前言
最近OpenClaw(龙虾)比较火爆， 它实现了AI从能说到能做的转变。
在这之前，普通的AI机器人比如豆包、元宝等，仅仅会思考和聊天，然而OpenClaw 智能体不仅能聊天，还能根据我们的需求自动在电脑上做事，相当于电脑小助理，一些在电脑上机械重复性的工作流程完全可以交给它来完成。
它主要分为三部分：
- OpenClaw: 相当于人类躯干，是大脑与手脚的宿主载体和连接体，负责信息传输和资源调度。
- 大模型：相当于人类大脑，负责理解我们对话的意图，并做出任务规划。
- Skill : 相当于人类得手脚，负责执行大脑下发的具体任务
这三部分共同组成了一个完整的 AI 智能体。
具体的执行工作流如下：
感知：你输入需求，大模型解析意图。
规划：大模型判断需调用哪些 Skill。
调度：OpenClaw 激活对应的 Skill 并传递参数。
执行：Skill 完成任务（如搜索、计算）并返回结果。
反馈：OpenClaw 将结果汇总给大模型生成最终回答。
OpenClaw和ComfyUI类比理解
| ComfyUI 概念 | OpenClaw 对应物 | 核心职责 |
|---|---|---|
| 节点 (Node) | Skill (技能) | 原子能力。如 KSampler（出图） vs WxAuto（收文件）。 |
| 工作流 (Workflow) | Agent (智能体) | 连线逻辑。节点/Skill 的排列组合与数据流转。 |
| ComfyUI 本体 | OpenClaw 框架 | 执行引擎。负责加载节点、解析连线、调度任务、管理状态。 |
大模型实际上就是一个中间翻译官， 将自然语言翻译成可执行的指令。
假设我要执行一个工作流， 比如抓取当天的新闻头条， 然后总结要点， 最后邮件发送给他人。 在没有大语言模型的支持的情况下， 若按照正常的手段， 我需要依次执行三条指令， 有了大模型， 我只需要一句话就能解决。这就是模型作为大脑存在的意义之一
Openclaw 如何部署到本地电脑
第一步 安装OpenClaw
Mac平台安装OpenClaw比较简单, 直接使用Homebrew工具安装即可, 如果你Mac上没有装Homebrew, 可以在命令窗口执行以下命令安装:
1 | /bin/zsh -c "$(curl -fsSL https://gitee.com/cunkai/HomebrewCN/raw/master/img/Homebrew.sh)" |
有了homebrew工具后，只需一行指令搞定OpenClaw下载安装：
1 | sudo curl -fsSL https://openclaw.ai/install.sh | bash |
如果安装过程遇到问题， 比如出现node安装失败的情况：
此时可以前往nodejs官网手动安装node：
安装完后再重新执行上面的指令， 或者使用npm安装：
1 | sudo npm i -g openclaw |
安装成功后启动openclaw， 执行以下指令进入启动引导：
1 | openclaw onboard |
不懂的步骤直接选择Skip now跳过：
)
不用担心错过设置，后面可以通过openclaw config指令进行再次进入引导页，或者编辑~/.openclaw/openclaw.json配置文件手动更改相关设置
第二步 下载LLM大语言模型到本地
这里我们需要借助Ollama这个工具， 它相当于模型供应商，我们可以从Ollama上下载到各个版本的大语言模型，首先需要前往Ollama官网下载客户端：
官网： 点击进入
不同版本模型能力与显存要求对照表：
| 显卡 | 推荐模型 (Ollama Pull) | OpenClaw 适配性 | 显存占用 (约) | 备注 |
|---|---|---|---|---|
| 4GB (GTX 1650) | phi4-mini |
⭐⭐⭐⭐ | 2.5 GB | 4GB 档位唯一推荐，微软官方支持工具调用 |
qwen2.5:1.5b |
⭐⭐ | 1.2 GB | 能力较弱，仅限简单指令 | |
| 8GB (RTX 3060/4060) | qwen2.5:7b |
⭐⭐⭐⭐⭐ | 5 GB | 主力首选，中文工具调用质量极高 |
llama3.1:8b |
⭐⭐⭐⭐ | 5.5 GB | 英文逻辑更强，工具支持稳定 | |
| 12-16GB (RTX 4060 Ti) | qwen2.5:14b |
⭐⭐⭐⭐⭐ | 9 GB | 体验质变，复杂任务执行更可靠 |
| 24GB+ (RTX 4090) | qwen2.5:32b |
⭐⭐⭐⭐⭐ | 20 GB | 接近 GPT-4 水平，多步规划能力强 |
| 48GB+ (双卡/专业卡) | llama3.3:70b |
⭐⭐⭐⭐ | 40 GB | 顶级推理，需极高硬件 |
注：使用客户端MacOS系统需要14以上， 否则无法启动
除了Ollama之外还可以使用LM Studio来集成模型， 同样也支持MAC、Windows、Linux系统， 不过针对Mac只支持M芯片：
以下是目前大模型 API 部署方案：
| 工具/平台 | 类型 | 核心功能 | 适用平台/门槛 | 对 OpenClaw 的配置说明 |
|---|---|---|---|---|
| Text Generation WebUI | 自托管 | 图形界面，模型管理，内置 OpenAI 格式 API 接口 | Windows/Linux (需 Python)macOS 10.13+最低 8GB RAM，推荐 16GB+ | 模型 ID: 任意，Base URL: http://localhost:5000/v1 |
| LM Studio | 自托管 | 桌面图形化，下载/加载模型，内置本地服务器 | macOS 11+Windows 10+最低 8GB RAM，推荐 16GB+ | Base URL: http://localhost:1234/v1密钥可留空或填 lm-studio |
| Ollama | 自托管 | 命令行工具，轻量，开箱即用，社区模型多 | macOS 14+Windows 10 22H2+Linux最低 8GB RAM，推荐 16GB+ | Base URL: http://localhost:11434/v1密钥可留空 |
