OpenClaw + Ollama + 火山引擎：本地化 AI Agent 完整部署攻略
發(fā)布時間：2026-06-08 12:07:12 作者：憶汐辰 
我要評論
我要評論本文將手把手教你從零開始在 Windows 上使用 Docker 部署 OpenClaw，并配置本地模型和火山引擎豆包 API,感興趣的朋友跟隨小編一起看看吧
?? 前言
OpenClaw 是一個功能強大的 AI Agent 框架，支持本地模型（Ollama）和云端 API（火山引擎、DeepSeek 等）。本文將手把手教你從零開始在 Windows 上使用 Docker 部署 OpenClaw，并配置本地模型和火山引擎豆包 API。
環(huán)境要求：
- Windows 10/11（已安裝 Docker Desktop，啟用 WSL 2）
- 至少 8GB 內(nèi)存（推薦 16GB+）
- NVIDIA GPU（可選，用于加速本地模型）
一、創(chuàng)建 Docker 網(wǎng)絡(luò)
docker network create my-network
二、部署依賴服務(wù)
1. PostgreSQL（用于存儲會話數(shù)據(jù)）
docker run -d --name my-postgres ` --network my-network ` -e POSTGRES_PASSWORD=你的密碼 ` -e POSTGRES_USER=postgres ` -e POSTGRES_DB=mydb ` -p 5432:5432 ` -v postgres_data:/var/lib/postgresql/data ` postgres:latest
2. Redis（用于緩存）
docker run -d --name my-redis ` --network my-network ` -p 6379:6379 ` -v redis_data:/data ` redis:latest
3. Ollama（本地大模型服務(wù)）
docker run -d --name ollama ` --network my-network ` --gpus all ` -p 11434:11434 ` -v ollama_data:/root/.ollama ` ollama/ollama:latest
4. 拉取本地模型（可選）
docker exec ollama ollama pull deepseek-r1:1.5b docker exec ollama ollama pull deepseek-r1:7b
三、配置 OpenClaw
1. 創(chuàng)建配置目錄
New-Item -ItemType Directory -Force -Path "E:\Docker\openclaw-data" | Out-Null
2. 編寫配置文件
保存為 E:\Docker\openclaw-data\openclaw.json：
{
"gateway": {
"mode": "local",
"port": 18789,
"bind": "lan",
"auth": {
"mode": "token",
"token": "定義的token用于后續(xù)webui訪問"
},
"controlUi": {
"allowedOrigins": ["http://localhost:18789", "http://127.0.0.1:18789"]
}
},
"models": {
"providers": {
"ollama": {
"baseUrl": "http://ollama:11434",
"apiKey": "ollama",
"api": "ollama",
"models": [
{
"id": "deepseek-r1:1.5b",
"name": "DeepSeek R1 1.5B",
"contextWindow": 4096,
"maxTokens": 4096,
"reasoning": false
},
{
"id": "deepseek-r1:7b",
"name": "DeepSeek R1 7B",
"contextWindow": 131072,
"maxTokens": 8192,
"reasoning": false
}
]
},
"volcano": {
"baseUrl": "https://ark.cn-beijing.volces.com/api/v3",
"apiKey": "你的火山引擎API Key",
"api": "openai-completions",
"models": [
{
"id": "ep-你的接入點ID",
"name": "豆包 Mini",
"contextWindow": 128000,
"maxTokens": 8192,
"reasoning": false
}
]
}
}
},
"agents": {
"defaults": {
"model": "ollama/deepseek-r1:1.5b"
}
}
}注意：火山引擎部分需要替換為真實 API Key 和接入點 ID，不需要可刪除。
四、啟動 OpenClaw
docker run -d --name openclaw ` --network my-network ` -v E:\Docker\openclaw-data:/home/node/.openclaw ` -v /var/run/docker.sock:/var/run/docker.sock ` -p 18789:18789 ` ghcr.io/openclaw/openclaw:latest
五、驗證部署
# 查看容器狀態(tài) docker ps # 查看 OpenClaw 日志 docker logs openclaw --tail 30 # 健康檢查 curl http://localhost:18789/health
六、訪問 Web UI
瀏覽器打開：http://127.0.0.1:18789/?token=定義的token
七、常用管理命令
# 啟動所有服務(wù) docker start my-postgres my-redis ollama openclaw # 停止所有服務(wù) docker stop my-postgres my-redis ollama openclaw # 重啟 OpenClaw docker restart openclaw # 查看實時日志 docker logs openclaw -f # 進入 TUI 終端界面 docker exec -it openclaw openclaw tui # 清理未使用的 Docker 資源 docker system prune -a
八、故障排查
1. 查看容器日志
docker logs <容器名> --tail 50
2. 進入容器內(nèi)部調(diào)試
