OpenClaw Token 自由！本地模型搭建完整教程，4 月最新版

想要 Token 自由吗？想要本地运行 AI 模型吗？本教程从零开始，手把手教你使用 OpenClaw 搭配 llama.cpp，快速搭建本地 AI 模型，实现 Token 自由！全程详细步骤，小白也能轻松上手！

🦞 什么是 OpenClaw？

OpenClaw（中文名：小龙虾）是一个功能强大的开源 AI 助手框架，由国内开发者社区维护。它最大的特点就是支持本地模型部署，让你不再受限于 API 调用限制和高昂的 Token 费用。

核心优势

• ✅ Token 自由：本地运行模型，无需担心 Token 限制
• ✅ 数据隐私：所有数据都在本地处理，完全掌控
• ✅ 多平台接入：支持微信、飞书、钉钉等多个平台
• ✅ 完全免费：开源免费，无任何隐藏费用
• ✅ 灵活扩展：支持自定义技能和工作流

适用场景

1. 个人开发者：学习 AI 技术，搭建个人助手
2. 小微企业：低成本部署客服系统
3. 教育机构：教学演示和实验环境
4. 研究机构：模型测试和对比实验

🛠️ 准备工作

在开始之前，我们需要做好充分的准备工作。这一步很重要，准备充分可以避免后续很多麻烦。

硬件要求

软件环境

• 操作系统：Windows 10/11、macOS 10.15+、Linux（Ubuntu 20.04+）
• Python 版本：3.8 或更高（推荐 3.10）
• Git：用于代码克隆和版本管理
• 包管理器：pip（Python 包管理）

获取项目

OpenClaw 提供了完整的整合包，通过夸克网盘下载：

• 网盘链接：https://pan.quark.cn/s/2adc14f141cd
• 提取码：AwhD
• 文件大小：约 2GB
• 包含内容：完整项目代码、依赖包、示例配置

下载说明： 1. 打开夸克网盘链接 2. 输入提取码 AwhD 3. 点击"保存到网盘"或直接下载 4. 下载完成后解压到本地目录

📥 步骤 1：获取项目文件

方式一：网盘下载（推荐新手）

网盘下载是最简单的方式，适合不熟悉 Git 的用户。

详细步骤：

1. 注册夸克账号 - 访问 https://pan.quark.cn/ - 使用手机号注册 - 新用户有免费空间

2. 下载项目 - 打开链接：https://pan.quark.cn/s/2adc14f141cd - 输入提取码：AwhD - 点击"转存"到自己的网盘 - 选择"下载"到本地

3. 解压文件 - 找到下载的压缩包 - 右键选择"解压到当前文件夹" - 等待解压完成

方式二：Git 克隆（推荐开发者）

如果你熟悉 Git，可以直接从 GitHub 克隆最新代码。

详细步骤：

# 1. 打开终端（Windows 使用 PowerShell 或 CMD）

# 2. 选择项目目录
cd /path/to/your/workspace

# 3. 克隆项目
git clone https://github.com/openclaw/openclaw.git

# 4. 进入项目目录
cd openclaw

# 5. 查看项目结构
ls -la

项目目录说明：

openclaw/
├── main.py              # 主程序入口文件
├── config/              # 配置文件目录
│   ├── settings.py      # 基础配置
│   └── models.py        # 模型配置
├── skills/              # 技能扩展目录
│   ├── weather.py       # 天气查询技能
│   └── calculator.py    # 计算器技能
├── docs/                # 文档目录
├── requirements.txt     # Python 依赖列表
└── README.md            # 项目说明文档

