尧图网站建设 
1. 为什么要在本地跑 OpenClaw Ollama 飞书OpenClaw 是一个能接管系统操作、调用工具、串联多步任务的智能体框架你可以把它理解成一个「住在你电脑里的自动化助手」它能读文件、跑命令、查资料、发消息而 Ollama 负责在本地提供大模型推理能力Node.js 则是 OpenClaw 的运行底座。把这三者串起来再接入飞书机器人你就能在飞书里发一句话让本地机器替你干活数据全程不出内网。这套方案适合几类人一是手里有闲置机器或虚拟机的开发者想搭一个私有化智能体二是团队里需要内部自动化但不想把数据传到外部服务三是单纯想折腾本地大模型落地的技术爱好者。我实测下来Windows 11 Ollama Node.js 22 是最省心的组合全程 1 到 2 小时能跑通端到端流程。需要提前说清楚的是OpenClaw 拥有系统级操作权限强烈建议用一台干净的备用设备或虚拟机部署别在主力工作机上直接跑。下面按「环境准备 → Ollama 模型 → OpenClaw 配置 → 飞书接入 → 排错」的顺序展开所有命令都可以直接复制执行。2. 前置准备Node.js、Ollama 与 TaoToken 通道2.1 硬件与软件基线先确认硬件够用。7B 量化模型大约占 4.7GB 显存14B 约 10GB内存建议 32GB 起步磁盘留 20GB 以上 SSD 空间。软件侧最关键的是 Node.js 版本必须 ≥ 22.0.0OpenClaw 对低版本会直接报错。用 nvm-windows 管理版本最稳妥装完后在管理员 PowerShell 里执行nvm install 22 nvm use 22.22.0 node --version npm --version如果公司网络拦截 npm 源先切国内镜像加速npm config set registry https://registry.npmmirror.com/首次运行脚本前还要放开执行策略否则安装脚本会被拦Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser -Force2.2 Ollama 安装与模型拉取去 Ollama 官网下载 Windows 安装包双击默认下一步即可。验证安装ollama --version然后拉取中文适配最好的通义千问系列。显存 8GB 以上拉 7B4GB 左右用 4B 轻量版ollama pull qwen2.5:7b拉取过程 5 到 20 分钟取决于网络。这一步完成后Ollama 会在本地127.0.0.1:11434暴露一个 OpenAI 兼容接口后面 OpenClaw 就是通过这个地址调用模型的。2.3 TaoToken 统一 Key 与 API 通道本地 Ollama 负责推理但如果你还想在 OpenClaw 里调用云端更强的模型做补充或者团队里多人共用一套 Key 管理可以用 TaoToken 做统一通道。它的 API 地址是https://taotoken.net/api兼容 OpenAI 协议配置方式和本地 Ollama 几乎一样只是把 Base URL 换掉、填上真实 Key。在 OpenClaw 的配置向导里模型提供商选 Custom ProviderAPI Base URL 填https://taotoken.net/apiAPI Key 填你在控制台生成的 Key接口兼容模式选 OpenAI-compatible。这样本地模型和云端模型可以并存按任务复杂度分流。生成 Key 的入口在控制台的 API Keys 页面接入细节可以参考官方接入文档。注意本地 Ollama 的 API Key 可以随便填一个非空字符串比如ollama但 TaoToken 通道必须填真实 Key留空会直接验证失败。3. 可复制配置config.toml 与 settings.json 骨架3.1 定制 Ollama 模型上下文窗口OpenClaw 要求模型上下文窗口 ≥ 16000 tokens而 Ollama 基础模型默认只有 4096必须手动定制否则启动就报错。切到用户根目录创建 Modelfilecd C:\Users\你的用户名 FROM qwen2.5:7b PARAMETER num_ctx 32768 | Out-File -Encoding ascii Modelfile Get-Content Modelfile ollama create qwen2.5:7b-32k -f Modelfile ollama list ollama show qwen2.5:7b-32k --modelfile-Encoding ascii很关键能避免中文环境下的字符编码报错。创建完用ollama list应该能看到qwen2.5:7b-32k。3.2 OpenClaw 安装与 config.toml 骨架用官方脚本一键安装iwr -useb https://openclaw.ai/install.ps1 | iex openclaw --version如果提示权限不足改用 npm 强制安装npm install -g openclaw --unsafe-perm安装后执行配置向导openclaw onboard按提示填模型提供商选 Custom ProviderAPI Base URL 填http://127.0.0.1:11434/v1末尾的/v1不能少API Key 填ollama兼容模式选 OpenAI-compatibleModel ID 填qwen2.5:7b-32k其余渠道和技能项先 Skip。