保姆级教程：Windows本地部署Ollama+OpenClaw，打造你的AI赚钱系统（APP开发/量化/小说/剪辑）

优质文章学习记录

— 9 min read
摘要：想用AI搞钱但卡在技术门槛？本文手把手教你用一台Windows电脑，零成本本地部署Ollama大模型+OpenClaw智能中枢，赋予AI开发APP、量化分析、编写小说、剪辑辅助等“赚钱技能”。全程无需编程基础，跟着鼠标点、照着命令敲，即可拥有24小时待命的AI员工。

一、写在前面

很多朋友对AI变现跃跃欲试，却常被这些问题劝退：

  • 云端部署太贵，API调用怕浪费钱
  • 技术文档看不懂，不知道从哪下手
  • 数据隐私担忧，不敢把敏感资料上传

其实，你手头那台Windows电脑完全能胜任！本文将带你搭建一套完全本地化、免费、可扩展的AI生产力系统，让AI帮你写代码、分析表格、生成文案、处理视频，真正把AI变成你的“赚钱工具”。

系统架构：

  • 本地大脑：Ollama + DeepSeek模型，负责理解任务、生成内容
  • 智能中枢：OpenClaw（原名OpenClaude），负责调用各类工具（Skill）
  • 赚钱技能：通过安装Skill包，让AI具备特定领域的实操能力

适用人群：完全零基础小白、想尝试AI副业的上班族、技术爱好者。

二、硬件准备（先给电脑做个“体检”）

在动手前，先确认你的电脑是否达标。这决定了AI的运行速度。

配置项最低要求推荐配置（体验流畅）检查方法
操作系统Windows 10 64位Windows 11右键“此电脑”->“属性”
内存16GB32GB打开任务管理器->“性能”
硬盘20GB空闲50GB以上（SSD固态更好）打开“此电脑”查看
显卡 （GPU）非必需，但有更好NVIDIA显卡（RTX 2060及以上）任务管理器->“性能”->“GPU”
特别提示：如果没有独立显卡，仅靠CPU也能运行，只是响应稍慢，不影响学习和使用。

三、打造AI大脑：安装Ollama并部署DeepSeek模型

Ollama是一个极简的大模型管理工具，可以像安装App一样在本地运行各种模型。我们选择国产开源模型DeepSeek-R1（7B），它在推理和代码生成方面表现出色，且对内存友好。

1. 下载Ollama安装包

  • 打开浏览器，访问Ollama官网：https://ollama.com/
  • 点击 “Download”，选择 “Windows” 版本。
  • 下载完成后，双击安装包，一路点击“Next”完成安装。安装成功后，任务栏右下角会出现一个小羊驼图标，表示Ollama已在后台运行。

2. 下载DeepSeek模型

  • 按键盘 Win + R，输入 cmd 回车，打开命令提示符窗口（黑色界面）。
  • 等待进度条走完（约10-30分钟，取决于网速）。下载完成后会自动进入对话界面，出现 >>> 提示符，此时你可以输入“你好”测试，模型会回复你。
  • 输入 /bye 可退出对话。

复制以下命令并回车（首次运行会自动下载模型）：

ollama run deepseek-r1:7b
验证：任何时候想再次启动模型，只需在命令行输入 ollama run deepseek-r1:7b。

四、安装智能中枢：OpenClaw（原OpenClaude）

现在AI大脑已经就绪，但它还不能操作你的电脑、调用外部工具。OpenClaw就像一个“操作系统”，让AI拥有执行具体任务的能力。

1. 安装Node.js环境

  • 访问Node.js官网：https://nodejs.org/
  • 下载左侧的 LTS版本（推荐初学者使用稳定版）。
  • 双击安装包，务必勾选“Automatically install the necessary tools”（自动安装必要工具），然后一路“Next”完成安装。这会自动配置好Python、Visual Studio Build Tools等依赖。

2. 验证Node.js安装

重新打开命令提示符（Win+R -> cmd），分别输入以下命令，看到版本号（如v22.x.x）即成功：

node--versionnpm--version

3. 全局安装OpenClaw

  • 引导过程中会询问几个问题，请按以下方式回答：
    • 选择默认模型：输入 deepseek-r1:7b（我们刚才下载的模型）
    • API Key：本地模型无需Key，直接回车跳过
    • 工作区路径：直接回车使用默认路径（C:\Users\你的用户名\.openclaw）
    • 安装守护进程：输入 Yes，这样即使关闭命令行窗口，AI中枢也会在后台运行

安装完成后，执行新手引导命令，让OpenClaw自动完成基础配置：

openclaw onboard --install-daemon

在命令行中执行：

npminstall-g openclaw@latest

4. 验证中枢是否运行

  • 如果显示 “running”，说明一切正常。
  • 打开浏览器，访问 http://127.0.0.1:18789/，你将看到OpenClaw的管理后台界面（首次登录需查看配置文件中的token，位于 C:\Users\你的用户名\.openclaw\openclaw.json 内）。

