在 AI 工具爆发的今天，很多开发者都在寻找一个既能集成顶级云端模型（如 Claude 3.5、GPT-4o），又能无缝衔接本地私有化模型（如 Ollama）的开源前端。OpenClaw 正是这样一只功能强大的“大螃蟹”。它以其简洁的界面和灵活的后端适配，成为了不少玩家的心头好。

今天，我们就来手把手教你如何在不同系统上安装 OpenClaw，并配置一套稳健的多模型接入与 Failover（故障转移）机制。

---

一、 准备工作

在开始之前，请确保你的设备已安装以下基础工具：

• Git：用于克隆代码库。

• Node.js (v18+)：OpenClaw 的运行环境。

• Docker（可选，推荐）：如果你喜欢容器化部署。

---

二、 全平台安装指南

1. macOS & Linux (原生部署)

对于类 Unix 系统，通过终端可以快速完成部署。

Bash

# 1. 克隆仓库
git clone https://github.com/openclaw/openclaw.git
cd openclaw

# 2. 安装依赖
npm install

# 3. 复制环境变量配置文件
cp .env.example .env

# 4. 启动项目
npm run dev

2. Windows (WSL2 部署)

虽然 Windows 可以直接运行 Node.js，但为了避免路径和权限带来的“玄学”问题，强烈建议在 WSL2 (Ubuntu) 下进行。

1. 在 Microsoft Store 安装 Ubuntu。

2. 打开 Ubuntu 终端，参照上述 Linux 步骤进行安装。

3. 注意：如果在 WSL2 中运行，访问地址通常为 localhost:3000。如果无法访问，请检查 WSL2 的网络桥接设置。

3. Docker 部署（懒人必备）

如果你不想折腾环境，可以使用 Docker：

Bash

docker build -t openclaw .
docker run -p 3000:3000 --env-file .env openclaw

---

三、 配置 API Key 与模型接入

OpenClaw 的强大之处在于它对多协议的支持。打开项目根目录下的 .env 文件进行配置：

1. 接入 OpenAI

代码段

OPENAI_API_KEY=sk-xxxx...
OPENAI_BASE_URL=https://api.openai.com/v1 # 或者使用代理地址

2. 接入 Claude (Anthropic)

代码段

ANTHROPIC_API_KEY=sk-ant-xxxx...

3. 接入本地模型 (Ollama)

首先确保你的 Ollama 已经在后台运行。默认情况下，Ollama 监听 11434 端口。

代码段

OLLAMA_BASE_URL=http://localhost:11434

提示：如果是 Docker 部署，localhost 可能需要改为 host.docker.internal。

---

四、 核心技巧：配置 Failover 机制

在实际使用中，云端 API 可能会因为网络波动或额度耗尽而请求失败。OpenClaw 支持配置 Failover（故障转移），让你的对话永不断线。

场景设定

• 首选模型：Claude 3.5 Sonnet（性能最强）

• 备选模型：OpenAI GPT-4o（云端备份）

• 保底模型：本地 Ollama Llama3（离线保底）

如何实现？

在 OpenClaw 的模型配置界面（或配置文件中），你可以设置模型优先级：

1. 健康检查：OpenClaw 会定期检查配置的 API 状态。

2. 自动切换：当首选模型返回非 200 状态码或超时（Timeout）时，前端会自动重试并将请求转发至列表中的下一个模型。

3. 本地化兜底：将 Ollama 设置为最后一级。这样即使断网，只要本地模型还在，你依然可以进行基础的文字处理工作。

---

五、 进阶：优化你的“大螃蟹”

• 流式传输优化：在配置文件中开启 STREAMING=true，可以获得像 ChatGPT 一样逐字输出的丝滑感。

• 持久化存储：建议配置 SQLite 或 Redis 来保存你的聊天记录，防止页面刷新后数据丢失。

• 自定义 UI：OpenClaw 的前端代码结构清晰，你可以轻松在 src/config 中修改主题色或 Logo，打造专属的 AI 助手。

---

结语

OpenClaw 不仅仅是一个简单的聊天界面，它更像是一个 AI 调音台。通过将 OpenAI 的广度、Claude 的深度以及 Ollama 的私密性结合在一起，并通过 Failover 机制保驾护航，你才算真正“驯服”了本地 AI 环境。