OpenClaw 安装与配置：开启你的开源AI编程之旅

引言

在上一篇文章中，我们深入剖析了 OpenClaw 的架构设计。现在，是时候真正上手了。

OpenClaw 是一个开源的 AI 编程助手 CLI 工具，作为 Claude Code 的轻量级替代方案而设计。与 Claude Code 需要 Anthropic API 密钥不同，OpenClaw 支持多种模型提供商，包括 OpenAI、Anthropic，甚至可以通过 Ollama 运行完全免费的开源本地模型。

本文将手把手带你完成从安装到配置的全过程，无论你是想用最前沿的商业模型，还是希望完全免费地使用本地模型，都能找到适合的方案。

安装 OpenClaw

OpenClaw 提供了两种安装方式：pip（Python）和 npm（Node.js）。选择一种你熟悉的即可。

系统要求

方式一：使用 pip 安装（推荐）

# 直接安装
pip install openclaw

# 如果遇到权限问题，使用用户级安装
pip install --user openclaw

# 建议在虚拟环境中安装
python3 -m venv claw-env
source claw-env/bin/activate  # Linux/macOS
# claw-env\Scripts\activate   # Windows
pip install openclaw

方式二：使用 npm 安装

# 全局安装
npm install -g openclaw

# 如果权限不足，配置 npm 全局路径后重试
npm config set prefix ~/.npm-global
export PATH=~/.npm-global/bin:$PATH
npm install -g openclaw

验证安装

安装完成后，运行以下命令验证：

# 查看版本
openclaw --version
# 预期输出: openclaw x.y.z

# 查看帮助
openclaw --help
# 预期输出: 显示所有可用命令和选项

# 启动交互模式（此时会提示配置 API Key）
openclaw

💡 提示：首次运行 openclaw 时，如果未配置 API 密钥，程序会引导你完成初始设置。你可以直接退出（Ctrl+C），先完成下面的配置步骤。

API 密钥配置

OpenClaw 需要访问某个 LLM 后端来驱动 AI 能力。你可以选择商业 API 或本地模型。

配置方式

OpenClaw 支持多种配置方式（优先级从高到低）：

1. 环境变量：最高优先级，适合 CI/CD 和临时切换
2. 配置文件：持久化保存，适合日常使用
3. 命令行参数：临时覆盖

方式一：环境变量配置（推荐临时使用）

# OpenAI
export OPENAI_API_KEY="sk-your-api-key-here"

# Anthropic
export ANTHROPIC_API_KEY="sk-ant-your-api-key-here"

# 自定义 API 地址（兼容 OpenAI 格式的第三方服务）
export OPENAI_BASE_URL="https://your-custom-endpoint.com/v1"

方式二：配置文件

OpenClaw 会在首次运行时自动创建配置文件。手动配置方法如下：

# 创建配置文件目录
mkdir -p ~/.config/openclaw

# 编辑配置文件
vim ~/.config/openclaw/config.yaml

配置文件内容示例：

# OpenClaw 配置文件 ~/.config/openclaw/config.yaml

# LLM 提供商配置
llm:
  # 默认提供商：openai, anthropic, ollama
  provider: openai
  
  # OpenAI 配置
  openai:
    api_key: "${OPENAI_API_KEY}"  # 支持环境变量引用
    model: gpt-4o                 # 模型名称
    base_url: "https://api.openai.com/v1"  # 兼容第三方 API
  
  # Anthropic 配置
  anthropic:
    api_key: "${ANTHROPIC_API_KEY}"
    model: claude-sonnet-4-20250514
  
  # Ollama 本地模型配置
  ollama:
    base_url: "http://localhost:11434"
    model: llama3.2

# 工具行为配置
tools:
  # 文件操作安全设置
  safe_mode: true
  # 允许的文件扩展名
  allowed_extensions:
    - .py
    - .js
    - .ts
    - .json
    - .md
  # 禁止修改的系统路径
  blocked_paths:
    - "/etc"
    - "/root"
  
