基于Ollama本地搭建OpenClaw私人助手的实现方式步骤实用指南-45看点

平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“基于Ollama本地搭建OpenClaw私人助手的实现方法步骤”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

官网：（链接已移除），目前已经从clawdbot更名为moltbot了，现在又更名为openclaw了。

一. OpenClaw为什么那么火爆

理解这一步时，OpenClaw（原 Clawdbot/Moltbot）能更快爆火，核心是精准击中本地隐私、全场景自动化、低门槛采用三大刚需，叠加开源社区与社交传播助力，形成现象级增长。GitHub 短时间星标破 10 万，一周网站访问量超 200 万，成为 2026 年初增长最快的开源 AI 项目之一。下面则是爆火的原因：

隐私可控：所有数据完全存储于本地，而且兼容本地大模型，隐私更加可控。
任务自动化：基于AI agent，可自动处理邮件、日程、文件、代码、网页自动化。
多渠道接入：兼容T@elegrimm、WhatsApp、Discord、iMessage 等应用，但是微信目前还不兼容。

二. mac上本地安装

2.1 下载ollama本地模型

实际处理时，ollama官网下载ollama注意需下载最新版本，下载必要的本地/cloud模型

参考ollama的文档：（链接已移除）

这里采用ollama run --verbose qwen3-coder:latest来测试模型的生成速度：

total duration：总耗时
load duration：模型加载时间
eval rate：推理生成tokens

下载建议的llm，下载模型：ollama pull llm，下面测试是基于Macbook pro的M4芯片测试的结果：

模型	大小	token的速度	简介
qwen3-coder	18G	68.37 tokens/s	落到代码里，千问团队于2025年7月推出的新一代开源AI编程大模型系列，专为代码生成、智能代理（Agent）和仓库级编程优化
glm-4.7-flash	19G	48.96 tokens/s	实际处理时，智谱AI于2025年12月发布的GLM-4系列大模型，主打高吞吐量和高性价比，特别强化了本地编程和Agent任务能力
gpt-oss:20b	13G	51.01 tokens/s	OpenAI于2025年8月发布的一款200亿参数的开源权重混合专家模型落到代码里，它专为轻量级推理和工具调用场景设计，性能接近o3-mini，能在16GB显存的消费级硬件或边缘设备上高效运行，具备极高的本地部署性价比

2.2 搭建OpenClaw环境

参考ollama的openclaw的博客：（链接已移除）

构建conda环境：conda create -n clawdbot python=3.13 -y

激活环境：conda activate clawdbot

下载nodes：

# Download and install nvm:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
# in lieu of restarting the shell
\. "$HOME/.nvm/nvm.sh"
# Download and install Node.js:
nvm install 24
# Verify the Node.js version:
node -v # Should print "v24.13.0".
# Verify npm version:
npm -v # Should print "11.6.2".

安装/更新open claw：npm install -g openclaw@latest

安装线上wizard：openclaw onboard --install-daemon

从ollama启动openclaw：ollama launch openclaw

结合项目来看，将node，npm，openclaw设置环境变量：sudo vim ~/.zshrc

export PATH=~/.nvm/versions/node/v24.13.0/bin:$PATH
export PATH="$(npm prefix -g)/bin:$PATH"

落到代码里，本地更快查看openclaw，聊天/查看设置：（链接已移除）

2.3 让openclaw爬取互联网信息

1. 安装chromium（这里能够理解为开源的google chrome浏览器）：

# 安装 Chromium
brew install --cask chromium
# 移除隔离属性（首次打开可能需要）
xattr -dr com.apple.quarantine /Applications/Chromium.app

2. 更改openclaw的json文件，其目录在~/.openclaw/openclaw.json，或者直接借助打开本地的dashboard（openclaw dashboard）来查看和更改config。

"browser":{
    "enabled":true,
    "executablePath":"/Applications/Chromium.app/Contents/MacOS/Chromium",
    "headless":false,
    "noSandbox":true,
    "attachOnly":false,
    "defaultProfile":"openclaw"
  }

3. 重启openclaw的网关：openclaw gateway restart

4. 查看browser的状态：openclaw browser status

5. 启动专属的浏览器：openclaw browser start

6. 修改web设置：openclaw configure --section web

三. open claw设置agent skills

clawhub地址：（链接已移除）

3.1 agent skills的优势

在这个场景下，相较于没有skills的open claw，有agent skills的优势：

相同的workflow，每次采用，不需重复去解释
持久化：对话的数据不会持久化，而skill的数据会在本地存储
节约tokens：没有skill每次需重复的对话占用token

3.2 skills 安装和采用

Clawhub 官网：（链接已移除）

从实现思路看，这里建议采用的是我们直接clawhub的官网搜索需的skills，找到对应的名字，比如我这里找到的就是浏览器的agent skills——Agent Browser，它能够帮助我们实现自动爬虫的功能（模拟人浏览页面的操作），我们在安装的时候也能发现，安装这个skill，需安装playwright这个框架。

1. 安装clawhub插件：npm i -g clawhub
2. 安装agent-browser：clawhub install "agent-browser"

若上面第二步下载不成功，也能够基于git来安装：

npm install -g pnpm
git clone https://github.com/vercel-labs/agent-browser
cd agent-browser
pnpm install
pnpm build
agent-browser install

至此，就安装好了！

落到代码里，总的来说，Ollama本地搭建OpenClaw适合结合实际项目边做边理解。先抓住核心思路，再逐步补上细节和边界处理，最后效果会更稳定，也更容易复用。