2026/9/8 5:15:47
FEATURED · 精选文章 
1. 为什么这门课把“大模型、小龙虾、OpenClaw”串在一起讲1.1 零基础学AI最容易被绕晕的三个概念我最早接触AI大模型的时候和大多数人一样先被一堆名词干懵了大模型、小模型、智能体、Agent、RAG、微调、Ollama、OpenClaw……每个词单独搜都能看懂连在一起就不知道从哪下手。小滴课堂这门“AI大模型小龙虾-OpenClaw-0基础从入门到实战”课最打动我的一点就是它没有一上来就甩Transformer架构图而是先把三件事讲明白了大模型是什么小龙虾Ollama是干嘛的OpenClaw又是干嘛的。打个比方。大模型就像一个刚毕业的高材生知识储备很足但你问他问题他只能干巴巴地回答没法帮你实际干活。小龙虾Ollama就是一个“启动器”让你能在自己电脑上把这个高材生请来不用花钱租别人的服务器。而OpenClaw则是给这个高材生配上手脚和工具箱的人——让他能看文件、写代码、执行命令、调用各种接口真正从“回答问题”变成“帮你做事情”。很多零基础同学卡住就是因为没人告诉你这三层的区别。你光有大模型只能聊天光有Ollama也只是本地聊得更爽但一旦把OpenClaw接进来事情的性质就变了——你在本地方便地跑起了一个能自己拆解任务、调用工具、干活的智能体。这门课从头到尾就在做这一件事把你从“会用AI聊天”一步步带到“会搭一个能干活的AI助手”。1.2 课程解决的核心问题从“会聊天”到“会干活”我见过太多人学了AI大模型之后最大的困惑是“我明明装了GPT、Kimi、豆包为什么感觉它除了写文案、总结文档还是帮不了我什么实际忙”答案很简单你只是在用大模型的“对话能力”没有用它的“行动能力”。所谓让大模型“会干活”本质上就是让它能调用外部工具。比如让它帮你整理一个文件夹里的所有图片它得能读取文件目录、执行脚本、移动文件让它帮你定时抓取网页信息它得有网络请求能力让它帮你做项目管理它得能读你写的Markdown笔记、生成待办清单。这些能力对话式AI给不了你但智能体框架可以。OpenClaw就是干这个的。它给大模型提供了一层“工具层”文件操作、命令执行、自定义技能Skills、工作区Workspace管理甚至能接入飞书、Obsidian这类真实工作软件。课程把这条链路完整打通了——不是光讲理论而是手把手带你从下载Ollama开始到部署OpenClaw再到接入真实场景整个过程就是“零基础从入门到实战”这八个字的最直接体现。我自己的感受是把这节课跟完之后你对“AI大模型”的认知会发生一个很重要的转变它不再是一个聊天框而是一套你可以自己组装和调度的系统。这篇文章我就把自己实操过程中的完整路线、踩过的坑、以及一些别人没细讲的经验整理出来给想走同一条路的同学做个参考。2. 小龙虾Ollama本地部署先把“大模型”跑起来2.1 为什么本地部署选Ollama下载安装的细节课程里管Ollama叫“小龙虾”一开始我还愣了一下后来查了热搜词才知道这是大家在社区里给它起的昵称。不管你叫它小龙虾还是Ollama它的定位非常简单一个让你能在本地一键运行各种开源大模型的工具。我强烈建议零基础的人从Ollama入门而不是直接去碰Python、HuggingFace、Transformers那一套。原因有三点第一Ollama把“下载模型”和“启动模型”这两件最麻烦的事封装好了。你不需要去研究模型文件格式、不需要配置CUDA环境虽然配了性能更好只要执行一条ollama run命令模型就会自动下载并在本地启动。第二它对硬件的要求非常宽容。别以为跑大模型必须要好几张显卡。Ollama支持CPU运行虽然速度慢一点但学习阶段完全够用。我自己最开始是在一台只有16GB内存、没有独立显卡的办公笔记本上跑的照样能起来。你选对模型就行后面我会讲怎么选。第三它的命令行接口极其简单后续接OpenClaw这类智能体框架时配置成本也最低。OpenClaw里指定一个本地模型默认就是连Ollama的11434端口几个参数一填就能跑。Windows下的安装流程没什么门槛直接去官网下载Windows安装包双击安装一路Next就完事。装完之后命令行里就能用ollama命令了。这里有一个很多教程没提的细节Ollama安装完默认是开机自启的后台会一直跑一个服务监听127.0.0.1:11434。这个服务就是你的本地模型APIOpenClaw之后连的就是这个地址。安装完第一件事我建议先跑一个最小的模型验证环境通不通。课程推荐的是先跑一个轻量模型练手不用一上来就下载那种几十上百GB的大模型。我用的是qwen2.5:3b千问的量化版因为中文效果好、体积小在CPU上也能跑得动。验证过程很简单打开PowerShell执行ollama run qwen2.5:3b第一次运行会自动下载模型下载完就会出现一个对话交互界面你输入“你好”模型有回复就说明整条链路通了。2.2 最常用的Ollama命令与模型选择课程里会用到几个Ollama命令看起来简单但每一个背后都有值得记住的点我一个个说。模型下载与运行ollama run 模型名这条命令同时干了两件事如果本地没有这个模型先自动下载下载完直接进入对话模式。课程里管这个叫“傻瓜式操作”确实名副其实。查看本地已有模型ollama list这个命令会把你下载过的所有模型列出来包含名称、大小、修改时间。我建议每隔一段时间看一眼因为很多人下载模型之后时间长了根本不记得自己装了什么硬盘被塞满了都不知道。查看模型正在运行的进程ollama ps这个命令看的是“当前内存里正在加载哪些模型”。因为模型是加载到内存里才能用的如果你想换另一个模型跑最好先停掉当前的不然内存不够容易卡死。停止某个模型可以用ollama stop 模型名查看模型详细信息ollama show 模型名这个命令会告诉你模型的参数大小、量化等级、上下文长度等信息。选模型的时候很有用。删除不用的模型ollama rm 模型名接着重点说说选模型这件事。零基础最容易踩的坑就是“越大越好”。