Windows 原生 + 原生 Ollama + 官方 OpenClaw 2026.3.11-beta.1推荐部署方案

无影云电脑+OpenClaw+iMessage+Qwen3.6-Plus AI工作流实战 AI智能体(Agent)是当前企业自动化服务的核心范式,其本质是将大模型、工具调用与用户触达通道深度耦合。实现稳定可靠的AI工作流,需同时满足系统级兼容性(如macOS内核认证)、低延迟推理(GPU直通与显存优化)、原子化技能编排(非代码配置能力)及合规高触达通道(如iMessage原生集成)。阿里云无影云电脑凭借真macOS环境与M3 Max GPU直通,成为目前唯一能通过苹果iCloud设备认证的云端方案;OpenClaw以YAML驱动的技能封装机制显著降低AI Agent迭代门槛;千问Qwen3.6- 阅读详情
AI摘要

本文详细介绍了在Windows平台原生环境下,结合原生Ollama服务与官方OpenClaw 2026.3.11-beta.1的标准化部署方案。重点涵盖环境准备(Node 24、Git for Windows)、OpenClaw安装与beta版本锁定、Ollama HTTP API验证、OLLAMA_HOST环境变量配置、隐式模型发现机制、onboarding流程及Gateway服务安装,并强调避免显式provider配置、禁用高风险工具以提升稳定性。同时分析了常见故障如上下文窗口误判、模型无响应、中文乱码及Gateway自启失败等问题的排查顺序。

在这里插入图片描述
这份指南针对的是 官方 openclaw。openclaw-cn 在 npm 页面明确写了“非官方 cn 版本”。如果你机器上混用了 openclaw 和 openclaw-cn,最容易出现的就是命令、配置目录、认证行为不一致。默认你统一使用官方版。(OpenClaw)

我把路线分成两层。主线给你的是 Windows 原生 + Windows 原生 Ollama + 官方 OpenClaw,避免 WSL2 和 Windows 主机之间再做一层联网配置。默认你已经在 Windows 上把 Ollama 跑通了,这条路最省事,与此同时,官方文档仍然把 WSL2 视为 Windows 上的推荐路径,因为运行时一致性更好、Linux 工具链兼容性更强、技能和依赖问题更少;这个我放在附录最后单列。(OpenClaw)


一、推荐部署方案:Windows 原生 + 原生 Ollama + 官方 OpenClaw 2026.3.11-beta.1

1) 先把前置环境补齐

官方要求 Node 22.16+,推荐 Node 24;Windows 原生安装时还建议把 Git for Windows 放进 PATH,否则常见报错就是 spawn git / ENOENT。官方安装脚本会自动处理 Node 检测与安装,但 Git/PATH 这类 Windows 基础问题仍然要你本机环境正确。(OpenClaw)

建议你先在 PowerShell 里确认:

node -v
npm -v
git --version
ollama --version

这样做的原因很简单:后面 OpenClaw 的安装、升级和插件同步都依赖 Node/npm;Git 则是安装器和某些更新/插件流程的基础依赖。Ollama 既然你已经跑通,这一步主要是把环境状态固化下来。(OpenClaw)


2) 先安装官方 OpenClaw,再锁定到你要的 beta 版本

官方 Windows 快速安装方式是 PowerShell 安装脚本:

iwr -useb https://openclaw.ai/install.ps1 | iex

官方把这个脚本列为 Windows 推荐安装入口;它会处理 Node 检测、OpenClaw 安装,并可进入 onboarding。(OpenClaw)

安装完后,不要直接停在“当前最新”状态,而是显式锁定到你指定的版本:

openclaw update --tag 2026.3.11-beta.1
openclaw --version

之所以这样做,而不是泛泛地“装 beta”,是因为官方 update 命令支持 --tag <dist-tag|version>,这能把你固定到确切版本,避免后来又被切到更新的 beta。(OpenClaw)

如果你以后想改回正式通道,用:

openclaw update --channel stable

如果想继续跟 beta 通道滚动,用:

openclaw update --channel beta

这是官方通道切换方式。(OpenClaw)


3) 先验证 Ollama API,而不是只验证 ollama run

OpenClaw 接的是 Ollama 的 HTTP API,不是 CLI 交互。官方文档对 Ollama 集成写得很清楚:OpenClaw 使用 Ollama 的原生 API(/api/chat),自动发现模型时会去查 /api/tags,并尽量读取 /api/show。所以,ollama run 能对话,不等于 OpenClaw 一定能接进去。(OpenClaw)

