OpenClaw

引言

OpenClaw是最近火爆的个人开源智能体框架。由于它具备本地自托管、长期记忆、丰富技能SKILLs等优势，让它在github上迅速收获了$248 K^+$stars。
然而由于它实现的任务的前提是大量的token开销，所以如果能结合本地模型使用，将节省很大一笔花费。得益于Ollama的支持和Qwen推出的最新小尺寸、高性能3.5系列模型，让OpenClaw本地的高效使用得以成为现实。
本文从实验室服务器配置OC的角度出发，以没有root权限指令受限为前提，记录从零一步步搭建起属于自己的本地AI助手。相关项目仓库连接如下：

• Ollama
• OpenClaw
• ZeroClaw

OpenClaw

                  ┌──────────────────────┐
                  │   各种聊天平台       │
                  │ WhatsApp / Telegram  │
                  │ Discord / Slack / ...│
                  └──────────┬───────────┘
                             │
                             ▼
               ┌─────────────────────────────┐
               │      Channel Adapters       │ ← 消息解析 + 鉴权 + 格式化
               └──────────────┬──────────────┘
                              │
                              ▼
               ┌─────────────────────────────┐
               │         GATEWAY             │ ← 控制中枢（WebSocket:18789）
               │  • 会话路由                 │
               │  • 访问控制（配对/白名单）  │
               │  • 事件分发                 │
               └──────────────┬──────────────┘
                              │
                              ▼
               ┌─────────────────────────────┐
               │      Agent Runtime          │ ← ReAct 循环（Pi 核心）
               │  1. 组装上下文（历史 + 记忆）│
               │  2. 调用 LLM（流式）        │
               │  3. 拦截工具调用            │
               │  4. 执行工具（沙箱）        │
               │  5. 持久化状态 → 继续循环   │
               └──────────────┬──────────────┘
                              │
                ┌─────────────┴─────────────┐
                │                           │
                ▼                           ▼
        LLM 智能决策                   工具执行层
     (Claude / GPT / 本地模型)     (浏览器 / 文件 / 邮件 / cron / 技能)
                │                           │
                └─────────────┬─────────────┘
                              ▼
                       结果返回给用户

几个重要的文件：

/workspace/
├── SOUL.md          👤 我的核心价值观
├── IDENTITY.md      🎭 我的身份设定
├── USER.md          👨 关于你的信息
├── TOOLS.md         🔧 我的工具配置
├── AGENTS.md        📚 操作指南
├── HEARTBEAT.md     💓 定期任务
├── BOOTSTRAP.md     🚀 初始化（待删除）
├── memory/          📖 每日日志
└── logs/            📊 运行日志

• TOOLS.md
  • 专属工具配置和环境信息,记录所有不共享的本地配置。常用工具如：搜索信息。
• SOUL.md
  • 核心原则：
    • ✅ 真诚助人，不说废话
    • ✅ 可以有观点和个性
    • ✅ 先尝试解决，再提问
    • ✅ 通过能力赢得信任
    • ✅ 尊重隐私边界
  • 关键规则：
    • 私人信息绝不外泄
    • 外部行动前需确认
    • 群聊中保持适度参与
• IDENTITY.md
  • 当前设定：
    • 名字: Jarvis
    • 角色: 私人助理 + 情报搜集官
    • 风格: 专业但亲切，高效但不死板
    • 语言: 中文
    • emoji: 👔
• USER.md
  • 当前记录：
    • 称呼: boss
    • 时区: Asia/Shanghai
    • 需求: 高效的支持和情报服务
    • 待补充: 你的名字和更多偏好
• AGENTS.md
  • 📝 记忆管理: MEMORY.md（长期）+ memory/YYYY-MM-DD.md（每日）
  • 🔄 定时检查: Heartbeat（~30 分钟）vs Cron（精确时间）
  • 💬 群聊规则: 何时发言、何时静音、何时用反应
  • 🔧 工具使用: Skills 技能框架
  • 🛡️ 安全规范: 外部行动需确认
• HEARTBEAT.md
  • 定期检查事项清单
• BOOTSTRAP.md
  • 首次启动时的引导流程。

配置流程

配置GO

cd /tmp
wget https://go.dev/dl/go1.26.0.linux-amd64.tar.gz

mkdir -p ~/opt
tar -C ~/opt -xzf go1.26.0.linux-amd64.tar.gz

cat >> ~/.bashrc << 'EOF'
export GOROOT=$HOME/opt/go
export GOPATH=$HOME/go
export PATH=$GOROOT/bin:$GOPATH/bin:$HOME/.local/bin:$PATH
export GOPROXY=https://goproxy.cn,direct
export GOTOOLCHAIN=local
EOF

source ~/.bashrc
go version

安装CMake

cd /tmp
wget https://github.com/Kitware/CMake/releases/download/v4.2.3/cmake-4.2.3-linux-x86_64.tar.gz    
# 大部分情况下需要代理，代理指令如下：  
# wget https://ghproxy.net/https://github.com/Kitware/CMake/releases/download/v4.2.3/cmake-4.2.3-linux-x86_64.tar.gz    