实际上模型体积每大一个量级对内存的要求就翻好几倍。我按自己实测的经验给一个参考模型量级参数量最低内存建议适合场景3B以下如qwen2.5:1.5b15亿参数左右8GB环境验证、简单问答3B-7B如qwen2.5:3b/7b30亿-70亿参数16GB日常问答、中等任务13B-14B130亿-140亿参数32GB复杂推理、代码生成70B以上700亿参数64GB以上无显卡基本不建议我自己在实操中体会是零基础学习阶段7B模型是性价比最高的。中文对话流畅度、代码生成能力都够用在16GB内存的机器上CPU运行也能忍。如果是Mac电脑统一内存架构跑起来会流畅很多。2.3 Windows环境下的常见坑Windows下跑Ollama有几个细节不注意很容易折腾半天。第一个坑模型默认存储路径在C盘。Ollama默认把模型文件存在用户目录下C:\Users\你的用户名\.ollama\models。一个7B模型大约是4到6GB如果C盘空间紧张你下载两三个模型就满了。解决办法是设置环境变量OLLAMA_MODELS指向其他盘# 在系统环境变量里新建 OLLAMA_MODELSD:\ollama\models改完之后重启Ollama服务或重启电脑新下载的模型就会存到D盘。这个我建议装完Ollama第一件事就做别等C盘满了再折腾。第二个坑反复报端口被占或者其他莫名其妙的连接错误。Ollama在Windows下是以一个后台进程运行的你可以在系统托盘看到它的图标。如果改了环境变量或者配置文件有时候需要右键托盘图标退出再重新启动才能生效。我见过不少同学说“为什么我改了OLLAMA_MODELS没效果”基本都是没重启服务。第三个坑内存不够导致模型自动退出。如果你一边跑着浏览器几十个标签页一边跑7B模型内存很容易吃紧Ollama会直接把模型从内存里卸载表现为对话突然变得很慢或者直接报错。我当时的做法是跑模型的时候就关掉其他占内存的大软件学习体验会好很多。3. OpenClaw安装与核心机制智能体的“操作系统”3.1 OpenClaw到底是什么安装前必须理解的事学完Ollama之后你就有了一个能在本地跑大模型的“发动机”。但是你会发现它只能陪你聊天没法帮你干活。OpenClaw就是来解决这个问题的。课程里把OpenClaw比作“给大模型装上手脚的操作系统”我觉得非常贴切。OpenClaw本身不是一个模型它是一个智能体框架——一个跑在大模型之上、负责调度大模型去调用各种工具的程序。你可能会问这和Codex、Cursor这类AI编程工具有什么区别我在学完课程之后的直观理解是Codex这类工具是“专才”专注于写代码这件事OpenClaw则是“通才”它的核心不是一个具体的应用场景而是一套通用的“让AI能操作电脑”的能力。你可以用OpenClaw写代码也可以用OpenClaw做项目管理、整理文件、发消息、调接口。它的开放性和可扩展性是最大的优势。所以安装OpenClaw之前你脑子里首先要形成一个认知它不是又一个聊天软件而是一个“智能体运行时”。你给它一个任务它会自己拆解成步骤自己调用Ollama里的大模型来推理自己执行命令、读写文件最后把结果返回给你。整个过程需要你给它一定的权限所以你会碰到一个叫“exec-approvals”的概念这个后面细说。3.2 Windows和云服务器的安装步骤OpenClaw目前的主推安装方式是通过命令行一键安装。Windows下用PowerShellLinux/macOS下用curl脚本。以Windows为例课程里演示的安装命令大概长这样irm https://openclaw.ai/install.ps1 | iex装完之后执行openclaw --version能输出版本号就说明安装成功了。这里有几个容易出问题的点课程里没有展开讲但实操中几乎必踩第一PowerShell执行策略限制。有些Windows系统默认不允许执行脚本会报错“无法加载文件因为在此系统上禁止运行脚本”。你需要用管理员身份打开PowerShell先执行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser然后再执行安装命令。第二安装到自定义目录。很多同学包括我自己不喜欢默认装到C盘。OpenClaw是支持指定目录安装的我实操过的做法是先手动创建一个目录然后安装时把目录加入环境变量PATH或者安装后用符号链接的方式迁移。稳妥起见我更推荐直接先把OpenClaw装好确认能跑通了再研究迁移目录——因为新手对系统不熟时折腾PATH反而容易把环境搞乱。第三卸载。OpenClaw的卸载比安装简单它整体就是两个部分程序本体和配置目录。程序本体用命令行卸载配置目录在用户目录下的.openclaw文件夹就是报错信息里常见的C:\Users\你的用户名\.openclaw。想彻底清理干净删掉这个文件夹就行。但我要提醒一下.openclaw这个目录里存放了你的workspace和所有配置删除前一定要备份。我身边真有朋友手贱删了之后之前让AI做的事、写的笔记全没了。3.3 核心机制看懂workspace、skills、exec-approvals和runtime metadataOpenClaw装好之后如果你直接上手让它干活大概率会一头雾水。它不像聊天软件那样打开就能用。你得先理解几个核心概念不然遇到配置文件都不知道在说什么。Workspace工作区这是OpenClaw给AI智能体划分的“工位”。AI执行任务时所有文件读写、项目文件都默认放在workspace目录里。默认路径是C:\Users\你的用户名\.openclaw\workspace。你打开这个目录就能看到AI干的活。我的习惯是每次给OpenClaw一个任务都先明确告诉它“所有生成的文件放workspace”这样可以避免它把文件到处乱写。Skills技能这是OpenClaw最具扩展性的部分。简单说你可以给智能体写一些“技能包”告诉它遇到某类任务时应该怎么做。