在Windows上第一次跑OpenClaw我就卡在了一个看起来和项目本身毫无关系的地方安装完WSL2后启动脚本直接报无法安全验证WSL2环境。当时我第一反应是去翻OpenClaw的文档和仓库翻了半天没找到针对性答案最后绕回PowerShell里执行wsl --status才定位到原因。这篇内容我不打算只贴一份命令列表而是想把从Windows到安卓、从Ollama到ROS2的完整部署过程以及每个环节为什么要这么做的判断都留个记录免得下回重装系统时又踩一遍。OpenClaw是一个本地优先的AI智能体框架不是网页聊天框那种东西。它更像一个能自主调用工具的数字管家你给它一个目标它自己拆步骤、选方案、调用可用的工具链甚至操作你的文件、浏览器、机器人。最近圈子里讨论比较多的几个点——WSL2环境验证失败、Node.js版本、Ollama本地模型、ROS2和Gazebo机器人仿真、安卓Termux部署——我这次全都试了一遍下面按部署顺序逐个说。1. 先搞清楚OpenClaw是什么它不是一个聊天机器人第一次听说OpenClaw的人很容易把它和ChatGPT网页版混为一谈。实际上两者的定位完全不同ChatGPT给的是答案OpenClaw给的是执行。它核心的能力是任务规划 工具调用 多端协同。你可以把它想象成一个管家你告诉它把下载目录里的PDF按文件名整理到对应文件夹它不会给你一段Python让你自己跑而是自己调用文件系统工具、写好脚本、执行完再向你汇报结果。如果你开启了对应权限它甚至在完成后还能主动帮你清理临时文件。1.1 它解决的痛点我以前用过不少Agent类项目最大的痛点是工具链割裂。有的Agent只能调用浏览器有的只能调用终端有的只能在固定平台上跑。OpenClaw的skill机制把它们统一了每个能力都是一个skill按名称、描述、参数声明注册到框架里智能体根据用户目标的意图自动选择该调哪个skill。这套设计和ROS2的action通信逻辑很像节点之间不关心对方内部实现只关心接口和能力。所以它既能跑在PC上管文件也能跑在机器人板卡上控制机械臂因为底层接入方式对上层Agent是透明的。另外一点是数据可控。纯API方案意味着你的对话、代码、文档指针都要经过第三方服务器这对很多开发者和企业来说是不可接受的。OpenClaw可以在完全不联网的情况下工作本地模型搞定绝大多数简单任务只有遇到复杂多跳推理时才按你的配置走云端API。这让它很适合被嵌入到内网工具链或嵌入式设备里。1.2 算力来自API还是本地一个很常见的疑问在社区里看到有人问openclaw只能用接入api的方式使用算力吗这里我可以直接回答不是。OpenClaw支持三种算力来源可以单独用也可以混合本地Ollama通过Ollama运行Qwen、Llama等开源模型完全离线数据不出设备。本地推理框架如果你有NVIDIA显卡还可以接TensorRT、llama.cpp这类后端把延迟压得更低。云端OpenAI兼容API把base_url指向任意兼容OpenAI接口的服务商或自建网关适合需要大模型上限的场景。最实用的做法其实是混合日常任务走本地小模型识别到复杂需求时自动切换到云端大模型。下面第3章我会给出我自己的混合配置示例把fast model和slow model分开效果很明显。2. Windows WSL2第一步就卡了大多数人OpenClaw的官方安装方式里Windows平台推荐走WSL2而不是在原生Windows上直接跑。原因是它依赖不少Linux生态工具尤其是后续接ROS2、Gazebo、串口设备时Linux环境会省掉90%的兼容性问题。我见过很多人装到一半就放弃基本卡在三类问题上WSL2环境验证失败、Node.js版本不对、以及搞不清Windows Companion到底是干嘛的。2.1 无法安全验证WSL2环境排查链路这是我这次遇到最典型的坑。OpenClaw启动脚本会检查WSL2环境如果检测到异常就会提示无法安全验证WSL2环境并让你请在powershell中运行wsl --status。这个提示本身是有误导性的因为wsl --status只是告诉你当前状态不会帮你修。但排查链路确实是从这条命令开始的。按下面顺序排查大部分问题十分钟内能解决先看状态。在PowerShell里执行wsl --status确认输出里的默认版本是不是2以及内核版本是否过旧。如果显示内核版本太低直接跑wsl --update更新。检查Windows功能是否完整开启。这步最容易忽略。需要两个功能同时开启适用于Linux的Windows子系统和虚拟机平台。管理员权限下执行dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart执行完必须重启系统别想着省这一步。确认虚拟化没被锁死。打开任务管理器性能选项卡CPU右下角看虚拟化是否显示已启用。如果没启用需要进BIOS把Intel VT-x或AMD-V打开。很多笔记本出厂默认关着这也是无法安全验证的隐性来源。检查系统安全设置。在部分Windows 10/11版本上内存完整性内核隔离会干扰WSL2启动。如果你已经开启虚拟化、功能也都装了还是报错可以临时关闭内核隔离再试一次。