本地 AI 的进阶玩法：用 Ollama + OpenClaw 打造会干活的数字员工

2025 年被称为"本地大模型元年"，我们习惯了用 Ollama 跑个 Llama 3 或 DeepSeek，然后和它聊聊天、问问代码。但到了 2026 年，单纯的"对话"已经不能满足极客们的胃口了。

我们想要的是 Agent（智能体）——不仅能说话，还能真正替我们干活。

OpenClaw Terminal Concept

今天我们就来聊聊目前本地 AI 圈最硬核的组合：Ollama（推理引擎）+ OpenClaw（自主执行框架）。在这个架构下，AI 不再只是聊天框里的文字生成器，而是能操作浏览器、读写文件、运行代码的"数字员工"。

第一步：搭建推理基座 (Ollama)

任何 Agent 都需要一颗聪明的"大脑"，在本地环境下，Ollama 依然是目前最稳健的选择。

如果你还没安装，直接去 ollama.ai 下载对应版本即可。安装完成后，通常我们会习惯性地打开终端，输入命令来下载模型。

给 Ollama 装个可视化面板：OllaMan

为了解决这个问题，也为了让后续的模型调度更从容，这一步我推荐配合 OllaMan 使用。

它能直接读取你本地的 Ollama 服务，提供了一个类似 App Store 的图形化界面。你可以在上面直观地浏览在线模型库，点击图片就能下载，还能实时看到清晰的下载速率和进度。

OllaMan 模型管理界面

更重要的是，在把模型交给 Agent 之前，你可以先在 OllaMan 的对话界面里简单测试一下模型的逻辑能力。毕竟，如果一个模型连基础对话都逻辑不清，也就没必要浪费时间配置进 Agent 里了。

把模型环境准备好后，地基就打牢了。接下来是重头戏。

第二步：部署执行中枢 (OpenClaw)

OpenClaw 是目前体验最好的本地 Agent 框架之一。它的核心能力在于执行——它拥有系统级的权限，可以执行 Shell 指令、读写文件、甚至操控浏览器。

前置要求

在安装 OpenClaw 之前，请确保你的系统已满足以下条件：

Node.js 22 或更高版本

你可以通过以下命令检查 Node 版本：

node --version

一键安装（推荐）

OpenClaw 官方提供了最便捷的一键安装脚本，它会自动处理 Node.js 检测、CLI 安装和配置向导：

macOS / Linux / WSL2

curl -fsSL https://openclaw.ai/install.sh | bash

Windows (PowerShell)

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

💡 安装脚本会自动检测并安装 Node.js 22+（如果缺失），完成后直接启动配置向导。

如果你只想安装 CLI 而不运行配置向导：

# macOS / Linux / WSL2
curl -fsSL https://openclaw.ai/install.sh | bash -s -- --no-onboard

其他安装方式

如果你已有 Node.js 22+ 环境，也可以手动安装：

npm 安装

npm install -g openclaw@latest
openclaw onboard --install-daemon

pnpm 安装

pnpm add -g openclaw@latest
pnpm approve-builds -g
openclaw onboard --install-daemon

macOS 应用

如果你是 macOS 用户，也可以下载 OpenClaw.app 桌面应用：

从 OpenClaw Releases 下载最新的 .dmg 文件
安装并启动应用
完成系统权限配置（TCC 提示）

配置 Ollama 集成

安装完成后，需要将 OpenClaw 与你的 Ollama 服务连接起来。

1. 启用 Ollama API Key

OpenClaw 需要设置一个 API Key 来识别 Ollama 服务（可以是任意值，Ollama 本身不需要真实密钥）：

# 设置环境变量
export OLLAMA_API_KEY="ollama-local"

# 或通过 OpenClaw 配置命令
openclaw config set models.providers.ollama.apiKey "ollama-local"

2. 验证 Ollama 服务

确保 Ollama 正在运行：

# 检查 Ollama 是否运行
curl http://localhost:11434/api/tags

# 如果没有运行，启动服务
ollama serve

3. 运行配置向导

OpenClaw 提供了交互式配置向导，自动检测你的 Ollama 模型：

openclaw onboard

向导会自动：

扫描本地 Ollama 服务（http://127.0.0.1:11434）
发现所有支持工具调用的模型
配置默认模型设置

4. 手动配置（可选）

如果你想手动指定模型，可以编辑配置文件 ~/.openclaw/openclaw.json：

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/llama3.3",
        "fallbacks": ["ollama/qwen2.5-coder:32b"]
      }
    }
  }
}

5. 验证配置

检查 OpenClaw 是否成功识别你的 Ollama 模型：

# 查看 OpenClaw 识别的所有模型
openclaw models list

# 查看已安装的 Ollama 模型
ollama list

启动 Gateway

配置完成后，启动 OpenClaw Gateway：

openclaw gateway

Gateway 默认运行在 ws://127.0.0.1:18789，它是 OpenClaw 的核心服务，负责协调模型调用和技能执行。

第三步：实战技巧与场景

环境搭建只是开始，OpenClaw 真正的威力在于它丰富的**技能（Skills）**生态。

场景一：自动化代码评审 (Code Review)

OpenClaw 可以直接读取你的本地项目文件。你可以给它下达这样的指令：

"遍历当前目录下 src/components 里的所有 .tsx 文件，检查是否有 useEffect 缺少依赖项的情况，并将风险点汇总写入 review_report.md。"

在这个过程中：

OpenClaw 调用文件系统技能遍历目录。
Ollama (Llama 3) 阅读代码并进行逻辑推理。
OpenClaw 将推理结果整理并写入新文件。

这比把代码一段段复制给 ChatGPT 要高效得多，且数据完全不离本地。

场景二：远程指挥官 (IM 集成)

OpenClaw 支持接入 Slack, Discord, Telegram 等聊天平台。这意味着你可以把家里的电脑变成一个随时待命的服务器。

玩法示例： 配置好 Telegram 机器人集成后，你出门在外，只需在手机上发一条消息： "Hey Claw, 帮我看一下家里 NAS 的磁盘剩余空间，如果低于 10% 就发个警报给我。"

OpenClaw 会在家里电脑上运行 Shell 命令 df -h，分析结果，然后把报告发回你的手机。

总结

通过 Ollama 提供智力，OllaMan 管理模型资产，OpenClaw 执行具体任务，我们就在本地构建了一套完整的 AI 生产力闭环。

这套组合最大的魅力在于：完全隐私、完全免费、完全掌控。

如果你厌倦了单纯的聊天，不妨试试把它装进你的电脑，看看在这个 AI 助手的帮助下，你的工作流能进化成什么样。