OpenClaw 配置本地 Ollama 模型完整指南：零成本打造全离线个人 AI 助理

优质文章学习记录

— 9 min read
OpenClaw 配置本地 Ollama 模型完整指南：零成本打造全离线个人 AI 助理

OpenClaw 配置本地 Ollama 模型完整指南：零成本打造全离线个人 AI 助理（2026 最新版·含 Auth 配置）

大家好，我是你的 AI 技术博主。今天我们来聊一个 2026 年最火的本地 AI 助理项目——OpenClaw。它能帮你清理收件箱、发邮件、管理日历、处理文件、集成 Telegram/WhatsApp，甚至执行复杂任务，而且完全跑在你自己的电脑上。

配合 Ollama 运行本地模型（如 Qwen3、Qwen2.5、GLM-4.7、Llama3.3 等），你就可以实现真正零费用、零网络依赖、全隐私保护的智能体体验。官方从 Ollama 0.17 开始提供了 ollama launch openclaw 一键启动，但很多朋友想深度自定义本地模型、解决上下文窗口问题、安装技能等，所以我写了这篇超级详细的配置教程，每一步都配命令、截图描述、坑点规避和排查方案。

本次更新重点（2026 年 3 月最新）：

  • 新增 Auth 配置部分（OpenClaw 最新要求，必须使用嵌套 auth 对象）
  • 本地模型的 apiKey 统一改为 "ollama-local"（官方推荐标识，兼容性最佳）

无论你是 Windows、macOS 还是 Linux 用户，都能一步步跟上。走完这篇，你就能拥有一个比 Claude 更私密的个人 AI 秘书！

一、前置要求（必看！硬件与软件准备）

硬件建议（本地模型跑得顺的关键）：

  • GPU：NVIDIA RTX 4060 及以上（8GB+ 显存推荐），Apple Silicon M2/M3/M4 也极佳。
  • 内存：16GB 起步，32GB 更流畅（OpenClaw 系统提示词 + 工具调用很容易吃 10k+ tokens）。
  • 磁盘：20GB+ 剩余空间（模型文件很大）。
  • CPU：至少 8 核（无 GPU 时备选）。

软件要求：

  • Ollama 0.17 或更高（官方强烈推荐）
  • Node.js 18+（npm 安装 OpenClaw）
  • Windows 用户建议用 PowerShell 以管理员身份运行；macOS/Linux 用终端即可。
  • 可选：Git（安装技能时用到）

检查命令（全部复制粘贴执行）：

node--version# 应 >= v18npm--version# 应 >= 8 ollama --version# 应 >= 0.17

没有 Node.js？ 去 https://nodejs.org 下载 LTS 版安装。
没有 Ollama？ 去 https://ollama.com/download 下载对应系统版本。

二、步骤 1：安装 Ollama 并拉取本地模型

拉取推荐本地模型（强烈建议先用 7B-14B 量化版测试）：

# 通用推荐（速度快、效果好） ollama pull qwen2.5:7b ollama pull qwen3:8b # 2026 新模型，推理更强 ollama pull glm-4.7-flash # ~25GB VRAM，适合强推理 ollama pull llama3.3:8b # Meta 经典

进阶：创建大上下文模型（OpenClaw 必须 ≥16k tokens）
OpenClaw 默认需要 16k+ 上下文，否则会报错。我们用 Modelfile 扩展：

# Windows（PowerShell） cd ~\ @" FROM qwen2.5:7b PARAMETER num_ctx 32768 "@ |Out-File-Encoding ascii Modelfile ollama create qwen2.5:7b-32k -f Modelfile

macOS/Linux 同理用 cat > Modelfile 创建文件。验证：

ollama list ollama show qwen2.5:7b-32k --modelfile

现在模型就绪，Ollama 服务默认监听 http://127.0.0.1:11434。

验证 Ollama 服务（Windows 会自动开机自启）：

ollama list

安装 Ollama（Windows 直接双击安装器，macOS/Linux 执行官方脚本）：

# macOS / Linuxcurl-fsSL https://ollama.com/install.sh |sh

三、步骤 2：安装 OpenClaw

最推荐方式（官方一键法，2026 新特性）：

ollama launch openclaw

Ollama 会自动：

  • 检查并通过 npm 安装 OpenClaw
  • 弹出模型选择器
  • 安装 Web Search 插件（本地模型无需）
  • 启动 TUI（终端界面）

直接在终端聊天即可！想换本地模型？执行 ollama launch openclaw --model qwen2.5:7b-32k 即可。

手动安装方式（适合想深度配置的用户）：

npminstall-g openclaw@latest openclaw --version# 验证版本

四、步骤 3：配置 OpenClaw 连接本地 Ollama 模型（最核心一步）

方式一：配置向导（推荐新手）

openclaw onboard

按提示操作（超级详细表格）：

步骤操作选择
Model/auth provider选择 Custom Provider（列表最后一项）
API Base URL输入 http://127.0.0.1:11434/v1
API Key必须填写ollama-local（新版强制要求）
Endpoint compatibility选择 OpenAI-compatible
Model ID输入你创建的模型名（如 qwen2.5:7b-32k）
其他问题（技能、渠道）全部 Skip for now 或 No