比如写一个“周报生成”技能以后它每周一就会自动按照你预设的格式生成周报。一个Skill本质上是一个包含指令和示例的文件夹。这块课程里花了不少篇幅讲我的体验是刚开始不用急着写自己的Skill先用默认的跑几个任务看它怎么做再模仿改出一个自己的技能包会顺很多。Exec-approvals执行审批这是OpenClaw的“安全护栏”。AI要执行Shell命令、修改文件等敏感操作时会先向用户请求审批。这是OpenClaw在“放手让AI干活”和“防止AI胡搞”之间做的平衡。第一次运行的时候OpenClaw可能会在.openclaw目录下自动生成一个exec-approvals.json文件用来记录用户批准过的命令规则。如果看到类似“legacy exec approvals exist at /root/.openclaw/exec-approvals.json”的提示意思是老版本遗留下来的审批记录还在新版建议你迁移或清理不会影响正常使用但会让你心里不踏实。我的建议是按照提示备份一下旧文件然后删除让系统重新生成这样配置最干净。Runtime metadata运行时元数据这个词看着高大上其实就是OpenClaw运行时的各种“状态记录”——当前配置了哪个模型、连了什么外部服务、跑了多久、调用了多少次API等等。排查问题的时候很有用。比如你想知道OpenClaw到底是不是真的在用Ollama的本地模型还是偷偷走了某个云端的API查看runtime metadata就能看到。搞懂这四个概念OpenClaw就不再是一个黑盒了。你再看到配置文件、日志里出现这些词就知道它在说什么。4. OpenClaw实战接入真实工作流4.1 实战一本地部署后跑通一次完整任务课程里最核心的实战部分是把Ollama和OpenClaw串起来让OpenClaw调用本地大模型完成一个具体任务。我就按自己操作的流程来写整个过程大概分三步。第一步确认Ollama服务在运行。OpenClaw要调用本地模型前提是Ollama的API服务活着。在浏览器里访问http://127.0.0.1:11434能看到返回信息通常是Ollama is running说明服务正常。第二步在OpenClaw配置文件里指定模型提供方。打开OpenClaw的配置文件找到模型配置部分把provider设置为ollama模型名称填之前下载的比如qwen2.5:7b。配置好之后重启OpenClaw。第三步发一个真实任务。比如我让OpenClaw做这件事“请扫描workspace下的所有Markdown文件把每个文件的第一行标题提取出来生成一个索引文档放到workspace根目录。”这个任务涉及文件读取、内容处理、新文件创建三个动作对零基础来说已经很有代表性了。实际跑起来你会看到OpenClaw的“思考过程”它先列出workspace里的文件然后逐个读取Markdown内容再生成索引文档。整个过程它会主动要求执行命令、写文件你就根据自己的信任程度决定是批准还是拒绝。第一次看到一个AI在你电脑上自己操作文件的时候那种感觉真的很奇妙。跑通这个任务之后我强烈建议你做一个测试让OpenClaw自己写一个Skill描述这个“索引生成”任务的步骤。以后再遇到类似任务它就会直接调用这个Skill不用重新解释一遍。4.2 实战二接入飞书把智能体放进IM里课程里有一个很吸引人的实战环节把OpenClaw接入飞书。这样你不用开终端直接在飞书聊天框里跟自己的AI智能体对话让它干活。我理解这个功能本质上就是给OpenClaw装一个“飞书连接器”让飞书的消息可以通过Webhook或机器人接口转发到OpenClawOpenClaw处理完再把结果发回飞书。实操步骤大概分四段第一在飞书开放平台创建一个应用拿到App ID和App Secret 第二在应用里启用机器人能力配置事件订阅接收消息的URL要指向你的OpenClaw服务地址 第三在OpenClaw配置里填上飞书应用的凭证 第四启动后在飞书里私聊你的机器人发一个任务看它是否正常响应。这里有个经验要提醒大家如果OpenClaw跑在本地电脑上飞书的消息回调需要你的电脑有一个公网可达的地址。很多零基础同学在这里卡住是因为飞书服务器无法访问你本地的服务。解决办法有两个一是用内网穿透工具把本地端口暴露到公网具体工具自己选注意选正规服务二是直接把OpenClaw部署到云服务器上让飞书回调云服务器地址。后者更稳定也是课程里更推荐的方式。4.3 实战三OpenClaw结合Obsidian做项目管理我本人是Obsidian的重度用户所以看到课程里有“OpenClaw结合Obsidian做项目管理”这个环节时眼睛都亮了。因为Obsidian本质上是本地Markdown文件库而OpenClaw的workspace也是文件系统两者天然可以打通。我的做法是把Obsidian的Vault目录直接在OpenClaw的配置里指定为workspace的一部分或者干脆把workspace建在Vault目录下这样AI就能直接读取和修改我的笔记文件。举个例子。我在Obsidian里有一个“项目A”的文件夹里面有需求文档、会议记录、周报等Markdown文件。我给OpenClaw下了一个指令“请阅读‘项目A’文件夹下的会议记录提取所有待办事项按负责人分类生成一个TODO清单文件放到项目A文件夹里。”整个过程中OpenClaw自己读取会议记录、自己理解待办、自己生成清单文件。这比任何复杂的项目管理软件都更“自动驾驶”——你不用手动录入只要喂给它原始材料就行。这里要说一个判断我不建议让AI直接大范围地重构你的笔记结构。因为它的理解有时候和你脑子里的逻辑不完全一致大批量移动文件以后你可能会找不到东西。我建议让AI做“增量”的事生成新文件、汇总信息、做整理清单而不是删除和移动旧文件。你可以在OpenClaw的配置里对文件删除操作设置严格审批这样它动手之前都会问你比较安全。5. 