手把手教你零成本养虾：OpenClaw 本地部署完整教程

0 Token 成本，24 小时运行，离线也能干活。

大家好，我是小虎。

这不是梦，是本地部署 OpenClaw 的真实写照。🦞

最近”养龙虾”火出圈了——GitHub 25 万星标、腾讯门口排队几百人、有人靠上门安装几天赚 26 万……

互联网就是这么神奇，我都不能理解这个 26 万靠上门安装也能赚到的

我的学员群里，也有同学已经安装了好几只龙虾了。

但很多人不知道：你完全可以一分钱不花，自己在家搞定。

今天这篇教程，就是要让你 30 分钟内，从零完成 OpenClaw 本地部署。🚀

OpenClaw（龙虾）是个 AI Agent 框架，能帮你：

• 自动处理文件、整理数据
• 监控服务器、自动报警
• 自动回复消息、处理邮件
• 执行各种重复性任务

问题来了：它需要调用大模型来”思考”，而云端模型是按 Token 收费的。

养虾一天，烧掉几十几百块 Token 费，这是很多人的真实遭遇。

但本地部署之后？Token 成本直接归零。

一台电脑，就这些。

具体要求：

• 系统：Windows 10/11 或 macOS 10.15+
• 内存：至少 8GB（16GB 更舒服）
• 显卡：有更好，没有也能跑
• 硬盘：预留 10GB 空间

不需要编程基础，不需要懂 Docker，跟着做就行。

下面一步步来。

Ollama 是本地运行大模型的工具，相当于给你的电脑装了个”AI 大脑”。

Windows 用户

打开浏览器，访问：

点击”Download for Windows”，下载安装包。

双击运行，一路”下一步”即可。

安装完成后，打开命令提示符（按 Win+R，输入 cmd，回车）。

输入以下命令验证安装：

看到版本号，说明安装成功。✅

Mac 用户

同样访问 ollama.com，下载 Mac 版本。

双击安装包，把 Ollama 拖进 Applications 文件夹。

打开终端（Terminal），输入：

看到版本号就 OK。

Ollama 装好了，现在要给它装个”脑子”——本地大模型。

推荐两个更稳妥的本地模型选择（以 Ollama 官方可用 tag 为准）：

如果你的机器配置更高，可以再升级到 glm-4.7-flash:q4_K_M（约 19GB）。

我建议新手先用 qwen2.5 或 glm4。

在命令行输入（任选其一）：

等待下载完成（qwen2.5 约 4.7GB，glm4 约 5.5GB）。

下载完成后，测试一下（与你拉取的模型保持一致）：

你会看到模型开始和你对话。随便聊两句，确认它能正常工作。

输入 /bye 退出对话模式。

OpenClaw 的安装方式有好几种，这里说最简单的。

方法一：官方安装包（推荐）

访问 OpenClaw 的 GitHub 页面：

在 Releases 页面找到最新版本，下载对应系统的安装包：

• Windows: OpenClaw-Setup-x.x.x.exe
• Mac: OpenClaw-x.x.x.dmg

双击安装，一路下一步。

方法二：用官方安装脚本（更稳妥）

OpenClaw 官方文档优先推荐安装脚本，命令如下：

Windows( PowerShell) : 

macOS / Linux: 

安装完成后，先执行：

看到健康检查和状态正常，再继续下一步配置。

这是很多人卡住的地方。

打开 OpenClaw 的设置页，找到”模型配置”或”Model Settings”。

你需要填写以下信息：

注意：

• localhost 就是”本机”的意思
• 11434 是 Ollama 的默认端口
• 如果你拉取的是其他模型，把 qwen2.5 换成对应名字

保存设置。

⚠️ 这一步做完，必须重启 OpenClaw！

重启 OpenClaw 后，在聊天框输入一个简单任务：

帮我列出当前目录下的所有文件

如果任务能正常返回结果，先说明 OpenClaw 可以工作。

再确认是不是本地模型在执行：

在任务执行时，打开命令行输入：

如果能看到你刚配置的模型（如 qwen2.5 或 glm4）处于运行状态，说明本地模型已被调用。

注意：只有在全程走本地模型、没有调用任何云端 API 时，云端 Token 才是 0。

本地模型免费，但能力有上限。

复杂任务（比如写代码、深度分析），云端模型效果更好。

最佳实践：混合使用。

在 OpenClaw 里配置多个模型：

• claude-4.6：复杂推理、写代码（需要 API Key）
• qwen2.5：日常任务、简单操作（本地免费）

具体是手动选模型还是自动路由，取决于你当前版本与配置；不确定时，建议显式指定模型。

这样既保证了效果，又把成本压到最低。

Q1：本地模型效果差怎么办？

A：可以尝试更大的模型，比如 qwen2.5:14b。对硬件要求更高，但效果更好。或者用混合架构，复杂任务走云端。

Q2：运行很慢/卡顿？

A：检查内存占用。8GB 内存可能紧张，建议关掉其他大软件。有条件的话升级到 16GB。

Q3：断网能用吗？

A：在不依赖云端 API、相关依赖已本地就绪的前提下，可以离线运行。这是它最大的优势之一。

Q4：模型存在哪里？

A: 

• Windows：C:Users你的用户名.ollamamodels
• Mac: ~/.ollama/models

Q5：如何切换模型？

A：命令行输入 ollama list 查看已安装模型，然后修改 OpenClaw 配置即可。

😅 我踩过的坑，你们别再踩：

1. 1.配置完不重启——改了配置一定要重启 OpenClaw，不然白改。
2. 2.模型名字写错——qwen2.5 不是 Qwen2.5，大小写要精确。模型 tag 以 ollama list 显示结果为准，建议直接复制粘贴，避免拼写或后缀写错（如 :14b、:q4_K_M）。
3. 3.端口冲突——如果 11434 端口被占用，Ollama 通常会直接报错，需要你手动释放端口或调整服务配置。可先用 ollama ps 确认服务状态。
4. 4.硬盘空间不足——模型动辄几个 GB，下载前先检查剩余空间。

OpenClaw 的爆火，标志着 AI 从”聊天玩具”进化为”生产力工具”。

而本地部署，让这个工具从”烧钱机器”变成”免费助手”。

门槛已经降到地板，剩下的就看你自己了。

有任何问题，欢迎评论区留言，小虎看到都会回复～💬