配置完成后会显示 Web UI 地址（通常 http://127.0.0.1:18789）。

方式二：手动编辑配置文件（高级用户，必备）

配置文件位置：

  • Windows: C:\Users\你的用户名\.openclaw\openclaw.json
  • macOS/Linux: ~/.openclaw/openclaw.json
【新增】Auth 配置部分（2026 最新推荐写法）

为什么必须加 auth 配置？
虽然 Ollama 是本地模型，不需要真实密钥，但 OpenClaw 完全基于 OpenAI-compatible 协议设计，必须提供规范的 auth 对象才能通过认证校验。官方推荐使用固定标识 "apiKey": "ollama-local"，既安全又统一（以后切换远程模型也只需要改 baseUrl）。

完整推荐配置（已包含 auth 部分，直接复制替换）：

{"models":{"providers":{"ollama":{"baseUrl":"http://127.0.0.1:11434/v1","auth":{"type":"api_key","apiKey":"ollama-local"},"api":"openai-completions","models":[{"id":"qwen2.5:7b-32k","name":"Qwen2.5 7B 32K (本地)","reasoning":true,"input":["text"],"cost":{"input":0,"output":0},"contextWindow":32768,"maxTokens":32768}]}}},"agents":{"defaults":{"model":{"primary":"ollama/qwen2.5:7b-32k"}}}}

Auth 配置字段详解：

  • type: 固定写 "api_key"（或 "bearer"，两者均可，推荐 api_key）
  • apiKey: 必须写"ollama-local"（这是 OpenClaw 本地模型的官方标识，千万不要留空或随便改）

保存文件后，立即重启 OpenClaw：

openclaw tui

五、步骤 4：启动并测试（TUI + Web UI）

openclaw tui

看到欢迎语 Wake up, my friend! 就成功了！输入任意问题测试。

同时打开浏览器访问 Web UI（配置向导里给的地址），更直观。

六、步骤 5：连接消息应用（让 AI 随时随地可用）

openclaw configure --section channels

支持 Telegram、WhatsApp、Slack、Discord、iMessage 等。
选择 Telegram → 按提示输入 Bot Token 和 Chat ID（去 @BotFather 创建机器人）→ 选择 Finished 保存。

以后你发消息给 Telegram 机器人，OpenClaw 就会在本地处理！

七、步骤 6：安装技能（让 AI 真正“动手”）

# 安装技能管理器 npx clawhub install clawhub # 推荐必装技能（复制执行） npx clawhub install filesystem-mcp # 文件系统 npx clawhub install github # GitHub（需 gh CLI） npx clawhub install summarize # 总结 PDF/网页 npx clawhub install weather # 天气（无需 API） npx clawhub install openai-whisper # 本地语音识别

安装后重启 TUI，在聊天里说“帮我安装 GitHub 技能” 或直接用 openclaw skills list 检查状态。

八、常见问题 & 终极排查（90% 问题在这里解决）

  1. “Authentication failed” 或 “Invalid API Key”
    → 检查 auth.apiKey 是否精确为 "ollama-local"（大小写敏感），type 是否为 api_key。重启 TUI 后重试。
  2. “Model context window too small (4096 tokens)”
    → 手动修改 ~/.openclaw/agents/main/agent/models.json 和主配置文件，把 contextWindow 和 maxTokens 改成 32768，重启 TUI。
  3. Verification failed
    → 确认 Ollama 正在运行（ollama list），Base URL 带 /v1，auth 对象完整无误。
  4. 技能 missing
    → 安装对应依赖（如 GitHub 需要 gh CLI），然后重启。
  5. Windows 端口占用
    → 任务管理器结束 ollama.exe 进程后重启。
  6. 响应慢 / 空白
    → 换小模型（7B），或确认 GPU 驱动最新，上下文别超过模型上限。
  7. 想换模型
    → ollama launch openclaw --config 或直接改配置文件 primary 字段 + auth 部分。

九、高级玩法

  • 多模型切换：在 config.json 加多个模型，TUI 里说“切换到 GLM 模型”。
  • Docker / 1Panel 部署：服务器党可参考社区教程。
  • 语音输入输出：安装 whisper + sherpa-onnx-tts 技能。
  • 安全加固：官方文档建议隔离工作区，工具调用前仔细审查。

结语：你的本地 AI 时代正式开启

恭喜！你现在拥有了一个完全离线、零成本、功能媲美 Claude 的个人 AI 助理。用 Qwen3 + OpenClaw 的组合，日常办公、编程、总结文档、自动化任务全都搞定。

本次 Auth 配置更新让你的本地部署更加规范和未来兼容，强烈建议所有用户按新写法配置。

喜欢这篇详细教程的同学，欢迎点赞、收藏、转发！后续我还会出《OpenClaw 技能开发实战》《多设备同步》《与 VS Code 深度集成》等进阶篇。

有任何问题，欢迎在评论区留言（或直接在 TUI 里问你的 OpenClaw）。
现在就去终端敲 ollama launch openclaw 吧！

—— 2026 年 3 月，技术永不过时，隐私永不过时。
（本文基于 Ollama 官方文档 + OpenClaw 最新协议 + 实际部署经验整理，所有命令均亲测有效）

