别再用云端API了！3分钟本地部署OpenClaw，你的数据终于不用“裸奔“给大模型厂商

测试时间：2026年3月20日-3月24日
测试环境：Windows 11 23H2 / macOS Sonoma 14.3 / Ubuntu 22.04
OpenClaw版本：v2026.3.12（最新稳定版）
核心承诺：全程本地运行，无需联网，敏感数据不出本机

一、先说结论，再讲步骤

为什么我要本地部署？

之前用某品牌的AI助手，发现一个尴尬的事实：我让AI帮我整理工资单，结果数据被传到云端训练了。这不是猜测，是隐私政策里明写的。

OpenClaw的出现解决了这个问题：所有数据处理都在本地，LLM可以本地运行，插件可以本地执行，API可以本地调用。

3分钟能部署好吗？能，但前提是避开我踩过的5个坑。

需要付费吗？完全免费，开源项目，无订阅费用。

性能怎么样？本地运行比云端慢30%-50%，但隐私无价。

这篇文章记录了我从下载到配置的全过程，包含所有命令、配置文件和避坑指南。

二、部署前准备：这些坑我替你们踩过了

2.1 硬件要求（实测数据）

关键发现：

• 没有GPU也能跑，但推理速度慢3-5倍
• 内存低于8GB会频繁swap，体验极差
• macOS M系列芯片性能优秀，比同配置Intel快40%

2.2 软件依赖清单

# 必须安装Python3.10+(推荐3.11.8)Git2.40+ Node.js18+(可选，用于Web UI)# 可选安装（本地LLM）Ollama0.1.0+ LM Studio0.2.0+

Python版本坑：

❌ Python 3.12.x - 部分依赖不兼容 ❌ Python 3.9.x - 已停止支持 ✅ Python 3.11.8 - 最稳定版本

三、Windows部署完整流程（含所有命令）

3.1 步骤1：安装Python环境

# 1. 下载Python 3.11.8# 官网：https://www.python.org/downloads/release/python-3118/# 2. 安装时勾选"Add Python to PATH"# 重要：不要勾选"Install for all users"# 3. 验证安装python--version# 输出：Python 3.11.8pip--version# 输出：pip 24.0 from ...

踩坑记录：

我第一次安装时勾选了"Install for all users"，结果权限问题导致插件安装失败。重装后解决。

3.2 步骤2：克隆OpenClaw仓库

# 1. 创建项目目录mkdir C:\Projects\AI cd C:\Projects\AI# 2. 克隆仓库（使用国内镜像加速）git clone https://gitee.com/mirrors/openclaw.git# 或官方仓库git clone https://github.com/openclaw/openclaw.git# 3. 进入项目目录cd openclaw# 4. 切换到稳定版本git checkout v2026.3.12

网络问题解决方案：

# 如果GitHub访问慢，配置代理git config--global http.proxy http://127.0.0.1:7890 git config--global https.proxy http://127.0.0.1:7890# 或使用Gitee镜像git clone https://gitee.com/mirrors/openclaw.git

3.3 步骤3：创建虚拟环境

# 1. 创建虚拟环境python-m venv venv# 2. 激活虚拟环境.\venv\Scripts\Activate.ps1# 3. 验证激活# 命令行前面应该显示 (venv)(venv)PSC:\Projects\AI\openclaw>

为什么用虚拟环境？

避免污染系统Python环境，不同项目可以有不同的依赖版本。

3.4 步骤4：安装依赖

# 1. 升级pippython-m pip install--upgrade pip# 2. 安装核心依赖pip install-r requirements.txt# 3. 安装可选依赖（本地LLM支持）pip install-r requirements-llm.txt# 4. 验证安装python-c"import openclaw; print(openclaw.__version__)"# 输出：2026.3.12

依赖安装失败解决方案：

# 问题：某些包编译失败# 解决：安装Visual C++ Build Tools# 下载：https://visualstudio.microsoft.com/visual-cpp-build-tools/# 问题：网络超时# 解决：使用国内镜像pip install-r requirements.txt-i https://pypi.tuna.tsinghua.edu.cn/simple

3.5 步骤5：初始化配置

# 1. 复制配置模板copyconfig.example.yaml config.yaml# 2. 复制环境变量模板copy.env.example.env# 3. 编辑配置文件notepad config.yaml

关键配置项（config.yaml）：

# config.yamlcore:# 数据本地化（关键！）data_localization:truedata_directory:./data# API服务配置api:enabled:trueport:18789host:127.0.0.1# 只允许本地访问# 安全配置（必须开启！）authentication:enabled:truemethod:jwt# LLM配置llm:# 本地运行（不传数据到云端）provider:ollamamodel:qwen2.5:7bendpoint:http://127.0.0.1:11434# 或使用云端（数据会传出）# provider: openai# model: gpt-4# endpoint: https://api.openai.com/v1# 插件配置plugins:# 只启用必要插件enabled:-file-manager-browser-control-calendar-sync# 禁用第三方插件（安全）allow_third_party:false# 日志配置logging:level:INFOfile:./logs/openclaw.log

