实测｜WSL2 从零部署 OpenClaw AI 助手：安装配置与实战运行教程

优质文章学习记录

— 9 min read
实测｜WSL2 从零部署 OpenClaw AI 助手：安装配置与实战运行教程

【本文作者：Rickton】

本文是 2026 年最新可用的 WSL2 + OpenClaw 完整部署教程，面向零基础用户，从开启 WSL2、安装 Ubuntu、配置 Node.js 到一键启动 OpenClaw 控制台，一步一命令，复制粘贴即可运行。 解决 Windows 原生部署报错、环境不兼容、端口不通、Node 版本不对等常见问题，适合本地搭建 AI 助手、学习 Agent 开发。

第一部分：认识 WSL2—— Windows 中的 Linux 环境

WSL2 是什么？

WSL2 (Windows Subsystem for Linux 2) 是微软官方提供的一项功能，允许您在 Windows 系统内部直接运行一个原生、完整的 Linux 环境。

  • 无需安装双系统（需重启切换）。
  • 无需启动笨重的传统虚拟机（如 VirtualBox，VMware）。
  • 它像一个深度集成在 Windows 中的 Linux 子系统，兼顾了性能与便利性。

为何强烈推荐 WSL2 运行 OpenClaw？

  1. 完整的 Linux 兼容性：OpenClaw 所需的工具链（Node.js, pnpm 等）均源自 Linux 生态。WSL2 提供了几乎 100% 的兼容性，避免在 Windows 原生环境（PowerShell）下可能遇到的各种兼容性问题。
  2. 卓越的性能：相比早期的 WSL1，WSL2 使用真正的 Linux 内核，在文件 I/O 和系统调用性能上大幅提升，运行 Node.js 服务更稳定高效。
  3. 无缝的互通体验：
  • 可以在 Windows 资源管理器中直接访问 WSL2 中的 Linux 文件。
  • 在 WSL2 终端里，也能直接操作 Windows 磁盘上的文件。
  • 网络端口互通，可以在 Windows 浏览器中直接访问运行在 WSL2 中的 OpenClaw 服务。

其他 Windows 部署方案对比

方案优点缺点建议
Docker Desktop环境隔离，便于部署迁移。资源占用相对更多，配置稍复杂。可选，适合熟悉 Docker 的用户。
PowerShell 原生无需额外环境。兼容性问题多，易出错，不推荐。不推荐
WSL2官方推荐。兼容性最好，性能佳，与 Windows 无缝集成。需要启用 Windows 功能并安装一个小型虚拟机。首选方案

第二部分：详细安装与配置指南

阶段一：安装并设置 WSL2 与 Ubuntu

1. 检查您的系统是否满足要求
  • 操作系统：Windows 10 版本 2004（内部版本 19041）或更高，或者 Windows 11。
    • 如何查看？ Win + R 输入 winver，查看“版本”信息。
  • 硬件虚拟化：已启用。通常在 BIOS/UEFI 中开启，现代电脑默认开启。可尝试通过任务管理器 -> “性能”选项卡 -> “CPU” -> 查看“虚拟化”是否显示“已启用”。
  • 管理员权限：安装过程需要。
2. 一键安装 WSL2 与 Ubuntu（最简单的方法）

步骤：

  1. 以管理员身份打开 PowerShell：
  • 点击 Windows “开始”按钮。
  • 搜索 “PowerShell”。
  • 在“Windows PowerShell”应用上右键单击，选择“以管理员身份运行(A)”。
  1. 执行一键安装命令：wsl --install
  1. 这个命令会：
    • 自动启用“适用于 Linux 的 Windows 子系统”和“虚拟机平台”功能。
    • 下载并安装最新的 WSL2 Linux 内核。
    • 将 WSL2 设置为默认版本。
    • 下载并安装默认的 Linux 发行版——Ubuntu。
  2. 重启计算机。
  3. 初始化 Ubuntu：
  • 重启后，系统可能会自动弹出一个黑色的 Ubuntu 终端窗口。
  • 如果没有，请点击“开始”菜单，找到并启动新安装的“Ubuntu”应用。
  • 首次启动需要几分钟来解包文件。
  • 完成后，系统会提示您创建一个新的 UNIX 用户名和密码。