关闭路径在Windows安全中心 - 设备安全性 - 内核隔离。设置默认版本。最后再执行一次wsl --set-default-version 2我那次的问题出在第2步之前只装了一部分WSL组件虚拟机平台没勾导致wsl --status给出的信息看起来正常但OpenClaw做安全校验时却失败了。后来我把dism命令完整跑完重启问题就消失了。2.2 为什么要装Node.js 18以及版本选择的讲究OpenClaw本体依赖Node.js运行时这也是很多人搜索node.js官网下载openclaw的原因——他们其实要被下载的是Node.js不是OpenClaw。官网下载地址是nodejs.org选LTS长期支持版我推荐20或22不要装带有奇数版本号如21、23的Current版本因为部分原生依赖可能还没跟上。装完验证一下node -v npm -v如果你是Windows环境装完WSL2后在WSL内执行OpenClaw安装命令不要在Windows侧直接装npm install -g openclaw如果npm装包比较慢可以设置国内镜像npm config set registry https://registry.npmmirror.com装完后先跑一次openclaw init初始化用户目录。这个命令会创建~/.openclaw/配置目录后续所有配置都在这里。不要一上来就改全局配置先让它生成默认文件再说。2.3 Windows Companion到底是干嘛的怎么配热词里一直有openclaw windows companion 怎么配置很多人被这个名词搞懵。Companion不是OpenClaw必需的服务它是Windows下的一个桌面辅助进程负责提供托盘图标、全局快捷键、语音唤醒、剪贴板监听这类桌面系统能力。如果你只是在终端里跑任务不配也行但如果你想像国内某些演示那样用语音给智能体下达指令Companion就很有用。以我当前的配置为例配置写在~/.openclaw/config.yaml里companion: enabled: true address: 127.0.0.1:7933 features: - tray - hotkey - clipboardCompanion启动后会在本地7933端口监听OpenClaw主进程通过这个端口把桌面事件转发给工具层。配置好在Windows侧运行openclaw-companion再在WSL里运行openclaw serve两边就能握手。注意端口不要被其它程序占用如果起不来优先检查防火墙是不是把入站拦了。3. Ollama本地模型接入绕过纯API依赖现在社区里聊OpenClaw几乎必提Ollama。原因是Ollama把本地模型变成OpenAI兼容API的这一步太省事了OpenClaw可以直接把它的endpoint当API填进去但你实际上用的是自己的显卡。这个组合既保留本地部署的隐私和离线能力又不需要为每个Agent项目单独写模型推理代码。3.1 为什么我优先推荐Ollama而不是直接买API对我个人来说选择Ollama的核心理由是可预测的成本和离线能力。API按token计费聊几轮长对话就烧掉几美分一天调试下来看着账单肉疼本地模型虽然前期要花时间装但跑起来后是固定成本。更重要的是我在调试ROS2机器人时经常要改代码、反复跑仿真如果每次都要把控制指令传到云端再等返回延迟和不确定性会让人崩溃。本地Ollama的响应延迟在几百毫秒级偶尔还能完全断网工作这个体验差别很实际。另外一个容易忽视的点是隐私。涉及机器人控制、家目录文件扫描、剪贴板内容这类数据绝不适合往第三方API发。OpenClaw的定位本来就是本地优先配Ollama才算是把完整链路打通。3.2 从拉模型到配置OpenClaw的完整步骤在Windows上Ollama同样推荐跑在WSL2里不过它也有Windows原生版本。如果你后续要接ROS2建议统一放WSL2里省得路径冲突。安装OllamaLinux/WSL2下用官方脚本curl -fsSL https://ollama.com/install.sh | sh拉取模型ollama pull qwen2.5:7b中文场景我比较推荐Qwen系列无论是理解中文指令还是生成中文内容都比同量级的Llama稳定。如果想加强代码或工具调用能力再加一个ollama pull llama3.1:8b启动Ollama服务后验证接口是否通curl http://localhost:11434/v1/models能返回JSON列表就说明OpenAI兼容端点已经就绪。然后在OpenClaw配置里填llm: provider: openai-compatible base_url: http://localhost:11434/v1 api_key: ollama model: qwen2.5:7bapi_key随便填一个非空字符串就行Ollama不会校验。关键是base_url末尾的/v1不能丢因为OpenClaw走的是OpenAI API协议路径。3.3 混合算力同一套配置里走本地和云端如果你想保留云端兜底OpenClaw是支持双模型配置的。