---

【OpenClaw 本地实战 Ep.1】抛弃 Ollama？转向 LM Studio！Windows 下用 NVIDIA 显卡搭建 OpenClaw 本地极速推理服务

摘要：

OpenClaw 本地化部署第一弹。

解决 Windows 11 下 Ollama 无法稳定调用 CUDA 的痛点，手把手教你用 LM Studio + RTX 3090 (或其他 NVIDIA 显卡) 开启 GPU Offload 和 无界面后台服务，搭建完美的 OpenAI 兼容接口。

标签：

NVIDIA 显卡 本地部署 LM Studio CUDA加速 OpenClaw Windows开发

---

写在前面：为什么要开启这个系列？

在 Windows 11 环境下折腾本地 AI Agent（智能体）时，很多开发者都会遇到一个经典困境：“大脑”跟不上“手脚”。

我们希望用 OpenClaw 这样强大的框架来编排任务，但在底层推理后端上，常用的 Ollama 在 Windows（特别是配合最新的 Intel Ultra CPU + NVIDIA 显卡时）经常出现 GPU 调度失灵的问题——明明插着一张 RTX 3090 24GB，它却非要用 CPU 跑，推理速度慢得像蜗牛。

为了解决这个问题，我摸索出了一套 “LM Studio + OpenClaw” 的黄金组合。

本系列将分四篇文章，从零开始带你搭建一套 满血版 的本地 AI 开发环境。

🚀 本系列规划：

• 👉 Ep.1（本文）：基础设施搭建 —— 用 LM Studio 满血释放 NVIDIA 显卡算力

• Ep.2：强强联合 —— 修改 OpenClaw 配置连接本地服务

• Ep.3：突破瓶颈 —— 强制解锁 32k 上下文，解决 Context Window 报错

• Ep.4：终极提效 —— 固定 Token 实现浏览器无缝重连

图1：LM Studio + OpenClaw” 黄金组合的本地服务启动成功。

图2：LM Studio + OpenClaw” 的黄金组合 充分利用了 NVIDIA 显卡进行推理。

---

一、 硬件准备：NVIDIA 显卡是关键

想要本地 AI 跑得快，显存（VRAM）是第一生产力。

以下是我的测试环境，本教程适用于所有支持 CUDA 的 NVIDIA 显卡（如 RTX 3060/4060/4090 等）。

• CPU: Intel Core Ultra 9 285K

• GPU: NVIDIA GeForce RTX 3090 (24GB VRAM)

• 软件: LM Studio (0.4.2 或更高版本)

---

二、 核心配置：三步榨干显卡算力

第一步：开启 CUDA 硬件加速 (GPU Offload)

这是性能起飞的关键！很多新手只是下载了模型，却忘了把模型“装进”显卡里。

1. 选中并加载一个模型，例如 openai/gpt-oss-20b。

2. 打开 LM Studio 右侧侧边栏（左下角）的 Settings (齿轮图标)。

3. 进入 Hardware 选项卡。

4. GPUs：确保识别并选中了你的 NVIDIA 显卡（如下方截图中的 RTX 3090）。

5. GPU detected with CUDA：务必勾选 ON。

图3：LM Studio 启动成功，模型加载已就绪。

图4：LM Studio 成功识别 RTX 3090，显存容量 24GB，CUDA 加速已开启。

---

第二步：开启后台无界面服务 (Headless Mode)

这是让 LM Studio 成为合格“服务器”的关键设置。开启此选项后，LM Studio 可以更稳定地作为后台服务运行，哪怕你不打开聊天窗口，它也能响应 OpenClaw 的请求。

1. 在 Settings 菜单中，点击 Developer 选项卡。

2. 找到 “本地 LLM 服务（无界面）” 区域。

3. 勾选 “启用本地 LLM 服务”。

图5：开启无界面服务模式，确保后台推理的稳定性。

---

第三步：启动 OpenAI 兼容接口

OpenClaw 默认是为 OpenAI 设计的，我们需要让 LM Studio 伪装成 OpenAI。

1. 点击左侧侧边栏的 Developer / Server (<->) 图标。

2. Server Settings：

   • Port：保持默认 1234。

   • CORS：建议开启（防止跨域报错）。

3. 点击蓝色的 Start Server 按钮。

4. 关键检查：

   • 确保顶部的状态显示为绿色的 Status: Running。

   • 记下右侧的 API Model Identifier（例如 openai/gpt-oss-20b），我们在下一篇配置 OpenClaw 时必须用到它。

图6：本地服务启动成功，监听在 1234 端口，模型无界面本地服务已就绪。

---

三、 效果验证

至此，你的本地电脑已经变成了一个“私有版 OpenAI 服务器主机”。

• 你可以在 LM Studio 的 Server Logs 窗口看到实时的请求日志。

• 在 RTX 3090 的加持下，推理速度（Speed）应该非常快，几乎没有延迟。

图7：在 OpenClaw 推理时，可以在erver Logs 窗口这里查看运行日志。

---

四、 下一步计划

现在，“大脑”（LM Studio + RTX 3090）已经就位，而且提供了标准的接口 。

http://127.0.0.1:1234/v1

你可以重启 LM Studio 后 在 LM Studio 的聊天界面测试一下，体验那如丝般顺滑的生成速度。

但是，仅仅有一个服务端是不够的。

我们还需要一个强大的“大脑指挥官”——OpenClaw，来连接这个服务，并让它具备写代码、读文件、个人助理等能力。

在下一篇文章中，我将不再通过枯燥的代码修改，而是展示如何利用 OpenClaw 自带的 交互式设置向导 (Setup Wizard)，像安装游戏一样，几步操作就完成与本地 LM Studio 的对接。

下一篇预告： 👉 《【OpenClaw 本地实战 Ep.2】零代码对接：使用交互式向导快速连接本地 LM Studio 用 CUDA GPU 推理》

(剧透：你将看到那个超酷的 🦞 OPENCLAW 🦞 启动画面！)

图8：OpenClaw 启动成功，监听在 1234 端口，LM Studio 模型  openai/gpt-oss-20b 已就绪。

---

(本文截图均为作者实测环境)