OpenClaw配置你的私人助理大全

紫微AI 推荐 OpenClaw 18篇经典必读清单

我是紫微AI，我们下期见。
（完）

Read more

安装 启动 使用 Neo4j的超详细教程

安装 启动 使用 Neo4j的超详细教程

最近在做一个基于知识图谱的智能生成项目。需要用到Neo4j图数据库。写这篇文章记录一下Neo4j的安装及其使用。 一.Neo4j的安装 1.首先安装JDK，配环境变量。（参照网上教程，很多） Neo4j是基于Java的图形数据库，运行Neo4j需要启动JVM进程，因此必须安装JAVA SE的JDK。从Oracle官方网站下载 Java SE JDK。我使用的版本是JDK1.8 2.官网上安装neo4j。 官方网址：https://neo4j.com/deployment-center/  在官网上下载对应版本。Neo4j应用程序有如下主要的目录结构： bin目录：用于存储Neo4j的可执行程序； conf目录：用于控制Neo4j启动的配置文件； data目录：用于存储核心数据库文件； plugins目录：用于存储Neo4j的插件； 3.配置环境变量 创建主目录环境变量NEO4J_HOME，并把主目录设置为变量值。复制具体的neo4j文件地址作为变量值。 配置文档存储在conf目录下，Neo4j通过配置文件neo4j.conf控制服务器的工作。默认情况下，不需

企业微信群机器人Webhook配置全攻略：从创建到发送消息的完整流程

企业微信群机器人Webhook配置全攻略：从创建到发送消息的完整流程 在数字化办公日益普及的今天，企业微信作为国内领先的企业级通讯工具，其群机器人功能为团队协作带来了极大的便利。本文将手把手教你如何从零开始配置企业微信群机器人Webhook，实现自动化消息推送，提升团队沟通效率。 1. 准备工作与环境配置 在开始创建机器人之前，需要确保满足以下基本条件： * 企业微信账号：拥有有效的企业微信管理员或成员账号 * 群聊条件：至少包含3名成员的群聊（这是创建机器人的最低人数要求） * 网络环境：能够正常访问企业微信服务器 提示：如果是企业管理员，建议先在"企业微信管理后台"确认机器人功能是否已对企业开放。某些企业可能出于安全考虑会限制此功能。 2. 创建群机器人 2.1 添加机器人到群聊 1. 打开企业微信客户端，进入目标群聊 2. 点击右上角的群菜单按钮（通常显示为"..."或"⋮"） 3. 选择"添加群机器人"选项 4.

Flowise物联网融合：与智能家居设备联动的应用设想

Flowise物联网融合：与智能家居设备联动的应用设想 1. Flowise：让AI工作流变得像搭积木一样简单 Flowise 是一个真正把“AI平民化”落地的工具。它不像传统开发那样需要写几十行 LangChain 代码、配置向量库、调试提示词模板，而是把所有这些能力打包成一个个可拖拽的节点——就像小时候玩乐高，你不需要懂塑料怎么合成，只要知道哪块该拼在哪，就能搭出一座城堡。 它诞生于2023年，短短一年就收获了45.6k GitHub Stars，MIT协议开源，意味着你可以放心把它用在公司内部系统里，甚至嵌入到客户交付的产品中，完全不用担心授权问题。最打动人的不是它的技术多炫酷，而是它真的“不挑人”：产品经理能搭出知识库问答机器人，运营同学能配出自动抓取竞品文案的Agent，连刚学Python两周的实习生，也能在5分钟内跑通一个本地大模型的RAG流程。 它的核心逻辑很朴素：把LangChain里那些抽象概念——比如LLM调用、文档切分、向量检索、工具调用——变成画布上看得见、摸得着的方块。你拖一个“Ollama LLM”节点，再拖一个“Chroma Vector
OpenClaw配置Bot接入飞书机器人+Kimi2.5

OpenClaw配置Bot接入飞书机器人+Kimi2.5

上一篇文章写了Ubuntu_24.04下安装OpenClaw的过程，这篇文档记录一下接入飞书机器+Kimi2.5。 准备工作 飞书 创建飞书机器人 访问飞书开放平台：https://open.feishu.cn/app，点击创建应用： 填写应用名称和描述后就直接创建： 复制App ID 和 App Secret 创建成功后，在“凭证与基础信息”中找到 App ID 和 App Secret，把这2个信息复制记录下来，后面需要配置到openclaw中 配置权限 点击【权限管理】→【开通权限】 或使用【批量导入/导出权限】，选择导入，输入以下内容，如下图 点击【下一步，确认新增权限】即可开通所需要的权限。 配置事件与回调 说明：这一步的配置需要先讲AppId和AppSecret配置到openclaw成功之后再设置订阅方式，