我当前的做法是llm: fast: provider: openai-compatible base_url: http://localhost:11434/v1 api_key: ollama model: qwen2.5:7b slow: provider: openai-compatible base_url: https://api.yourprovid er.com/v1 api_key: sk-xxxxxxxx model: gpt-4o-minifast模型处理日常工具调用和简单问答延迟低且免费slow模型只在任务复杂到需要更强推理时才启用。这个方案特别适合在我这种一半时间调试机器人、一半时间写文档的工作流里使用既保住速度又保住了复杂任务的上限。社区里那个只能用接入api的方式使用算力吗的疑问在这里可以明确解开算力来源完全取决于你的配置。4. 与ROS2 Humble和Gazebo联动把智能体接进机器人仿真这个部分对应热词里的rosclaw openclaw ros2 humble gazebo。说实话把OpenClaw接进ROS2是我这次折腾里最有意思的一段。之前它只是个能操作电脑的Agent接上ROS2之后它就变成了能通过自然语言控制机器人运动的机器人指挥官。4.1 rosclaw到底解决什么问题rosclaw是OpenClaw在ROS2环境下的适配包相当于一个把智能体的skill翻译成ROS2 action/goal的桥。为什么需要这一层因为ROS2生态里的控制链路是基于topic、service、action的和Agent天然不兼容。你让大模型直接发/cmd_vel几何消息它不会但让rosclaw把前进两米变成标准速度指令就容易得多。实际在Gazebo里rosclaw的作用是把自然语言任务映射为机器人可执行的目标。例如你告诉OpenClaw把台上第一个红色方块放到目标区域rosclaw会先调用感知skill获取物体位姿再规划机械臂运动轨迹最后通过ROS2 action把轨迹发给Gazebo里的机器人模型。整个过程你可以在终端里看到每一步的决策记录调试时有很强的掌控感。4.2 在Gazebo仿真里跑通一个抓取任务的配置参考我在自己的环境里用的是ROS2 Humble Gazebo Classic 11的组合。安装ROS2 Humble桌面版后Gazebo会跟着装好。接着我建了一个ROS2工作空间把rosclaw放进去编译mkdir -p ~/ros2_ws/src cd ~/ros2_ws/src git clone https://github.com/your-rosclaw-repo/rosclaw.git cd ~/ros2_ws colcon build --symlink-install source install/setup.bashcolcon build --symlink-install的好处是修改Python代码后不用重新编译符号链接直接生效对调试特别友好。然后启动Gazebo仿真ros2 launch rosclaw_demo gazebo.launch.py另开一个终端启动OpenClaw的skill服务openclaw skill serve --ros2最后在OpenClaw交互界面发指令。这里我想提醒几个坑必须source环境变量。每次新开终端都要source /opt/ros/humble/setup.bash和source ~/ros2_ws/install/setup.bash不然ros2和rosclaw命令都找不到。可以写进~/.bashrc省心。Gazebo模型路径。如果你自己导入过自定义机器人模型记得把模型目录加进GAZEBO_MODEL_PATH环境变量否则仿真环境加载时一片空白你还会以为是OpenClaw坏了。skill描述要写明确。rosclaw要根据skill描述判断是否适合接管某个任务如果你的skill描述写得含糊它会拒绝调用或调用错误这在机器人场景里比本地文件操作危险得多。我在Gazebo里跑了大概一周最明显的感受是结构化任务里本地7B模型的指令遵循能力完全够用甚至比云端模型更稳定因为控制指令的格式固定模型不需要太多自由发挥空间。5. 安卓手机上的OpenClawTermux部署的喜与忧把OpenClaw装到手机上听起来很折腾但实际用起来确实有它的价值。我在旧安卓机上装了一台用蓝牙或局域网连接当临时控制面板用比抱着电脑到处跑轻便多了。不过移动端部署有它独特的坑尤其是Termux环境我先给出一套可复现的步骤再聊聊限制。5.1 Termux安装OpenClaw的具体操作首先在手机上装Termux然后执行pkg update pkg upgrade pkg install nodejs-lts git pythonOpenClaw本体依然是npm包npm install -g openclaw openclaw init如果要用到ROS2或串口等能力Termux里还需要额外的依赖但基础安装到此就能跑起来了。需要拉取本地模型的话Termux里其实很难跑因为Ollama在Android上没有官方支持且ARM手机算力有限。