docker exec -it openclaw bash
3. 檢查端口占用
netstat -ano | findstr :18789
4. 測試本地模型
docker exec ollama ollama run deepseek-r1:1.5b "你好"
5. 測試火山引擎 API
$headers = @{
"Content-Type" = "application/json"
"Authorization" = "Bearer 你的API Key"
}
$body = '{"model":"你的模型ID","messages":[{"role":"user","content":"你好"}]}'
Invoke-RestMethod -Uri "https://ark.cn-beijing.volces.com/api/v3/chat/completions" -Method Post -Headers $headers -Body $body九、完整清理（重裝用）
# 停止并刪除所有容器 docker stop my-postgres my-redis ollama openclaw docker rm my-postgres my-redis ollama openclaw # 刪除數(shù)據(jù)卷 docker volume rm postgres_data redis_data ollama_data # 刪除配置目錄 Remove-Item -Path "E:\Docker\openclaw-data" -Recurse -Force # 刪除網(wǎng)絡(luò) docker network rm my-network
十、目錄結(jié)構(gòu)
E:\Docker\ ├── openclaw-data\ │ ├── openclaw.json # 配置文件 │ └── workspace\ # Agent 工作區(qū) ├── postgres_data\ # PostgreSQL 數(shù)據(jù) ├── redis_data\ # Redis 數(shù)據(jù) └── ollama_data\ # Ollama 模型數(shù)據(jù)
十一、版本信息
| 組件 | 鏡像 |
|---|---|
| PostgreSQL | postgres:latest |
| Redis | redis:latest |
| Ollama | ollama/ollama:latest |
| OpenClaw | ghcr.io/openclaw/openclaw:latest |
?? 結(jié)語
至此，你已經(jīng)成功部署了一套完整的本地 AI Agent 環(huán)境。你可以：
- 在 Web UI 中切換本地模型和云端 API
- 通過 TUI 進行終端交互
- 后續(xù)可以配置沙箱、工具調(diào)用等高級功能
如果遇到問題，歡迎在評論區(qū)留言交流！
相關(guān)資源：
- OpenClaw GitHub：https://github.com/openclaw/openclaw
- Ollama 官網(wǎng)：https://ollama.com
- 火山引擎：賬號登錄-火山引擎
到此這篇關(guān)于OpenClaw + Ollama + 火山引擎：本地化 AI Agent 完整部署攻略的文章就介紹到這了,更多相關(guān)OpenClaw Ollama 火山引擎本地化 AI Agent 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持腳本之家！
相關(guān)文章
Windows下OpenClaw安裝對接ollama的GLM-4.7-Flash模型
本文介紹了在GPU平臺上自動化部署ollama中GLM-4.7-Flash鏡像，實現(xiàn)高效AI自動化辦公,該輕量級模型特別適合Windows用戶處理本地文件整理、數(shù)據(jù)收集等重復(fù)性任務(wù)，具有一定的2026-05-25
這篇文章主要為大家介紹了如何解決 OpenClaw 無法識別 Windows 上 Ollama 下載的模型的問題,關(guān)鍵在于正確建立 WSL 和 Windows 文件系統(tǒng)之間的連接，并確保 OpenClaw 能夠訪2026-04-29
本文介紹了如何在Ollama中安裝并集成OpenClaw,首先安裝OpenClaw,然后使用Ollama拉取本地模型并完成對接,實現(xiàn)本地免費運行,文中詳細描述了安裝步驟和配置方法,并提供了常見2026-04-07
這篇文章主要為大家介紹了如何在 OpenClaw 中配置本地 Ollama 服務(wù),Ollama 是一個開源的本地大語言模型運行框架，支持在本地機器上運行多種開源模型，如 Llama、DeepSeek、2026-04-03
還在為天價API費用發(fā)愁，受夠了網(wǎng)絡(luò)波動導(dǎo)致AI服務(wù)中斷，本文將帶你真正100%本地運行的AI助手解決方案，只需跟著以下步驟操作，你的電腦將變身全能AI工作站，還能多模型自2026-03-19
基于Ollama本地搭建OpenClaw私人助手的實現(xiàn)步驟
本文詳細介紹了在Mac上本地安裝和配置OpenClaw,包括下載模型、搭建環(huán)境、配置agentskills等步驟，文中通過示例代碼介紹的非常詳細，需要的朋友們下面隨著小編來一起學習學2026-03-11
Windows本地部署OpenClaw并連接Ollama模型的完整指南
本文檔基于實際部署經(jīng)驗編寫，旨在幫助大家在 Windows 系統(tǒng)上從零開始搭建 OpenClaw，并連接本地 Ollama 模型（如 Qwen2.5 或 Qwen3），使其具備完整的智能體能力,有需要的2026-03-10
OpenClaw+Ollama+Qwen3.5:cloud/Qwen3:0.6b部署本地離線部署AI大模型(無需GPU）
無需GPU、無需云端API，在Windows10/11電腦上，手把手教你部署Ollama+Qwen3.5:cloud（主力模型）+Qwen3:0.6b（輕量備選）+OpenClaw，實現(xiàn)本地離線運行私人AI,感興趣的可以2026-03-10
OpenClaw使用Ollama本地模型的實現(xiàn)(支持工具調(diào)用))
Ollama 是一個本地 LLM 運行時，可以輕松在你的機器上運行開源模型,OpenClaw 通過 Ollama 的 OpenAI 兼容 API 進行集成，下面就來詳細的介紹一下，感興趣的可以了解一下2026-03-06
本指南重點介紹 OpenClaw + Ollama,我還會講解最常見的問題、API 模式的重要性、如何設(shè)置本地+云端混合流程，以及如何避免本地模型輸出過于冗長,感興趣的朋友跟隨小編一起2026-03-05