  # Shell 命令安全设置
  command_timeout: 60  # 命令超时时间（秒）
  require_confirmation: true  # 高危命令需要确认

# 界面配置
ui:
  theme: "auto"  # light, dark, auto
  syntax_highlighting: true
  show_token_usage: true

# 会话配置
session:
  autosave: true
  max_history: 100
  save_path: "~/.local/share/openclaw/sessions"

模型提供商选择

OpenClaw 最强大的特性就是支持多种模型提供商。下面详细介绍每种方案的特点。

方案一：OpenAI（推荐入门）

适合人群：希望获得高效稳定的编程体验，愿意支付适当费用

# config.yaml 配置
llm:
  provider: openai
  openai:
    api_key: "sk-xxxxx"
    model: gpt-4o  # 或 gpt-4o-mini（更经济）

获取 API 密钥：访问 platform.openai.com/api-keys 注册并创建密钥。新用户通常有 $5 免费额度。

方案二：Anthropic Claude

适合人群：看重代码质量，偏好 Claude 系列模型

llm:
  provider: anthropic
  anthropic:
    api_key: "sk-ant-xxxxx"
    model: claude-sonnet-4-20250514

获取 API 密钥：访问 console.anthropic.com 注册。

方案三：Ollama 本地模型（完全免费）

适合人群：预算为零、重视隐私、希望在离线环境下使用

这是 OpenClaw 最独特的功能之一——通过 Ollama 运行本地大模型，实现完全免费的 AI 编程助手。

安装 Ollama

# Linux / macOS
curl -fsSL https://ollama.com/install.sh | sh

# 或者访问 https://ollama.com/download 下载对应版本

下载模型

# 下载推荐模型（按需选择）
ollama pull llama3.2          # 轻量级（3B），日常简单任务
ollama pull llama3.1          # 中等（8B），编程质量较好
ollama pull codegemma         # 代码专用模型（2B/7B）
ollama pull deepseek-coder    # 深度求索编程模型（6.7B）
ollama pull qwen2.5-coder     # 通义千问编程模型（7B/14B）

各模型的内存需求和编程能力对比如下：

配置 OpenClaw 使用本地模型

llm:
  provider: ollama
  ollama:
    base_url: "http://localhost:11434"
    model: deepseek-coder  # 建议使用编程专用模型

启动并使用

# 1. 确保 Ollama 服务在运行
ollama serve
# 或者 Ollama 通常会作为后台服务自动运行

# 2. 验证服务状态
curl http://localhost:11434/api/tags
# 预期输出: 显示已安装的模型列表

# 3. 启动 OpenClaw
openclaw

💡 完全免费方案要点：

• Ollama + 开源模型 = 零 API 费用
• 所有代码数据完全留在本机
• 无需互联网连接（模型下载后）
• 建议使用 7B-8B 级别的模型以获得较好的编程能力
• 如果内存充足（24GB+），可以尝试 33B 模型获得接近商业模型的体验

方案四：通过兼容 API 使用国产模型

OpenClaw 的 OpenAI 兼容模式支持第三方 API，包括国产模型服务：

llm:
  provider: openai
  openai:
    api_key: "sk-xxxxx"
    base_url: "https://api.deepseek.com/v1"  # DeepSeek API
    model: deepseek-chat
    
  # 或者通义千问
  # base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1"
  # model: qwen-plus

常用命令

安装配置完成后，来看看 OpenClaw 的常用命令：

启动方式

# 交互式会话模式（推荐）
openclaw

# 单次对话模式
openclaw "帮我写一个斐波那契数列生成器"

# 从文件读取输入
openclaw < prompt.txt

# 指定工作目录
openclaw --workdir /path/to/project

# 指定模型
openclaw --provider openai --model gpt-4o-mini

交互式会话中的命令

进入交互式界面后，可以使用以下内部命令：

文件操作示例

# 在项目目录中启动
cd ~/my-project
openclaw

# 然后可以在交互界面中输入类似：
# "在 src/ 目录下创建一个 utils.py 文件，包含字符串处理工具函数"
# "帮我重构 main.js 中的 fetchData 函数，改用 async/await"
# "搜索所有包含 TODO 注释的文件"
# "查看当前 Git 状态并帮我生成提交信息"