环境变量配置（.env）：

# .env文件（敏感信息，不要上传到Git）# JWT密钥（生成随机32位字符串）OPENCLAW_JWT_SECRET=your_random_32_char_secret_key_here# 本地LLM配置（如使用Ollama）OPENCLAW_LLM_ENDPOINT=http://127.0.0.1:11434# 云端API密钥（如使用，谨慎）# OPENCLAW_OPENAI_KEY=sk-xxx# OPENCLAW_ANTHROPIC_KEY=sk-ant-xxx# 数据目录OPENCLAW_DATA_DIR=./data# 日志级别OPENCLAW_LOG_LEVEL=INFO

3.6 步骤6：安装并配置Ollama（本地LLM）

# 1. 下载Ollama# 官网：https://ollama.ai/download# 2. 安装后验证ollama--version# 3. 下载模型（推荐qwen2.5:7b，中文支持好）ollama pull qwen2.5:7b# 4. 验证模型ollama run qwen2.5:7b"你好"# 5. 后台运行（可选）ollama serve

模型选择建议：

3.7 步骤7：启动OpenClaw

# 1. 确保虚拟环境已激活.\venv\Scripts\Activate.ps1# 2. 启动服务python-m openclawstart# 或后台运行python-m openclawstart--daemon# 3. 验证服务curl http://127.0.0.1:18789/api/health# 返回：# {"status": "healthy", "version": "2026.3.12"}

启动成功标志：

┌─────────────────────────────────────────────────────────────────┐ │ OpenClaw 启动成功 │ ├─────────────────────────────────────────────────────────────────┤ │ 版本：2026.3.12 │ │ API地址：http://127.0.0.1:18789 │ │ Web UI：http://127.0.0.1:18789/ui │ │ 数据目录：C:\Projects\AI\openclaw\data │ │ 日志文件：C:\Projects\AI\openclaw\logs\openclaw.log │ │ │ │ 按 Ctrl+C 停止服务 │ └─────────────────────────────────────────────────────────────────┘

四、macOS部署完整流程

4.1 步骤1：安装Homebrew和Python

# 1. 安装Homebrew（如未安装）/bin/bash-c"$(curl-fsSLhttps://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"# 2. 安装Python 3.11brewinstallpython@3.11# 3. 验证安装python3--version# 输出：Python 3.11.8# 4. 安装Git（如未安装）brewinstallgit

4.2 步骤2：克隆和配置

# 1. 创建项目目录mkdir-p~/Projects/AIcd~/Projects/AI# 2. 克隆仓库gitclone https://github.com/openclaw/openclaw.gitcdopenclaw# 3. 切换到稳定版本gitcheckout v2026.3.12# 4. 创建虚拟环境python3-mvenv venv# 5. 激活虚拟环境sourcevenv/bin/activate# 6. 安装依赖pipinstall--upgradepip pipinstall-rrequirements.txt pipinstall-rrequirements-llm.txt# 7. 复制配置文件cpconfig.example.yaml config.yamlcp.env.example .env# 8. 编辑配置nanoconfig.yaml

4.3 步骤3：安装Ollama（macOS）

# 1. 安装Ollamabrewinstallollama# 2. 下载模型ollama pull qwen2.5:7b# 3. 启动服务ollama serve# 4. 后台运行（可选）brew services start ollama

4.4 步骤4：启动OpenClaw

# 1. 激活虚拟环境sourcevenv/bin/activate# 2. 启动服务python-mopenclaw start# 3. 验证curlhttp://127.0.0.1:18789/api/health

macOS特殊配置：

# 允许本地网络访问（如需）sudodefaultswrite/Library/Preferences/com.apple.alf globalstate-int0# 添加启动脚本（开机自启）cat>~/Library/LaunchAgents/com.openclaw.service.plist<<EOF <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd"> <plist version="1.0"> <dict> <key>Label</key> <string>com.openclaw.service</string> <key>ProgramArguments</key> <array> <string>/Users/你的用户名/Projects/AI/openclaw/venv/bin/python</string> <string>-m</string> <string>openclaw</string> <string>start</string> </array> <key>WorkingDirectory</key> <string>/Users/你的用户名/Projects/AI/openclaw</string> <key>RunAtLoad</key> <true/> <key>StandardOutPath</key> <string>/Users/你的用户名/Projects/AI/openclaw/logs/stdout.log</string> <key>StandardErrorPath</key> <string>/Users/你的用户名/Projects/AI/openclaw/logs/stderr.log</string> </dict> </plist> EOF# 加载服务launchctl load ~/Library/LaunchAgents/com.openclaw.service.plist

五、避坑指南：这5个问题90%的人会遇到

5.1 坑1：依赖安装失败

错误信息：

error: Microsoft Visual C++ 14.0 or greater is required

解决方案（Windows）：

# 下载并安装 Visual C++ Build Tools# https://visualstudio.microsoft.com/visual-cpp-build-tools/# 安装时选择"Desktop development with C++"

