摘要： 你是否曾因AI服务繁忙、网络延迟或数据隐私问题而感到困扰？本文将手把手教你如何利用 OpenClaw 和 Ollama 这两款强大工具，在自己的电脑上搭建一个完全私有、随时可用的AI助手。我们将逐步完成环境准备、软件安装、模型部署和系统集成，最终让你体验到流畅、安全的本地化AI服务。

关键词： OpenClaw, Ollama, 本地AI, 大语言模型, AI助手, 本地部署

---

引言：为什么要搭建本地AI？

随着人工智能技术的普及，我们越来越依赖AI助手来回答问题、编写代码、撰写文档等。然而，这些便利的背后常常伴随着一些痛点：

1. 网络限制与拥堵：许多云端AI服务在高峰时段会出现“繁忙”提示，导致长时间等待甚至无法使用。
2. 数据隐私担忧：将敏感的工作资料或个人信息输入公共AI平台，可能会带来数据泄露的风险。
3. 高昂的成本：长期、高频的使用往往伴随着不菲的API费用。

为了解决这些问题，“本地AI”应运而生。顾名思义，就是将AI模型直接运行在你的个人电脑或服务器上。这样做有诸多好处：

• 断网可用：无需互联网连接，随时随地享受AI服务。
• 极致隐私：所有数据处理都在本地完成，确保信息安全。
• 成本低廉：除了硬件投入，没有额外的订阅或调用费用。
• 响应迅速：避免了网络传输延迟，交互体验更加流畅。

今天，我们将使用 Ollama 来管理并运行本地模型，并使用 OpenClaw 将其打造成一个功能丰富的AI助手。

---

第一步：准备工作——软硬件要求

在开始之前，请确保你的电脑满足以下基本要求：

• 操作系统：Windows 10/11 (64位), macOS, 或 Linux。
• 处理器 (CPU)：现代多核处理器。
• 内存 (RAM)：至少 16GB，对于运行更大模型（如7B以上）建议 32GB 或更高。
• 显卡 (GPU) (非必需，但强烈推荐)：如果你有一块NVIDIA显卡，性能将得到巨大提升。Ollama会自动利用GPU加速。集成显卡也可以运行，但速度会慢很多。
• 存储空间：至少预留 10GB 以上的可用空间用于下载和存放模型文件。

---

第二步：安装核心工具——Ollama

Ollama是一个极其易用的工具，它简化了在本地运行大型语言模型的过程。你可以把它想象成一个模型的“应用商店”和“运行器”。

1. 下载 Ollama：

   • 打开你的网页浏览器，访问 Ollama 的官方网站：https://ollama.com/
   • 点击页面上的 “Download” 按钮，根据你的操作系统（Windows, macOS, Linux）下载对应的安装包。

2. 安装 Ollama：

   • Windows/macOS: 下载完成后，双击 .exe 或 .pkg 文件，按照安装向导的提示完成安装。
   • Linux: 通常会提供一条命令行指令，复制并粘贴到终端执行即可。

3. 启动 Ollama：

   • 安装完成后，启动 ollama。在 Windows 上，你可能会看到一个后台进程图标出现在系统托盘。在 macOS/Linux 终端，你可能需要保持一个终端窗口打开，或者将其作为后台服务启动。

恭喜！ 至此，Ollama 已经在你的电脑上准备就绪，等待加载模型。

---

第三步：选择并下载你的AI模型

Ollama 支持众多流行的大语言模型。对于本地部署，我们需要在模型性能和硬件资源之间找到平衡。一个广受欢迎且性能不错的中文模型是 Qwen3（通义千问）系列。

1. 打开命令行工具：

   • Windows: 按 Win + R，输入 cmd，然后按回车，打开“命令提示符”。或者搜索并打开“PowerShell”。
   • macOS/Linux: 打开“终端”应用程序。

2. 下载模型：

在打开的命令行窗口中，输入以下命令并按回车

1. ollama run qwen3.5:0.8b
   

2. 注意：模型文件通常很大（几个GB到几十个GB），下载过程可能需要较长时间，具体取决于你的网络带宽和硬盘读写速度。请耐心等待，直到命令行显示下载完成。

3. 验证模型：

   ollama list
   

   

---

第四步：安装与配置 OpenClaw

OpenClaw 是一个强大的AI代理框架，它可以将你的本地模型变成一个智能助手，并提供多种交互方式（如聊天机器人、自动化任务等）。

1. 安装 OpenClaw：

2. 【OpenClaw与Molili】保姆级教程：教你在windows上安装OpenClaw与Molili-CSDN博客

3. 定位配置文件：

   • OpenClaw 的核心配置通常在一个名为 openclaw.json 的文件中。它的默认位置一般在用户目录下的隐藏文件夹中，例如：
     • Windows: C:\Users\[你的用户名]\.openclaw\openclaw.json
     • macOS: ~/.openclaw/openclaw.json
   • 重要：请确保你能够找到并编辑这个文件。你可能需要在文件管理器中启用“显示隐藏文件”的选项才能看到 .openclaw 文件夹。