          用户名：推荐使用小写英文，不能包含空格。

          密码：输入时屏幕上不会显示任何字符，这是正常的安全措施，输入完毕后按回车确认即可。

恭喜！至此，电脑上已经拥有了一个完整的 Linux 系统。接下来的所有操作，都将在这个 Ubuntu 终端中进行。
3. 如果“一键安装”失败或想手动控制

请严格遵循微软官方教程：

主安装指南（推荐，含一键安装）：https://learn.microsoft.com/zh-cn/windows/wsl/install

手动安装步骤（适用于旧版或特殊场景）：https://learn.microsoft.com/zh-cn/windows/wsl/install-manual

应用商店搜索【wsl】选择Ubuntu：https://apps.microsoft.com/search?query=wsl&hl=zh-CN&gl=SG

阶段二：在 WSL2 的 Ubuntu 中安装 Node.js

这是运行 OpenClaw 的核心前提。

OpenClaw 要求 Node.js 版本 >= 22。在 Linux 中，我们通常使用 nvm来管理 Node.js 版本。

  1. 打开您的 Ubuntu 终端。
  2. 安装 nvm通过 curl 下载并运行 nvm 的安装脚本：curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
  3. 激活 nvm关闭当前终端并重新打开一个新的 Ubuntu 终端，或者运行以下命令使 nvm 立即生效：source ~/.bashrc
  4. 验证 nvm 是否安装成功nvm --version如果显示出版本号（例如 0.40.1），则说明安装成功。
  5. 使用 nvm 安装 Node.js 22（LTS 版本）nvm install22这个命令会自动下载并安装 Node.js v22 的最新版本，并配置好 npm。
  6. 将刚安装的 Node.js 22 设置为默认版本nvm alias default 22
  7. 验证 Node.js 和 npm 是否安装正确node -v # 应输出 v22.x.x npm -v # 应输出对应的 npm 版本号
提示：如果您看到 command not found 错误，请确保已执行 source ~/.bashrc 或完全重启了 Ubuntu 终端。

阶段三：安装 OpenClaw

现在，您的 WSL2 Ubuntu 环境中已经具备了运行 OpenClaw 的条件。以下是几种安装方式：

方式 1：官方一键脚本安装

自动化程度最高，包含交互式配置向导

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

执行后，脚本会自动检测环境并引导您完成后续配置。

方式 2：通过 npm 手动安装
  1. 全局安装 OpenClawnpm install -g openclaw@latest
  2. 安装完成后，运行配置向导openclaw onboard --install-daemon
方式 3：通过 Docker 安装

此方法在 WSL2 中安装 Docker 后使用，能获得最佳的环境隔离性。

  1. 在 WSL2 Ubuntu 中安装 Docker：参考官方 Docker 安装指南。
  2. 使用 docker-compose 启动 OpenClaw。

对于大多数用户，推荐使用 方式 1 或 方式 2。

阶段四：初始配置与启动服务

无论通过哪种方式安装，最终都会进入 OpenClaw 配置向导。

这个向导会像一位助手一样，引导完成最关键的四步：

  1. 风险提示：阅读后输入 Yes 继续。
  2. 配置 AI 模型：
  • 选择您想使用的 AI 模型提供商（例如OpenAI GPT、DeepSeek 等）。
  • 输入对应平台的 有效 API 密钥（这里使用了百度千帆，API密钥需要提前在相应官网申请）。
  1. 选择通信渠道（可选）：
  • 首次配置可以先输入 Skip 跳过。
  • 后续可以在 OpenClaw 的 Web 控制台中通过插件，接入飞书等。
  1. 选择初始技能（可选）：

同样可以输入 Skip 跳过，后续在控制台中按需安装。

完成配置后，向导会自动启动 OpenClaw 的核心服务（网关 Gateway）。

当您在终端看到类似以下信息时，说明服务启动成功

OpenClaw daemon started successfully! Gateway URL: http://127.0.0.1:18789 这里启动过了，就用openclaw gateway status命令展示一下启动成功信息。

访问您的 OpenClaw 控制台：

  1. 直接在 Ubuntu 终端中输入openclaw dashboard
  2. 或者，在 Windows 系统的浏览器（如 Chrome, Edge）地址栏中，手动输入http://127.0.0.1:18789
看到 OpenClaw 的 Web 管理界面，就标志着已成功在 WSL2 上部署了自己的 AI 助手服务！

# 启动 OpenClaw 网关服务 openclaw gateway start

# 停止 OpenClaw 网关服务 openclaw gateway stop

# OpenClaw 状态检查 openclaw gateway status

安装完成检查清单

  • WSL2 已安装，并成功启动 Ubuntu。
  • 在 Ubuntu 中，通过 node -v 确认版本 ≥ 22。
  • 已通过 npm 或一键脚本成功安装 OpenClaw。
  • 已通过配置向导绑定 AI 模型的 API 密钥。
  • 能在浏览器中通过 http://127.0.0.1:18789 访问 OpenClaw 控制台。