先检查:

ollama list
curl http://localhost:11434/api/tags

如果 curl 返回模型列表 JSON,说明 OpenClaw 以后要用的那条链路是通的。官方在 Ollama troubleshooting 里给的也是这条检查方式。(OpenClaw)


4) 设置 OLLAMA_API_KEY,即使本地 Ollama 实际并不需要真实密钥

这是很多人第一次踩坑的点。官方文档明确说,OpenClaw 对 Ollama 的隐式发现模式依赖 OLLAMA_API_KEY(或者 auth profile)这个“开启信号”;当你设置了它,而且没有手写 models.providers.ollama,OpenClaw 才会从 http://127.0.0.1:11434 自动发现本地模型。它不是在说 Ollama 本身需要鉴权,而是在说 OpenClaw 的 provider discovery / availability check 需要这个 opt-in 标记。(OpenClaw)

在 PowerShell 里建议这样设为当前用户永久变量:

[Environment]::SetEnvironmentVariable("OLLAMA_API_KEY", "ollama-local", "User")

当前窗口立即生效再补一遍:

$env:OLLAMA_API_KEY = "ollama-local"

然后新开一个 PowerShell,确认:

echo $env:OLLAMA_API_KEY

我这里用 ollama-local 只是占位字符串。原因不是“给 Ollama 授权”,而是满足 OpenClaw 的本地 provider 发现逻辑。官方文档给出的最简示例也是设置这个环境变量。(OpenClaw)


5) 不要一开始就手写 models.providers.ollama

如果你的场景只是“本机 Windows 上的 Ollama,端口默认 11434,模型已经在本地”,那一开始不要自己定义 models.providers.ollama。官方文档明确写了:一旦你显式定义了这个 provider,自动发现就会被关闭,你必须手工维护模型列表、上下文窗口等字段。(OpenClaw)

这也是我推荐你走“隐式发现模式”的原因。它最适合当前场景,配置最少,出错面最小,后续 ollama pull 新模型后,OpenClaw 也能跟着发现。(OpenClaw)


6) 跑 onboarding,并安装 Gateway 服务

安装完成后,按官方推荐执行:

openclaw onboard --install-daemon

官方把这条命令列为推荐路径;它会处理模型/认证、workspace、Gateway 设置、可选的消息渠道、守护服务安装、健康检查和技能选择。(OpenClaw)

这里给你一个建议选项策略,以及为什么这样选:

  1. 模型提供方选 Ollama,本地模式优先。
    原因:你当前目标是先把本地 Windows + Ollama 跑稳,避免把云模型、OAuth、外部账单一起引入。官方也支持本地模型优先。(OpenClaw)

  2. primary model 先选你已经验证过的一个模型。
    例如 ollama/qwen2.5:14b 或你 ollama list 里真实存在的模型。OpenClaw 的模型引用语法是 provider/model,官方示例就是 ollama/llama3.3 这种形式。(OpenClaw)

  3. Gateway 先只绑定本机,不要暴露到公网。
    这一步是为了把问题域缩到最小:先证明“本机 Dashboard/本机 agent 能跑”,再去接 Telegram/Discord/远程设备。官方 Windows 原生路径本来也更适合先做本机 CLI 和本机 Gateway 验证。(OpenClaw)

  4. Daemon/service 安装选 Yes。
    原因:官方推荐 --install-daemon,这样 Gateway 会由系统接管,后续你只需要查状态和重启,不需要每次手动拉前台进程。Windows 原生下会先尝试 Scheduled Task,失败再回退到当前用户 Startup 文件夹。(OpenClaw)

  5. 频道(Telegram/WhatsApp/Discord 等)先跳过。
    原因:你现在的目标是先解决本地模型链路;很多“看起来像模型问题”的报错,实际是在频道层、pairing、gateway 暴露策略或 token 层。官方 FAQ 也把 onboarding 里的 channel/provider/gateway 分成了不同阶段。先把本地 Dashboard 跑通再接频道,排障更干净。(OpenClaw)

  6. 技能和插件先最小化。
    原因:你当前优先级是模型链路,不是扩展功能。插件可以后装,官方也支持安装后再启用。(OpenClaw)


7) 安装后做四个验证动作

官方 Getting Started 给出的检查动作包括 gateway status 和 dashboard。我建议你按下面顺序做:(OpenClaw)

openclaw gateway status
openclaw models list
openclaw dashboard
openclaw --version

接着把 primary model 再显式指定一遍:

openclaw models set ollama/你的模型名

OpenClaw 官方 Ollama 文档和模型文档都给出了 openclaw models list / openclaw models set <provider/model> 的方式。这样做的意义是把“环境变量已设、模型已发现、默认模型已绑定”三件事一次性坐实。(OpenClaw)

在 Windows 原生上,还可以跑一个官方文档给出的 smoke test:

openclaw agent --local --agent main --thinking low -m "Reply with exactly WINDOWS-HATCH-OK."