新手最容易踩的坑与排查实录5.1 报错“无法将openclaw项识别为cmdlet”这个报错是Windows用户最容易碰到的几乎每个用PowerShell安装OpenClaw的人都有概率遇到。报错的完整提示一般是openclaw : 无法将“openclaw”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。我踩过之后总结出三个原因第一安装过程没走完。有时候网络问题导致脚本执行到一半中断程序本体其实没装上。解决办法是重新执行一次安装命令看到明确的“安装完成”提示再继续。第二PowerShell没刷新环境变量。程序装上了但当前这个终端窗口不认新命令。解决办法是关掉PowerShell重新开一个窗口或者干脆重启电脑。第三安装目录不在PATH里。如果安装到了非默认目录需要手动把安装目录加入系统的PATH环境变量。5.2 “legacy exec approvals exist”警告怎么处理运行OpenClaw时有同学尤其是之前折腾过旧版的同学会看到这样一条提示legacy exec approvals exist at /root/.openclaw/exec-approvals.json第一次看到这个会有点慌担心是不是出什么问题了。其实不用太紧张。这条提示的意思是你的.openclaw目录下有一个旧版本留下的命令审批记录文件新版本建议你处理一下。处理方式很简单先备份这个文件把它改名成exec-approvals.json.bak然后删除原文件再运行OpenClaw。系统会自动创建一个新的空白审批记录。如果它问你是否信任旧的记录按需选择就行。我个人建议既然是新版本了就别迁就旧记录了重新积累一份干净的这样更清楚自己授权过哪些命令。5.3 云端部署OpenClaw的几个关键点把OpenClaw部署到云服务器的好处很多7x24小时在线、飞书等外部服务能直接回调、不怕本地电脑关机。课程里也讲了云端部署的流程我补几个自己实操中觉得重要的点。云服务器的操作系统建议选Ubuntu 22.04或更新版本。安装步骤和Windows类似只不过用的是curl命令。部署大概分这五步第一更新系统包sudo apt update sudo apt upgrade -y 第二安装Ollama同样用官方命令 第三下载并安装OpenClaw 第四配置模型和外部服务 第五用systemd把OpenClaw注册成系统服务让它开机自启。如果OpenClaw和Ollama在同一台服务器上那么OpenClaw配置里的模型地址直接填http://127.0.0.1:11434就行不需要填公网IP速度更快也更安全。如果分开部署在不同机器上才需要填服务器IP这时候要注意防火墙和云安全组必须放行相关端口不然两边连不通。5.4 常见问题速查表我把自己在学习过程中遇到和同学群里问得比较多的问题整理成了一张表方便你排查。问题现象可能原因解决办法Ollama能跑但OpenClaw报连接失败Ollama服务没启动或端口被占用浏览器访问127.0.0.1:11434确认服务状态重启Ollama模型对话非常慢像卡死内存不足模型被换出关闭大内存应用用更小的模型ollama ps查看加载情况OpenClaw每次都要求审批命令exec-approvals配置未生效检查.openclaw/exec-approvals.json是否存在按需配置白名单规则飞书消息发出去没反应回调地址无法访问检查云服务器安全组、防火墙用curl测试回调URL下载模型时网络中断模型文件太大、网络不稳定重新执行ollama pull断点续传或更换下载源改了配置文件不生效没有重启OpenClaw重启OpenClaw服务必要时清掉旧进程Hermes和小龙虾有什么区别概念混淆Hermes是模型系列小龙虾Ollama是模型运行工具不在同一层可以组合使用这里单独说一下最后一行。有同学问“Hermes和小龙虾区别”其实这个问题的关键不在于两个东西谁强谁弱而在于它们压根不是一类东西。Hermes是开源社区里的一个模型系列像NousResearch出的Hermes系列属于“大模型”这一层而小龙虾/Ollama是运行模型的工具属于“启动器”这一层。Hermes模型如果要用通常会通过Ollama这类工具来加载运行所以它们是配合关系不是竞争关系。搞清楚了这个你就不会被这种对比类问题绕晕。5.5 我踩过最狠的一个坑以为AI在乱操作最后讲一个花了我大半个晚上才弄明白的问题。有一次我给OpenClaw下达了一个任务让它整理一个文件夹里的图片。结果它操作到一半整个文件夹的目录结构全变了图片被分门别类放到了不同子目录里。我当时心里一凉以为自己精心整理的素材库被AI搞乱套了。后来打开workspace目录看了半天才明白OpenClaw没有在我的原文件夹里操作它在自己的workspace里复制了一份文件然后在那份副本上做的整理。我的原文件夹毫发无损。那一刻我突然理解了OpenClaw设计workspace机制的意义——它默认给AI一个“隔离地带”让AI干活的时候不会直接动你的真实文件。这件事给我的启发是新手在用OpenClaw的时候一定要先搞清楚默认的工作目录是哪里。很多以为“AI把文件删了”的恐慌其实都是因为没分清系统目录和用户目录。如果你想让AI操作某个具体文件夹建议先把那个文件夹的路径明确告诉它并检查一下自己是否已经给OpenClaw授权了跨目录访问权限而不是让它默认在workspace里自己折腾。我在实际操作中还有一个体会学OpenClaw这类智能体框架最大的门槛不是命令有多复杂、配置有多难懂而是思维方式的转换——你得从“我一步一步教AI做事”变成“我告诉AI目标让它自己想办法实现”。这个转换有点反直觉一开始很不适应总想干预它每一步的操作。忍住了之后就会觉得非常顺手。课程里说的“0基础从入门到实战”我觉得指的不只是技术上的入门也是这种使用心智上的入门。如果你正在学这套东西耐心一点先按部就班把环境跑通再多让它独立完成几个小任务很快你就能体会到什么叫“给大模型装上手脚”了。