检查服务状态及访问Web控制台

检查服务状态：openclaw status

本地网页控制台：openclaw dashboard

结语：

通过以上步骤，我们已经在 WSL2 环境下成功完成 OpenClaw AI 助手的部署、配置与运行。整个过程简单清晰，适合本地开发、调试与学习使用。

希望本文能为大家在 Windows 环境下体验与部署 AI 助手提供一份实用参考。如有问题，欢迎在评论区交流讨论。

Read more

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用（四）

智元 D1 强化学习sim-to-real系列 | Robot Lab 基于 Isaac Lab 的机器人强化学习使用（四）

1. 项目简介 Robot Lab 是一个基于 NVIDIA Isaac Lab 构建的机器人强化学习扩展库，专注于为各类机器人提供标准化的强化学习训练环境。该项目允许开发者在独立的环境中进行开发，而无需修改核心 Isaac Lab 仓库。对应ISaac lab 使用需要你参考并学习。然后可以参考Isaac Sim｜操作界面指南，ISAAC SIM安装与软件实践学习（二）—用户界面与工作流程，Nvidia Isaac Sim图形界面 入门教程 2024（3）学习操作。最全的资料还是我们之前讲到的isaacsim官方教程以及isaaclab翻译版本 NVIDIA的机器人平台主要由两大核心组件构成，它们之间是层级关系：基础仿真平台Isaac Sim，以及构建于其上的机器人学习应用框架Isaac Lab。要精通 Isaac Sim，必须理解其分层架构中的五个核心概念。Isaac Sim 是什么？ 它是一个通用的机器人模拟器，提供了高保真的物理引擎（PhysX）和照片级的渲染技术（
Submodular function次模函数 概念——AI学习

Submodular function次模函数 概念——AI学习

论文名称：Submodularity In Machine Learning and Artificial Intelligence 一、综述论文 这篇文章是一篇 综述论文（survey）。 核心目标是： 介绍 Submodular functions（次模函数） 以及它们在 机器学习与人工智能中的应用。 作者想说明一个非常重要的观点： 很多机器学习问题其实是“离散优化问题”。 例如： * Feature Selection：属于数据预处理问题，旨在从原始特征中筛选出最相关、最有信息量的子集，以降低维度、提升模型性能与可解释性。 * Dataset Subset Selection：属于数据采样或核心集选择问题，旨在从大规模数据中选取一个具有代表性的子集，以降低计算和存储成本，同时保持模型性能。 * Active Learning：属于机器学习训练策略问题，通过让模型主动选择最有价值的数据进行标注，以最少的标注成本最大化模型性能。 * Clustering：属于无监督学习问题，旨在根据数据的内在相似性，将未标记的数据自动分组为不同的类别或簇。 * Data
开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI

开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI

文章目录 * 概要 * 操作流程 概要 ComfyUI 是一款基于节点流程的可视化 AI 生成工具，核心围绕 Stable Diffusion 等主流生成式 AI 算法构建，通过图形化节点拆解生成全流程，实现从文本 / 图像输入到图像 / 视频输出的 “精准可控创作”。 腾讯云 CNB（Cloud Native Build，官网：cnb.cool）是基于 Docker 生态的云原生开发协作平台，核心定位是通过容器化技术与资源池化能力，为开发者提供 “一键就绪” 的远程开发环境，尤其聚焦开源项目协作与 AI 工具落地，无需本地配置复杂硬件与环境即可开展开发、测试与创作。链接：cnb 操作流程 接下来展示使用腾讯云cnb搭建comfyui的流程： （1）到CNB网站 fork 项目 链接：cnb 可以直接使用已经搭建好的comfyui

基于fpga的双边滤波。

1、前言。         双边滤波是一种非线性滤波器，它既可以达到降噪平滑，同时又保持边缘的效果。和其他滤波的原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均来代表某个像素的强度，所用的加权平均也是基于高斯分布的。         双边滤波的权重，不仅考虑了像素的空间距离(如高斯滤波),还考虑了像素范围的 辐射差异(如像素与中心像素的相似程度，也是高斯分布的),结合空间距离与相似度， 计算得到最终的权重(空间距离与相似度的高斯分布)。        数学原理：对于每一个像素p,输出值b(p)是其领域像素内的加权平均。 * I(p)：原图像在像素p处的值； * Gd(||p-q||)：空间距离权重（越远的像素权重越小）； * Gr (∣I(p)−I(q)∣)：像素值差异权重（像素差越大权重越小）； * Ω：邻域窗口（如3×3、5×5）； Wp ：归一化系数（所有权重之和）。 2、高斯核和相似度权重。         由前一章的高斯滤波教程我们知道。