我的做法是手机版OpenClaw不跑模型只作为远程客户端通过局域网连到PC或服务器上的Ollama。在配置里把base_url指到PC的局域网IPllm: provider: openai-compatible base_url: http://192.168.1.100:11434/v1 api_key: ollama model: qwen2.5:7b注意PC的Ollama服务要监听局域网地址启动时用OLLAMA_HOST0.0.0.0 ollama serve手机和PC连同一个Wi-Fi即可。如果跨网段还要在路由器或防火墙放行11434端口。5.2 移动端的算力、续航与skill扩展建议手机版OpenClaw的定位应该是轻量控制端而不是重算力节点。电池和发热是最大的物理约束。有一次我在手机上跑了一段长任务规划连续调用skill操作文件不到二十分钟机身就明显发热果断切回远程模式。但这不代表手机版没有深度玩法。我给它配了不少skill比如读取短信验证码需要Termux API权限、发送通知、查日历、控制家里网络设备。用OpenClaw的skill机制在手机上做自然语言开关灯这类应用非常顺手因为Agent本身是在本机跑的调用Termux API不需要云服务器。另外提醒一下Termux里大量编译C/C依赖时会很痛苦建议别在手机上源码编译不明包优先用pkg仓库里的预编译版本。遇到npm包需要node-gyp编译时先确认该包是否有ARM64的二进制否则装到一半卡在编译上会非常难受。6. 把OpenClaw调教顺手Skill配置与我的最终组件清单到这里主流程基本跑通了。最后这部分说说怎么让OpenClaw真正符合你的使用习惯核心就是skill扩展。我认为一个Agent框架好不好用80%取决于skill生态的丰富度和编写体验。6.1 Skill的最小配置与编写要点OpenClaw的skill本质上是一个带声明的脚本包。默认放在~/.openclaw/skills/下每个skill一个目录最少包含一个声明文件和一份可执行入口。我写了一个简单的示例目录结构~/.openclaw/skills/ └── my_file_sorter/ ├── skill.yaml └── run.shskill.yaml内容name: my_file_sorter version: 1.0.0 description: 按照扩展名整理指定目录下的文件并输出整理结果。 arguments: - name: directory required: true type: string entry: run.shrun.sh负责实现具体逻辑。然后执行openclaw skill reload就能在OpenClaw的skill列表里看到它。这里有一个我踩过的坑描述字段一定要详细写清楚触发场景。智能体靠描述判断这个skill何时该用如果你写得太简略比如只写整理文件它可能在一次需求里根本不知道该调用它。我把描述写成当用户要求把指定目录下的文件按扩展名分类到子目录时使用此技能命中率立刻提高。6.2 我的最终配置清单供刚上手的人参考我把目前稳定的环境版本和对应用途列个表组件版本/选择说明Windows11 23H2WSL2体验最好10 22H2也可WSL22.0.9必须wsl --update到较新版本Node.js20 LTS稳定避免奇数版OpenClaw最新稳定版npm全局安装Ollama0.3.xWSL2内运行本地模型qwen2.5:7b中文场景指令遵循好ROS2Humble配Gazebo Classic 11手机端Termux Node.js LTS作为轻量远程控制端核心配置文件~/.openclaw/config.yaml里我会保持最简把fast/slow双模型、Companion、skill目录写清楚即可。不要塞太多不用的配置项每次升级版本都可能遇到默认值变化配置越精简迁移越轻松。6.3 一个很容易被忽略的权限问题最后分享一个我之前栽过跟头的细节npm全局安装OpenClaw时不要直接sudo npm install -g openclaw否则后续全局模块权限混乱require不到包时会非常痛苦。更稳的做法是设置用户级npm全局目录mkdir -p ~/.npm-global npm config set prefix ~/.npm-global然后把~/.npm-global/bin加入PATH。这样所有npm包都装在自己的用户目录下权限问题彻底消失。我在WSL和Termux里都这么配重装系统迁移也方便只要备份好~/.npm-global和~/.openclaw就能快速恢复。我在实际使用中最意外的收获是本地模型在Gazebo这类结构化环境里的表现会比纯文本任务时稳定得多。控制指令格式固定模型不需要太多创造性发挥7B的Qwen就应付得很好。这也让我更坚定地认为OpenClaw这类本地优先框架最适合的场景不是泛泛而谈的聊天而是那些指令边界清晰、执行路径可控、数据需要留在本地的真实工作。如果你也在折腾部署先把WSL2环境彻底修好再一步步接Ollama和rosclaw这条链路走通之后你会得到一个真正能干活、而不是只会聊天的智能体。