大模型+小龙虾+OpenClaw：零基础搭建本地智能体实战指南
1. 为什么这门课把“大模型、小龙虾、OpenClaw”串在一起讲1.1 零基础学AI最容易被绕晕的三个概念我最早接触AI大模型的时候和大多数人一样先被一堆名词干懵了大模型、小模型、智能体、Agent、RAG、微调、Ollama、OpenClaw……每个词单独搜都能看懂连在一起就不知道从哪下手。小滴课堂这门“AI大模型小龙虾-OpenClaw-0基础从入门到实战”课最打动我的一点就是它没有一上来就甩Transformer架构图而是先把三件事讲明白了大模型是什么小龙虾Ollama是干嘛的OpenClaw又是干嘛的。打个比方。大模型就像一个刚毕业的高材生知识储备很足但你问他问题他只能干巴巴地回答没法帮你实际干活。小龙虾Ollama就是一个“启动器”让你能在自己电脑上把这个高材生请来不用花钱租别人的服务器。而OpenClaw则是给这个高材生配上手脚和工具箱的人——让他能看文件、写代码、执行命令、调用各种接口真正从“回答问题”变成“帮你做事情”。很多零基础同学卡住就是因为没人告诉你这三层的区别。你光有大模型只能聊天光有Ollama也只是本地聊得更爽但一旦把OpenClaw接进来事情的性质就变了——你在本地方便地跑起了一个能自己拆解任务、调用工具、干活的智能体。这门课从头到尾就在做这一件事把你从“会用AI聊天”一步步带到“会搭一个能干活的AI助手”。1.2 课程解决的核心问题从“会聊天”到“会干活”我见过太多人学了AI大模型之后最大的困惑是“我明明装了GPT、Kimi、豆包为什么感觉它除了写文案、总结文档还是帮不了我什么实际忙”答案很简单你只是在用大模型的“对话能力”没有用它的“行动能力”。所谓让大模型“会干活”本质上就是让它能调用外部工具。比如让它帮你整理一个文件夹里的所有图片它得能读取文件目录、执行脚本、移动文件让它帮你定时抓取网页信息它得有网络请求能力让它帮你做项目管理它得能读你写的Markdown笔记、生成待办清单。这些能力对话式AI给不了你但智能体框架可以。OpenClaw就是干这个的。它给大模型提供了一层“工具层”文件操作、命令执行、自定义技能Skills、工作区Workspace管理甚至能接入飞书、Obsidian这类真实工作软件。课程把这条链路完整打通了——不是光讲理论而是手把手带你从下载Ollama开始到部署OpenClaw再到接入真实场景整个过程就是“零基础从入门到实战”这八个字的最直接体现。我自己的感受是把这节课跟完之后你对“AI大模型”的认知会发生一个很重要的转变它不再是一个聊天框而是一套你可以自己组装和调度的系统。这篇文章我就把自己实操过程中的完整路线、踩过的坑、以及一些别人没细讲的经验整理出来给想走同一条路的同学做个参考。2. 小龙虾Ollama本地部署先把“大模型”跑起来2.1 为什么本地部署选Ollama下载安装的细节课程里管Ollama叫“小龙虾”一开始我还愣了一下后来查了热搜词才知道这是大家在社区里给它起的昵称。不管你叫它小龙虾还是Ollama它的定位非常简单一个让你能在本地一键运行各种开源大模型的工具。我强烈建议零基础的人从Ollama入门而不是直接去碰Python、HuggingFace、Transformers那一套。原因有三点第一Ollama把“下载模型”和“启动模型”这两件最麻烦的事封装好了。你不需要去研究模型文件格式、不需要配置CUDA环境虽然配了性能更好只要执行一条ollama run命令模型就会自动下载并在本地启动。第二它对硬件的要求非常宽容。别以为跑大模型必须要好几张显卡。Ollama支持CPU运行虽然速度慢一点但学习阶段完全够用。我自己最开始是在一台只有16GB内存、没有独立显卡的办公笔记本上跑的照样能起来。你选对模型就行后面我会讲怎么选。第三它的命令行接口极其简单后续接OpenClaw这类智能体框架时配置成本也最低。OpenClaw里指定一个本地模型默认就是连Ollama的11434端口几个参数一填就能跑。Windows下的安装流程没什么门槛直接去官网下载Windows安装包双击安装一路Next就完事。装完之后命令行里就能用ollama命令了。这里有一个很多教程没提的细节Ollama安装完默认是开机自启的后台会一直跑一个服务监听127.0.0.1:11434。这个服务就是你的本地模型APIOpenClaw之后连的就是这个地址。安装完第一件事我建议先跑一个最小的模型验证环境通不通。课程推荐的是先跑一个轻量模型练手不用一上来就下载那种几十上百GB的大模型。我用的是qwen2.5:3b千问的量化版因为中文效果好、体积小在CPU上也能跑得动。验证过程很简单打开PowerShell执行ollama run qwen2.5:3b第一次运行会自动下载模型下载完就会出现一个对话交互界面你输入“你好”模型有回复就说明整条链路通了。2.2 最常用的Ollama命令与模型选择课程里会用到几个Ollama命令看起来简单但每一个背后都有值得记住的点我一个个说。模型下载与运行ollama run 模型名这条命令同时干了两件事如果本地没有这个模型先自动下载下载完直接进入对话模式。课程里管这个叫“傻瓜式操作”确实名副其实。查看本地已有模型ollama list这个命令会把你下载过的所有模型列出来包含名称、大小、修改时间。我建议每隔一段时间看一眼因为很多人下载模型之后时间长了根本不记得自己装了什么硬盘被塞满了都不知道。查看模型正在运行的进程ollama ps这个命令看的是“当前内存里正在加载哪些模型”。因为模型是加载到内存里才能用的如果你想换另一个模型跑最好先停掉当前的不然内存不够容易卡死。停止某个模型可以用ollama stop 模型名查看模型详细信息ollama show 模型名这个命令会告诉你模型的参数大小、量化等级、上下文长度等信息。选模型的时候很有用。删除不用的模型ollama rm 模型名接着重点说说选模型这件事。零基础最容易踩的坑就是“越大越好”。