这是官方 Windows 页面给出的原生 CLI smoke 测试,用来确认本地 agent/provider 最基础链路正常。(OpenClaw)


8) 只在需要时再编辑 openclaw.json

OpenClaw 的主配置文件是 ~/.openclaw/openclaw.json,官方说明 Gateway 会监视这个文件并做热重载;默认重载模式是 hybrid,安全变更热应用、关键变更自动重启。(OpenClaw)

在你已经走完 onboarding 的前提下,建议只做一个最小编辑:确认默认主模型被固定住。例如:

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/你的模型名"
      }
    }
  },
  "gateway": {
    "reload": {
      "mode": "hybrid",
      "debounceMs": 300
    }
  }
}

改动选项解释:
primary 是你当前最关键的业务选择;hybrid 是官方默认推荐的折中模式,避免你每次改一点小配置都手工重启。(OpenClaw)


9) 可选的“先求稳”配置:先禁掉高风险工具

如果你当前只是想把本地模型作为聊天、代码、基础问答代理跑起来,而不是一上来就让它操作浏览器或系统工具,可以在 openclaw.json 里先加一个最小 denylist,例如:

{
  "tools": {
    "deny": ["browser"]
  }
}

官方工具文档明确支持 tools.allow / tools.deny。这样做的原因不是功能上必须,而是把问题空间缩小:先验证模型本身可用,再逐步把工具打开。(OpenClaw)


10) 后续更新策略

后续如果你还想继续停在 beta 线,用:

openclaw update --channel beta

如果想切回正式稳定线,用:

openclaw update --channel stable

如果只是升级安装但不想重新跑 onboarding,官方推荐“重新跑官网安装器”做原地升级;也可以直接走 openclaw update。(OpenClaw)


二、这份指南这么配的优势

第一,没有把 ollama launch openclaw 作为主路径。Ollama 官方集成页确实把它写成 quick start,但 2026-03-02 的官方 GitHub issue 报告了一个回归:通过这条路径启动时,本地 Ollama 模型可能会在 Web UI 一直显示 typing、不返回内容。对已经有本地 Ollama,想稳定部署 OpenClaw的场景,直接装官方 OpenClaw CLI 并显式控制版本/配置,可诊断性更强。(Ollama 文档)

第二,优先走 隐式发现,而不是一开始就写 models.providers.ollama。因为官方已经说明:你只要给 OLLAMA_API_KEY 这个 opt-in 标记,并且不手写 provider,OpenClaw 就会自动从本地 Ollama 做模型发现。当前你的场景最适合这种模式。(OpenClaw)

第三,坚持使用 原生 Ollama API URL,即 http://127.0.0.1:11434,而不是 /v1。官方文档明确警告:OpenAI-compatible /v1 模式下,工具调用不可靠,可能把工具 JSON 当纯文本吐出来;只有在代理/兼容层强制要求 OpenAI 格式时才建议这样做。(OpenClaw)

第四,先跑本机 Gateway 和 Dashboard,再接 Telegram/Discord。原因不是“功能少”,而是把排障链路切短。官方 FAQ 也表明 onboarding 本身就涉及模型、workspace、gateway、channels、daemon、skills 多个环节;把这些同时打开,出问题时最难定位。(OpenClaw)


三、附录:最常见疑难问题与处理顺序

附录 A:No API key found for provider "ollama" 怎么办

官方文档给出的根因路径很明确:如果要走 Ollama 的隐式发现模式,必须设置 OLLAMA_API_KEY 或 auth profile;如果没设,或者 provider 配置切到了显式模式但没补全模型定义,就会出现检测或认证层面的异常。官方 troubleshooting 也直接把“先确保 Ollama 在跑、已设置 OLLAMA_API_KEY、且未定义显式 models.providers.ollama”列为检查项。(OpenClaw)

按这个顺序处理最有效:

  1. 先确认本机 API 通:

    curl http://localhost:11434/api/tags
    
  2. 确认当前 shell 和用户环境里都有 OLLAMA_API_KEY。

  3. 确认你没有手写 models.providers.ollama;如果写了,先删掉,让它回到隐式发现。

  4. 重新执行:

    openclaw onboard --install-daemon
    openclaw models list
    openclaw gateway restart
    
  5. 再测一次本地 agent / dashboard。(OpenClaw)

