最近我在自己的Windows主力机上折腾OpenClaw，前后断断续续弄了小半天，中间还翻了一次不小的车。这工具最近讨论度确实高，但多数教程要么停在“接云端API跑个Demo”，要么只讲Linux/macOS怎么操作，真正把Windows下从零装好、接上本地模型、还能挂Skills去干活的完整流程写清楚的，我翻遍社区也没找到几篇。这篇就用我自己的真实装机过程，把OpenClaw在Windows下的安装讲透——环境准备、Ollama本地模型接入、首次启动必踩的“non-elevated terminal”报错排查、Skill配置和模型切换技巧都会覆盖到。无论你是想给电脑配一个能自动处理杂事的AI助手，还是想把OpenClaw当成一个智能体框架来研究，这篇文章都适合你照着一步步操作。
1. 先说结论：OpenClaw在Windows上到底解决什么问题
1.1 它不是一个“聊天机器人壳子”
我最早听说OpenClaw的时候，第一反应是“这不又是一个套了API的聊天前端吗”。后来实际跑起来才发现不是。OpenClaw是一个开源的个人AI智能体运行框架，它把大模型的“理解和生成能力”接到你本机的“执行能力”上——文件夹里的文档、定时任务、命令行工具、甚至电商后台的操作，都可以通过它的Skill机制被调度起来。
打个比方：大模型是大脑，OpenClaw是身体。大脑负责想事情，身体负责做事。你给身体挂载不同的“装备”（也就是Skills），它就能处理不同领域的工作——有人拿它做电商客服自动回复，有人拿它做本地知识库检索，还有人拿它配合ROS2做机器人调试。这就是为什么社区里会同时出现“openclaw电商”“openclaw skill”“rosclaw openclaw ros2 humble gazebo”这些关键词，因为它们本质是同一套框架在不同场景下的扩展。
1.2 为什么我坚持在Windows上部署
很多AI工具链默认先支持Linux，Windows版本往往像后妈养的。但OpenClaw在Windows下的支持比我想象中完整，而且对多数人来说，Windows就是日常主力系统——为了一个工具去装双系统或者WSL，学习成本反而更高。再加上现在Windows 11对终端体验的改进，PowerShell里跑Python、Git这一套已经很顺手了。
这篇教程面向的读者，我大致分两类：
- 开发者/极客：想研究智能体框架是怎么组织模型调用、工具调用和任务调度的。
- 普通但愿意折腾的用户：想让电脑多一个“AI管家”，能在本地免费跑模型、不上传隐私数据，并且愿意花半小时跟着教程一步步操作。
如果你属于其中任意一类，接下里的内容都不会让你失望。
2. 环境清单：OpenClaw依赖什么，为什么绕不开Ollama
2.1 依赖项逐个看
在动手下载任何东西之前，我建议先把依赖项理清楚。我在Windows上装的时候，反复确认过这么几样东西：
| 依赖项 | 版本要求 | 用途 | 我的建议 |
|---|---|---|---|
| Windows系统 | Windows 10 1809以上 / Windows 11 | 运行环境 | 尽量用较新版本，老版本会有终端兼容问题 |
| Python | 3.10以上，3.11/3.12更稳 | 运行OpenClaw本体 | 建议装官方版，不是Microsoft Store版 |
| Git | 2.30以上 | 拉取源码和后续更新 | 捎带手装一下，后面更新要用 |
| Ollama | 最新版即可 | 本地模型推理后端 | 强烈建议装，这是免费跑本地模型的关键 |
| Node.js | 可选，18以上 | 部分前端/网页类Skill依赖 | 暂不装也行，等用到再装 |
提示：如果只接云端API（比如OpenAI、Anthropic），Node和Ollama都不是必须的。但如果你像我一样想用本地模型，Ollama就是整个链路里最关键的那个角色。
2.2 为什么很多教程都在提Ollama
OpenClaw本身不提供算力，它是一个“调度壳”。你要么给它云端API的密钥，要么给它一个本地的模型服务地址。Ollama就是Windows下最省事的本地模型服务：一个exe装完，拉模型一条命令，默认端口11434，OpenClaw直接通过HTTP接口调用，完全不需要你手动写模型推理代码。
我之前也纠结过：“只用接入API的方式才能用算力吗？”答案是否定的。Ollama接入之后，模型推理完全发生在本地，断网都能用，数据也不会出机器——对隐私敏感的场景来说，这一条就足够让我选它。当然代价是你的显卡或内存要扛得住，后面我会详细说资源占用。