⚙️ 步骤 2：配置环境

创建虚拟环境

为什么要用虚拟环境？ - 避免污染系统 Python 环境 - 不同项目可以有不同的依赖版本 - 方便管理和迁移

Windows 系统：

# 1. 打开 PowerShell 或 CMD（建议以管理员身份运行）

# 2. 进入项目目录
cd C:\path\to\openclaw

# 3. 创建虚拟环境
python -m venv venv

# 4. 激活虚拟环境
venv\Scripts\activate

# 激活成功后，命令行前面会显示 (venv)

macOS/Linux 系统：

# 1. 打开终端

# 2. 进入项目目录
cd /path/to/openclaw

# 3. 创建虚拟环境
python3 -m venv venv

# 4. 激活虚拟环境
source venv/bin/activate

# 激活成功后，命令行前面会显示 (venv)

取消激活：

deactivate

安装依赖

完整安装步骤：

# 1. 确保虚拟环境已激活
# 命令行前面应该显示 (venv)

# 2. 升级 pip 到最新版本
pip install --upgrade pip

# 3. 安装项目依赖
pip install -r requirements.txt

# 4. 验证安装
pip list

依赖说明：

安装问题排查：

如果安装失败，尝试以下方法：

# 方法 1：使用国内镜像
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 方法 2：逐个安装
pip install requests flask python-dotenv

# 方法 3：检查 Python 版本
python --version  # 确保是 3.8+

🔑 步骤 3：配置 Token

获取 Token 的方法

方法一：Running Hub（推荐）

1. 访问官网 - 打开 https://www.runninghub.cn/

2. 注册账号 - 点击"注册" - 使用邮箱或手机号注册 - 完成邮箱验证

3. 获取 Token - 登录账号 - 进入"个人中心" - 找到"API Token" - 点击"生成 Token" - 复制保存（只显示一次）

4. 免费额度 - 注册赠送 1000 点 RH 币 - 每天登录额外赠送 100 点 - 足够个人学习和测试使用

方法二：其他服务商

• 阿里云通义千问：https://dashscope.console.aliyun.com/
• 智谱 AI：https://open.bigmodel.cn/
• 百度文心一言：https://cloud.baidu.com/

配置 Token

详细配置步骤：

1. 创建配置文件

在项目根目录创建 .env 文件：

```bash # Linux/Mac touch .env

# Windows（PowerShell） New-Item .env

# Windows（CMD） type nul > .env ```

2. 编辑配置文件

用文本编辑器打开 .env，添加以下内容：

```bash # OpenClaw 基础配置 OPENCLAW_PORT=8080 OPENCLAW_HOST=0.0.0.0

# Running Hub Token RUNNING_HUB_TOKEN=your_token_here

# 可选：其他模型服务商 # DASHSCOPE_API_KEY=sk-your-key # ZHIPU_API_KEY=your-key ```

3. 保存文件

• 保存并关闭文件
• 确保文件名为 .env（不是 .env.txt）

配置说明：

安全提示： - ⚠️ Token 相当于密码，不要泄露 - ⚠️ 不要将 .env 文件上传到 GitHub - ⚠️ 项目已自动将 .env 加入 .gitignore

🚀 步骤 4：启动服务

启动命令

基础启动：

# 1. 确保在项目根目录
cd openclaw

# 2. 确保虚拟环境已激活
# 命令行前面应显示 (venv)

# 3. 启动服务
python3 main.py

# 或
python main.py

查看启动日志：

启动后，你应该看到类似以下的日志：

[INFO] 正在加载配置...
[INFO] 配置文件：.env
[INFO] 正在初始化模型...
[INFO] 模型加载完成
[INFO] 启动 Web 服务器...
✅ OpenClaw started
🔗 Running on http://localhost:8080
📊 状态：就绪

成功标志： - ✅ 看到 "OpenClaw started" - ✅ 看到运行地址 "http://localhost:8080" - ✅ 状态显示"就绪"

启动失败排查：

# 问题 1：端口被占用
# 解决：修改 OPENCLAW_PORT 为其他端口

# 问题 2：找不到模块
# 解决：重新安装依赖 pip install -r requirements.txt

# 问题 3：Token 无效
# 解决：检查.env 文件中的 Token 是否正确

后台运行（可选）

如果需要长期运行，可以使用后台模式：

Linux/Mac：

# 使用 nohup
nohup python3 main.py > openclaw.log 2>&1 &

# 查看日志
tail -f openclaw.log

# 停止服务
pkill -f "python3 main.py"

Windows：

# 使用 Start-Process
Start-Process python -ArgumentList "main.py" -WindowStyle Hidden

# 或使用 nssm 创建 Windows 服务

🌐 步骤 5：访问界面

访问管理界面

访问步骤：

1. 打开浏览器 - 推荐使用 Chrome、Edge、Firefox

2. 输入地址 - 本地访问：http://localhost:8080 - 远程访问：http://你的服务器 IP:8080

3. 查看界面 - 应该看到 OpenClaw 管理界面 - 左侧是功能菜单 - 右侧是操作区域

界面功能介绍

主要功能模块：

1. 仪表盘（Dashboard） - 显示系统状态 - 查看资源使用情况 - 统计请求数量

2. 对话测试（Chat） - 在线测试 AI 对话 - 调整对话参数 - 查看对话历史

3. 配置管理（Settings） - 修改系统配置 - 管理 API Token - 配置模型参数

4. 日志查看（Logs） - 实时查看运行日志 - 下载日志文件 - 设置日志级别

5. 技能管理（Skills） - 启用/禁用技能 - 安装新技能 - 自定义技能

使用技巧： - 💡 首次使用建议先测试对话功能 - 💡 修改配置后需要重启服务 - 💡 定期查看日志排查问题

🤖 步骤 6：配置本地模型

llama.cpp 集成

什么是 llama.cpp？

llama.cpp 是一个用 C++ 实现的 llama 模型推理引擎，特点是： - 运行速度快 - 内存占用低 - 支持 CPU 推理 - 无需 GPU 也能运行

