最近 GitHub 上最火的项目非 OpenClaw 莫属了，Star 数直冲 24 万。傅盛都说这是 AI Agent 的未来。

很多朋友问我：这东西到底怎么装？是不是还得写代码？

其实没那么复杂。今天我们就来实战一下，用最干净的方式——Docker，把这个“数字员工”请进你的电脑。即使你对编程一窍不通，跟着做也能跑起来。

为什么选择 Docker 部署？

OpenClaw 是一个基于 Node.js 的复杂应用，依赖很多系统库。如果你直接在本机安装（npm install），很容易遇到环境冲突、依赖报错等问题，把你的系统搞得乱七八糟。

用 Docker 的好处是：环境隔离，用完即焚。它把 OpenClaw 锁在一个盒子里，无论怎么折腾，都不会影响你的宿主机系统。

准备工作

你需要准备两样东西：

1. Docker Desktop：去 Docker 官网下载安装，傻瓜式操作。安装完后打开终端输入 docker -v，能看到版本号就算成功。
2. API Key：推荐使用 Anthropic (Claude 3.5 Sonnet) 或者 OpenAI (GPT-4o) 的 Key。
   • 进阶玩家：如果你电脑显卡够强（RTX 3090/4090），也可以配合 Ollama 使用本地模型，完全免费。

第一步：拉取镜像

打开你的终端（Terminal 或 CMD），输入以下命令：

docker pull openclaw/openclaw:latest

这会下载最新的 OpenClaw 镜像。文件可能有点大（约 2GB），耐心等待一下。

第二步：准备配置文件

OpenClaw 的强大在于可配置。我们需要在本地创建一个文件夹来存放它的配置和记忆，这样即使删除容器，你的数据也不会丢。

在你的电脑上创建一个叫 openclaw-data 的文件夹，然后在里面建一个 config.json 文件。

推荐配置（config.json）

把下面的内容复制进去，记得替换 apiKey：

{
  "brain": {
    "provider": "anthropic",
    "model": "claude-3-5-sonnet-20240620",
    "apiKey": "sk-ant-api03-...",
    "temperature": 0.7,
    "maxTokens": 4096
  },
  "body": {
    "capabilities": {
      "filesystem": {
        "enabled": true,
        "basePath": "/app/workspace"
      },
      "browser": {
        "enabled": true,
        "headless": true
      },
      "shell": {
        "enabled": true,
        "allowedCommands": ["ls", "cd", "cat", "git", "npm"]
      }
    }
  },
  "soul": {
    "storagePath": "/app/data/memory",
    "longTermMemory": true
  }
}

注意：shell 能力默认是关闭的，开启后它能执行系统命令，请务必设置 allowedCommands 白名单，防止它误删文件。

第三步：启动容器

关键的一步来了。运行下面的命令启动它：

docker run -d \
  --name my-openclaw \
  -v $(pwd)/openclaw-data/config.json:/app/config/config.json \
  -v $(pwd)/openclaw-data/data:/app/data \
  -v $(pwd)/openclaw-data/workspace:/app/workspace \
  -p 3000:3000 \
  --restart unless-stopped \
  openclaw/openclaw

如果你是 Windows 用户，把 $(pwd) 换成你的绝对路径，比如 D:/openclaw-data。

第四步：跟它打个招呼

启动成功后，等待约 30 秒初始化。打开浏览器访问 http://localhost:3000。
你应该能看到 OpenClaw 的控制台界面了。

试着给它下达第一个指令：

“创建一个 Python 脚本，打印 Hello World，并保存到 workspace 目录。然后运行它。”

你会看到日志里疯狂滚动：

1. Thinking: 用户想写 Python。
2. Action: 调用 FileSystem.write(‘hello.py’)。
3. Action: 调用 Shell.exec(‘python3 hello.py’)。
4. Observation: 输出 “Hello World”。
5. Reply: 任务完成，脚本已创建并执行。

这比单纯的 ChatGPT 对话震撼多了，因为它真的改变了物理世界（虽然只是硬盘上的文件）。

进阶玩法：连接本地大模型 (Ollama)

如果你不想付 API 费用，或者担心隐私泄漏，可以让 OpenClaw 连接本地的 Ollama。

1. 先安装 Ollama 并运行 ollama run qwen2.5-coder:7b（推荐 Qwen2.5 Coder，代码能力强）。
2. 修改 config.json：

"brain": {
  "provider": "ollama",
  "model": "qwen2.5-coder:7b",
  "baseUrl": "http://host.docker.internal:11434"
}

注意 host.docker.internal 是 Docker 访问宿主机的特殊地址。

常见问题排查 (Troubleshooting)

1. 容器启动失败：
   • 运行 docker logs my-openclaw 查看报错。
   • 通常是 config.json 格式错误（比如少了个逗号）。
2. 无法上网：
   • 如果你的网络环境需要代理，记得在 docker run 时加上 -e HTTPS_PROXY=http://your-proxy:7890。
3. 无限复读：
   • 这是本地小模型常见的毛病。尝试降低 temperature 到 0.2，或者换更强的模型。

总结

OpenClaw 的部署其实非常简单。只要跑起来，你就拥有了一个不知疲倦的数字员工。
它可以帮你爬虫、写代码、整理文件，甚至在你睡觉时监控币圈行情。
还在等什么？赶紧动手试试吧！