最近问 OpenClaw（Clawdbot）安装的朋友特别多，这个被大家叫“AI龙虾”的开源项目，在 2026 年算是彻底火了。但正因为热度高，网上的教程也鱼龙混杂：要么把官方英文文档原封不动丢给你，要么只甩一条命令然后就没了下文。这篇指南的目标很简单——让完全没有 Linux、Docker 基础的纯新手，也能在 Windows 上把 OpenClaw 跑起来。我会把环境准备的每一步拆开讲，主流程尽量压缩到 2 分钟内完成，中间所有踩过的坑和排查思路都写出来。
1. 为什么 OpenClaw 被叫“AI龙虾”：先花一分钟搞懂它是什么
1.1 OpenClaw、Clawdbot、AI龙虾：三个名字如何对应
很多人在社区里看到这三个词，还以为是三个不同的项目，其实指的完全是同一个东西。OpenClaw 是项目主名，Clawdbot 是它的传统别名或者说机器人形态，AI龙虾则是中文社区起的绰号。为什么叫龙虾？因为 Claw 在英文里有“爪子、钳子”的意思，而龙虾恰好是水生动物里钳子存在感最强的代表。所以“AI龙虾 = OpenClaw = Clawdbot”这个记忆方式很形象：它就是一个用钳子夹住各种工具和 API 的 AI 助手。
我第一次看到这个名字时也有点迷糊，翻完文档才反应过来。OpenClaw 并不是某个大厂发布的商用闭源产品，而是一个开源项目，核心目标是把“大模型调用工具”这件事标准化。打一个简单的比方：以前的 AI 更像一张只会聊天的嘴，你说一句它回一句，聊完就结束了；OpenClaw 相当于给这张嘴装上了手和脚。通过一堆内置的适配器，它可以自己去读写文件、调用网页 API、执行命令行命令、操作数据库，甚至在自己的沙箱里运行代码。
1.2 它到底解决什么问题：AI Agent 框架
这里必须多说一句，因为“AI Agent”这个词已经被用烂了。市面上很多号称 Agent 的产品，本质上只是一个套了壳的聊天窗口，背后还是单纯的问答逻辑，最多调一两个固定接口。OpenClaw 这类框架的做法不太一样，它把 Agent 的核心循环做成了一套标准机制：收到用户目标 → 把目标拆成子任务 → 从工具列表里选择合适工具 → 执行工具 → 观察返回结果 → 决定下一步操作 → 直到任务全部完成。
也就是说，装好 OpenClaw 之后，你可以用自己的模型（云端 API 或本地模型都行）对它说“帮我扫描一下这个文件夹里的所有文本文件，提取每个文件的大标题和三个关键句，最后生成一份 Markdown 总览”。它会真的去遍历目录、逐个读取文件、调用大模型做提炼、再写出一份汇总文件，而不是只给你一段“建议你手动操作”的废话。这就是它最近能成为 AI 自动化基建核心底座的原因。社区里有很多人讨论过，像 WorkBuddy 这类后出的工具，或多或少都参考了 OpenClaw 的设计思路，时间线也对得上。
1.3 谁适合看这篇指南
如果你完全没碰过 Linux、Docker、命令行，这篇文章就是给你写的。我会尽量把每一步说清楚，甚至包括怎么看虚拟化有没有开启这种最基础的操作。如果你是想在 Windows 环境快速搭一个 AI 自动化服务的老手，按这篇文章的部署方式也能省掉不少翻文档的时间。这里默认的环境组合是 Windows 11 + WSL2 + Docker Desktop，这也是 OpenClaw 官方推荐度最高的组合。全篇以 Windows 为主，但我会顺带提一下 Ubuntu 服务器上的安装差异。
2. 安装前的软件清单：WSL2、Docker Desktop、Node.js
2.1 这三项基础软件各管什么事儿
OpenClaw 不是一个单文件程序，它跑起来之后会有一堆服务端组件协同工作：后台监听消息、管理会话状态、调用大模型、执行沙箱任务。这些任务如果在 Windows 原生环境里跑来跑去，会遇到文件路径不一致、进程权限混乱、端口占用难排查等一堆问题，所以官方更建议放进 Linux 环境里跑。你在 Windows 上安装，本质上就是通过 WSL2 开出一个轻量 Linux 虚拟机，然后在虚拟机里运行 Docker 容器，最后把容器端口映射到 Windows 来访问。
WSL2 可以理解为“跟 Windows 深度集成的轻量虚拟机”，专门用来在 Windows 下跑一个完整 Linux 内核。Docker Desktop 负责管理容器，OpenClaw 启动后会按照编排文件拉取多个镜像，比如主服务镜像、数据库镜像、沙箱环境镜像。Node.js 则是 OpenClaw 的命令行工具和 Windows Companion 的运行环境，所以也必须装好。把这三样搞明白，后续安装就会顺很多。
2.2 Windows 环境配置实操：按从底层到上层的顺序来
安装顺序建议从底层开始，一层一层往上：先开 CPU 虚拟化，再装 WSL2，然后装 Docker Desktop，最后装 Node.js。
第一步，检查 Windows 虚拟化是否开启。打开任务管理器，切到“性能”标签，点 CPU，在右下角找到“虚拟化”这一项。如果是“已启用”，万事大吉；如果是“已禁用”，需要重启电脑进 BIOS，找到 Intel VT-x 或 AMD SVM 选项，开启后保存退出。这一步不做的话，后面 WSL2 百分之百会报错。