向导生成的config.toml骨架大致如下你可以直接对照修改[model] provider custom api_base http://127.0.0.1:11434/v1 api_key ollama model_id qwen2.5:7b-32k compatibility openai [gateway] host 127.0.0.1 port 18789 [agent] max_tokens 327683.3 settings.json 与模型参数修正首次启动常见报错是Model context window too small (4096 tokens). Minimum is 16000原因是 OpenClaw 缓存了原始参数。需要改两个文件主配置C:\Users\你的用户名\.openclaw\openclaw.json和模型配置C:\Users\你的用户名\.openclaw\agents\main\agent\models.json。在models.json里把max_tokens改成 32768骨架如下{ models: [ { id: qwen2.5:7b-32k, provider: custom, api_base: http://127.0.0.1:11434/v1, max_tokens: 32768, context_window: 32768 } ] }保存后重启网关openclaw gateway restart4. 验证请求从本地回传到飞书消息4.1 启动网关并验证本地推理先启动服务openclaw gateway start浏览器访问http://127.0.0.1:18789/?token你的TokenToken 在配置向导结束时打印过务必提前复制保存。在 Web UI 里发一条消息比如「你好帮我列一下当前目录文件」有回复就说明本地 Ollama 通道打通了。如果没回复先用 curl 单独测 Ollama 接口确认模型服务本身正常curl http://127.0.0.1:11434/v1/chat/completions -H Content-Type: application/json -d {\model\:\qwen2.5:7b-32k\,\messages\:[{\role\:\user\,\content\:\hi\}]}返回带choices字段的 JSON 就说明模型侧没问题问题在 OpenClaw 配置。4.2 安装技能与飞书插件基础安装只有核心框架需要装技能才能激活全量能力npm install -g clawhub clawhub install tavily-search clawhub install find-skills clawhub install proactive-agent clawhub list接入飞书需要装插件openclaw plugins install m1heng-clawd/feishu然后去飞书开放平台创建应用拿到 App ID 和 App Secret填进 OpenClaw 配置。权限配置需要在开放平台导入权限 JSON发布应用版本后与机器人配对。4.3 飞书消息回传检查动作配对完成后在飞书里给机器人发一条消息观察三个检查点一是 OpenClaw 日志里是否出现收到消息的记录用openclaw logs follow实时看二是本地 Ollama 是否被触发推理可以在任务管理器看 GPU 占用三是飞书里是否收到回复。如果飞书没回但日志显示已收到多半是权限 JSON 没导入完整或应用版本没发布。如果日志里根本没收到消息检查飞书开放平台的事件订阅地址是否指向了 OpenClaw 网关的公网可达地址。5. 本篇常见错排查5.1 上下文窗口报错反复出现改了models.json还报 4096通常是openclaw.json里也有一份旧参数没同步。两个文件都要改改完必须openclaw gateway restart只重启 Web UI 不生效。5.2 Verification failed先跑ollama list确认模型在再检查 API Base URL 末尾有没有/v1最后确认 API Key 没留空。这三项是验证失败的高频原因按顺序排查基本能定位。5.3 飞书机器人无响应按「日志 → 权限 → 版本」的顺序查。openclaw logs follow看有没有入站消息有消息无回复查权限 JSON权限没问题查应用是否已发布。飞书开放平台的配置改动需要重新发布版本才生效。5.4 常用排错命令速查openclaw gateway start openclaw gateway restart openclaw config openclaw doctor openclaw logs follow clawhub list clawhub update 技能名称openclaw doctor能一次性体检大部分配置问题出 bug 先跑它。openclaw logs follow是定位问题的核心工具建议常开一个窗口。6. 后续扩展与通道选择建议跑通本地链路后如果你想让 OpenClaw 承担长期编码任务或 Agent 自动化可以考虑用 Coding Plan 做额度管理避免本地模型在复杂任务上力不从心。日常验证模型效果、快速试对话直接用模型对话页面更轻量。需要管理多套 Key、给团队分配通道时控制台的 API Keys 页面是入口。本地部署的价值在于数据可控和成本可预期但本地小模型在长上下文和复杂推理上确实有天花板。我的做法是本地 Ollama 处理日常轻量任务遇到需要强推理的场景切到 TaoToken 通道调云端模型两套配置在 OpenClaw 里并存按任务分流。这样既保住了私有化底线又不牺牲复杂任务的成功率。 OpenClaw 本地部署教程：用 Ollama + Node.js 打通飞书机器人
1. 为什么要在本地跑 OpenClaw Ollama 飞书OpenClaw 是一个能接管系统操作、调用工具、串联多步任务的智能体框架你可以把它理解成一个「住在你电脑里的自动化助手」它能读文件、跑命令、查资料、发消息而 Ollama 负责在本地提供大模型推理能力Node.js 则是 OpenClaw 的运行底座。把这三者串起来再接入飞书机器人你就能在飞书里发一句话让本地机器替你干活数据全程不出内网。这套方案适合几类人一是手里有闲置机器或虚拟机的开发者想搭一个私有化智能体二是团队里需要内部自动化但不想把数据传到外部服务三是单纯想折腾本地大模型落地的技术爱好者。我实测下来Windows 11 Ollama Node.js 22 是最省心的组合全程 1 到 2 小时能跑通端到端流程。需要提前说清楚的是OpenClaw 拥有系统级操作权限强烈建议用一台干净的备用设备或虚拟机部署别在主力工作机上直接跑。下面按「环境准备 → Ollama 模型 → OpenClaw 配置 → 飞书接入 → 排错」的顺序展开所有命令都可以直接复制执行。2. 前置准备Node.js、Ollama 与 TaoToken 通道2.1 硬件与软件基线先确认硬件够用。7B 量化模型大约占 4.7GB 显存14B 约 10GB内存建议 32GB 起步磁盘留 20GB 以上 SSD 空间。软件侧最关键的是 Node.js 版本必须 ≥ 22.0.0OpenClaw 对低版本会直接报错。用 nvm-windows 管理版本最稳妥装完后在管理员 PowerShell 里执行nvm install 22 nvm use 22.22.0 node --version npm --version如果公司网络拦截 npm 源先切国内镜像加速npm config set registry https://registry.npmmirror.com/首次运行脚本前还要放开执行策略否则安装脚本会被拦Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser -Force2.2 Ollama 安装与模型拉取去 Ollama 官网下载 Windows 安装包双击默认下一步即可。验证安装ollama --version然后拉取中文适配最好的通义千问系列。显存 8GB 以上拉 7B4GB 左右用 4B 轻量版ollama pull qwen2.5:7b拉取过程 5 到 20 分钟取决于网络。这一步完成后Ollama 会在本地127.0.0.1:11434暴露一个 OpenAI 兼容接口后面 OpenClaw 就是通过这个地址调用模型的。2.3 TaoToken 统一 Key 与 API 通道本地 Ollama 负责推理但如果你还想在 OpenClaw 里调用云端更强的模型做补充或者团队里多人共用一套 Key 管理可以用 TaoToken 做统一通道。它的 API 地址是https://taotoken.net/api兼容 OpenAI 协议配置方式和本地 Ollama 几乎一样只是把 Base URL 换掉、填上真实 Key。在 OpenClaw 的配置向导里模型提供商选 Custom ProviderAPI Base URL 填https://taotoken.net/apiAPI Key 填你在控制台生成的 Key接口兼容模式选 OpenAI-compatible。这样本地模型和云端模型可以并存按任务复杂度分流。生成 Key 的入口在控制台的 API Keys 页面接入细节可以参考官方接入文档。注意本地 Ollama 的 API Key 可以随便填一个非空字符串比如ollama但 TaoToken 通道必须填真实 Key留空会直接验证失败。3. 可复制配置config.toml 与 settings.json 骨架3.1 定制 Ollama 模型上下文窗口OpenClaw 要求模型上下文窗口 ≥ 16000 tokens而 Ollama 基础模型默认只有 4096必须手动定制否则启动就报错。切到用户根目录创建 Modelfilecd C:\Users\你的用户名 FROM qwen2.5:7b PARAMETER num_ctx 32768 | Out-File -Encoding ascii Modelfile Get-Content Modelfile ollama create qwen2.5:7b-32k -f Modelfile ollama list ollama show qwen2.5:7b-32k --modelfile-Encoding ascii很关键能避免中文环境下的字符编码报错。创建完用ollama list应该能看到qwen2.5:7b-32k。3.2 OpenClaw 安装与 config.toml 骨架用官方脚本一键安装iwr -useb https://openclaw.ai/install.ps1 | iex openclaw --version如果提示权限不足改用 npm 强制安装npm install -g openclaw --unsafe-perm安装后执行配置向导openclaw onboard按提示填模型提供商选 Custom ProviderAPI Base URL 填http://127.0.0.1:11434/v1末尾的/v1不能少API Key 填ollama兼容模式选 OpenAI-compatibleModel ID 填qwen2.5:7b-32k其余渠道和技能项先 Skip。向导生成的config.toml骨架大致如下你可以直接对照修改[model] provider custom api_base http://127.0.0.1:11434/v1 api_key ollama model_id qwen2.5:7b-32k compatibility openai [gateway] host 127.0.0.1 port 18789 [agent] max_tokens 327683.3 settings.json 与模型参数修正首次启动常见报错是Model context window too small (4096 tokens). Minimum is 16000原因是 OpenClaw 缓存了原始参数。需要改两个文件主配置C:\Users\你的用户名\.openclaw\openclaw.json和模型配置C:\Users\你的用户名\.openclaw\agents\main\agent\models.json。在models.json里把max_tokens改成 32768骨架如下{ models: [ { id: qwen2.5:7b-32k, provider: custom, api_base: http://127.0.0.1:11434/v1, max_tokens: 32768, context_window: 32768 } ] }保存后重启网关openclaw gateway restart4. 验证请求从本地回传到飞书消息4.1 启动网关并验证本地推理先启动服务openclaw gateway start浏览器访问http://127.0.0.1:18789/?token你的TokenToken 在配置向导结束时打印过务必提前复制保存。在 Web UI 里发一条消息比如「你好帮我列一下当前目录文件」有回复就说明本地 Ollama 通道打通了。如果没回复先用 curl 单独测 Ollama 接口确认模型服务本身正常curl http://127.0.0.1:11434/v1/chat/completions -H Content-Type: application/json -d {\model\:\qwen2.5:7b-32k\,\messages\:[{\role\:\user\,\content\:\hi\}]}返回带choices字段的 JSON 就说明模型侧没问题问题在 OpenClaw 配置。4.2 安装技能与飞书插件基础安装只有核心框架需要装技能才能激活全量能力npm install -g clawhub clawhub install tavily-search clawhub install find-skills clawhub install proactive-agent clawhub list接入飞书需要装插件openclaw plugins install m1heng-clawd/feishu然后去飞书开放平台创建应用拿到 App ID 和 App Secret填进 OpenClaw 配置。权限配置需要在开放平台导入权限 JSON发布应用版本后与机器人配对。4.3 飞书消息回传检查动作配对完成后在飞书里给机器人发一条消息观察三个检查点一是 OpenClaw 日志里是否出现收到消息的记录用openclaw logs follow实时看二是本地 Ollama 是否被触发推理可以在任务管理器看 GPU 占用三是飞书里是否收到回复。如果飞书没回但日志显示已收到多半是权限 JSON 没导入完整或应用版本没发布。如果日志里根本没收到消息检查飞书开放平台的事件订阅地址是否指向了 OpenClaw 网关的公网可达地址。5. 本篇常见错排查5.1 上下文窗口报错反复出现改了models.json还报 4096通常是openclaw.json里也有一份旧参数没同步。两个文件都要改改完必须openclaw gateway restart只重启 Web UI 不生效。5.2 Verification failed先跑ollama list确认模型在再检查 API Base URL 末尾有没有/v1最后确认 API Key 没留空。这三项是验证失败的高频原因按顺序排查基本能定位。5.3 飞书机器人无响应按「日志 → 权限 → 版本」的顺序查。openclaw logs follow看有没有入站消息有消息无回复查权限 JSON权限没问题查应用是否已发布。飞书开放平台的配置改动需要重新发布版本才生效。5.4 常用排错命令速查openclaw gateway start openclaw gateway restart openclaw config openclaw doctor openclaw logs follow clawhub list clawhub update 技能名称openclaw doctor能一次性体检大部分配置问题出 bug 先跑它。openclaw logs follow是定位问题的核心工具建议常开一个窗口。6. 后续扩展与通道选择建议跑通本地链路后如果你想让 OpenClaw 承担长期编码任务或 Agent 自动化可以考虑用 Coding Plan 做额度管理避免本地模型在复杂任务上力不从心。日常验证模型效果、快速试对话直接用模型对话页面更轻量。需要管理多套 Key、给团队分配通道时控制台的 API Keys 页面是入口。本地部署的价值在于数据可控和成本可预期但本地小模型在长上下文和复杂推理上确实有天花板。我的做法是本地 Ollama 处理日常轻量任务遇到需要强推理的场景切到 TaoToken 通道调云端模型两套配置在 OpenClaw 里并存按任务分流。这样既保住了私有化底线又不牺牲复杂任务的成功率。