输入以下命令查看状态：

openclaw gateway status

五、赋予“赚钱技能”（安装Skill包）

Skill相当于AI的“插件”或“APP”。OpenClaw通过Skill让AI调用具体工具，例如写代码、处理数据、生成文档等。下面演示如何安装四个典型赚钱技能。

1. 进入工作区

在命令行中，进入OpenClaw默认的工作区目录：

cd %USERPROFILE%\.openclaw\workspace

2. 安装各技能包

【技能一】APP开发助手（skill-developer）

克隆开发技能仓库，并安装依赖：

git clone https://github.com/openclaw/skill-developer.git cd skill-developer npminstallcd..
【技能二】量化管理/数据分析（skill-data-analysis）

安装数据分析技能，可处理Excel、CSV，生成报表：

git clone https://github.com/openclaw/skill-data-analysis.git cd skill-data-analysis npminstallcd..
【技能三】长篇小说编写（skill-writer）

安装写作技能，可生成小说、脚本、文案等：

git clone https://github.com/openclaw/skill-writer.git cd skill-writer npminstallcd..
【技能四】视频剪辑辅助（skill-video-helper）

安装视频辅助技能，可生成字幕、剪辑脚本、调用FFmpeg处理视频：

git clone https://github.com/openclaw/skill-video-helper.git cd skill-video-helper npminstallcd..

3. 激活技能

技能包下载后，需要告知OpenClaw启用它们。

  • 用记事本打开配置文件：C:\Users\你的用户名\.openclaw\openclaw.json

保存文件后，在命令行执行重启命令，使配置生效：

openclaw gateway restart

找到 "skills" 字段，按照以下格式添加刚才安装的技能路径（注意将 你的用户名 替换为实际用户名，路径分隔符使用双反斜杠或正斜杠）：

"skills":{"developer":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-developer","enabled":true},"data-analysis":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-data-analysis","enabled":true},"writer":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-writer","enabled":true},"video-helper":{"path":"C:/Users/你的用户名/.openclaw/workspace/skill-video-helper","enabled":true}}

六、实战：让AI帮你赚钱（使用场景示例）

所有组件安装完成，现在你可以通过OpenClaw后台（http://127.0.0.1:18789/）与AI对话，并利用技能完成实际任务。

1. 副业场景：帮人开发小程序/写脚本

  • 对话示例：“调用developer技能，帮我用Python写一个简单的计算器程序，带图形界面，代码保存到桌面。”
  • AI会生成代码并创建文件，你可以直接交付给客户。

2. 副业场景：数据分析接单

  • 对话示例：“调用data-analysis技能，分析桌面上‘销售数据.xlsx’文件，找出销售额最高的10个商品，并用柱状图展示，生成分析报告。”
  • AI会读取文件、分析数据、生成图表和报告，省去手动处理的时间。

3. 副业场景：自媒体文案/小说创作

  • 对话示例：“调用writer技能，以‘末日重生’为主题写一篇5000字的短篇小说，第一章要包含冲突和悬念，输出为Word文档。”
  • AI能快速产出高质量内容，助你运营自媒体或接写作单。

4. 副业场景：视频剪辑辅助

  • 对话示例：“调用video-helper技能，根据这段口播稿生成一份带时间轴的字幕文件（SRT格式），帮我保存到视频文件夹。”
  • AI生成字幕文件后，你可直接导入剪辑软件，提高剪辑效率。

七、常见问题与注意事项

Q1：电脑配置不高，运行卡顿怎么办？

  • 可以尝试更小的模型，如 deepseek-r1:1.5b（仅需4GB内存）。更换模型命令：ollama run deepseek-r1:1.5b。
  • 关闭其他占用内存的软件，确保AI有足够资源。

Q2：安装过程中出现错误怎么办？

  • 路径问题：Windows用户名不要包含中文，否则可能导致路径识别错误。如果已有中文用户名，建议新建一个英文名用户。

网络问题：大部分失败是由于GitHub或npm源被墙。可以尝试使用国内镜像：

npm config set registry https://registry.npmmirror.com

Q3：如何让AI长期在线？

  • 保持电脑开机即可。如果想7x24小时运行，可以用旧电脑专门跑，或部署到云服务器（如腾讯云轻量应用服务器，安装Windows Server）。

Q4：技能包不够用怎么办？

  • 你可以访问OpenClaw官方GitHub或社区，查找更多技能包，也可以自己开发（需要一定编程基础）。

八、总结

通过本文，你已经成功在Windows电脑上搭建了一套完整的本地AI系统：

  • Ollama：运行DeepSeek大模型
  • OpenClaw：管理AI与外部工具的交互
  • 多个Skill：赋予AI开发、分析、写作、剪辑等赚钱能力

