电脑部署龙虾AI(OpenClaw)完整教程 + 日常使用详解

AI到底是什么?怎么在自己电脑上部署、怎么日常使用?网上教程要么太简略、要么太偏开发者,新手根本看不懂。本篇我用最通俗、最详细、一步一命令的方式,从零带你在 Windows/macOS/Linux 部署 龙虾AI(OpenClaw),并附上日常高频使用教程,小白也能直接跟着跑通。


一、龙虾AI(OpenClaw)是什么?
龙虾AI(OpenClaw)是一款可以直接操控你电脑的自动化AI智能体。
和普通聊天AI不同:它能点鼠标、敲键盘、读写文件、操作浏览器、自动办公。

简单说:
- ChatGPT/豆包:只能跟你聊天、写文字
- 龙虾AI:能直接帮你干活

适用人群:
- 办公党:自动整理文件、汇总数据、发邮件、搜资料
- 程序员:自动写代码、查日志、部署项目
- 普通人:解放双手,减少重复操作


二、部署前环境准备
2.1 系统要求
- Windows:Win10 / Win11(64位)
- macOS:12.0 及以上
- Linux:Ubuntu 20.04+、CentOS 7+

2.2 必备软件
1. Git(代码拉取)
2. Node.js 18+(运行环境)
3. 一个大模型 API Key(智谱、DeepSeek、Kimi 都行,有免费额度)


三、Windows 详细部署教程(最常用)
3.1 以管理员身份打开终端
1. 右键 **开始菜单**
2. 选择 **Windows 终端(管理员)** 或 **PowerShell(管理员)**

3.2 允许脚本运行(必执行)
powershell

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser -Force

3.3 一键部署脚本(官方推荐)
直接复制运行,全自动安装:
powershell 

iwr -useb https://openclaw.ai/install.ps1 | iex

等待 3~10 分钟,会自动:
- 安装 Git、Node.js
- 拉取龙虾代码
- 安装所有依赖
- 配置环境变量

### 🔥 安装过程中看到这个日志?完全正常! 如果你的终端出现以下输出,**代表安装顺利进行中**:

Git not found; bootstrapping user-local portable Git...

Downloading v2.53.0.windows.2...



如果超过10分钟,终止操作,执行以下命令,自动下载安装 Git,全程无需手动干预:

完成后重新从3.2步骤操作

3.4 验证安装是否成功

​ 新开一个终端,输入: powershell  openclaw --version 出现版本号就说明部署成功。 ​

四、macOS 部署教程
4.1 安装 Homebrew

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

4.2 安装依赖

brew install git node

4.3 一键部署

curl -fsSL https://openclaw.ai/install.sh | bash


五、Linux(Ubuntu)部署教程
5.1 更新系统

sudo apt update && sudo apt upgrade -y

5.2 安装基础工具

sudo apt install -y curl git build-essential

5.3 安装 Node.js

curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash - sudo apt install -y nodejs

5.4 一键安装

curl -fsSL https://openclaw.ai/install.sh | bash


六、启动龙虾AI + 基础配置
6.1 启动命令
所有系统通用:

openclaw start

6.2 打开 Web 面板

浏览器访问: http://127.0.0.1:18789

6.3 配置模型 API(关键)

龙虾本身没有大脑,需要接大模型: 1.进入 Web 面板 → 模型配置 2.选择厂商(智谱/DeepSeek/Kimi/MiniMax) 3.填入你的 API Key 4.保存 → 测试连接 新手建议:先用免费额度的平台,成本低、易上手。

6.4 权限设置(安全)

- 新手:用 沙箱模式(只能操作指定文件夹) - 熟练后:可开完整权限 - 永远不要在不明脚本下给最高权限


七、日常常用使用教程(直接照抄)
下面这些是工作/学习最常用指令,你直接复制到龙虾输入框就能用。
7.1 文件整理自动化

帮我整理桌面文件: - 所有图片放到 D:\桌面\图片 - 所有文档放到 D:\桌面\文档 - 压缩包放到 D:\桌面\压缩包 - 其他文件归类到 Other 最后给我一份整理报告

7.2 Excel/CSV 数据处理

读取 D:\数据\2026销售数据.csv 1. 计算每个部门的总销售额 2. 找出最高和最低的月份 3. 生成一个简单分析报告 4. 保存成 分析结果.md

7.3 浏览器自动搜资料

打开 Chrome,搜索:2026年AI智能体行业报告 找到前3篇可下载的PDF,自动下载到桌面 并把标题、链接整理成表格

7.4 批量重命名文件

把 D:\照片\ 下所有文件重命名 格式:旅行_年月日_序号.jpg 例如:旅行_20260325_001.jpg

7.5 自动写周报/总结

根据 D:\工作记录\ 目录下的所有文本 帮我自动生成一篇周报,包含: 1. 本周完成工作 2. 遇到问题 3. 下周计划


八、常用命令行操作(日常必备)

