我要评论0. 前言
openclaw 是一个开源、可自托管的 ai 助手平台，原生支持 ollama 本地模型和 deepseek 等云端 api，让你在隐私与性能之间自由切换。本文记录了我在 ubuntu 上从零部署 openclaw 的全过程——踩过的坑、优化后的配置，一并进行分享。
无论你是想搭建一个完全离线的私人助手，还是追求顶级大模型的推理能力，这篇指南都能帮你少走弯路，快速用起来。
1. 什么是 openclaw？
openclaw (俗称龙虾)是一个开源的智能助手平台，可以运行在个人电脑或树莓派等设备上。它最大的特点是支持多种模型后端——可以用本地部署的开源模型保护隐私，也可以接入 deepseek、openai 等云端大模型获得更强能力。它的核心功能包括：
- 智能体 (
agent) 系统：可创建多个不同用途的ai助手 - 本地优先：原生支持
ollama，数据不出本机 - 技能插件 (
skills)：可通过安装技能扩展能力，如联网搜索、浏览器自动化 - 终端界面 (
tui)：直接在命令行中与ai对话 - 网关架构：提供统一的
api入口，方便集成各种模型
本文将从零开始，在 ubuntu 上完成 openclaw 的安装，并同时配置本地模(通过 ollama) 和云端模型 (deepseek api) 两种后端，让你在不同场景自由切换。
2. 环境准备
硬件要求如下表所示：
| 组件 | 最低配置 | 推荐配置 |
|---|---|---|
| cpu | 4 核 | 8 核以上 |
| 内存 | 8 gb | 16 gb+ |
| 磁盘 | 20 gb 可用 | 50 gb+ ssd |
| gpu (可选) | 无 | nvidia 8gb+ 显存 |
软件要求：ubuntu 22.04 或 ubuntu 24.04
3. 安装 openclaw
3.1 执行安装命令
openclaw 需要 node.js 22+，推荐使用 nodesource 官方源安装。
(1) 添加 nodesource 仓库：
$ wget -qo- https://deb.nodesource.com/setup_22.x | sudo -e bash -
(2) 安装 node.js：
$ sudo apt update $ sudo apt install nodejs -y
(3) 安装完成后，验证是否成功安装，如果没有问题可以在命令行中看到打印出 node.js 版本号：
$ node --version $ npm --version
(4) 修改配置文件，添加 npm bin 目录到 path 中：
$ echo 'export path="$home/.npm-global/bin:$path"' >> ~/.bashrc $ source ~/.bashrc # 立即生效
(5) 通过 npm 安装 openclaw：
$ sudo npm install -g openclaw
3.2 完成初始化引导
安装成功后，执行以下命令进入引导程序，需要根据提示完成以下核心设置：
- 安全确认：当被问到是否知晓相关风险时，选择
yes并回车 - 选择模式：选择
quickstart快速启动模式 - 模型配置：这是关键的一步。因为我们是连接本地模型，所以当向导让我们选择模型供应商时，选择 “skip for now” 跳过，我们将在后面手动配置
$ openclaw onboard
3.3 官方一键脚本部署
除了以上方法外，我们也可以使用官方一键脚本部署，这种方式最简单，脚本会自动帮我们处理 node.js 环境、依赖安装等步骤。
(1) 首先下载官方一键脚本部署：
$ wget -o install.sh https://openclaw.ai/install.sh
(2) 在命令行中执行以下命令，脚本会自动开始工作，完成安装后，会自动进入初始化引导，设置方法与上一小节相同：
$ wget -o install.sh https://openclaw.ai/install.sh $ bash install.sh
4. 配置本地模型 (ollama)
ollama 是一个便捷的本地模型运行工具，能让 openclaw 调用我们下载的开源模型。
4.1 安装与配置 ollama
(1) wget 下载 ollama 安装脚本：
$ wget -o install-ollama.sh https://ollama.com/install.sh
(2) 在终端执行以下命令安装 ollama：
$ sudo bash install-ollama.sh
(4) 启动 ollama 服务：
$ ollama serve &
4.2 选择并下载模型
根据显存大小选择合适的模型：
| 显存 | 推荐模型 | 占用 | 能力 |
|---|---|---|---|
| 4-6gb | qwen3.5:2b | ~1.5gb | 日常对话、简单任务 |
| 8-12gb | qwen3.5:4b | ~4gb | 代码、推理 |
| 16gb+ | qwen3.5:9b | ~9gb | 复杂任务、长文本 |
使用以下命令下载选中的模型，以 qwen3.5:4b 为例：
$ ollama pull qwen3.5:4b
下载完成后，可以用 ollama list 命令查看已安装的模型列表进行确认：
$ ollama list
4.3 将 ollama 模型接入 openclaw
现在，我们需要告诉 openclaw 如何找到刚下载的本地模型，主要是在配置文件 ~/.openclaw/openclaw.json 中添加 ollama 供应商信息。
