5:3b为什么我推荐qwen2.5:3b而不是那些动辄几十GB的大模型第一它体积小下载快第二CPU可以推理不需要显卡第三3B参数规模的模型跑日常对话、工具调用指令解析已经够用了。等你把OpenClaw全链路跑通了再根据自己的硬件情况换更大的模型。如果这一步下载速度很慢多半是网络原因。你可以试试换一个时段再拉或者先拉一个更小的模型验证流程比如qwen2.5:1.5b。模型只是影响回答质量不影响安装和联通性验证。3.5 第五步启动Clawdbot完成第一次对话测试OpenClaw项目目录里通常提供了启动脚本不同版本的启动命令有差异最稳妥的方式是看项目根目录的package.json里scripts部分有什么命令。一般会有类似这样的方式npm run dev或者npx openclaw启动后OpenClaw会读取配置文件连接Ollama的API然后进入命令行交互模式。你先别急着打开语音功能先用文本模式测试AI是否能正常对话。输入一个简单的问题比如“你好介绍一下你自己”如果模型能正常回复说明OpenClaw的核心链路已经通了。这个文本链路是整个安装过程中最重要的验证点。它证明了三件事Node环境没问题、依赖装全了、Ollama模型能正常推理。后面的语音、视觉、工具调用都是在文本链路基础上的功能扩展。如果你在文本对话这一步就卡住了别继续往后走先解决这里的问题否则后面所有功能都会因为基础不稳而反复出错。3.6 第六步配置Windows Companion客户端OpenClaw在Windows上还有一个独立客户端叫OpenClaw Windows Companion它相当于一个带界面的聊天工具可以直接和WSL里跑着的OpenClaw核心通信。很多人装完OpenClaw不会配置这个Companion其实配置逻辑很简单。在Windows侧下载安装Companion客户端后打开设置界面找到“连接地址”配置项。OpenClaw服务跑在WSL内部WSL的IP地址和本机不完全一样需要填WSL的IP在WSL终端里执行ip addr查看找到eth0网卡的IP地址形如172.x.x.x。把Companion里的连接地址填成“http://WSL的IP:端口号”端口号以OpenClaw配置文件为准默认一般是3000或8080。需要注意一个Windows 11和Windows 10的差异。Windows 11的WSL默认开启了localhost转发在Windows浏览器里访问http://localhost:3000就能连上WSL里的服务。Windows 10则经常不转发必须手动填WSL的IP。所以如果你在Windows 10上发现localHost连不上别怀疑配置错了直接换WSL IP试试。Companion连上之后你会看到一个类似聊天气泡的界面这时候除了文本输入一般还会有麦克风按钮。点一下授权麦克风就能开启语音对话。能在这个界面里和AI稳定对话OpenClaw在你机器上就真的是“装好”了。3.7 Ubuntu原生安装速记给服务器党如果你手里是一台Ubuntu服务器或者Ubuntu桌面机安装过程会简单很多因为它天然有Linux环境。走一遍核心命令sudo apt update sudo apt upgrade -y sudo apt install -y build-essential git curl curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs git clone https://github.com/openclaw/openclaw.git cd openclaw npm install curl -fsSL https://ollama.com/install.sh | sh ollama pull qwen2.5:3b然后按项目README里的启动命令运行即可。Ubuntu上少了WSL这一层坑少了一半。如果你和我一样想把OpenClaw作为常驻服务跑建议用pm2管理进程sudo npm install -g pm2 pm2 start npm run dev --name openclaw pm2 save pm2 startup这样开机自启、进程守护都解决了重启服务器不用手动再启动一遍。4. 常见问题排查与避坑实录4.1 WSL报错无法安全验证与初始化失败这个词条在网上搜索量很高说明很多人卡在这里。