# 启动龙虾 openclaw start # 停止龙虾 openclaw stop # 重启服务 openclaw restart # 查看日志(排查错误) openclaw log # 查看版本 openclaw --version ​


九、常见问题 & 排错
9.1 部署失败常见原因

1.没有用管理员运行终端 2.网络不好,下载超时 3.Node.js 版本太低 4.端口 18789 被占用

9.2 端口被占用解决

修改配置文件里的 port 改为 18790 或其他即可。

9.3 AI 不执行操作

- 检查 API Key 是否正确 - 检查模型是否有额度 - 检查权限是否开启


十、总结 & 学习建议

1.龙虾AI = 能操作电脑的自动化助手 2.部署非常简单,一条命令搞定 3.日常使用就是:说人话 → 让AI干活 4.从简单任务开始练:整理文件、搜资料、处理表格 5.熟练后可以做自动化流程、定时任务、多步骤办公

如果你是新手,不要一上来搞复杂开发,先把日常重复工作用龙虾代替,效率提升非常明显。
 

Read more

【保姆级教程】从零部署宇树 Unitree 机器人 ROS 2 环境 (Go2/B2/H1) (Humble + 真实硬件)

摘要 本文为希望在ROS 2 (Humble) 环境下开发宇树 (Unitree) 机器人(支持 Go2, B2, H1)的开发者提供了一篇详尽的、从零开始的部署指南。我们将首先在 Ubuntu 22.04 上安装 ROS 2 Humble,然后重点讲解如何配置 unitree_ros2 功能包,实现 ROS 2 节点与机器人底层 DDS 系统的直接通信。本教程基于官方文档,并针对 Humble 环境进行了优化,可跳过 Foxy 版本复杂的 CycloneDDS 编译步骤。 核心环境: * 操作系统: Ubuntu 22.04 (Jammy) * ROS 2 版本: Humble

一、FPGA到底是什么???(一篇文章让你明明白白)

一句话概括 FPGA(现场可编程门阵列) 是一块可以通过编程来“变成”特定功能数字电路的芯片。它不像CPU或GPU那样有固定的硬件结构,而是可以根据你的需求,被配置成处理器、通信接口、控制器,甚至是整个片上系统。 一个生动的比喻:乐高积木 vs. 成品玩具 * CPU(中央处理器):就像一个工厂里生产好的玩具机器人。它的功能是固定的,你只能通过软件(比如按不同的按钮)来指挥它做预设好的动作(走路、跳舞),但你无法改变它的机械结构。 * ASIC(专用集成电路):就像一个为某个特定任务(比如只会翻跟头)而专门设计和铸造的金属模型。性能极好,成本低(量产时),但一旦制造出来,功能就永远无法改变。 * FPGA:就像一盒万能乐高积木。它提供了大量基本的逻辑单元(逻辑门、触发器)、连线和接口模块。你可以通过“编程”(相当于按照图纸搭建乐高)将这些基本模块连接起来,构建出你想要的任何数字系统——可以今天搭成一个CPU,明天拆了重新搭成一个音乐播放器。 “现场可编程”

Flutter 三方库 shelf_modular 的鸿蒙化适配指南 - 掌控服务器路由资产、精密模块治理实战、鸿蒙级服务端专家

Flutter 三方库 shelf_modular 的鸿蒙化适配指南 - 掌控服务器路由资产、精密模块治理实战、鸿蒙级服务端专家

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 shelf_modular 的鸿蒙化适配指南 - 掌控服务器路由资产、精密模块治理实战、鸿蒙级服务端专家 在鸿蒙跨平台应用执行高级服务端管理与多维 Shelf 路由资产指控(如构建一个支持全场景秒级交互的鸿蒙大型全量后端服务中枢、处理海量 API Route Payloads 的语义认领或是实现一个具备极致指控能力的资产管理后台路由审计中心)时,如果仅仅依赖官方的基础 Shelf 处理器或者是极其繁琐的手动路由映射,极易在处理“由于模块嵌套导致的资产认领偏移”、“高频服务请求下的认领假死”或“由于多语言环境导致的符号解析冲突死结”时陷入研发代码服务端逻辑崩溃死循环。如果你追求的是一种完全对齐现代模块化标准、支持全量高度可定制路由(Modular-driven Backend)且具备极致指控确定性的方案。今天我们要深度解析的 shelf_modular——一个专注于解决“服务端资产标准化认领与模块化解耦”痛点的顶级工具库,正是帮你打造“鸿蒙超

低空经济新实践:无人机如何革新光伏电站巡检

低空经济新实践:无人机如何革新光伏电站巡检

引言:当低空经济遇见新能源革命 在“双碳”战略引领下,光伏电站如雨后春笋般遍布神州大地。截至2023年底,我国光伏发电装机容量已突破6亿千瓦,连续多年位居全球首位。然而,随着光伏电站规模的急剧扩大,传统人工巡检方式已难以满足高效、精准的运维需求。此时,低空经济的崛起为这一痛点带来了创新解法——无人机光伏巡检技术正在重新定义新能源设施的运维模式。 一、传统光伏巡检之困:低效、高风险、不精准 传统光伏巡检主要依赖人工方式,运维人员需要手持红外热像仪等设备,在光伏板阵列中徒步检查。这种方式存在明显短板: 1. 效率低下:一个100MW的光伏电站,人工全面巡检往往需要数周时间 2. 安全风险:高温、高电压环境下作业,人员安全隐患不容忽视 3. 漏检率高:人工目视检查难以发现细微缺陷,问题检出率通常不足70% 4. 数据离散:检查结果依赖个人经验,难以形成标准化数据资产 二、无人机智能巡检系统架构 现代无人机光伏巡检已形成完整的系统解决方案,主要由以下核心模块组成: 2.1 硬件配置 * 飞行平台: