OpenClaw实战--Day1: 本地化

前言：大家好，本人非厂公程序猿，分享OpenClaw本地化踩坑实战，主打免费、详实、无专业知识，新手也能跟着做。

day1: 聚焦Windows 系统下 OpenClaw 的安装、Ollama 本地模型配置及二者的对接调试.

一、核心环境说明

系统：Windows 10/11（需管理员权限）
工具：OpenClaw（beta 版，2026.2.24）、Ollama（本地大模型引擎）
模型：qwen2.5:7b（定制 32k 上下文，纯本地运行，无独显也可适配轻量版）
终端：PowerShell（管理员模式运行，全程核心操作终端）

二、Step1：安装 OpenClaw（beta 版）

OpenClaw 的 Windows 安装支持一键脚本，无需手动配置环境，步骤如下：

以管理员身份打开 PowerShell，直接执行安装命令：

less 复制代码

& ([scriptblock]::Create((iwr -useb https://openclaw.ai/install.ps1))) -Tag beta

等待安装完成，出现绿字提示 即代表安装成功（过程中会自动检测 Node.js，无需手动安装）。
验证安装版本，执行命令查看当前 OpenClaw 版本：

powershell

css 复制代码

openclaw --version

成功会返回2026.2.24（当前 beta 版最新版）。

三、Step2：安装 Ollama 本地大模型引擎

OpenClaw 自身不携带大模型，需单独安装 Ollama 作为本地模型引擎，全程免费，支持一键下载模型，步骤如下：

下载并安装 Ollama

官网下载：ollama.com/download/wi...（Windows 安装包约 1.2GB，支持 Win10 及以上）
一键安装：双击安装包，全程下一步，自动配置系统环境变量，无需手动操作。
验证安装：PowerShell 执行命令，显示版本号即成功：

css 复制代码

ollama --version

2. 下载本地大模型（避坑版）

Ollama 支持云模型和本地模型，云模型需要账号，本地模型无需账号，纯离线运行 ，推荐根据硬件配置选择，避坑点：轻量模型 qwen:0.5b 不支持工具调用，需替换为 qwen2.5:7b。

硬件适配模型推荐

显卡显存	推荐模型	下载命令	特点
20GB+	glm-4.7-flash	`ollama pull glm-4.7-flash`	性能强劲，支持多工具调用
8GB-16GB	qwen2.5:7b	`ollama pull qwen2.5:7b`	平衡性能与体积，支持工具调用
无独显（纯 CPU）	qwen2.5:0.5b	`ollama pull qwen2.5:0.5b`	超轻量，运行流畅，基础对话可用

国内加速下载（必做，解决下载慢）

执行下载命令前，先配置国内镜像，避免下载超时：

bash 复制代码

export OLLAMA_HOST=https://mirror.csdn.net/ollama
# 再执行模型下载命令
ollama pull qwen2.5:7b

3. 验证 Ollama 模型运行

下载完成后，直接在 PowerShell 执行ollama run qwen2.5:7b，输入hello，模型能正常回复即代表本地模型运行成功。

四、Step3：定制 Ollama 模型（扩展上下文至 32k，核心避坑）

核心坑点：OpenClaw 要求模型上下文窗口≥16000 tokens，而 Ollama 默认下载的 qwen2.5:7b 上下文仅 4096 tokens，直接对接会报错，需手动定制模型扩展至 32768 tokens（兼顾推理速度与上下文长度）。