2.3 为什么我坚持用Python虚拟环境
Windows下最让人头疼的Python问题就是依赖污染。我之前为了别的项目装了各种包，全局环境早就乱了。OpenClaw这种框架级的项目依赖很重，直接全局pip install很容易把系统Python搞坏，或者反过来被别的项目版本冲突拖死。
所以我在项目目录里单独建虚拟环境——相当于给OpenClaw划了一间“隔离病房”，里面装什么版本都不会影响外面的环境。后面装的时候我会把命令一条条列出来，保证新手也能照做。
3. 从零到本地模型：Windows装机实操全流程
3.1 安装Python和Git
这一步如果电脑里已经装过，可以跳过。没装的话，我建议直接用官方安装包：
- Python：打开python.org，下载Windows installer，安装时一定要勾选
Add Python to PATH，这步忘了后面会很痛苦。 - Git：git-scm.com下载，一路默认安装即可。
装完在PowerShell里验证一下：
python --version git --version看到版本号正常输出，环境这步就算过了。如果提示找不到命令，多半是PATH没配对，重启终端或者手动把Python安装目录加进PATH就行。
3.2 安装Ollama并拉取本地模型
Ollama的安装非常简单，官网下载Windows版exe，打开“下一步”到底就完事。装好后它会作为后台服务运行，默认监听在http://localhost:11434。
接着按你的内存情况选一个模型。我机器是16GB内存，日常用的是qwen2.5:7b，7B参数量占内存大概4~6GB，还有余量给系统和其他程序。命令如下：
ollama pull qwen2.5:7b等进度条走完，跑一句：
ollama list能看到模型列表，说明本地推理服务已经待命。这时候可以在浏览器开http://localhost:11434，虽然默认路径会显示404，但“能访问到”本身就说明服务是活的。
3.3 获取OpenClaw源码并建立虚拟环境
接下来把OpenClaw克隆到本地。我在D:\dev下面建了个专门的目录：
cd D:\dev git clone https://你的源码地址/openclaw.git cd openclaw python -m venv .venv创建完虚拟环境后激活它：
.venv\Scripts\Activate.ps1如果PowerShell提示“禁止运行脚本”，先执行下面这条放开当前用户的脚本策略：
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser然后继续安装依赖：
pip install -r requirements.txt提示：OpenClaw的依赖数量不算少，实测安装过程中最容易出的问题就是网络卡在某个包上。Windows下如果觉得PyPI官方源慢，可以临时换用国内镜像，例如
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。
3.4 首次配置文件怎么写
安装完依赖后，OpenClaw会需要一个配置文件来告诉它“该把请求送到哪里去”。我在项目目录下建了一个openclaw.yaml：
# openclaw.yaml model: backend: ollama base_url: http://localhost:11434 model: qwen2.5:7b temperature: 0.7 server: host: 127.0.0.1 port: 3456 skills_dir: ./skills这里面几个字段解释一下：
backend: ollama：告诉OpenClaw走本地模型接口。base_url：Ollama服务地址，默认端口11434照抄即可。model：要用的模型名，必须和你ollama list里看到的一致。skills_dir：Skill组件的存放路径，先建一个空的skills文件夹占位。
如果你有云端API的密钥，把backend改成openai或anthropic，再把base_url和model换成对应的值就行。这个切换逻辑我后面专门用一节讲。
3.5 启动OpenClaw
配置写好后，第一次启动的完整命令：
openclaw serve --config openclaw.yaml或者用Python模块方式启动（有些版本没有独立的CLI入口）：