配置进阶

多配置文件

你可以为不同项目创建独立的配置文件：

# 在项目目录下放置 .openclaw.yaml 覆盖全局配置
cd ~/my-project
cat > .openclaw.yaml << 'EOF'
llm:
  provider: openai
  openai:
    model: gpt-4o
tools:
  safe_mode: false
EOF

# 启动时自动读取项目配置
openclaw

自定义模型参数

llm:
  openai:
    model: gpt-4o
    # 高级参数
    temperature: 0.0    # 代码生成建议为0，保持确定性
    max_tokens: 4096    # 单次响应的最大 Token 数
    top_p: 1.0
    frequency_penalty: 0.0
    presence_penalty: 0.0

代理配置

如果你在特定网络环境下使用：

# 通过环境变量配置代理
export HTTP_PROXY="http://127.0.0.1:7890"
export HTTPS_PROXY="http://127.0.0.1:7890"
openclaw

注意事项和常见问题

常见问题排查

Q1: 安装时报权限错误

# 使用用户级安装
pip install --user openclaw

# 或者使用虚拟环境（推荐）
python3 -m venv ~/.venvs/openclaw
source ~/.venvs/openclaw/bin/activate
pip install openclaw

Q2: API Key 错误或认证失败

# 检查环境变量是否设置
echo $OPENAI_API_KEY

# 检查配置文件语法
python3 -c "import yaml; yaml.safe_load(open('~/.config/openclaw/config.yaml'))"

# 测试 API 连通性
curl https://api.openai.com/v1/models \
  -H "Authorization: Bearer $OPENAI_API_KEY"

Q3: Ollama 连接失败

# 确认 Ollama 正在运行
ollama list

# 查看 Ollama 服务状态
systemctl status ollama  # Linux

# 测试 API 端点
curl http://localhost:11434/api/tags

# 如果 Ollama 运行在另一台机器，修改 base_url
# ollama.base_url: "http://192.168.1.100:11434"

Q4: 工具执行超时

# 在配置文件中增加超时时间
tools:
  command_timeout: 120  # 增加到120秒

Q5: 中文编码问题

# 确保终端支持 UTF-8
export LANG=en_US.UTF-8
export LC_ALL=en_US.UTF-8

Q6: 上下文不足

# 调整上下文管理策略
session:
  max_history: 50       # 减少历史轮数
  max_tokens: 32000     # 根据模型调整

性能优化建议

1. 选择合适的模型：日常简单编程用 GPT-4o-mini 或本地 7B 模型即可，复杂任务再切换到 GPT-4o
2. 控制上下文大小：定期用 /reset 重置对话，避免上下文过长导致响应变慢
3. 本地模型量化优化：Ollama 默认使用量化模型，如果需要更高质量可以拉取非量化版本（但需要更多内存）
4. 多会话管理：不同项目使用不同会话，避免上下文污染

与其他 Agent 的比较选择

面对众多 AI 编程助手，如何选择？以下是与几个主流选项的对比：

选择建议

• 追求最强编程能力：Claude Code（但需付费）
• 预算为零、需要免费方案：OpenClaw + Ollama + 本地模型
• 重视隐私安全：OpenClaw + Ollama（数据完全本地）
• 想体验多种模型：OpenClaw（自由切换提供商）
• 需要使用 DeepSeek API：DeepSeek-TUI（原生支持）或 OpenClaw（兼容模式）
• 需要 IDE 深度集成：GitHub Copilot / Cursor（与 CLI 工具互补）

总结

OpenClaw 的安装和配置过程非常直接，其最大的优势在于 灵活性——你可以自由选择模型提供商、配置行为和扩展功能。

无论你是：

• 免费用户：Ollama + 本地开源模型 = 零成本
• 商业用户：OpenAI/Anthropic 最强模型 = 最佳体验
• 隐私敏感用户：本地模型 = 数据零泄露
• 多模型用户：灵活切换 = 对比选择的自由

OpenClaw 都能满足你的需求。现在就打开终端，开始你的 AI 编程之旅吧！

# 一分钟快速启动
pip install openclaw
export OPENAI_API_KEY="sk-xxx"
openclaw "你好，OpenClaw！"