OpenClaw + Ollama + 火山引擎:本地化 AI Agent 完整部署攻略
📌 前言
OpenClaw 是一个功能强大的 AI Agent 框架,支持本地模型(Ollama)和云端 API(火山引擎、DeepSeek 等)。本文将手把手教你从零开始在 Windows 上使用 Docker 部署 OpenClaw,并配置本地模型和火山引擎豆包 API。
环境要求:
- Windows 10/11(已安装 Docker Desktop,启用 WSL 2)
- 至少 8GB 内存(推荐 16GB+)
- NVIDIA GPU(可选,用于加速本地模型)
一、创建 Docker 网络
docker network create my-network
二、部署依赖服务
1. PostgreSQL(用于存储会话数据)
docker run -d --name my-postgres ` --network my-network ` -e POSTGRES_PASSWORD=你的密码 ` -e POSTGRES_USER=postgres ` -e POSTGRES_DB=mydb ` -p 5432:5432 ` -v postgres_data:/var/lib/postgresql/data ` postgres:latest
2. Redis(用于缓存)
docker run -d --name my-redis ` --network my-network ` -p 6379:6379 ` -v redis_data:/data ` redis:latest
3. Ollama(本地大模型服务)
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(可选)
docker exec ollama ollama pull deepseek-r1:1.5b docker exec ollama ollama pull deepseek-r1:7b
三、配置 OpenClaw
1. 创建配置目录
New-Item -ItemType Directory -Force -Path "E:\Docker\openclaw-data" | Out-Null
2. 编写配置文件
保存为 E:\Docker\openclaw-data\openclaw.json:
{
"gateway": {
"mode": "local",
"port": 18789,
"bind": "lan",
"auth": {
"mode": "token",
"token": "定义的token用于后续webui访问"
},
"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-你的接入点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换为真实 API Key 和接入点 ID,不需要可删除。
四、启动 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、验证部署
# 查看容器状态 docker ps # 查看 OpenClaw 日志 docker logs openclaw --tail 30 # 健康检查 curl http://localhost:18789/health
六、访问 Web UI
浏览器打开:http://127.0.0.1:18789/?token=定义的token
七、常用管理命令
# 启动所有服务 docker start my-postgres my-redis ollama openclaw # 停止所有服务 docker stop my-postgres my-redis ollama openclaw # 重启 OpenClaw docker restart openclaw # 查看实时日志 docker logs openclaw -f # 进入 TUI 终端界面 docker exec -it openclaw openclaw tui # 清理未使用的 Docker 资源 docker system prune -a
八、故障排查
1. 查看容器日志
docker logs <容器名> --tail 50
2. 进入容器内部调试
docker exec -it openclaw bash
3. 检查端口占用
netstat -ano | findstr :18789
4. 测试本地模型
docker exec ollama ollama run deepseek-r1:1.5b "你好"
5. 测试火山引擎 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(重装用)
# 停止并删除所有容器 docker stop my-postgres my-redis ollama openclaw docker rm my-postgres my-redis ollama openclaw # 删除数据卷 docker volume rm postgres_data redis_data ollama_data # 删除配置目录 Remove-Item -Path "E:\Docker\openclaw-data" -Recurse -Force # 删除网络 docker network rm my-network
十、目录结构
E:\Docker\ ├── openclaw-data\ │ ├── openclaw.json # 配置文件 │ └── workspace\ # Agent 工作区 ├── postgres_data\ # PostgreSQL 数据 ├── redis_data\ # Redis 数据 └── ollama_data\ # Ollama 模型数据
十一、版本信息
| 组件 | 镜像 |
|---|---|
| PostgreSQL | postgres:latest |
| Redis | redis:latest |
| Ollama | ollama/ollama:latest |
| OpenClaw | ghcr.io/openclaw/openclaw:latest |
📌 结语
至此,你已经成功部署了一套完整的本地 AI Agent 环境。你可以:
- 在 Web UI 中切换本地模型和云端 API
- 通过 TUI 进行终端交互
- 后续可以配置沙箱、工具调用等高级功能
如果遇到问题,欢迎在评论区留言交流!
相关资源:
- OpenClaw GitHub:https://github.com/openclaw/openclaw
- Ollama 官网:https://ollama.com
- 火山引擎:账号登录-火山引擎
到此这篇关于OpenClaw + Ollama + 火山引擎:本地化 AI Agent 完整部署攻略的文章就介绍到这了,更多相关OpenClaw Ollama 火山引擎本地化 AI Agent 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章,希望大家以后多多支持脚本之家!
相关文章

Windows下OpenClaw安装对接ollama的GLM-4.7-Flash模型
本文介绍了在GPU平台上自动化部署ollama中GLM-4.7-Flash镜像,实现高效AI自动化办公,该轻量级模型特别适合Windows用户处理本地文件整理、数据收集等重复性任务,具有一定的2026-05-25
这篇文章主要为大家介绍了如何解决 OpenClaw 无法识别 Windows 上 Ollama 下载的模型的问题,关键在于正确建立 WSL 和 Windows 文件系统之间的连接,并确保 OpenClaw 能够访2026-04-29
本文介绍了如何在Ollama中安装并集成OpenClaw,首先安装OpenClaw,然后使用Ollama拉取本地模型并完成对接,实现本地免费运行,文中详细描述了安装步骤和配置方法,并提供了常见2026-04-07
这篇文章主要为大家介绍了如何在 OpenClaw 中配置本地 Ollama 服务,Ollama 是一个开源的本地大语言模型运行框架,支持在本地机器上运行多种开源模型,如 Llama、DeepSeek、2026-04-03
还在为天价API费用发愁,受够了网络波动导致AI服务中断,本文将带你真正100%本地运行的AI助手解决方案,只需跟着以下步骤操作,你的电脑将变身全能AI工作站,还能多模型自2026-03-19
本文详细介绍了在Mac上本地安装和配置OpenClaw,包括下载模型、搭建环境、配置agentskills等步骤,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学2026-03-11
Windows本地部署OpenClaw并连接Ollama模型的完整指南
本文档基于实际部署经验编写,旨在帮助大家在 Windows 系统上从零开始搭建 OpenClaw,并连接本地 Ollama 模型(如 Qwen2.5 或 Qwen3),使其具备完整的智能体能力,有需要的2026-03-10
OpenClaw+Ollama+Qwen3.5:cloud/Qwen3:0.6b部署本地离线部署AI大模型(无需GPU)
无需GPU、无需云端API,在Windows10/11电脑上,手把手教你部署Ollama+Qwen3.5:cloud(主力模型)+Qwen3:0.6b(轻量备选)+OpenClaw,实现本地离线运行私人AI,感兴趣的可以2026-03-10
OpenClaw使用Ollama本地模型的实现(支持工具调用))
Ollama 是一个本地 LLM 运行时,可以轻松在你的机器上运行开源模型,OpenClaw 通过 Ollama 的 OpenAI 兼容 API 进行集成,下面就来详细的介绍一下,感兴趣的可以了解一下2026-03-06
本指南重点介绍 OpenClaw + Ollama,我还会讲解最常见的问题、API 模式的重要性、如何设置本地+云端混合流程,以及如何避免本地模型输出过于冗长,感兴趣的朋友跟随小编一起2026-03-05












最新评论