这套系统完全免费、数据私有，你可以随时指挥AI为你工作，接各种副业单子。技术不再是门槛，想法和执行力才是关键。

如果你在搭建过程中遇到问题，欢迎在评论区留言交流。别忘了点赞收藏，方便后续实操哦！

延伸阅读：想了解更多Skill的使用技巧？关注我，后续将推出“AI变现案例实战”系列。

Read more

从0到1上手OpenClaw：本地安装 + 云部署全攻略，人人都能拥有专属 AI 执行助手

从0到1上手OpenClaw：本地安装 + 云部署全攻略，人人都能拥有专属 AI 执行助手

在上一篇深度解析中，我们见证了 OpenClaw 如何打破 AI “只会说不会做” 的桎梏，从对话式 AI 进化为能落地执行的数字助手。很多朋友留言表示，被 OpenClaw 的全场景能力打动，却卡在了 “安装部署” 这第一步，担心代码门槛太高无从下手，或是怕踩了环境配置的坑迟迟无法启动。 作为系列教程的开篇，我们就从最零门槛、零成本的本地安装讲起，全程附带可直接复制的命令、新手避坑提醒，哪怕你是第一次接触终端操作，跟着步骤走也能顺利完成安装，真正实现 “一句话指令，AI 全流程执行”。 1. 安装前的必备准备 在正式开始安装前，做好这几项基础准备，能帮你避开 90% 的前期踩坑，大幅提升部署成功率，所有需要用到的工具均为免费开源，可直接从官网下载。 （1）硬件适配 不用盲目追求高配，根据自己的使用场景满足基础要求即可： * a. 零基础新手尝鲜试玩：电脑满足 4 核 CPU、
猫头虎AI分享｜一款Coze、Dify类开源AI应用超级智能体快速构建工具：FastbuildAI

猫头虎AI分享｜一款Coze、Dify类开源AI应用超级智能体快速构建工具：FastbuildAI

猫头虎AI分享｜一款Coze、Dify类开源AI应用超级智能体快速构建工具：FastbuildAI，区别在于它的易用度和商业闭环功能 摘要：FastbuildAI 是一个开源 AI 应用“快速构建与商业化闭环”的工具。它让个人开发者与小团队用“可视化 + 零代码”的方式，几分钟把 AI 应用跑起来，并且把后续的算力计费、用户充值、营销与收款也一并考虑到位。当前为 beta.1 版本，已具备 AI 对话、多模型管理、MCP 调用、充值与余额体系等能力，后续会逐步上线工作流、智能体、知识库、插件市场等特性。 开源地址|猫头虎AI分享github： https://github.com/MaoTouHU/FastbuildAI 图1 首页 为什么是 FastbuildAI？（与 Coze、

ANSYS Fluent 2026 R1新功能实测：从汽车风阻优化看AI加速流体仿真

ANSYS Fluent 2026 R1新功能实测：AI如何重塑汽车风阻优化流程 当电动汽车的续航里程成为消费者最关注的指标之一时，风阻系数每降低0.01都意味着实际道路行驶中可观的续航提升。传统CFD仿真虽然能提供准确的气动特性预测，但工程师们长期受限于网格划分的繁琐和计算资源的消耗。ANSYS Fluent 2026 R1的发布，通过深度整合AI技术，正在彻底改变这一局面。 1. AI赋能的网格生成革命 在传统CFD工作流程中，网格划分往往占据整个项目周期的60%以上时间。Fluent 2026 R1引入的AI-Mesh技术，通过机器学习模型自动识别几何特征并预测最优网格密度分布，将这一过程缩短至原来的1/5。 以某电动汽车外流场分析为例，我们对同一车型分别采用传统方法和AI-Mesh进行对比测试： 参数传统方法AI-Mesh差异网格生成时间4.2小时47分钟-82%网格数量1200万980万-18%y+平均值1.20.9-25%近壁层网格正交质量0.850.92+8% 关键改进细节： * 几何特征自动识别：AI模型可准确识别车门缝隙、后视镜边缘等关键区域
当 AI 接管研发流程，传统工程师的天花板在哪？未来 2 年软件工程发展预判

当 AI 接管研发流程，传统工程师的天花板在哪？未来 2 年软件工程发展预判

当AI接管研发流程：传统工程师的天花板与未来2年软件工程预判 一、AI接管研发的真实图景：不是替代，是重构 当前AI在研发流程中的渗透已经远超想象，从需求分析到部署运维的全链路都出现了AI的身影： * 需求阶段：AI可通过用户访谈录音自动生成结构化需求文档，准确率可达85%以上 * 编码阶段：GitHub Copilot、CodeLlama等工具能完成60%-80%的基础代码编写 * 测试阶段：AI自动生成测试用例、执行回归测试、定位bug根因 * 运维阶段：AI监控系统可提前24小时预测系统故障，自动完成资源调度 但必须明确：AI当前的核心角色是"研发助理"，而非"替代者"。它擅长处理重复性、规则明确的工作，但在需要深度业务理解、创新设计和复杂问题决策的场景中，仍然依赖人类工程师的判断。 二、传统工程师的天花板：从技能瓶颈到认知瓶颈 在AI协同研发的时代，传统工程师的职业天花板正在从"技术熟练度"转向"认知高度&