完整的报错提示类似“无法安全验证sl2环境。请在PowerShell中运行wsl -- status”。我拆解一下这句话它说的是WSL2的虚拟化环境没有通过安全验证常见原因有三个。第一个原因是BIOS虚拟化没开这个前面说过了。第二个原因是Windows功能组件缺失去“启用或关闭Windows功能”里勾选“适用于Linux的Windows子系统”和“虚拟机平台”。第三个原因是WSL内核本身版本太旧去微软官网下载最新版WSL2内核更新包安装即可。还有一个比较隐蔽的原因是机器上装了第三方虚拟机软件导致Hyper-V冲突。如果电脑上装了Vmware或VirtualBox老版本确实会跟WSL2的Hyper-V层冲突这时要么升级虚拟机软件到支持Hyper-V的版本要么进Windows功能里关闭Hyper-V只用WSL2。我自己踩过这个坑折腾了半天最后发现是VMware版本太老。4.2 vmmem进程占用内存过高WSL跑起来之后Windows任务管理器里会出现一个叫vmmem的进程它占用的内存就是WSL里跑着的所有东西的合计内存。OpenClaw加上模型推理吃掉6GB甚至更多都是正常的。但如果你的机器只有8GB内存vmmem一涨整个系统就会卡顿。解法是给WSL限制内存上限。在Windows用户目录下创建一个.wslconfig文件[wsl2] memory4GB swap2GB processors2保存后执行wsl --shutdown再重新进WSLvmmem的内存占用就会被限制在4GB以内。这个配置不会影响OpenClaw正常使用只是限制了WSL能用的最大内存。代价是如果同时跑大模型和多个任务可能内存不够用导致瑞典但总比整个Windows卡死强。4.3 npm install卡住或超时的处理经验npm install卡住是网络问题的高发区。有些依赖包体积很大从境外源下载确实慢。前面我给了换镜像源的方法这里补充一个进阶技巧如果某个包反复安装失败清一下npm缓存npm cache clean --force rm -rf node_modules npm install记住一个原则依赖没装全之前绝对不要启动OpenClaw。很多新手看到npm install报了一句error就开始问“为什么启动报错”实际上错误堆栈里的根源就是“module not found”那就是依赖没装好。重新安装依赖前先把node_modules删干净保证没有残缺文件。4.4 Ollama模型下载失败与推理速度慢模型下载失败的现象一般是卡在某一个进度百分比长时间不变。原因多数是模型文件太大、网络不稳定。我自己遇到过下载到72%断了的情况重新执行ollama pull命令会断点续传不用删掉重来。推理速度慢则要区分场景。如果用的是qwen2.5:3b这种小模型还慢检查一下CPU是不是被限制住了比如.wslconfig里processors设置太小如果用的是7B以上的大模型CPU推理本身就慢这是硬件上限无解。所以我才反复建议你第一次跑用3B模型来验证链路别一上来就挑战大模型免得把“安装问题”和“性能问题”混在一起排查越搞越乱。4.5 常见问题速查表我整理了一份排查表都是实操中真正遇到过的问题你可以直接对照。症状可能原因处理办法wsl --status报“无法安全验证sl2环境”虚拟化未开启或Windows组件缺失检查BIOS虚拟化勾选“适用于Linux的Windows子系统”和“虚拟机平台”更新WSL2内核WSL启动后一闪而过发行版损坏或未正确初始化wsl --unregister该发行版重新wsl --install -d Ubuntu-24.04vmmem内存占用过高WSL默认使用所有空闲内存配置.wslconfig限制memory和processorsnpm install极慢或报错网络问题项目目录建.npmrc指定npmmirror镜像源清缓存重装Ollama模型下载中途卡住网络不稳定重新执行ollama pull支持断点续传OpenClaw连不上OllamaOllama服务未启动或端口不通确认ollama serve在运行检查端口11434是否监听Companion连不上WSL里的服务Windows 10没有localhost转发在Companion配置WSL实际IP地址通过ip addr查询模型回复很慢模型大或CPU性能弱换qwen2.5:3b等小模型或检查.wslconfig资源配置4.6 一个关于中文环境的补充如果你在WSL里跑OpenClaw时发现中文输出乱码先检查WSL的locale环境locale如果LANG不是zh_CN.UTF-8安装中文语言包并更新localesudo apt install -y language-pack-zh-hans sudo update-locale LANGzh_CN.UTF-8改完重启WSL终端生效。