前言
在完成 PostgreSQL、Redis 等基础依赖部署后，本文将专注于 OpenClaw 本地的核心进阶配置：
-
打通 WSL2 GPU 加速：让 DeepSeek-R1:7B 模型在 NVIDIA 显卡上高效运行。
-
解决"上下文溢出"难题：通过 compaction 自动压缩机制，告别 Context overflow 报错。
-
开启持久化记忆：配置 memory 功能，让 AI 真正"记住"你和它的对话。
环境要求：
-
Windows 10/11（已安装 Docker Desktop，启用 WSL 2）
-
至少 16GB 内存（推荐）
-
NVIDIA GPU（本文以 RTX 5060 Ti 16GB 为例）
一、WSL2 GPU 支持配置（关键步骤）
注意：如果你已在 WSL 中配置过 GPU 支持，可跳过此节。
- 安装 Ubuntu WSL 发行版（在 Windows PowerShell 中执行）
wsl --install -d Ubuntu
- 在 Ubuntu 中安装 NVIDIA Container Toolkit
- 启动 Ubuntu：
wsl -d Ubuntu
- 在 Ubuntu 终端中依次执行：
sudo apt-get update
sudo apt-get install -y curl
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/ubuntu22.04/libnvidia-container.list | sed 's#deb https://#deb signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
- 验证 GPU 是否被 Docker 识别
docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi
看到显卡型号和显存信息即表示成功。
- 将当前用户加入 docker 组（避免权限错误）
sudo usermod -aG docker $USER
exit
wsl -d Ubuntu
二、部署 Ollama 并启用 GPU
在 Windows PowerShell 中执行：
如果已有 ollama 容器，先删除
docker stop ollama
docker rm ollama
创建新容器，开启 GPU 支持
docker run -d --name ollama `
--network my-network `
--gpus all `
-e OLLAMA_NUM_PARALLEL=1 `
-e OLLAMA_MAX_LOADED_MODELS=1 `
-e OLLAMA_GPU_OVERHEAD=4 `
-e OLLAMA_FLASH_ATTENTION=1 `
-e CUDA_VISIBLE_DEVICES=0 `
-e OLLAMA_CONTEXT_LENGTH=131072 `
-p 11434:11434 `
-v ollama_data:/root/.ollama `
ollama/ollama:latest
拉取 7B 模型
docker exec ollama ollama pull deepseek-r1:7b
验证 GPU 是否工作（在 Ubuntu 终端中执行）：
docker exec ollama nvidia-smi
三、配置 OpenClaw
- 创建配置目录
New-Item -ItemType Directory -Force -Path "D:\Docker\openclaw-data" | Out-Null
- 配置文件（保存为 D:\Docker\openclaw-data\openclaw.json）
{
"gateway": {
"mode": "local",
"port": 18789,
"bind": "lan",
"auth": {
"mode": "token",
"token": "1111"
},
"controlUi": {
"allowedOrigins": "http://localhost:18789", "http://127.0.0.1:18789"
}
},
"models": {
"providers": {
"ollama": {
"baseUrl": "http://ollama:11434",
"apiKey": "ollama",
"api": "ollama",
"models": [
{
"id": "deepseek-r1:7b",
"name": "DeepSeek R1 7B",
"contextWindow": 131072,
"maxTokens": 8192,
"reasoning": true
}
]
}
}
},
"agents": {
"defaults": {
"model": "ollama/deepseek-r1:7b",
"compaction": {
"mode": "auto",
"reserveTokensFloor": 1024,
"reserveTokens": 4096
},
"memory": {
"enabled": true,
"type": "core",
"maxEntries": 200,
"retentionDays": 365,
"autoSave": true,
"autoLoad": true,
"queryOnStart": true
}
}
}
}
配置项说明：
-
compaction：自动压缩历史对话，防止 Context Overflow
-
memory：开启持久化记忆，AI 能记住用户信息
四、启动 OpenClaw
docker run -d --name openclaw `
--network my-network `
-v D:\Docker\openclaw-data:/home/node/.openclaw `
-v /var/run/docker.sock:/var/run/docker.sock `
-p 18789:18789 `
ghcr.io/openclaw/openclaw:latest
五、验证部署
- 查看容器状态
docker ps
- 查看日志
docker logs openclaw --tail 30
- 访问 Web UI
浏览器打开：http://127.0.0.1:18789/?token=1111
六、记忆功能使用
在 Web UI 聊天框中输入：
写入记忆：
/memory add 我的名字叫小明，我是 Python 开发者
查询记忆：
/query 我叫什么名字？
列出所有记忆：
/memory list
七、常用管理命令
启动所有服务：
docker start my-postgres my-redis ollama openclaw
停止所有服务：
docker stop my-postgres my-redis ollama openclaw
重启 OpenClaw：
docker restart openclaw
查看实时日志：
docker logs openclaw -f
查看 GPU 状态（Ubuntu 中）：
nvidia-smi
查看 Ollama GPU 状态：
docker exec ollama nvidia-smi
八、故障排查
| 问题 | 解决方案 |
|------|----------|
| Context overflow | 在 Web UI 执行 /reset；检查 compaction 是否开启 |
| GPU 未被使用 | 确认执行了第一节的 GPU 配置；用 nvidia-smi 监控 |
| permission denied | 在 Ubuntu 执行 sudo usermod -aG docker $USER 并重启 WSL |
| Web UI 无法访问 | 检查 docker ps；检查端口占用 netstat -ano | findstr :18789 |
九、最终状态
-
Ollama + GPU：已启用（RTX 5060 Ti）
-
OpenClaw：已部署
-
上下文压缩：已开启
-
记忆功能：已开启
-
Web UI：可访问