集成步骤：

1. 下载 llama.cpp

```bash # 克隆 llama.cpp 项目 git clone https://github.com/ggerganov/llama.cpp.git cd llama.cpp

# 编译（Linux/Mac） make

# Windows 用户下载预编译版本 ```

2. 下载模型文件

推荐模型： - Qwen-7B-Chat（7B 参数，适合 8GB 内存） - Qwen-14B-Chat（14B 参数，适合 16GB 内存） - Llama-2-7B-Chat（7B 参数，通用性强）

3. 配置 OpenClaw

编辑 config/models.py：

python MODEL_CONFIG = { 'type': 'llama.cpp', 'path': '/path/to/model.gguf', 'n_ctx': 2048, # 上下文长度 'n_threads': 4, # 线程数 }

模型推荐

模型对比：

选择建议： - 初学者：从 Qwen-7B 开始 - 中文场景：优先 Qwen 系列 - 英文场景：考虑 Llama-2 - 内存有限：选择 6B-7B 模型

✅ 步骤 7：测试对话

基础对话测试

测试步骤：

1. 打开对话界面 - 访问 http://localhost:8080/chat

2. 发送测试消息

``` 用户：你好 AI: 你好！有什么可以帮你的吗？

用户：今天天气怎么样 AI: 我可以帮你查询天气信息，请告诉我你所在的城市。

用户：讲个笑话 AI: 为什么程序员总是分不清节日？因为 Oct 31 == Dec 25！ ```

3. 检查回复质量 - 回复是否合理 - 响应速度是否正常 - 上下文理解是否准确

功能验证清单

必须验证的功能：

• ✅ 文本对话：发送消息，检查回复
• ✅ 响应速度：应在 3 秒内回复
• ✅ 上下文理解：多轮对话是否连贯
• ✅ Token 使用：查看 Token 消耗情况
• ✅ 错误处理：发送无效输入，检查错误提示

性能指标：

💡 常见问题

Q1: Token 不够用怎么办？

解决方案：

1. 使用本地模型 - 完全不需要 Token - 一次性投入，长期使用 - 数据完全本地化

2. 优化 Token 使用 - 减少上下文长度 - 使用更高效的提示词 - 避免重复请求

3. 选择免费额度多的服务商 - Running Hub：注册送 1000 点 - 每天登录送 100 点 - 多个服务商轮换使用

Q2: 本地模型运行太慢？

优化建议：

1. 使用量化模型 bash # 下载 4bit 或 8bit 量化版本 # 文件大小减少 50-75% # 推理速度提升 2-3 倍

2. 减少上下文长度 python # 在配置文件中 n_ctx = 1024 # 从 2048 减少到 1024

3. 调整线程数 python n_threads = 8 # 根据 CPU 核心数调整

4. 升级硬件 - 增加内存 - 使用更快的 CPU - 考虑 GPU 加速

Q3: 启动时报错怎么办？

常见错误及解决：

# 错误 1：ModuleNotFoundError
# 解决：pip install -r requirements.txt

# 错误 2：Port already in use
# 解决：修改 OPENCLAW_PORT 或停止占用端口的程序

# 错误 3：Invalid Token
# 解决：检查.env 文件中的 Token 是否正确

# 错误 4：Model not found
# 解决：检查模型路径配置

Q4: 如何接入微信平台？

接入步骤：

1. 注册微信公众号
2. 获取 AppID 和 AppSecret
3. 配置服务器地址
4. 在 OpenClaw 中启用微信技能
5. 测试消息收发

详细教程关注公众号后续文章！

🎉 总结

恭喜你完成了 OpenClaw 本地模型的完整搭建！

你现在可以：

• ✅ 自由使用 Token：不再担心额度限制
• ✅ 本地运行 AI 模型：完全掌控数据
• ✅ 多平台接入：微信、飞书、钉钉
• ✅ 自定义扩展：开发自己的技能
• ✅ 零成本使用：完全免费开源

核心要点回顾：

1. 环境准备：Python 3.8+、4GB 内存、10GB 磁盘
2. 获取项目：网盘下载或 Git 克隆
3. 配置环境：虚拟环境 + 安装依赖
4. 配置 Token：Running Hub 或其他服务商
5. 启动服务：python3 main.py
6. 访问界面：http://localhost:8080
7. 配置模型：llama.cpp 集成
8. 测试对话：验证功能正常

📢 关于作者

本文首发于 Geek 运维，专注于分享最新 AI 技术资讯、实用技术教程和运维开发最佳实践。

欢迎关注交流： - 🌐 博客：https://www.3800ai.com - 📱 微信公众号：Geek 运维 - 💬 技术交流群：关注公众号获取入群方式

📚 相关文章推荐

你可能还想看：

1. 飞牛NAS部署OpenClaw教程：XXOS大佬一键应用轻松对接QQ机器人
2. QQ小龙虾机器人接入OpenClaw保姆级教程
3. 告别Token焦虑！OpenClaw用户必看：OpenRouter+FreeRide免费使用方案
4. 哪个模型最适合 OpenClaw？四大真实场景横测对比
5. 🚀OpenClaw 多智能体终极解决方案：ClawTeam 自动组建 AI 智能体团队