python -m openclaw serve --config openclaw.yaml看到类似“listening on 127.0.0.1:3456”的输出，恭喜你，整个安装链路已经通了。
4. 启动即翻车？排查“non-elevated terminal”报错的全链路
4.1 翻车现场
我第一次启动OpenClaw，是在一个“以管理员身份运行”的PowerShell窗口里敲的命令。结果没看到熟悉的“listening”日志，反而直接弹出一段报错：
error: start the windows daemon from a non-elevated terminal; shared clients ...当时我第一反应是配置写错了，回头检查了好几遍YAML，发现格式没问题。后来才反应过来：报错关键词是“daemon”，说明OpenClaw在Windows上会拉起一个后台守护进程，而这个守护进程对启动时的权限状态非常敏感。
4.2 排查链路一步步走
遇到这类问题，我的习惯是先不猜，逐步验证。下面是完整排查链路：
确认终端是否处于提权状态。在PowerShell里执行：
whoami /groups | Select-String "S-1-5-32-544"如果输出里有
S-1-5-32-544这一行，说明当前进程具有管理员权限，问题基本就锁定了。确认是否有残留的daemon进程。打开任务管理器，搜索
openclaw关键字。如果存在正在运行的守护进程，说明之前某次启动已经拉起过一次。查看日志。OpenClaw在Windows下的日志默认写在用户目录下的
.openclaw文件夹里，比如C:\Users\你的用户名\.openclaw\logs\。我翻日志确认，核心报错就是“必须从非提权终端启动daemon”。分析根因。Windows对提升权限（elevated）进程和普通权限进程之间的IPC/命名管道有隔离机制。OpenClaw的daemon如果以管理员身份启动，普通权限启动的客户端就无法通过共享内存或命名管道跟它通信。简单说：管理员终端跑起来的守护进程，普通权限的客户端连不上。这不是OpenClaw的bug，是Windows本身的会话隔离特性。
4.3 修复方案与验证
确定根因后，修复很简单：
- 关闭所有管理员权限的PowerShell/CMD窗口。
- 按
Win+R，输入powershell，回车——这样打开的是普通权限终端。 - 在普通终端里重新激活虚拟环境，再执行启动命令：
.venv\Scripts\Activate.ps1 openclaw serve --config openclaw.yaml这次启动就正常了。等日志出现“listening”，再从另一个普通终端跑客户端连一下，能看到shared clients的数字正常增长，说明daemon和客户端的通信已经打通。
注意：如果你确实需要用管理员权限做某些操作（比如修改系统文件），建议单独开一个管理员窗口做那些事，而是让OpenClaw一直跑在普通权限窗口里。Windows下“提权启动一切”的习惯，在各类桌面守护程序上都会给你埋坑。
5. Skills与模型切换：把OpenClaw调成你想要的样子
5.1 Skill到底是个什么东西
OpenClaw装上、能跑通，其实只算完成了三分之一。真正让它“有用”的，是Skill机制。
我在第一节里说过，Skill可以理解为“装备”或“能力包”。OpenClaw本体只负责调度模型、管理会话、控制推理流程，具体怎么执行一个任务，全靠挂在skills_dir下的Skill模块。每个Skill通常包含三部分：
skills/ └── my-skill/ ├── manifest.yaml # 声明Skill的名称、触发词、所需依赖 ├── main.py # 实际执行逻辑 └── requirements.txt # 可选，该Skill单独依赖哪些Python包manifest.yaml里声明这个Skill是干什么的、什么情况下触发。main.py里写真正的处理代码，可以调自己的API、可以读写本地文件、也可以组合多个外部工具。
5.2 一个实际例子：让OpenClaw帮你汇总Excel
我目前用得最多的一个Skill是“读取某文件夹下所有Excel里的销售数据，生成一张汇总表”。大概结构长这样：