需要你心里有数的是,这个错误在 2026.2.x 到 2026.3.x 期间,官方仓库里确实有多条活跃/近期 issue,说明它不总是纯粹的“你配错了”,也可能是版本回归。比如 2026.2.19-2 的 issue #22055 就报告了:即便模型检测、auth store、默认模型都看起来正常,Telegram/Web UI 仍然可能在回复前报 No API key found for provider "ollama"。所以如果你严格按上面步骤做了仍重现,不要在同一个坏状态上死磕,优先切回 2026.3.11 正式版或更新的正式版再测。(GitHub)


附录 B:Ollama not detected / No models available

官方处理逻辑很直接:
先看 Ollama 进程,再看 /api/tags,再看本地模型是否真已 pull 下来。没有模型时,OpenClaw 也只会告诉你“没有可用模型”,因为自动发现依赖的就是本地模型清单。(OpenClaw)

处理方式:

ollama serve
ollama list
ollama pull 你的模型名
openclaw models list

只要 ollama list 里有,且你走的是隐式发现,openclaw models list 理论上就该能看到相应的 ollama/... 模型。(OpenClaw)


附录 C:上下文窗口被识别成 4096,报 “context window too small”

这个不是空想问题,官方仓库里有对应 issue。有人在 2026.2.x/2026.3.x 遇到 OpenClaw 把本来更大的 Ollama 模型窗口识别成 4096,从而在 agent 启动前直接阻断。官方 Ollama 文档同时说明:如果你走显式 provider 配置,可以自己覆盖 contextWindow 和 maxTokens。(GitHub)

因此处理策略是:

  1. 先尝试隐式发现,避免自己把配置写坏。
  2. 如果仍识别错误,再切到显式 provider 配置,手工指定 contextWindow 和 maxTokens。
  3. 如果即便显式配置仍被强制压到异常值,那更像是版本级 bug,不是你的 JSON 写法问题。(GitHub)

附录 D:本地模型一直 typing、无输出、或者挂起

这个在 2026.3.x 里也不是孤例。官方 issue 里至少出现过三类相近现象:
一类是 ollama launch openclaw 路径下本地模型不回包;一类是 2026.3.8 本地模型在会话里超时零输出;一类是 Telegram 场景里一直显示 typing 却没有可见错误。(GitHub)

我建议你按这个顺序排:

  1. 先脱离频道,只在 Dashboard 或 openclaw agent --local 里测。
  2. 先别用 ollama launch openclaw。
  3. 坚持原生 Ollama API,不要主动切 /v1。
  4. 确认模型本身在 ollama run 和 curl /api/chat 下真的能稳定输出。
  5. 只有在你明确遇到某个 2026.3.x 分支的 native api: "ollama" 回归时,才把 /v1 视为临时排障手段,而不是正式配置。因为官方文档已经明确把 /v1 定义成“Legacy OpenAI-Compatible Mode”,并提示它会损伤工具调用可靠性;恰好也有 2026.3.x 的 issue 报告把 /v1 当作临时 workaround。(OpenClaw)

附录 E:auth-profiles.json 丢失、重置、升级后又坏

这同样有近期 issue。有人报告升级后 auth-profiles.json 被重置,结果反复触发 No API key found for provider "ollama";也有人报告子代理/子会话拿不到 Ollama 凭据,甚至出现意外回退。(GitHub)

稳妥做法是:

  1. 每次升级前备份 ~/.openclaw。

  2. 升级后立即跑:

    openclaw --version
    openclaw models list
    openclaw gateway status
    
  3. 一旦再次出现 Ollama auth 报错,先别改十几处配置,先重新检查 OLLAMA_API_KEY 和 agent 级 auth store 路径。官方安全文档给出的模型认证文件路径是 ~/.openclaw/agents/<agentId>/agent/auth-profiles.json。(OpenClaw)


附录 F:Windows 上 git not found / openclaw is not recognized

这是官方 FAQ 直接列出来的两个 Windows 常见问题。
git not found:装 Git for Windows,并确保 git 在 PATH。
openclaw is not recognized:检查 npm config get prefix,把那个目录加入用户 PATH;Windows 下一般是 %AppData%\npm,而且不要自己再加 \bin。改完后重新开 PowerShell。(OpenClaw)


附录 G:Windows 终端中文乱码

官方 FAQ 也给了 PowerShell 临时修复方案。若你看到 exec/output 中文乱码,先切 UTF-8,再重启 Gateway:(OpenClaw)

chcp 65001
[Console]::InputEncoding = [System.Text.UTF8Encoding]::new($false)
[Console]::OutputEncoding = [System.Text.UTF8Encoding]::new($false)
$OutputEncoding = [System.Text.UTF8Encoding]::new($false)

openclaw gateway restart

附录 H:Gateway 服务不自启

Windows 原生下,官方文档说明 openclaw gateway install 会优先尝试 Windows Scheduled Tasks;如果创建被拒绝,就会回退到当前用户的 Startup 文件夹登录项。Scheduled Tasks 仍是首选,因为状态管理更好。(OpenClaw)

检查命令:

openclaw gateway install
openclaw gateway status --json

如果你只是想做本机前台调试,而不需要系统托管,可以直接:

openclaw gateway run

官方 Windows 页面也给出了这种“native CLI only”的路径。(OpenClaw)


附录 I:WSL2 备用方案,适合追求更高兼容性的部署

官方对 Windows 的总建议仍然是 WSL2。原因是 CLI + Gateway 在 Linux 用户态里更一致,Node/Bun/pnpm、Linux 二进制、skills 都更兼容。官方给出的 WSL2 基本链路是:wsl --install,启用 systemd,然后在 WSL 里安装和运行 OpenClaw。(OpenClaw)

最短步骤是:

wsl --install

进 WSL 后启用 systemd:

sudo tee /etc/wsl.conf >/dev/null <<'EOF'
[boot]
systemd=true
EOF

然后在 Windows PowerShell 里:

wsl --shutdown

再回到 WSL 安装 OpenClaw 并跑 onboarding。官方 WSL 页面给了源码安装示例,也明确说在 WSL2 里使用 openclaw onboard --install-daemon / openclaw gateway install 是正式支持路径。(OpenClaw)

OpenClaw Skill:2026年智能体行为协议与零代码部署实践 智能体行为协议是AI工程化的核心范式,指通过结构化契约(如YAML元数据、JSON Schema校验、Docker环境固化)定义AI能力的输入输出、运行约束与验证标准。其原理在于将模型调用抽象为可验证、可复用、可编排的服务单元,摆脱对特定API或编程语言的依赖。该技术显著提升跨模型兼容性、故障隔离性与安全审计效率,广泛应用于代码审查、PDF结构化解析、会议纪要提炼等需强契约保障的AI场景。OpenClaw Skill正是这一范式的典型实现,尤其在2026年v2.0协议升级后,全面支持能力声明驱动调度与零代码 阅读详情

相关推荐

OpenClaw智能体工作流部署全指南:跨平台、可观测与生产落地

多模态智能体(Multi-modal Agent)正从概念走向真实生产环境,其核心挑战在于调度编排、跨服务协同与全链路可观测性。OpenClaw并非传统CLI工具,而是面向智能体基础设施的统一控制中枢,通过标准化技能(Skill)接口、声明式配置和分布式追踪能力,解决LLM调用路由、视觉解析器协同、第三方服务(如飞书/Dify)集成等关键问题。它强调物理层兼容性(WSL2/Apple Silicon/Linux发行版)、运行时ABI稳定性(Python 3.11+与C扩展绑定)及网络穿透能力(四层Docke

weixin_33714884的博客 2735

Ubuntu 本地部署 OpenClaw:接入 Ollama 推理 + 飞书通道(可直接复现)

摘要 本文详细介绍了在Ubuntu系统上部署OpenClaw的完整流程,包含本地Ollama推理引擎集成和飞书消息通道配置。从环境准备(Ubuntu 22.04+、16GB+内存)开始,逐步指导安装Ollama(含GPU验证)、Node.js和OpenClaw,并配置两者的连接。特别说明飞书通道的配置要点和常见问题解决方案,如API密钥错误、凭证异常等。部署完成后,用户可通过飞书访问本地AI Agent,实现可控的私有化AI服务。文章还提供了持久化运行和安全审计建议,适合开发者快速落地生产级AI应用。

weixin_43366181的博客 5842

Windows本地部署Claw智能体:Ollama+Qwen2.5实战指南

智能体(Agent)是大模型落地个人生产力的关键形态,其核心在于将自然语言指令转化为多步骤自动化操作。实现这一能力需依托轻量级智能体运行时与本地化大模型推理服务的协同——Claw作为模块化Agent调度框架,不直接执行推理,而是通过标准OpenAI兼容API对接Ollama等后端;Ollama则封装了GGUF量化模型(如Qwen2.5:7b-32k)在Windows上的加载、上下文管理与HTTP服务,显著降低CUDA编译与环境配置门槛。该技术组合使RTX 3060+16GB内存的主流Windows设备即可稳

weixin_33736048的博客 201

【OpenClaw + 飞书配置(换各种模型)出现的各种错误】

摘要:本文档记录了OpenClaw系统调试过程中遇到的6个关键问题及解决方案,包括API Key配置错误、模型ID格式问题、OpenRouter免费额度不足、API Key自动恢复Bug、飞书授权失败和插件重复问题。调试环境为Windows 10/11+PowerShell,OpenClaw版本2026.2.26。针对每个问题提供了详细错误日志、场景分析和多种解决方案,特别对API Key同步机制bug进行了深入排查,最终给出环境变量覆盖、agent切换等实用建议,为类似调试问题提供参考。(150字)

weixin_37572294的博客 1万+

OpenClaw智能体网关:可插拔AI调度中枢与生产部署指南

智能体(Agent)是大模型落地企业级自动化的核心范式,其本质是将AI能力封装为可编排、可审计、可嵌入业务流的程序化组件。OpenClaw正是一种面向开发者的轻量级智能体网关系统,它不提供对话界面,而是通过YAML声明式配置,统一调度多源AI模型(如OpenAI、Ollama)、外部API、消息平台(飞书/微信)及数据库等异构服务。其技术价值在于实现AI能力的‘水电化’供给——即按需调用、协议互通、故障隔离。典型应用场景包括金融财报自动摘要、IoT语音指令解析、电商客服实时风控等需要长期稳定运行的工程化任务

weixin_33889245的博客 399

【OpenClaw从入门到精通】第85篇:OpenClaw 高阶实战之环境搭建:从零开始部署 OpenClaw 集群(万字实战详解)

本文详细介绍了从零部署分布式AI Agent编排平台OpenClaw集群的完整流程,旨在解决并发瓶颈、状态持久化和模型切换三大生产难题。文章基于Docker Compose,手把手指导搭建包括PostgreSQL、Redis、Chroma、Ollama/vLLM在内的完整服务栈,并提供调优参数、健康检查、一整套部署演示。此外,还涵盖Prometheus+Grafana监控、Kubernetes部署要点及常见问题排查表。目标是让新手在30分钟内上线生产级集群,快速开发AI Agent应用。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 276

OpenClaw + Ollama 本地大模型实战:零成本、零隐私泄露的 AI Agent

🚀 不想把代码和私人数据发送到云端?不想每月为 API 付费?本文带你从零搭建完全本地化的 OpenClaw Agent——用 Ollama 运行开源大模型,所有数据永远不出 localhost。

u014798858的博客 1372

OpenClaw 安装、部署及使用详细全解

OpenClaw 是一个个人 AI 助手框架,运行在你自己的设备上。它通过你已有的消息通道(微信、飞书、WebChat 等)与你交互,支持语音输入输出,并可以渲染实时画布(Canvas)。

洛星核的博客 820

OpenClaw 安装部署文档(Windows 桌面版)

适用系统:Windows 10 (21H2+) / Windows 11日期:2026-02-20本章节,将接着上一章继续介绍在操作系统中通过Docker安装OpenClaw。

u014754814的博客 3540

记录:N10激光雷达串口编程,将数据存进 SQLite,并进行 ROS2 - cartographer 单雷达建图

N10 系列采用 TOF(time of flight)测距原理,通过测量调制激光的发射、返回时间差来测量物体与传感器的相对距离。激光发射器发出调制脉冲激光,内部定时器开始 从t1时刻计算时间,当激光照射到目标物体后,部分能量返回,当雷达接收到返回的激光信号时,在t2时刻停止内部定时器计时,光速C,激光雷达到达物体的距离D为:经过N10系列激光雷达内嵌的信号处理单元的实时解算得到探测物体的距离值,结合高精度自适应角度测量模块输出的角度信息,可以得到量程内周围 360 度环境 的二维平面信息。

m0_74013893的博客 1096

PPT太丑?用InDesign制作电影级的交互式在线演示文档

本文旨在解决传统演示软件(如PowerPoint、Keynote)在制作商业提案、设计报告时,普遍存在的模板化严重、视觉表现力不足、动态效果廉价的核心痛点。我们将介绍一套常被设计师们“误解”或“忽略”的“降维打击”工作流,核心是利用印刷排版软件 Adobe InDesign 强大的版式控制、动画与交互功能,来创建电影级的动态演示文稿,并通过其 在线发布 (Publish Online) 功能,一键生成可在任何浏览器中流畅访问的网页版交互式文档,从而极大地提升提案的专业度与视觉冲击力。

Kingsdesigner的博客 1281

Clawdbot 部署踩坑实录:Kimi/MiniMax/GLM 国际版与国内版 API 端点避坑指南

本文针对Clawdbot(原Moltbot)在国内部署时常见的API报错问题,分析了"NoAPIkeyfound"错误的根本原因:国际版与国内版API端点不兼容。重点指出四大配置陷阱:1)域名差异(.io/.chat/.cn);2)session-memory钩子强制使用Anthropic协议;3)auth-profiles与models配置分离;4)GLM国内版特殊路径。提供了完整的国内版配置示例,包括auth-profiles.json和clawdbot.json的详细设置方法

otherjason的小博 6563

MS1826A HDMI 多功能视频处理器 HDMI4进1出画面分割芯片

基本介绍 MS1826A 是一款多功能视频处理器,包含 4 路独立 HDMI 音视频输入通道、1 路 HDMI 音视 频输出通道以及 1 路独立可配置为输入或者输出的 SPDIF、I2S 音频信号。支持 4 个独立的字库定 制型 OSD;可处理隔行和逐行视频或者图形输入信号;有四路独立视频播放引擎可支持视频多路 播放。该产品提供了高质量的视频输出,有解隔行输入、视频增强,以及帧率转换的处理能力。 功能特征 视频输入输出  四路独立 HDMI 输入通道  一路 HDMI 输出通道  最高支持 4K@3

qq_45645383的博客 1781

Windows 原生 + 原生 Ollama + 官方 OpenClaw 2026.3.11-beta.1 推荐部署方案:把 endpoint 改到 TaoToken

Windows 原生部署 OpenClaw 2026.3.11-beta.1 时,把 endpoint 改到 TaoToken 可统一管理本地 Ollama 与远端模型调用。本文给出 PowerShell 可复制步骤:配置 openclaw.json 的 baseUrl 为 https://taotoken.net/api ,设置 Key 后跑 models list 与 smoke test 验证链路。官网 https://taotoken.net/?utm_source=taotoken_aicg_bl

weixin_29041443的博客 77

ESP-01S使用micropython,利用Thonny烧写固件

在家舒服的太久了,想学习点新的东西,这次看上了ESP8266系列的联网设备,想自己做点小玩意出来耍耍,下面跟我一起来学习吧。本篇主要记录固件的烧写及测试。Thonny下载链接不算难,但是网上资源较少。也是提醒自己不要忘记这个步骤,记录一下,也分享给和我一样开始接触的小伙伴,加油加油,万事开头难。

weixin_43422072的博客 1693

CocosCreator视频播放黑屏?手把手教你封装VideoPlayer组件解决Web环境问题

本文针对Cocos Creator在Web环境下视频播放黑屏等常见问题,提供了一套工程化的VideoPlayer组件封装解决方案。文章深入剖析了浏览器自动播放策略、DOM样式隔离等核心挑战,并手把手教你实现一个健壮的管理器,涵盖兼容性处理、性能优化与内存管理,确保视频播放稳定流畅。

plum99的博客 598

Windows 原生 + 原生 Ollama + 官方 OpenClaw 2026.3.11-beta.1 部署方案:把 settings 改到 TaoToken

Windows 原生部署 OpenClaw 2026.3.11-beta.1 时,把 settings 里的 provider 改到 TaoToken 通道,可同时保留本地 Ollama 隐式发现与云端 OpenAI 兼容端点。本文给出可复制 JSON 片段、环境变量写法与五步验证表,覆盖 401、reading choices、context window too small 等报错排查。详见 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42581846的博客 4

基于LangGraph的智能报告生成平台项目分析

不知道你是否知道或者了解OpenAI and Gemini Deep Research。他们是一种能够根据输入问题进行规划、结合网络搜索获取信息并最终呈现结果的研究工具或技术。那这样research是如何实现的呢?最近刚好看到一个实现类似功能的开源项目: open_deep_search。本文将基于该项目进行代码层面剖析。

u011160113的博客 923

OpenClaw 2026.8.1-beta.2 部署与实战:AI Agent 平台从尝鲜到可用

AI Agent(智能体)作为连接大语言模型与现实世界操作的关键技术,正从概念验证走向工程实践。其核心原理在于将自然语言指令分解为可执行的任务序列,并通过调用预定义的技能(Skill)来操作软件、处理数据,从而实现工作流的自动化。这一技术价值在于打破传统AI工具的功能孤岛,为开发者提供了一个可统一调度、跨应用协作的“AI原生操作系统”。在实际应用场景中,AI Agent可用于代码分析与生成、文档自动化处理、图像识别与转换等复杂复合任务。本文聚焦的OpenClaw平台,其最新版本在响应速度与稳定性上的显著提升

weixin_30696427的博客 335

Android SSL证书固定实战:原理、方案与避坑指南

SSL/TLS协议是保障网络通信安全的基石,其核心原理是通过非对称加密和数字证书实现身份认证与数据加密。在移动应用开发中,为了防止中间人攻击,证书固定技术应运而生,它通过将服务器证书或公钥的哈希值预置在应用内,强制校验服务器身份,从而大幅提升通信链路的安全性。这一技术对于金融、电商等高安全要求场景尤为重要。本文聚焦Android平台,深入解析SPKI固定、Network Security Configuration与OkHttp CertificatePinner等主流方案,并针对证书更新、调试兼容等常见痛

weixin_33935636的博客 402

5G物理层基础知识

1、关于RB和RE (1) RB(Resource Block,资源块)频率上连续12个子载波,时域上一个slot(时隙,14个ofdm符号) (2) RE(Resource Element,资源单元)频率上一个子载波,及时域上一个ofdm符号 注意:协议规定,5G每个时隙(非扩展CP)的符号数为14个(扩展CP情况下每个时隙有12个符号),而LTE(非扩展CP)每个时隙的符号数为7个。 简单说:一个12X14的方格,大的整个叫一个RB,每一个小块叫一个RE。另外,一个RE可存放一个调制符号(mo.

qq_39074243的博客 2万+

OpenClaw全平台一键部署指南:Windows/macOS/云服务器零基础安装

本地智能体(Local Agent)是当前AI工程化落地的关键范式,其核心在于将大模型能力封装为可调度、可编排、可本地运行的CLI工具。OpenClaw正是这一理念的典型实现,它通过统一CLI抽象层,集成Ollama/Llama.cpp模型调用、RAG知识库、Playwright浏览器自动化与Shell执行等能力。相比传统Agent框架,它强调开箱即用性与跨平台一致性,尤其在2026年v0.9.4版本中,原生支持Windows PowerShell、深度适配UTF-8中文环境、并实现CLI与Gateway架

weixin_34187862的博客 564

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

OpenClaw全链路部署实录:从踩坑27次到生产级AI Agent协同落地

AI Agent运行时框架是当前多模态任务编排与大模型协同调度的关键基础设施,其核心原理在于解耦模型调用、技能生命周期管理与API网关路由,通过进程隔离、协议抽象(HTTP/gRPC/CLI)和声明式skill.yaml配置实现跨环境一致性。技术价值体现在打破模型孤岛,统一纳管GPT类、Qwen-VL、本地LLM及ComfyUI等异构能力,支撑金融分析、文档理解等高确定性场景。典型应用包括私有知识库问答、自动化报告生成与多步骤业务流程编排。本文基于OpenClaw 2026.04版本,聚焦真实产线中环境变量

weixin_34408717的博客 413

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

【Reading Notes】(10.3)Favorite Articles from 2026 March

是目前很受国内欢迎的国产开源 AI 桌面客户端,它把 DeepSeek、Claude、Gemini、Ollama 等 300+ 模型一键接入,还原生支持 OpenClaw(小龙虾)快速安装,让你几分钟内就能拥有一个“有灵魂”的持久 AI 伙伴——它会记住你是谁、怎么说话、有底线,还能定时干活、管日程、写代码。他展示了一个实验室管理系统,包括数据分析、实验管理、采购等功能。2)网络安全,就是行业笑话:你以为你是在玩AI,其实,你是把GitHub、Slack、邮箱、API key、数据库的全部钥匙,都给了它。

bryant_meng 1058

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

OpenClaw多Agent系统搭建实战:阿里云+GLM-5+飞书协同部署指南

多Agent系统是一种将大模型能力按角色解耦、分工协作的智能架构,其核心在于物理隔离、角色固化与网关调度三大原理。相比单体AI,它显著提升任务准确性、上下文一致性与工程可维护性,技术价值体现在降低幻觉率、支持长周期记忆接力、实现跨工具链自动编排。典型应用场景包括企业级AI办公协同(如飞书群内分角色响应)、研发流程自动化(代码/会议/文档闭环)及低代码AI团队构建。本文基于2026年生产就绪的OpenClaw框架,深度结合阿里云百炼GLM-5模型服务与飞书机器人集成,提供全平台可复现的多Agent部署路径。

weixin_30876945的博客 402

openclaw的安装

openclaw的安装,卸载,整个配置过程、以及相关命令

有一种信仰叫海阔天空 485
上一篇: 从大尺度到小尺度的细微观形貌表征技术对比学习资料
下一篇: [跟AI学C语言](一)装软件和插件VS Code + MinGW
python_DONG
博客等级 码龄7年 31粉丝 42原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值