定制步骤（全程在用户目录执行，避免权限问题）

切换到当前用户目录（替换<你的用户名>为实际 Windows 用户名，如我的是zxj：

bash 复制代码

cd C:\Users<你的用户名>

创建 Modelfile 配置文件，定义基础模型和上下文参数：

arduino 复制代码

@"FROM qwen2.5:7b
PARAMETER num_ctx 32768"@ | Out-File -Encoding ascii Modelfile

验证配置文件，执行命令查看内容，显示以下信息即成功：

bash 复制代码

Get-Content Modelfile
# 正确输出：
# FROM qwen2.5:7b
# PARAMETER num_ctx 32768

基于配置文件创建自定义 32k 上下文模型（命名为 qwen2.5:7b-32k，便于识别）：

lua 复制代码

ollama create qwen2.5:7b-32k -f Modelfile

验证自定义模型，执行以下命令，能看到 qwen2.5:7b-32k 即成功：

bash 复制代码

# 查看本地所有模型
ollama list
# 查看自定义模型配置（确认包含32k上下文）
ollama show qwen2.5:7b-32k --modelfile

五、Step4：OpenClaw 对接本地 Ollama 模型（交互式配置，核心）

完成 Ollama 模型定制后，通过 OpenClaw 的交互式配置向导，实现二者的对接，步骤如下：

启动 OpenClaw 配置向导：

openclaw onboard
首次启动会出现安全提示 ，阅读后输入Yes继续（OpenClaw 为 beta 版，需注意本地安全，不建议暴露到公网）。
选择QuickStart（快速配置），进入Model/auth provider选择界面。
由于 Ollama 是自定义本地模型，选择Custom Provider（自定义提供商），按向导配置：
- API Base URL：http://127.0.0.1:11434/v1（必加 /v1，核心避坑点）
- API Key：可随意填写（如ollama-local，Ollama 本地运行无需真实密钥）
- Model ID：qwen2.5:7b-32k（填写自定义的 32k 上下文模型名）

配置完成后，显示Verification successful即代表对接成功！
对接成功后，控制台会显示OpenClaw Web UI 地址 （http://127.0.0.1:18789）和管理员 Token ，务必记录 Token（后续登录 Web UI 需要）。

对接失败排查（核心避坑）

若提示Verification failed，按以下步骤排查：

验证 Ollama 服务是否运行：执行ollama list，能看到模型即正常；若未运行，执行ollama serve手动启动。
检查 API Base URL：必须以 /v1 结尾 ，正确为http://127.0.0.1:11434/v1。
检查 Model ID：必须与自定义模型名完全一致（qwen2.5:7b-32k）

六、Step5：解决核心报错（模型上下文窗口过小）

首次启动 OpenClaw 大概率会出现报错：Model context window too small (4096 tokens). Minimum is 16000，原因是 OpenClaw 缓存了模型原始 4096 tokens 参数，未识别到定制的 32k，需手动修改配置文件。

修改步骤

找到 OpenClaw 的两个核心 JSON 配置文件（路径固定）：
- 主配置文件：C:\Users<你的用户名>.openclaw\openclaw.json
- 模型配置文件：C:\Users<你的用户名>.openclaw\agents\main\agent\models.json
用记事本 / VS Code 打开两个文件，分别找到models.providers.custom-127-0-0-1-11434.models数组中id 为 qwen2.5:7b-32k的对象。
将对象中的contextWindow和maxTokens值从4096 修改为32768，修改后示例：

json

json 复制代码

{"id":"qwen2.5:7b-32k","contextWindow":32768,"maxTokens":32768,"name":"qwen2.5:7b-32k","providerId":"custom-127-0-0-1-11434"}

保存两个配置文件，完全退出所有 OpenClaw 相关窗口（按 Ctrl+C 终止终端进程），重新启动即可解决报错。

七、Step6：启动 OpenClaw，验证本地智能体运行

完成所有配置和报错修复后，启动 OpenClaw，验证核心功能，支持终端 TUI （推荐）和Web UI两种方式，任选其一即可。

方式 1：启动 TUI 终端交互界面（推荐，轻量流畅）

TUI 是 OpenClaw 的核心交互方式，无界面卡顿，适合日常使用，启动命令：

powershell

复制代码

openclaw tui

启动后直接输入问题，即可与本地 qwen2.5:7b-32k 模型对话，全程本地运行，无网络请求。

方式 2：访问 Web UI 可视化界面（备选，操作直观）

支持图形化操作、技能管理、配置修改，步骤如下：

确保 OpenClaw 服务运行（启动 TUI 或执行openclaw gateway start启动网关）。
打开浏览器（Chrome/Edge/ 火狐），输入地址（含管理员 Token，无需手动输入）：

plaintext

perl 复制代码

http://127.0.0.1:18789/#token=你的管理员Token

直接进入中文 Web 控制台，在「对话测试」模块输入指令，验证 AI 对话功能，与 TUI 效果一致。