将ollama部署在windows中的本地大模型连接到部署在WSL中的openclaw(龙虾)，实现使用本地模型运行openclaw

sumMoom sumMoom 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 800+累计阅读 809平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄4年
关注
原创 2026-03-30 21:30:52 809 阅读 AI 写同款· GEO 优化 ›
Windows本地部署OpenClaw AI开发框架全流程指南 本地AI开发环境搭建是当前机器学习工程实践中的重要环节，其核心原理是通过容器化技术实现跨平台运行环境。WSL(Windows Subsystem for Linux)作为微软推出的轻量级虚拟化方案，相比传统虚拟机可降低70%以上的性能损耗，特别适合需要GPU加速的AI应用场景。结合Ollama这类本地模型服务框架，开发者可以在Windows环境下高效运行7B量级的开源大模型，实现与云端API相当的响应速度。本文以OpenClaw框架为例，详细解析从WSL环境配置、CUDA加速验证到Node.js环境搭建的全 阅读详情

将ollama部署在windows中的本地大模型连接到部署在WSL中的openclaw(龙虾)，实现使用本地模型运行openclaw

文章目录

前言

自行准备
1.WSL（windows中安装的Ubuntu）中安装 OpenClaw
2.在windows中安装ollama并部署qwen2.5-coder:7b模型（一定要是qwen2.5-coder模型，之前我下载deepseek-r1模型运行失败了，电脑配置高可以下载14b或者32b，）

一、连接准备

  1. 在 Windows 终端（win+R输入cmd回车）输入 ipconfig回车，找到当前网络适配器的 IPv4 地址（如 192.168.1.100）。每次重启电脑或切换网络，IP 可能变化，需要更新 OpenClaw 配置!!!!重启电脑连接不上时一定要看IP有没有变化
  2. 请从开始菜单或桌面快捷方式启动 Ollama。
    验证：在浏览器中访问 http://127.0.0.1:11434，如果显示 Ollama is running 则正常。

二、重新配置openclaw

先运行 curl http://winodwsIP:11434验证是否能连接ollama
打开WSL运行以下代码进入配置环节

openclaw onboard

按照图片选就好了
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
配置完成后启用网关

openclaw gateway start

检查是否返回OK

openclaw gateway health

将复制的链接在浏览器打开，如果浏览器提示要填token就复制下面那个Web UI (with token)的链接打开

总结

其实还是不建议使用本地模型，可能是我的电脑配置低，反正很难跑起来
在这里插入图片描述

标签
#人工智能 #python #ai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
WSL2+Docker部署OpenClaw并接入Ollama本地模型全攻略 AI Agent作为大模型连接现实世界的桥梁，正在重塑个人助理与自动化工作流的实现方式。这类框架通常通过消息渠道接收指令，调用本地或云端大模型完成推理与工具执行，从而实现对话、任务调度等能力。在工程落地中，容器化与轻量级虚拟化技术能有效规避环境依赖与系统冲突问题。基于WSL2的Linux环境配合Docker部署，既保留了Windows日常使用的便捷性，又能获得接近生产环境的隔离性与可迁移性。当需要接入本地推理服务时，Ollama提供的OpenAI兼容接口，可让Agent框架无缝调用私有化模型。围绕这一技术路 阅读详情

相关推荐

Windows下用Ollama部署OpenClaw智能体实战指南

智能体（Agent）是大模型落地应用的关键范式，其核心在于将AI能力封装为可编程、可调度的服务单元。本地化部署智能体需兼顾模型运行时（如Ollama）、智能体框架（如OpenClaw）与操作系统环境的深度协同。在Windows平台，Ollama凭借原生MSI安装、零Docker依赖和稳定GPU支持，成为最轻量可靠的本地大模型服务引擎；而OpenClaw通过直连Ollama原生API，完整释放工具调用、流式响应与多模态理解能力。该组合构成离线、可控、零成本的私有AI基础设施，适用于知识管理、自动化报告、本地文

congbao6525的博客 422

Window龙虾配置，ollama本地+openclaw容器

本文介绍了如何在Windows环境下部署和使用OpenClaw容器，结合Ollama本地AI模型服务。主要内容包括：1) Ollama的安装和qwen3.5:4b模型下载；2) Docker Desktop安装；3) OpenClaw镜像下载和容器启动；4) 通过openclaw configure配置Ollama连接；5) 访问OpenClaw面板进行管理；6) 容器内测试API连接；7) 更新OpenClaw组件；8) 保存自定义容器镜像。文章提供了详细的操作步骤和截图说明，帮助用户快速搭建本地AI服务

ncf的博客 834

Windows上配置OpenClaw+Ollama：解决WSL2环境校验与本地大模型对接指南

随着本地大模型与AI Agent技术的普及，越来越多的开发者希望在Windows环境下构建完全离线、数据自控的智能工具链。通常这类工具依赖WSL2作为Linux兼容层，以支持开源框架的脚本执行与进程管理。Ollama作为本地模型运行时，提供OpenAI风格API，负责加载模型并对外服务；而OpenClaw作为上层调度器，将自然语言指令转化为具体操作。二者结合，可让用户无需付费API即可实现代码生成、自动化脚本等场景。然而在Windows上部署时，常会遇到WSL2环境校验失败、Docker集成问题、跨系统网络

weixin_33507732的博客 176

使用Ollama本地模型养龙虾

首先下载Ollama配置路径，网络，上下文长度：然后打开，选择模型，发送你好，进行下载。Ollama本地部署模型完毕，下一步我们来对接OpenClaw小龙虾。

c972708579的博客 897

Windows本地部署Ollama+OpenClaw AI工具链指南

大语言模型（LLM）本地部署是当前AI工程实践的热点方向，其核心原理是通过量化压缩技术将数十亿参数的模型适配到消费级硬件。Ollama作为轻量级模型运行框架，结合OpenClaw的优化工具链，显著降低了Windows平台的部署门槛。这种方案特别适合需要快速验证AI能力的开发者，可应用于智能对话、代码生成等场景。实测表明，在配备NVIDIA显卡的Windows设备上，7B参数的模型能流畅运行。关键技术点包括CUDA加速、模型量化以及内存优化，其中Ollama的模型管理功能和OpenClaw的提示词模板为开发者

wjxbj的博客 535

Windows本地部署Openclaw：从WSL2到Ollama的AI Agent实战教程

从本地大模型部署的基本概念出发，聊聊如何在Windows环境下借助WSL2搭建完整的Linux运行环境，并利用Ollama高效管理模型资源。AI Agent正在成为个人自动化与智能协作的核心载体，通过GPU加速与Python生态的整合，数据完全保留在本机，兼顾隐私与成本。本文以飞书作为接入渠道示例，展示如何让Agent在日常沟通工具中发挥实际生产力。围绕WSL2安装、CUDA配置、Ollama模型管理及Openclaw通道对接等关键环节，从环境选型到报错排查，为纯Windows用户提供一条可复制的零基础路径

weixin_32597009的博客 120

OpenClaw快速接入Ollama本地模型教程

本文提供了OpenClaw连接Ollama的详细图文教程。主要内容包括：1）前期准备（OpenClaw在线状态、网络连接、磁盘空间）；2）Ollama安装步骤（下载安装包、修改模型存储路径）；3）模型下载方法（通过终端命令拉取模型）；4）OpenClaw配置流程（设置Ollama地址、测试连接）；5）使用测试（选择模型并发送消息验证）。教程还包含自检清单和常见问题解答，如地址填写、模型识别问题等。最后附有OpenClaw部署包下载链接。

2601_95578198的博客 885

Windows本地部署OpenClaw：WSL2+Docker+LM Studio全栈方案

本地智能体（Agent）开发正从云端回归终端，其核心诉求是隐私可控、低延迟响应与模型热切换能力。OpenClaw作为轻量级开源Agent框架，本身不内置推理引擎，依赖外部LLM服务提供语言理解与工具调用能力；而GGUF格式已成为当前主流量化模型封装标准，具备跨平台兼容性与内存效率优势。在Windows生态中，直接部署常面临PowerShell权限混乱、Python环境冲突及GPU支持缺失等工程瓶颈。WSL2提供完整Linux内核能力，Docker实现运行时隔离与环境可复现，LM Studio则以开箱即用的G

weixin_34037515的博客 416

手把手在Windows部署一个自己的龙虾OpenClaw

我会从最基础的访问开始，一步步带你探索它的核心功能，并通过几个实例让你亲眼看到它是怎么帮你干活的。：它会自动检查你和团队成员（需提前授权）的日历空闲时间，找到合适的时段，创建会议邀请，并附上会议链接，最后发送给所有人。成功登录后，你会看到一个简洁的聊天界面。想象一下，每天早上打开电脑，一封由AI整理好的邮件摘要已经躺在你的聊天窗口里。OpenClaw可不是只会聊天的“嘴”，它之所以能干实事，靠的是它的“双手”——也就是各种。配置好后，AI就会像一个勤劳的小管家，定时把你的文件分门别类整理得清清楚楚。

百锦再的博客 2153

Windows上跑通OpenClaw：WSL2+Ubuntu+Ollama本地模型部署指南

本地化部署AI助手是当前开发者关注的热点，其核心在于将模型推理与系统环境完全掌控在自己手中。WSL2作为Windows下的轻量级虚拟化方案，提供了接近原生的Linux运行环境，让跨平台开发与部署变得顺滑。Ollama作为本地模型管理工具，通过GPU/CPU协同推理，使大语言模型能在个人电脑上高效运行。然而，实际部署中常遇到WSL2虚拟化未启用、本地模型响应速度慢等挑战，影响生产级应用体验。本文以OpenClaw为例，系统讲解在Windows上通过WSL2+Ubuntu+Ollama搭建本地AI助理的完整链路

weixin_27889245的博客 302

OpenClaw与Ollama本地AI部署指南

AI模型本地化部署是当前企业数字化转型的关键技术，通过开源框架Ollama可以在消费级硬件上运行大语言模型。本文以OpenClaw多智能体系统为例，详解从环境配置到模型优化的全流程实践，特别针对国内开发者遇到的网络问题提供了镜像加速等解决方案。这种私有化部署方案尤其适合金融数据分析、企业知识管理等对数据安全要求高的场景，通过模块化设计实现多智能体协作，同时保持对NVIDIA显卡和普通CPU的兼容性。

weixin_34302561的博客 397

本地详细部署openclaw（借用ollama和wsl工具）

比如 vLLM，以及列表倒数第二项的 Custom Provider (自定义提供商)。选择了 Custom Provider 之后，它就会允许我们手动填入本地 Ollama 的地址了。接下来这个界面是在问你：你想用什么方式提供这串密钥？Paste API key now：直接在这里输入并保存在配置文件里（适合我们现在的本地测试和绝大多数情况）。Use external secret provider：使用外部的密码管理工具（适合企业级的高级加密部署）。你的操作步骤：

partJava的博客 3050

小龙虾牵手Ollama！本地模型+云端服务双模式，Windows/Ubuntu保姆级配置指南（附避坑代码）

本地模型模式可实现数据私有化部署，保障信息安全，适合对数据隐私有要求的开发场景；云端模型模式无需占用本地硬件资源，可快速体验不同大模型能力，适合快速迭代与原型开发。无论使用Windows还是Ubuntu系统，本文的分步操作和可复制代码均能帮你快速完成大模型接入。后续可根据开发需求，灵活切换本地/云端模型，或搭配不同业务场景开发专属智能体，大幅提升开发效率。

2501_93651177的博客 606

openclaw + ollama本地模型（不消耗token） + 飞书部署教程

本文详细介绍了在Windows和Mac系统上本地部署Ollama大语言模型的完整流程。主要内容包括：1）Ollama的下载安装与验证；2）常用模型推荐及运行方法；3）API调用与网络配置；4）通过WSL2安装OpenClaw实现飞书机器人对接；5）日常使用与维护指南。文章提供了针对不同电脑配置的模型选择建议，详细说明了安装过程中可能遇到的问题及解决方案，并给出了推荐的技能扩展方案。该教程帮助用户快速搭建本地AI助手，实现私有化部署的大模型应用。

qq_53742640的博客 1844

FPGA学习之路—应用程序—原码二位乘法器及Verilog代码分析

FPGA学习之路——原码二位乘法器及Verilog代码分析 原理 原码乘法可以分为原码一位乘和原码二位乘，两者在实现规则上大同小异。原码一位乘每次判断乘数的最低位，对被乘数和部分积进行相应操作。而原码二位乘则是对乘数的低二位进行判断，并执行相关操作。 两位乘数的取值可以有四种可能组合,每种组合对应于以下操作: 00相当于0x，部分积Dresult右移2位，不进行其他运算； 01相当于1x，部分积D...

谦豫 3716

从FER2013到AffectNet：表情识别数据集十年演进史与你的项目选型攻略

本文回顾了从FER2013到AffectNet等主流人脸表情识别数据集的十年演进历程，详细分析了各数据集的特点、适用场景及技术突破。针对不同项目需求，提供了从移动端应用到高精度研究的选型策略，特别强调AffectNet在现代FER项目中的核心价值，并给出混合数据集构建的实战方案。

weixin_26808439的博客 522

OpenCLAW本地化部署指南：Windows可视化大模型编排实战

大模型工作流编排是当前AI工程化落地的核心环节，其本质是将模型调用、数据处理、条件逻辑等能力以低代码方式串联。OpenCLAW作为面向开发者的可视化Pipeline引擎，填补了LangChain代码复杂性与Ollama纯模型运行之间的关键空白。它基于容器化架构实现本地化执行，兼顾数据主权与低延迟响应，特别适合工业预测性维护、企业RAG系统、高校轻量实验等场景。本教程聚焦Windows平台真实部署痛点，覆盖Docker+WSL2协同、GPU直通加速、Chroma持久化容灾、跨容器网络通信等关键技术环节，提供可

weixin_34319111的博客 289

自动化革命：AI在需求分析、代码生成与测试中的深度应用

在2025年的科技浪潮中，人工智能（AI）已不再是实验室中的概念，而是深度渗透至软件开发的全生命周期。从需求分析的精准捕捉，到代码生成的自动化创作，再到测试环节的智能覆盖，AI正以革命性姿态重塑软件工程的核心环节。本文将结合2025年最新数据与行业实践，解析AI如何在这三大领域实现深度应用。

1510

本地大模型部署实战：Ollama与LM Studio接入OpenClaw指南

随着大模型技术的普及，越来越多开发者希望将AI能力本地化部署，以满足隐私保护和离线运行的需求。本地大模型的运行通常依赖llama.cpp等推理引擎，而Ollama和LM Studio是其中最常用的两款工具。Ollama以命令行和服务化为核心，一条命令即可拉起推理接口；LM Studio则提供完整的图形界面，操作直观，适合快速体验。两者均支持OpenAI兼容API，可无缝对接OpenClaw等个人AI助手框架。通过配置baseUrl、模型名和apiKey，本地模型便能化身为能调用工具、执行任务的智能体。本文从

weixin_34293911的博客 393

使用Qt编译Qt WebEngine

这就是使用Qt编译Qt WebEngine模块的基本步骤。通过按照上述步骤，您应该能够成功编译和使用Qt WebEngine来嵌入Web内容到您的Qt应用程序中。Qt WebEngine是Qt框架的一个模块，它提供了一个现代的Web浏览器引擎，可以在Qt应用程序中嵌入Web内容。首先，需要获取Qt的源代码。如果尚未安装，可以从Qt官方网站下载并安装Qt。完成Qt的安装后，您可以构建并运行Qt WebEngine示例来验证编译是否成功。这将把编译好的Qt库文件和头文件安装到之前指定的安装目录中。

DevForge的博客 3017

【OpenClaw从入门到精通】第73篇：30天OpenClaw实战挑战——从零搭建个人数字助理（Day15-21）万字超详细高阶实战版

经过前两周的基础部署与功能搭建，你已拥有可自动化干活的AI助理与数字员工团队，但距离“高阶精通”仍有差距。本文聚焦第三周（Day15-21）核心实战，围绕安全审计、语音能力接入、Token成本控制、Agent Loop优化、One-Liner指令五大核心模块，结合真实落地案例与踩坑经验，提供超详细实操指南。通过本文，你将掌握生产级安全加固方案、语音交互全流程配置、低成本高性价比使用策略、Agent自主闭环优化技巧，以及一句话搞定复杂任务的高效指令用法，同时完成中期复盘与最后九天冲刺规划

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！ 362

OpenClaw与Ollama本地AI模型部署指南

大型语言模型(LLM)本地化部署是当前AI工程实践的重要方向，通过模型量化等技术可以在消费级硬件上运行。OpenClaw框架与Ollama模型管理工具的结合，为开发者提供了完整的本地AI开发生态。这种方案特别适合需要数据隐私保护或离线运行的场景，如金融、医疗等行业。技术实现上涉及WSL环境配置、模型量化、显存优化等关键环节，以GLM-4.7-flash为代表的轻量级模型在8GB显存设备上即可流畅运行。方案还支持多模型切换、自定义技能开发等高级功能，为AI应用落地提供了灵活的技术支撑。

weixin_30709061的博客 387

使用Simulink对固定翼无人机的自动起飞与降落进行仿真

本文介绍了基于Simulink的固定翼无人机自动起飞与降落控制系统设计方法。系统包含飞行器动力学模型、控制系统、环境模拟等模块，通过简化动力学方程描述无人机运动特性。详细说明了从创建模型、设置动力学方程、设计PID控制器（包括自动起飞和降落控制策略）到添加环境模拟的完整仿真流程。重点阐述了升降舵和发动机推力的控制律设计，以及性能评估要点。本方法可有效验证控制系统设计，优化飞行稳定性和安全性参数，为无人机自主控制提供仿真支持。

amy_mhd的博客 223

windows+wsl+OpenClaw 安装指南（五）：大模型配置实战

详解 OpenClaw 两种大模型方案配置。方案一：Ollama 本地部署，涵盖 Windows 安装、0.0.0.0 监听配置、Modelfile 自定义模型参数（num_ctx/num_gpu 调优），提供 RTX 4060 8GB 实测配置和性能数据（50 tokens/s）。方案二：腾讯混元 API，介绍 API Key 获取、OpenAI 兼容接口配置、模型选择（hunyuan-turbos/2.0-instruct）。包含双模型切换实战（本地+云端混合使用）、配置脚本附件和常见问题排查（Olla

littleM的专栏 612

Ubuntu系统下MRIcroN、FSL6.0.5、Freesurfer7.1.1、ANTs、MRtrix3、AFNI的安装详解——核磁共振数据处理必备

Ubuntu系统下MRIcroN、FSL6.05、Freesurfer7.1.1、MRtrix3、AFNI、ANTs的安装详解一、安装MRIcroN二、 FSL6.0.5完整安装与FSLeyes等Not Found修复Anaconda与虚拟环境（所有操作均在root下）获取最新版Anaconda3安装Anaconda3配置所有用户可用去掉恼人的base创建虚拟环境FSL与FSLeyes安装（所有操作均在root下)下载FSL安装FSL添加环境变量到/etc/bash.bashrc末尾 (ubuntu)或者

从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。 6085

【异常】OpenAI提示内容有误 Invalid prompt: your prompt was flagged as potentially violating our usage policy.

用户需优先调整提示内容，确保符合OpenAI的使用政策。若问题持续，建议结合请求ID和具体代码示例联系官方支持。同时，可参考腾讯云、Microsoft Q&A等平台提供的错误处理实践（如重试机制、日志记录）优化代码健壮性。

奶爸的编程之路，也就一周冷个三天 2078
上一篇： 学习MySQL 第六章 DQL语言查询单表数据
下一篇： 学习MySQL 第七章 多表查询
点赞 8
评论 0
书签 书签 7
sumMoom
sumMoom
博客等级 码龄4年 14粉丝 14原创
+ 关注
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
 
表情包 插入表情
表情包 代码片
 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