解决方案（macOS）：

# 安装Xcode Command Line Toolsxcode-select--install

5.2 坑2：端口被占用

错误信息：

OSError: [WinError 10048] 通常每个套接字地址(协议/网络地址/端口)只允许使用一个

解决方案：

# 1. 查找占用端口的进程netstat-ano|findstr :18789# 2. 杀死进程taskkill/PID <进程ID>/F# 3. 或修改配置使用其他端口# config.yamlapi: port: 18790# 改为其他端口

5.3 坑3：Ollama模型下载慢

问题：模型下载速度只有几十KB/s

解决方案：

# 使用国内镜像exportOLLAMA_HOST=https://ollama.fan# 或配置代理exportHTTP_PROXY=http://127.0.0.1:7890exportHTTPS_PROXY=http://127.0.0.1:7890# 下载模型ollama pull qwen2.5:7b

5.4 坑4：权限问题导致插件无法读写文件

错误信息：

PermissionError: [Errno 13] Permission denied: 'C:/Users/Administrator/...'

解决方案（Windows）：

# 1. 以管理员身份运行PowerShell# 2. 或修改数据目录到用户目录# config.yamlcore: data_directory: C:/Users/你的用户名/Documents/OpenClaw

解决方案（macOS/Linux）：

# 修改目录权限chmod-R755~/Projects/AI/openclaw/data# 或使用用户目录# config.yamlcore: data_directory: /Users/你的用户名/Documents/OpenClaw

5.5 坑5：API认证配置后无法访问

问题：开启认证后，所有API请求返回401

解决方案：

# 1. 获取JWT Tokencurl-XPOST http://127.0.0.1:18789/api/auth/login\-H"Content-Type: application/json"\-d'{"username": "admin", "password": "你的密码"}'# 返回：# {"token": "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..."}# 2. 使用Token访问APIcurlhttp://127.0.0.1:18789/api/system/info\-H"Authorization: Bearer eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..."

六、安全加固：部署后必须做的5件事

6.1 修改默认密码

# config.yamlauthentication:default_password:false# 禁用默认密码users:admin:password_hash:$2b$12$...# 使用bcrypt加密roles:["admin"]

6.2 限制API访问IP

# config.yamlapi:allowed_ips:-127.0.0.1-192.168.1.0/24# 内网# 不要暴露在公网public_exposure:false

6.3 禁用不必要的插件

# config.yamlplugins:enabled:-file-manager-browser-control# 禁用高风险插件disabled:-command-executor-email-sync

6.4 启用日志审计

# config.yamllogging:level:INFOaudit:enabled:truelog_api_requests:truelog_file_access:truelog_command_execution:true

6.5 定期备份配置

# Windows备份脚本@echo off xcopy C:\Projects\AI\openclaw\config.yaml D:\Backup\OpenClaw\/Y xcopy C:\Projects\AI\openclaw\.env D:\Backup\OpenClaw\/Y

七、实际使用示例

7.1 文件管理

# 通过API管理文件importrequests token="your_jwt_token"headers={"Authorization":f"Bearer{token}"}# 读取文件response=requests.get("http://127.0.0.1:18789/api/file/read",headers=headers,params={"path":"./documents/report.pdf"})# 写入文件response=requests.post("http://127.0.0.1:18789/api/file/write",headers=headers,json={"path":"./documents/notes.txt","content":"Hello World"})

7.2 浏览器自动化

# 控制浏览器response=requests.post("http://127.0.0.1:18789/api/browser/navigate",headers=headers,json={"url":"https://www.example.com"})# 截图response=requests.post("http://127.0.0.1:18789/api/browser/screenshot",headers=headers)

7.3 自然语言任务

# 用自然语言下达任务response=requests.post("http://127.0.0.1:18789/api/task/execute",headers=headers,json={"instruction":"帮我整理~/Downloads目录下的PDF文件，按日期分类"})

八、性能对比：本地vs云端

九、写在最后

部署OpenClaw这三天，我最大的感受是：本地部署虽然麻烦一点，但心里踏实。

以前用云端AI，总担心数据被拿去训练。现在所有数据都在本地，LLM也是本地运行，终于不用"裸奔"了。

给新手的建议：

1. 先用推荐配置跑通，再慢慢优化
2. 安全配置一定要做，别嫌麻烦
3. 遇到问题先看日志，90%的问题日志里有答案
4. 加入社区，很多问题别人已经遇到过

资源链接：

• 官方文档：https://docs.openclaw.io
• GitHub仓库：https://github.com/openclaw/openclaw
• 中文社区：https://openclaw.cn
• 问题反馈：https://github.com/openclaw/openclaw/issues

如果这篇文章帮到你了，欢迎点赞收藏，也欢迎在评论区交流遇到的问题。