tar -C ~/opt -xzf cmake-4.2.3-linux-x86_64.tar.gz

cat >> ~/.bashrc << 'EOF'
export PATH=$HOME/opt/cmake-4.2.3-linux-x86_64/bin:$PATH
EOF

source ~/.bashrc
cmake --version

确保GPU条件

nvidia-smi
ls /usr/local/cuda
nvcc --version

（可选）安装NVCC

conda create -n ollama-gpu python=3.11 -y
conda activate ollama-gpu
# 核心命令：指定 label/cuda-12.8.0 子频道   
conda install -y cuda-toolkit -c nvidia/label/cuda-12.8.0
# 如果上面失败或想更完整，安装 cuda 包（包含 toolkit + runtime）    
# conda install -y cuda -c nvidia/label/cuda-12.8.0 
conda install -y cuda-nvcc cuda-cudart-dev cuda-libraries-dev -c nvidia/label/cuda-12.8.0

cat >> ~/.bashrc << 'EOF'

# CUDA from Conda (ollama-gpu env)
export CUDA_HOME=$HOME/miniconda/envs/ollama-gpu   
# 替换成你的 conda prefix，如果不是 ~/miniconda
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib:$LD_LIBRARY_PATH
export CUDACXX=$CUDA_HOME/bin/nvcc
EOF

source ~/.bashrc

# 验证  
conda activate ollama-gpu
nvcc --version

源码编译Ollama

cmake -B build \
  -DLLAMA_CUDA=ON \
  -DCMAKE_CUDA_COMPILER=$CUDACXX \
  -DCMAKE_CUDA_ARCHITECTURES="80"   # 替换成你的 GPU arch（nvidia-smi -L 查看型号，A100=80, RTX 30xx=86, RTX 40xx=89 等）

cmake --build build -j$(nproc)

go build -o ~/.local/bin/ollama .

cp -r build/lib/ollama/* ~/.local/lib/ollama/

编译加速库（llama.cpp 部分）

# 直接运行（cmake 已生成 build 文件）：
cmake --build build -j$(nproc)   
# -j 用所有核心加速，第一次可能 5-15 分钟

编译 Ollama 主程序（Go 部分）

go build -o ~/.local/bin/ollama .

复制 CUDA 加速库到用户目录

mkdir -p ~/.local/lib/ollama
cp -r build/lib/ollama/* ~/.local/lib/ollama/ 2>/dev/null || true

确保环境变量包含 CUDA & Ollama lib

cat >> ~/.bashrc << 'EOF'
# CUDA from Conda env
export PATH="$HOME/miniconda3/envs/cuda12/bin:$PATH"
export LD_LIBRARY_PATH="$HOME/miniconda3/envs/cuda12/lib:$HOME/.local/lib/ollama:$LD_LIBRARY_PATH"
export CUDACXX="$HOME/miniconda3/envs/cuda12/bin/nvcc"
EOF

source ~/.bashrc

安装OpenClaw

ollama launch openclaw

• Install — If OpenClaw isn’t installed, Ollama prompts to install it via npm
• Security — On the first launch, a security notice explains the risks of tool access
• Model — Pick a model from the selector (local or cloud)
• Onboarding — Ollama configures the provider, installs the gateway daemon, and sets your model as the primary
• Gateway — Starts in the background and opens the OpenClaw TUI

  简而言之，使用上述指令，ollama会帮你完成每一步需要配置的过程，开箱即用。

结果展示

使用中，Qwen3.5-27b表现很亮眼，尤其我之前配置的是Qwen2.5-72B-Instruct-AWQ,结果连构造Terminal查询指令都难以一次完成。新的模型在指令跟随和简单任务完成上做的很好：

可以更进一步，让它设计一个网页去展示获取的信息：

同样，配置搜索功能后也可以去获取论文、博客等数据并总结给你：

而且，得益于Ollama的keep-alive功能，可以持续在后台运行，当一段时间没有输入时，自动卸载显存占用，不会导致实验室的显卡被长久占住：

推荐结合tmux指令运行，如下：

tmux new-session -s oc
tmux split-window -h 
ctrl b <-/->

校园网环境下如何在不打开vscode的情况下优雅地访问WebUI：

ssh -N \
-L port:127.0.0.1:port \
-L xxx \
user@ip

如何卸载？

openclaw uninstall --all --yes --non-interactive

# 或者直接移除下列目录：
~/.openclaw

总结

是一个非常有意思的工具，虽然在精细任务上无法与现有的大厂Agent进行抗衡，但是在情绪价值（精准记住你的各种信息）、粗粒度任务（日常情报搜集）、扩展任务（未来可以尝试接入通讯工具实现宣传的手机指挥工作）等方面都非常亮眼。让人感慨，《钢铁侠》中的AI助手Jarvis或许在有生之年就可以实现。

• Previous
  Generative Agents复现与分析
• Next
  TailScale