UXOFFER这几天我一直在折腾OpenClaw的本地安装。从最开始只看文档一脸懵，到后面把Windows、Mac、Linux和Docker四种方式挨个跑通，中间踩了不少坑。OpenClaw这个项目，简单说就是一个开源、可扩展的AI智能体框架——它把大模型接到真实世界的工具上，让模型不光能“聊天”，还能读文档、查网页、调API、管理项目甚至写小说。本地安装openclaw这件事，听起来就是跑个命令，但实际走下来你会发现，它牵扯到环境选型、模型配置、工具接入、长期记忆这一整条链路，任何一个环节没对，跑起来就是各种报错。
这篇文章不打算写成官方文档的复读机，而是把我自己从零到一的过程、踩过的坑、以及最后稳定运行的配置方案完整记录下来。不管是刚接触智能体的新手，还是想把它接入微信、飞书、钉钉做自动化老手，都能在里面找到可以直接抄作业的部分。
1. OpenClaw到底是什么，本地部署解决了什么问题
1.1 智能体不是聊天机器人
很多人第一次听说“智能体”这个词，第一反应是“这不就是ChatGPT套了个壳吗”。一开始我也这么想，但用OpenClaw跑完一个完整任务之后，我对“智能体”和“聊天机器人”的差异有了非常直观的感受。
聊天机器人的工作模式是“你说一句，它回一句”，上下文一长就容易跑偏，而且它没有能力去执行任何实际操作。智能体则是目标驱动的：你给它一个任务，比如“帮我写一篇关于本地部署OpenClaw的博文”，它会自己拆解步骤——先想清楚文章结构，再决定要不要搜索资料，然后逐段生成，最后还能自己检查一遍有没有遗漏。整个过程里，它不只是“生成文字”，而是“做事情”。
OpenClaw把这一整套能力打包成了一个可本地运行、可编程、可扩展的框架。你可以把它理解成一个“数字员工”：给它配一个大模型当大脑，给它装各种工具当手脚，再给它一块长期记忆当笔记本，它就能在一个具体目标下自主循环工作。
1.2 OpenClaw的整体架构拆解
要真正把OpenClaw用起来，得先理解它的五个核心组成部分。这五个部分缺一不可，本地部署的很多配置工作，本质上就是把这五块拼起来。
第一块是LLM引擎，也就是智能体的大脑。OpenClaw本身不内置模型，它需要外接一个大模型API或本地模型服务，比如DeepSeek、Gemini、OpenAI兼容接口，或者用Ollama跑本地模型。这一块决定了智能体的“智商”上限。第二块是工具集，也就是智能体的手脚。搜索、读文件、执行命令、调用API，这些能力都是通过工具暴露给模型的。第三块是运行时，负责把模型、工具、记忆串起来，完成“推理-行动-观察-总结”的循环。第四块是记忆系统，包括短期对话上下文和长期存储，后者让智能体能在多次会话之间记住你的偏好和项目进展。第五块是外部接口，比如浏览器控制界面、微信/飞书/钉钉/Discord这些消息平台，让用户能方便地和智能体交互。
这五块合在一起，才算是一个完整的智能体。如果你只是启动了一个命令行窗口，那只能算是“模型外壳”；只有当你把工具和记忆也配好了，OpenClaw才会真正变得好用。
1.3 为什么选择本地部署
市面上类似的服务其实不少，但很多人最后还是选择本地部署OpenClaw，主要原因是几个现实问题。
首先是数据隐私。我自己在本地跑OpenClaw的时候，所有对话记录、文档内容、配置信息都留在本机，不用担心聊天内容被第三方平台拿去训练或者审核。这一点对个人写作、内部知识库、工作自动化场景特别重要。其次是成本可控。如果只是偶尔用一下，按API调用付费还可以，但如果你打算让智能体7x24小时运行、接入了群聊、还要长期保存记忆，Token消耗会非常快。本地部署之后，可以随时切换便宜模型，甚至用Ollama跑本地模型，把边际成本压到几乎为零。最后是可定制性。OpenClaw是开源项目，源码、技能、配置都在你手里，想改什么改什么，这是任何托管服务都给不了的自由度。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 安装前的环境选型与前置准备
2.1 操作系统和硬件怎么选
OpenClaw官方支持Windows、macOS、Linux三大平台，也支持Docker部署。热词里有人提到“mac mini使用docker本地部署openclaw”“vm虚拟机安装openclaw”“云服务器部署openclaw”，说明大家关心的环境差异还挺大。我实测下来，Windows和macOS体验差别不大，Linux和Docker更适合生产环境。
如果你打算把OpenClaw当成一个长期运行的“数字员工”，我个人最推荐Docker Compose部署，不管是在云服务器、NAS还是mini主机上，都是一套配置到处跑。虚拟机里跑OpenClaw也完全可行，如果你只是接API模型，虚拟机性能和裸机几乎没有区别；但如果你想让智能体调用本地GPU做推理，虚拟机就要考虑GPU透传，这会让配置复杂度明显上升。
硬件方面，OpenClaw本身的资源占用并不高，CPU、内存、磁盘都花在模型调用和文档处理上。如果只用云端API模型，一台2核4G的服务器就够跑；如果要跑本地模型，内存建议16GB起步，有条件就上32GB，Mac用户优先选择统一内存大的型号，跑13B参数量级的模型会舒服很多。
2.2 Node.js和Git是绕不开的前置依赖
无论你用什么方式安装OpenClaw，Node.js和Git大概率都绕不开。OpenClaw基于Node.js开发，所以Node.js是运行时基础；Git则用来拉取项目、更新版本、管理技能文件。
Node.js版本要注意，官方一般要求LTS版本，我建议直接用最新的LTS（比如20.x或22.x，具体以官方文档为准）。安装时有个坑：Windows用户