实际上模型体积每大一个量级对内存的要求就翻好几倍。我按自己实测的经验给一个参考模型量级参数量最低内存建议适合场景3B以下如qwen2.5:1.5b15亿参数左右8GB环境验证、简单问答3B-7B如qwen2.5:3b/7b30亿-70亿参数16GB日常问答、中等任务13B-14B130亿-140亿参数32GB复杂推理、代码生成70B以上700亿参数64GB以上无显卡基本不建议我自己在实操中体会是零基础学习阶段7B模型是性价比最高的。中文对话流畅度、代码生成能力都够用在16GB内存的机器上CPU运行也能忍。如果是Mac电脑统一内存架构跑起来会流畅很多。2.3 Windows环境下的常见坑Windows下跑Ollama有几个细节不注意很容易折腾半天。第一个坑模型默认存储路径在C盘。Ollama默认把模型文件存在用户目录下C:\Users\你的用户名\.ollama\models。一个7B模型大约是4到6GB如果C盘空间紧张你下载两三个模型就满了。解决办法是设置环境变量OLLAMA_MODELS指向其他盘# 在系统环境变量里新建 OLLAMA_MODELSD:\ollama\models改完之后重启Ollama服务或重启电脑新下载的模型就会存到D盘。这个我建议装完Ollama第一件事就做别等C盘满了再折腾。第二个坑反复报端口被占或者其他莫名其妙的连接错误。Ollama在Windows下是以一个后台进程运行的你可以在系统托盘看到它的图标。如果改了环境变量或者配置文件有时候需要右键托盘图标退出再重新启动才能生效。我见过不少同学说“为什么我改了OLLAMA_MODELS没效果”基本都是没重启服务。第三个坑内存不够导致模型自动退出。如果你一边跑着浏览器几十个标签页一边跑7B模型内存很容易吃紧Ollama会直接把模型从内存里卸载表现为对话突然变得很慢或者直接报错。我当时的做法是跑模型的时候就关掉其他占内存的大软件学习体验会好很多。3. OpenClaw安装与核心机制智能体的“操作系统”3.1 OpenClaw到底是什么安装前必须理解的事学完Ollama之后你就有了一个能在本地跑大模型的“发动机”。但是你会发现它只能陪你聊天没法帮你干活。OpenClaw就是来解决这个问题的。课程里把OpenClaw比作“给大模型装上手脚的操作系统”我觉得非常贴切。OpenClaw本身不是一个模型它是一个智能体框架——一个跑在大模型之上、负责调度大模型去调用各种工具的程序。你可能会问这和Codex、Cursor这类AI编程工具有什么区别我在学完课程之后的直观理解是Codex这类工具是“专才”专注于写代码这件事OpenClaw则是“通才”它的核心不是一个具体的应用场景而是一套通用的“让AI能操作电脑”的能力。你可以用OpenClaw写代码也可以用OpenClaw做项目管理、整理文件、发消息、调接口。它的开放性和可扩展性是最大的优势。所以安装OpenClaw之前你脑子里首先要形成一个认知它不是又一个聊天软件而是一个“智能体运行时”。你给它一个任务它会自己拆解成步骤自己调用Ollama里的大模型来推理自己执行命令、读写文件最后把结果返回给你。整个过程需要你给它一定的权限所以你会碰到一个叫“exec-approvals”的概念这个后面细说。3.2 Windows和云服务器的安装步骤OpenClaw目前的主推安装方式是通过命令行一键安装。Windows下用PowerShellLinux/macOS下用curl脚本。以Windows为例课程里演示的安装命令大概长这样irm https://openclaw.ai/install.ps1 | iex装完之后执行openclaw --version能输出版本号就说明安装成功了。这里有几个容易出问题的点课程里没有展开讲但实操中几乎必踩第一PowerShell执行策略限制。有些Windows系统默认不允许执行脚本会报错“无法加载文件因为在此系统上禁止运行脚本”。你需要用管理员身份打开PowerShell先执行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser然后再执行安装命令。第二安装到自定义目录。很多同学包括我自己不喜欢默认装到C盘。OpenClaw是支持指定目录安装的我实操过的做法是先手动创建一个目录然后安装时把目录加入环境变量PATH或者安装后用符号链接的方式迁移。稳妥起见我更推荐直接先把OpenClaw装好确认能跑通了再研究迁移目录——因为新手对系统不熟时折腾PATH反而容易把环境搞乱。第三卸载。OpenClaw的卸载比安装简单它整体就是两个部分程序本体和配置目录。程序本体用命令行卸载配置目录在用户目录下的.openclaw文件夹就是报错信息里常见的C:\Users\你的用户名\.openclaw。想彻底清理干净删掉这个文件夹就行。但我要提醒一下.openclaw这个目录里存放了你的workspace和所有配置删除前一定要备份。我身边真有朋友手贱删了之后之前让AI做的事、写的笔记全没了。3.3 核心机制看懂workspace、skills、exec-approvals和runtime metadataOpenClaw装好之后如果你直接上手让它干活大概率会一头雾水。它不像聊天软件那样打开就能用。你得先理解几个核心概念不然遇到配置文件都不知道在说什么。Workspace工作区这是OpenClaw给AI智能体划分的“工位”。AI执行任务时所有文件读写、项目文件都默认放在workspace目录里。默认路径是C:\Users\你的用户名\.openclaw\workspace。你打开这个目录就能看到AI干的活。我的习惯是每次给OpenClaw一个任务都先明确告诉它“所有生成的文件放workspace”这样可以避免它把文件到处乱写。Skills技能这是OpenClaw最具扩展性的部分。简单说你可以给智能体写一些“技能包”告诉它遇到某类任务时应该怎么做。