4. 编辑配置文件，接入 Ollama：

   • 用一个文本编辑器（如记事本、VS Code、Sublime Text等）打开 openclaw.json 文件。
   • 我们需要修改这个文件，告诉 OpenClaw 去连接并使用刚才通过 Ollama 加载的本地 qwen3 模型。在配置文件中，找到 models.providers 这个部分。你需要添加一个名为 ollama 的提供者配置。

   原始配置文件（可能类似于此，但缺少 ollama 提供者）：

   {
     "models": {
       "providers": {
         // 可能有其他提供者配置，如 openai, azure 等
       }
     },
     "agents": {
       "defaults": {
         "model": {
           "primary": "..." // 这里指定了主模型
         }
       }
     }
   }
   

   修改后的配置文件（添加 ollama 提供者并设为主模型）：

   {
     "meta": {
       "lastTouchedVersion": "2026.3.2",
       "lastTouchedAt": "2026-03-05T01:50:42.331Z"
     },
     "wizard": {
       "lastRunAt": "2026-03-04T10:05:45.591Z",
       "lastRunVersion": "2026.3.2",
       "lastRunCommand": "onboard",
       "lastRunMode": "local"
     },
     "models": {
       "providers": {
         "ollama": {
           "baseUrl": "http://127.0.0.1:11434/v1",
           "apiKey": "sk-La1F6uiHWTR6S5FNxNUEwdeWJINw4Y4M",# 随意填写，毕竟本地化
           "auth": "api-key",
           "api": "openai-completions",
           "authHeader": true,
           "models": [
             {
               "id": "qwen3.5:0.8b",
               "name": "qwen3.5:0.8b",
               "api": "openai-completions",
               "reasoning": false,
               "input": [
                 "text"
               ],
               "cost": {
                 "input": 0,
                 "output": 0,
                 "cacheRead": 0,
                 "cacheWrite": 0
               },
               "contextWindow": 60000,
               "maxTokens": 60000
             }
           ]
         }
       },
       "bedrockDiscovery": {
         "defaultContextWindow": 1
       }
     },
     "agents": {
       "defaults": {
         "model": {
           "primary": "ollama/qwen3.5:0.8b"
         },
         "models": {
           "qwen-portal/coder-model": {
             "alias": "qwen"
           },
           "ollama/qwen3.5:0.8b": {
             "alias": "qwen3.5:0.8b"
           },
           "qwen-portal/vision-model": {}
         },
         "workspace": "C:\\Users\\Administrator\\.openclaw\\workspace"
       }
     },
     "tools": {
       "profile": "messaging"
     },
     "commands": {
       "native": "auto",
       "nativeSkills": "auto",
       "restart": true,
       "ownerDisplay": "raw"
     },
     "session": {
       "dmScope": "per-channel-peer"
     },
     "hooks": {
       "internal": {
         "enabled": true,
         "entries": {
           "session-memory": {
             "enabled": true
           }
         }
       }
     },
     "gateway": {
       "port": 18789,
       "mode": "local",
       "bind": "loopback",
       "auth": {
         "mode": "token",
         "token": "76c38470534edf3c625d4aa0bfdb02730c491a90f16c7053"
       },
       "tailscale": {
         "mode": "off",
         "resetOnExit": false
       },
       "nodes": {
         "denyCommands": [
           "camera.snap",
           "camera.clip",
           "screen.record",
           "contacts.add",
           "calendar.add",
           "reminders.add",
           "sms.send"
         ]
       }
     },
     "plugins": {
       "entries": {
         "qwen-portal-auth": {
           "enabled": true
         }
       }
     }
   }
   

   • 关键点解释：
     • "baseUrl": "http://127.0.0.1:11434/v1"：127.0.0.1 代表本机，11434 是 Ollama 默认监听的端口。OpenClaw 会通过这个地址与 Ollama 通信。
     • "id": "qwen3.5:0.8b"：这个ID必须和你通过 ollama pull 命令拉取的模型名称一模一样。
     • "primary": "ollama/qwen3.5:0.8b"：这个路径告诉 OpenClaw，当需要AI服务时，优先使用 ollama 提供者下的qwen3.5:0.8b 模型。

5. 保存配置文件：完成编辑后，保存 openclaw.json 文件。

---

第五步：启动你的本地AI助手

一切准备就绪，现在是见证奇迹的时刻！

1. 确保 Ollama 正在运行：检查你的系统托盘或后台进程，确保 ollama服务处于活动状态。

2. 启动 OpenClaw Gateway：

   • 再次打开命令行工具（如 cmd 或 PowerShell）。
   • 输入以下命令并按回车：

   openclaw gateway
   

   • 你会看到 OpenClaw 启动的日志信息。如果配置正确，它会成功连接到 Ollama，并加载你指定的 qwen3.5:0.8b 模型。

3. 开始使用：

   • OpenClaw 启动后，通常会提供一个本地网页地址（如 http://127.0.0.1:18789/）。
   • 打开你的浏览器，访问这个地址。你将看到一个聊天界面，现在你就可以开始与你本地的 Qwen3 模型进行对话了。所有计算都在你的电脑上完成，没有网络延迟，也没有数据隐私之忧。