别小看这个配置OpenClaw处理中文对话的时候模型输出正常但终端显示乱码的情况我见过好几次问题就出在locale上。5. 装好之后可以继续做的事5.1 把OpenClaw接入Obsidian做知识输出OpenClaw跑起来之后最有价值的扩展是把它接到你的笔记系统里。既然你已经费了这么大劲装好一个本地AI Agent只用来纯聊天就太浪费了。接入Obsidian的思路其实很简单利用WSL和Windows共享文件系统。WSL可以直接读写Windows目录路径格式是/mnt/c/。先把Obsidian的笔记仓库路径记下来比如“C:\Users\你的用户名\Documents\obsidian-vault”然后在WSL里把这个路径映射成一个好记的目录mkdir -p ~/notes ln -s /mnt/c/Users/你的用户名/Documents/obsidian-vault ~/notes再在OpenClaw的配置里加入一个记事工具让AI在收到“记录一下”这类指令时把内容追加写入到~/notes/inbox/目录下的Markdown文件。文件写入后Obsidian会自动识别新文件你不用做任何同步操作。这个方案的好处是不需要安装任何第三方插件纯靠文件系统打通。我自己现在就是这么用的开会时对着电脑说“记录一下三号项目的截止日期”OpenClaw自动把内容写进Obsidian打开Obsidian就能看到特别顺手。5.2 换一个更合身的大模型qwen2.5系列的正确打开方式既然装完跑通了接下来很自然的想法就是“我要不要换个更大的模型”。我的建议是在换模型之前先想清楚你自己的硬件上限以及你到底要让它做什么。如果你只是做日常对话和工具调用qwen2.5:3b完全够用如果你想让它做复杂推理和长文档分析14B或32B的效果会好很多但14B以上基本需要显卡CPU硬扛会慢到让你怀疑人生。一个中间选择是qwen2.5:7bCPU能跑但速度一般适合你愿意等几秒的场景。换模型的操作很简单Ollama拉新模型然后改OpenClaw的配置文件把模型名从qwen2.5:3b改成新模型名重启OpenClaw。我平时会在配置里预留一个环境变量来指定模型名这样切换模型不用改代码只改环境变量就行。如果你还没有养成这种习惯建议先把配置文件的模型名统一到一个变量上这会给你后续折腾省下很多事。5.3 OpenClaw作为多AI协作的调度中心跑完以上所有步骤你的机器上其实已经有一个完整的AI Agent运行基础了。我最后想跟你分享的是一个更进阶的用法把OpenClaw当成调度中心去协调其他AI工具。因为OpenClaw支持工具调用协议你可以让它在对话中判断用户意图然后转发给合适的AI子服务。比如用户问“写一段Python代码”它调用一个写代码专用的模型用户问“把这段文字翻译成英文”它调用翻译模型用户问“看下这个图片是什么”它调用视觉模型。这种多AI协作的好处是每个AI只用在自己最擅长的领域输出整体质量会明显比单模型硬扛要高。一个简单实现是在OpenClaw的配置里定义多个工具每个工具对应一个API端点。工具不限于本地Ollama也可以指向任意你配置好的、合法合规的大模型API服务。说到底OpenClaw的价值不在于它本身有多强的AI能力而在于它把“模型选择”和“工具编排”这两件事做成了可配置的这恰恰是AI Agent和AI聊天机器人最本质的区别。最后分享一个我自己的体会。刚把OpenClaw跑起来的时候我兴奋的是“我终于有一只AI龙虾对话了”但用了一周之后真正让我离不开的是那个“对着终端说一句话就能记笔记、写文件、调工具”的Agent工作流。所以如果你也装到这一步了我建议你别停在“能对话就行”的阶段试着让它替你干点活哪怕只是记录一条待办事项。装这个项目花掉的时间会在你建立自己的工作流那一刻全部赚回来。