# skills/excel-summary/manifest.yaml name: excel_summary description: 汇总指定目录下的所有Excel表格到一张汇总表 triggers: - "汇总excel" - "excel summary"主逻辑main.py里做的事情也不复杂：遍历目录、用pandas读每个表格、把结果合并、输出到新文件。这些代码放到Skill里之后，你只需要对OpenClaw说一句“帮我汇总excel”，它就会调用这个Skill完成整个流程。这就是为什么社区里“openclaw skill”会被单独拿来搜索——Skill才是OpenClaw和普通聊天工具拉开差距的地方。
5.3 本地模型和云端API怎么切换
回到那个被问了很多次的问题：“OpenClaw只能用接入API的方式使用算力吗？”答案是：不是，Ollama本地模型完全可以用，切换也只是改配置文件的事。
我实际对比过两种方式的体验：
| 对比项 | 云端API | 本地Ollama |
|---|---|---|
| 响应速度 | 受网络影响，通常100~500ms | 完全本地，取决于显卡/内存 |
| 模型能力上限 | 高，可用超大参数模型 | 受硬件限制，一般7B~14B比较流畅 |
| 隐私性 | 数据会发给第三方 | 数据不出机器 |
| 使用成本 | 按量付费或订阅 | 免费，耗电而已 |
| 网络要求 | 必须联网 | 可以离线 |
切换方式很简单，改openclaw.yaml里model段就行：
# 用本地模型 model: backend: ollama base_url: http://localhost:11434 model: qwen2.5:7b # 切到云端API # model: # backend: openai # base_url: https://api.openai.com/v1 # model: gpt-4o-mini改完配置重启daemon（先Ctrl+C停掉，再重新启动），新配置就生效了。我个人的建议是日常杂事、文本整理这类任务用本地模型，重要复杂的推理任务临时切到云端API，两者互补效果最好。
6. 跑顺之后的日常维护与多端部署延伸
6.1 Windows开机自启
OpenClaw跑顺之后，最烦的就是每次开机都要手动开终端、激活环境、敲启动命令。我让它开机自启的办法很简单：在启动文件夹里放一个start_openclaw.bat：
@echo off cd /d D:\dev\openclaw call .venv\Scripts\activate.bat openclaw serve --config openclaw.yaml按Win+R输入shell:startup回车，把bat文件放进去就完事。重启之后OpenClaw会自己起来，日志写进文件，平时根本不用管它。
6.2 升级与日志清理
OpenClaw社区迭代挺快，我大概一两周会更新一次：
git pull pip install -r requirements.txt更新完重启daemon就能用上最新功能。日志方面，跑久了之后.openclaw\logs会积累不少文件，我加了一个计划任务每周清理一次7天前的日志，防止日志把C盘塞满。
6.3 资源占用实测
这是我装之前最关心的：16GB内存的机器，跑起来会不会卡？实测结果是：
- OpenClaw本体：占用内存不超过300MB，CPU基本可以忽略。
- Ollama加载qwen2.5:7b：常驻内存约5GB。
- 整套系统在16GB内存下，日常办公、写代码都不受影响。
如果内存只有8GB，建议换qwen2.5:3b这种更小的模型，速度更快，内存占用能压到2GB左右。
6.4 多端联动：不只是Windows
最后说个加分项。OpenClaw的配置是跨平台的，我后来在Android上用Termux也部署了一份，同一个openclaw.yaml改了路径就能跑。Windows这边处理重活，手机那边做轻量查询，两边共享同一套Skill逻辑。这也是社区里“openclaw安卓部署”“termux安装openclaw手机版”这些搜索热度高的原因——框架本身足够轻，部署形态非常灵活。
我个人的经验是，先在Windows上把Skill调通，再往低功耗设备搬，效率最高。毕竟开发和调试还是大屏幕方便，部署到手机只是最后一步的分发问题。
最后说句实在的：OpenClaw这类工具，装上只是开始，真正值钱的是你愿意为它写多少Skill。每多一个Skill，它就从“一个能聊天的模型壳子”变成“一个能帮你干活的数字员工”。我的建议是你拿到手先跑通一个最简单的Skill，比如“把某个文件夹里所有文本文件合并成一个”，建立正反馈之后，再一点点扩展它的能力边界。