| vLLM | 自托管 | 生产级高吞吐推理服务器，性能极致 | Linux 最佳Windows (WSL2)需高性能 GPU (A100/4090+) | Base URL: http://localhost:8000/v1支持 OpenAI API 格式 |
| SGLang | 自托管 | 针对 LLM 提示词执行优化，推理速度快 | LinuxmacOS (M 芯片)需命令行部署能力 | Base URL: http://localhost:30000/v1需自行开启 OpenAI 兼容接口 |
| node-llama-cpp | 自托管 | Node.js 库，可直接集成到应用中 | 支持 Node.js 的各平台 | 需自行编写服务端代码暴露 OpenAI 接口 |
| LiteLLM | 代理/桥接 | 将 100+ 个模型 API 统一转为 OpenAI 格式 | 支持 Python 的各平台 | Base URL: http://localhost:4000需用 Python 启动代理服务 |
| Groq / Together AI | 云端 | 极速 LPU 推理，低延迟，按量付费 | 全平台 (需网络) | Base URL: 官方地址密钥: 在平台申请 |
| DeepSeek / 通义等 | 云端 | 国产模型，有免费额度，网络稳定 | 全平台 (需网络) | Base URL: 官方地址密钥: 在平台申请 |
第三步 安装Skill技能
技能越多意味着能干的活越多， 以查询天气技能为例：
首先查询技能
1
openclaw skills search "weather"
然后安装技能
1
openclaw skills install "weather"
最后使用技能
可以直接和龙虾对话查询天气，当然技能的安装其实也可以交给龙虾来干
关于skills指令的使用， 可以通过openclaw skills --help 来查看：
目前可安装的技能高达几万个，我们可以在clawhub查询到：
openclaw微信集成
安装微信插件
1
sudo openclaw plugins install "@tencent-weixin/openclaw-weixin@latest"
插件安装完毕后执行
sudo openclaw gateway restart重启openclaw开启插件
1
sudo openclaw config set plugins.entries.openclaw-weixin.enabled
微信扫码登录
1
sudo openclaw channels login --channel openclaw-weixin
直接使用微信扫一扫该二维码即可建立连接，并生成ClawBot窗口：
如果出现微信掉线情况，无需重新安装插件，只要执行以下命令重登即可
1
openclaw channels login --channel openclaw-weixin
openclaw飞书集成
具体可参见文章《openclaw 如何连接飞书机器人》
OpenClaw 使用成本
OpenClaw 本身是开源免费的，唯一需要投入的成本就是算力，也就是电脑硬件和电费，尤其是本地模型的处理，对显卡和内存要求较高。
如果使用云端模型，通过 API 调用的方式，可以减轻电脑的压力，普通办公电脑即可流畅使用 OpenClaw ，但是需要向云端厂商支付 token 费用，这一块的成本相对较大。
OpenClaw 成本明细表如下：
| 投入类别 | 具体项目 | 成本说明 | 参考价格（人民币） |
|---|---|---|---|
| 核心变动成本 | 大模型 API | 按 Token 消耗计费，重度使用极易超支 | 轻度：¥50–200/月 重度：¥2000–10000+/月 |
| 基础设施 | 云服务器/VPS | 如需 24h 在线需租用 | ¥35–150/月 |
| 本地专用机 | Mac mini 或 NUC 等一次性投入 | ¥3000–6000 | |
| 隐性成本 | 部署服务 | 非技术用户找人代装/配置 | 远程：¥30–50/次 上门：¥500–1500/次 |
| 电力与运维 | 本地设备长期开机、故障排查 | 视设备功耗而定 |
电脑配置
想要本地流畅使用OpenClaw ，硬件配置一定要跟上，以下是台式组装电脑配置参考表：
| 配件 | 推荐型号 | 参考价 | 选型理由 |
|---|---|---|---|
| 显卡 (GPU) | RTX 5060 Ti 16G (七彩虹/华硕 双风扇) | ¥4000 | 核心：必须 16G 显存，跑 14B 模型才不爆显存 |
| CPU | Intel i5-14400F (散片) | ¥1200 | 10 核 16 线程，喂饱显卡无压力，性价比极高 |
| 主板 | B760M D4 （铭瑄/微星/技嘉等） | ¥700 | 供电够用，接口齐全，省钱首选 |
| 内存 | 32GB DDR4 3200 (16G×2) | ¥1600 | OpenClaw 多开浏览器 Agent 吃内存，32G 是底线 |
| 硬盘 | 1TB NVMe SSD (PCIe 4.0) （致态） | ¥1000 | 模型加载和日志写入需要高速固态 |
| 电源 | 650W 铜牌 （长城/酷冷） | ¥300 | 4060 Ti 功耗不高，但留余量更稳 |
| 机箱 | 百元级侧透中塔 | ¥100 | 散热达标即可 |
| 散热 | 利民 AX120 R SE | ¥80 | 压制 i5-14400F 绰绰有余 |
| 合计 | 约 8980 元 | 该配置流畅跑qwen2.5:14b模型 |
注：条件允许的情况下，显卡优先考虑全新盒装而不是拆机工包，七彩虹和华硕显卡，谁便宜选谁，同价位选华硕。
总结
大模型本身是不具备实时查询天气和新闻的能力， 豆包之所以可以查询， 其实是内部配备了相应的Skill，因此， 我们搭建OpenClaw的就相当于在组装一个属于自己的豆包，而且还是会帮我们干活的豆包
本文为作者原创 转载时请注明出处 谢谢
乱码三千 – 点滴积累 ,欢迎来到乱码三千技术博客站