(1) 在修改配置文件前，需要首先停止网关：
$ openclaw gateway stop
(2) 编辑配置文件 ~/.openclaw/openclaw.json，在文件中添加或修改以下内容：
"agents": {
"defaults": {
"workspace": "~/.openclaw/workspace",
"model": {
"primary": "ollama/qwen3.5:4b"
},
"models": {
"ollama/qwen3.5:4b": {}
}
}
},
"models": {
"providers": {
"ollama": {
"baseurl": "http://127.0.0.1:11434",
"apikey": "ollama-local",
"api": "ollama",
"models": [
{
"id": "qwen3.5:4b",
"name": "qwen3.5:4b",
"api": "ollama"
}
]
}
}
}
(3) 配置完成后，重启一下 openclaw 网关让配置生效：
$ openclaw gateway start
(4) 使用以下命令查看模型列表，可以看到以 ollama/ 为前缀的本地模型：
$ openclaw models list
(5) 为方便使用，可以将本地模型设为默认：
$ openclaw models set ollama/qwen3.5:4b
5. 配置云端模型 (deepseek)
5.1 获取 deepseek api key
(1) 访问 deepseek 开放平台
(2) 登录后，在「api keys」页面创建新的 api key
(3) 复制保存(形如 sk-xxxxxxxx)
5.2 deepseek 配置
首次安装完成后，如果使用云端模型，可以通过使用 openclaw onboard 命令进行配置；已经安装过 openclaw 的用户可以通过 openclaw onboard --install-daemon 命令进入配置阶段。
- 遇到提示：
i understand this is personal-by-default and shared/multi-user use requires lock-down. continue?选择yes - 遇到提示：
setup mode推荐选择quickstart - 遇到提示：
model/auth provider选择deepseek - 遇到提示：
enter deepseek api key填入刚刚复制的api key - 遇到提示：
default model将光标指向enter model，填写模型名称 (deepseek-v4-pro或deepseek-v4-flash) - 后续的其余配置请根据需求配置，也可以先选择
skip for now
6. 开始使用 openclaw
6.1 启动对话
我们可以通过以下三种方式与 openclaw 进行对话。
(1) 打开 web ui，在 chat 页面进行交互，使用以下命令：
$ openclaw dashboard
(2) 在终端中打开 tui，使用以下命令：
$ openclaw tui
(3) 在终端中与 openclaw 对话，使用以下命令：
$ openclaw terminal
6.2 安装技能扩展
通过 agent 对话安装是最符合 agent 范式的方式。在 openclaw、claude code 等 agent 的对话框中，我们只需用自然语言说一句话，agent 会自动完成整个安装流程，其中 xx_skill 是我们要安装的 skill：
帮我从技能市场安装 xx_skill
agent 收到指令后，会遵循技能安装的最佳实践，分步执行：
自主发现与验证：agent 会先浏览技能主页 clawhub 页面，获取最新的安装说明和元数据，而不是凭“记忆”操作
执行具体安装命令：确认无误后，agent 会调用对应的 cli 命令静默安装
openclaw cli：openclaw skills install xx_skillclawhub cli(通过npx)：npx clawhub@latest install xx_skill
环境自检与初始化：安装后，agent 会立即检查核心工具是否准备就绪，帮我们运行 xx_skill version 验证
整个过程无需手动敲任何命令，agent 成了我们的“部署工程师”。如果更倾向于自主控制，也可以通过 clawhub 安装技能：
# 1. 安装 clawhub 命令行工具 $ npm i -g clawhub # 2. 搜索相关技能 $ clawhub search "xx_skill" # 3. 安装技能 $ clawhub install xx_skill
小结
通过本文的配置，我们现在拥有一个双引擎的 ai 助手系统：
- 隐私优先时使用本地
ollama模型，数据完全掌控 - 能力优先时切换到
deepseek，享受顶级大模型性能
openclaw 的网关架构让这一切切换变得非常简单，一条命令即可完成。加上日益丰富的技能生态，它正在成为个人 ai 助手的绝佳选择。开始你的 openclaw 之旅吧！
以上就是ubuntu极速部署openclaw的完全指南(本地模型+deepseek)的详细内容，更多关于ubuntu极速部署openclaw的资料请关注代码网其它相关文章！
发表评论