比如写一个“周报生成”技能以后它每周一就会自动按照你预设的格式生成周报。一个Skill本质上是一个包含指令和示例的文件夹。这块课程里花了不少篇幅讲我的体验是刚开始不用急着写自己的Skill先用默认的跑几个任务看它怎么做再模仿改出一个自己的技能包会顺很多。Exec-approvals执行审批这是OpenClaw的“安全护栏”。AI要执行Shell命令、修改文件等敏感操作时会先向用户请求审批。这是OpenClaw在“放手让AI干活”和“防止AI胡搞”之间做的平衡。第一次运行的时候OpenClaw可能会在.openclaw目录下自动生成一个exec-approvals.json文件用来记录用户批准过的命令规则。如果看到类似“legacy exec approvals exist at /root/.openclaw/exec-approvals.json”的提示意思是老版本遗留下来的审批记录还在新版建议你迁移或清理不会影响正常使用但会让你心里不踏实。我的建议是按照提示备份一下旧文件然后删除让系统重新生成这样配置最干净。Runtime metadata运行时元数据这个词看着高大上其实就是OpenClaw运行时的各种“状态记录”——当前配置了哪个模型、连了什么外部服务、跑了多久、调用了多少次API等等。排查问题的时候很有用。比如你想知道OpenClaw到底是不是真的在用Ollama的本地模型还是偷偷走了某个云端的API查看runtime metadata就能看到。搞懂这四个概念OpenClaw就不再是一个黑盒了。你再看到配置文件、日志里出现这些词就知道它在说什么。4. OpenClaw实战接入真实工作流4.1 实战一本地部署后跑通一次完整任务课程里最核心的实战部分是把Ollama和OpenClaw串起来让OpenClaw调用本地大模型完成一个具体任务。我就按自己操作的流程来写整个过程大概分三步。第一步确认Ollama服务在运行。OpenClaw要调用本地模型前提是Ollama的API服务活着。在浏览器里访问http://127.0.0.1:11434能看到返回信息通常是Ollama is running说明服务正常。第二步在OpenClaw配置文件里指定模型提供方。打开OpenClaw的配置文件找到模型配置部分把provider设置为ollama模型名称填之前下载的比如qwen2.5:7b。配置好之后重启OpenClaw。第三步发一个真实任务。比如我让OpenClaw做这件事“请扫描workspace下的所有Markdown文件把每个文件的第一行标题提取出来生成一个索引文档放到workspace根目录。”这个任务涉及文件读取、内容处理、新文件创建三个动作对零基础来说已经很有代表性了。实际跑起来你会看到OpenClaw的“思考过程”它先列出workspace里的文件然后逐个读取Markdown内容再生成索引文档。整个过程它会主动要求执行命令、写文件你就根据自己的信任程度决定是批准还是拒绝。第一次看到一个AI在你电脑上自己操作文件的时候那种感觉真的很奇妙。跑通这个任务之后我强烈建议你做一个测试让OpenClaw自己写一个Skill描述这个“索引生成”任务的步骤。以后再遇到类似任务它就会直接调用这个Skill不用重新解释一遍。4.2 实战二接入飞书把智能体放进IM里课程里有一个很吸引人的实战环节把OpenClaw接入飞书。这样你不用开终端直接在飞书聊天框里跟自己的AI智能体对话让它干活。我理解这个功能本质上就是给OpenClaw装一个“飞书连接器”让飞书的消息可以通过Webhook或机器人接口转发到OpenClawOpenClaw处理完再把结果发回飞书。实操步骤大概分四段第一在飞书开放平台创建一个应用拿到App ID和App Secret 第二在应用里启用机器人能力配置事件订阅接收消息的URL要指向你的OpenClaw服务地址 第三在OpenClaw配置里填上飞书应用的凭证 第四启动后在飞书里私聊你的机器人发一个任务看它是否正常响应。这里有个经验要提醒大家如果OpenClaw跑在本地电脑上飞书的消息回调需要你的电脑有一个公网可达的地址。很多零基础同学在这里卡住是因为飞书服务器无法访问你本地的服务。解决办法有两个一是用内网穿透工具把本地端口暴露到公网具体工具自己选注意选正规服务二是直接把OpenClaw部署到云服务器上让飞书回调云服务器地址。后者更稳定也是课程里更推荐的方式。4.3 实战三OpenClaw结合Obsidian做项目管理我本人是Obsidian的重度用户所以看到课程里有“OpenClaw结合Obsidian做项目管理”这个环节时眼睛都亮了。因为Obsidian本质上是本地Markdown文件库而OpenClaw的workspace也是文件系统两者天然可以打通。我的做法是把Obsidian的Vault目录直接在OpenClaw的配置里指定为workspace的一部分或者干脆把workspace建在Vault目录下这样AI就能直接读取和修改我的笔记文件。举个例子。我在Obsidian里有一个“项目A”的文件夹里面有需求文档、会议记录、周报等Markdown文件。我给OpenClaw下了一个指令“请阅读‘项目A’文件夹下的会议记录提取所有待办事项按负责人分类生成一个TODO清单文件放到项目A文件夹里。”整个过程中OpenClaw自己读取会议记录、自己理解待办、自己生成清单文件。这比任何复杂的项目管理软件都更“自动驾驶”——你不用手动录入只要喂给它原始材料就行。这里要说一个判断我不建议让AI直接大范围地重构你的笔记结构。因为它的理解有时候和你脑子里的逻辑不完全一致大批量移动文件以后你可能会找不到东西。我建议让AI做“增量”的事生成新文件、汇总信息、做整理清单而不是删除和移动旧文件。你可以在OpenClaw的配置里对文件删除操作设置严格审批这样它动手之前都会问你比较安全。5. 新手最容易踩的坑与排查实录5.1 报错“无法将openclaw项识别为cmdlet”这个报错是Windows用户最容易碰到的几乎每个用PowerShell安装OpenClaw的人都有概率遇到。报错的完整提示一般是openclaw : 无法将“openclaw”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。我踩过之后总结出三个原因第一安装过程没走完。有时候网络问题导致脚本执行到一半中断程序本体其实没装上。解决办法是重新执行一次安装命令看到明确的“安装完成”提示再继续。第二PowerShell没刷新环境变量。程序装上了但当前这个终端窗口不认新命令。解决办法是关掉PowerShell重新开一个窗口或者干脆重启电脑。第三安装目录不在PATH里。如果安装到了非默认目录需要手动把安装目录加入系统的PATH环境变量。5.2 “legacy exec approvals exist”警告怎么处理运行OpenClaw时有同学尤其是之前折腾过旧版的同学会看到这样一条提示legacy exec approvals exist at /root/.openclaw/exec-approvals.json第一次看到这个会有点慌担心是不是出什么问题了。其实不用太紧张。这条提示的意思是你的.openclaw目录下有一个旧版本留下的命令审批记录文件新版本建议你处理一下。处理方式很简单先备份这个文件把它改名成exec-approvals.json.bak然后删除原文件再运行OpenClaw。系统会自动创建一个新的空白审批记录。如果它问你是否信任旧的记录按需选择就行。我个人建议既然是新版本了就别迁就旧记录了重新积累一份干净的这样更清楚自己授权过哪些命令。5.3 云端部署OpenClaw的几个关键点把OpenClaw部署到云服务器的好处很多7x24小时在线、飞书等外部服务能直接回调、不怕本地电脑关机。课程里也讲了云端部署的流程我补几个自己实操中觉得重要的点。云服务器的操作系统建议选Ubuntu 22.04或更新版本。安装步骤和Windows类似只不过用的是curl命令。部署大概分这五步第一更新系统包sudo apt update sudo apt upgrade -y 第二安装Ollama同样用官方命令 第三下载并安装OpenClaw 第四配置模型和外部服务 第五用systemd把OpenClaw注册成系统服务让它开机自启。如果OpenClaw和Ollama在同一台服务器上那么OpenClaw配置里的模型地址直接填http://127.0.0.1:11434就行不需要填公网IP速度更快也更安全。如果分开部署在不同机器上才需要填服务器IP这时候要注意防火墙和云安全组必须放行相关端口不然两边连不通。5.4 常见问题速查表我把自己在学习过程中遇到和同学群里问得比较多的问题整理成了一张表方便你排查。问题现象可能原因解决办法Ollama能跑但OpenClaw报连接失败Ollama服务没启动或端口被占用浏览器访问127.0.0.1:11434确认服务状态重启Ollama模型对话非常慢像卡死内存不足模型被换出关闭大内存应用用更小的模型ollama ps查看加载情况OpenClaw每次都要求审批命令exec-approvals配置未生效检查.openclaw/exec-approvals.json是否存在按需配置白名单规则飞书消息发出去没反应回调地址无法访问检查云服务器安全组、防火墙用curl测试回调URL下载模型时网络中断模型文件太大、网络不稳定重新执行ollama pull断点续传或更换下载源改了配置文件不生效没有重启OpenClaw重启OpenClaw服务必要时清掉旧进程Hermes和小龙虾有什么区别概念混淆Hermes是模型系列小龙虾Ollama是模型运行工具不在同一层可以组合使用这里单独说一下最后一行。有同学问“Hermes和小龙虾区别”其实这个问题的关键不在于两个东西谁强谁弱而在于它们压根不是一类东西。Hermes是开源社区里的一个模型系列像NousResearch出的Hermes系列属于“大模型”这一层而小龙虾/Ollama是运行模型的工具属于“启动器”这一层。Hermes模型如果要用通常会通过Ollama这类工具来加载运行所以它们是配合关系不是竞争关系。搞清楚了这个你就不会被这种对比类问题绕晕。5.5 我踩过最狠的一个坑以为AI在乱操作最后讲一个花了我大半个晚上才弄明白的问题。有一次我给OpenClaw下达了一个任务让它整理一个文件夹里的图片。结果它操作到一半整个文件夹的目录结构全变了图片被分门别类放到了不同子目录里。我当时心里一凉以为自己精心整理的素材库被AI搞乱套了。后来打开workspace目录看了半天才明白OpenClaw没有在我的原文件夹里操作它在自己的workspace里复制了一份文件然后在那份副本上做的整理。我的原文件夹毫发无损。那一刻我突然理解了OpenClaw设计workspace机制的意义——它默认给AI一个“隔离地带”让AI干活的时候不会直接动你的真实文件。这件事给我的启发是新手在用OpenClaw的时候一定要先搞清楚默认的工作目录是哪里。很多以为“AI把文件删了”的恐慌其实都是因为没分清系统目录和用户目录。如果你想让AI操作某个具体文件夹建议先把那个文件夹的路径明确告诉它并检查一下自己是否已经给OpenClaw授权了跨目录访问权限而不是让它默认在workspace里自己折腾。我在实际操作中还有一个体会学OpenClaw这类智能体框架最大的门槛不是命令有多复杂、配置有多难懂而是思维方式的转换——你得从“我一步一步教AI做事”变成“我告诉AI目标让它自己想办法实现”。这个转换有点反直觉一开始很不适应总想干预它每一步的操作。忍住了之后就会觉得非常顺手。课程里说的“0基础从入门到实战”我觉得指的不只是技术上的入门也是这种使用心智上的入门。如果你正在学这套东西耐心一点先按部就班把环境跑通再多让它独立完成几个小任务很快你就能体会到什么叫“给大模型装上手脚”了。 