第二步，在“启用或关闭 Windows 功能”里，把“适用于 Linux 的 Windows 子系统”和“虚拟机平台”这两项都勾选上，然后重启。重启后，以管理员身份打开 PowerShell，依次执行这几条命令：
wsl --update wsl --set-default-version 2 wsl --statuswsl --update会把 WSL2 内核更新到最新版本。wsl --set-default-version 2表示后续创建的 Linux 发行版默认以 WSL2 模式运行。wsl --status则用来确认当前状态。如果输出里能看到默认版本为 2，说明核心部分已经 OK。
第三步，下载安装 Docker Desktop。装完打开它的设置界面，在 General 里确保勾选了 Use the WSL 2 based engine。这一步非常关键，很多人装完 Docker 却一直被 OpenClaw 报错，就是因为 Docker Desktop 还在用旧版 Hyper-V 后端或者兼容模式。然后在 Resources 里把内存调高一些，建议至少分 4GB 给 WSL2 虚拟机，否则跑起来容易 OOM。弄完后在终端里执行docker --version，能正常输出版本号就说明 Docker 装好了。
第四步，安装 Node.js 的 LTS 版本，直接从官网下载安装包即可，也可以用 nvm 管理。装好后在 PowerShell 里执行node -v，能输出 v20 左右的版本号就代表成功。这里有个常见误解：很多人看到 AI 项目就以为要装 Python，其实只要你的 OpenClaw 是通过 Docker 部署的，宿主机上根本不需要 Python，所有 Python 依赖都在容器内部。
2.3 本地模型选哪个：Ollama 加 Qwen2.5-3B
如果你不想注册各类云端大模型 API，又希望 OpenClaw 能真正跑起来，我非常推荐先装一个 Ollama，然后拉取 Qwen2.5-3B 模型。Qwen2.5-3B 的参数量虽然不大，但胜在够轻、工具调用能力够用，纯 CPU 机器也能勉强跑起来，16GB 内存的电脑体验已经不错了。这个组合最大的好处是不产生任何按量 API 费用，安装也不需要复杂配置。
安装 Ollama 很简单：去官网下载 Windows 安装包，装好后直接在 PowerShell 里执行：
ollama run qwen2.5:3b它会自动下载模型并进入一个对话终端，先跑通这一步，再回过身来配置 OpenClaw 就顺理成章了。Ollama 默认监听本机的 11434 端口，这个地址稍后要填进 OpenClaw 的环境变量里。如果你在 Linux 服务器上部署，其实套路一样，只是把 Ollama 的安装方式换成 Linux 安装脚本。
3. 主流程安装：克隆、配置、启动
3.1 克隆官方仓库与目录结构说明
环境准备好之后，主流程确实很快。打开 WSL2 的 Ubuntu 终端，先建立一个专门放项目的目录，再把 OpenClaw 官方仓库克隆下来：
mkdir -p ~/projects && cd ~/projects git clone <OpenClaw官方仓库地址> cd openclaw仓库地址不要随便从第三方博客复制，最稳妥的办法是打开 GitHub，搜索 OpenClaw 或 Clawdbot，认准官方组织账号。确认的标准可以看组织名、Star 数量以及仓库活跃度，这样才能避开被人篡改过的分包。克隆完成后，用ls -la看看目录内容，你会看到几个核心文件：docker-compose.yml负责编排所有服务，.env.example是环境变量模板，cli目录里是命令行工具，skills目录用来放自定义技能。这些结构并不复杂，但看懂之后会非常有帮助。
3.2 环境变量配置：模型地址、密钥与数据目录
接下来需要创建自己的环境变量文件。官方提供的.env.example是模板，复制一份为.env，然后按需修改：
cp .env.example .env打开这个文件，最核心的几项无非是模型提供方、API 地址、API 密钥、数据存放目录。如果你用 Ollama 跑 Qwen2.5-3B，可以这样填：
MODEL_PROVIDER=openai_compatible OPENAI_API_BASE=http://localhost:11434/v1 OPENAI_API_KEY=ollama MODEL_NAME=qwen2.5:3b DATA_DIR=/srv/openclaw/data为什么 Ollama 这组配置里的 API Key 填ollama就行？因为 Ollama 的 OpenAI 兼容接口不校验密钥，你随便填一个非空字符串都能过。但注意，如果你后面切换到云端 OpenAI 兼容服务，这里的值就必须换成真实的 API Key。
一个非常容易踩的坑是地址填法。OpenClaw 主服务运行在 Docker 容器里，而 Ollama 跑在宿主机上，也就是 WSL2 子系统里。Docker 容器内不能直接用宿主机视角的localhost去访问宿主机的服务。OpenClaw 的编排文件一般会做一层网络处理，让容器内的localhost指到宿主机，所以http://localhost:11434/v1通常有效。一旦发现模型连不上，马上把地址改成http://host.docker.internal:11434/v1再试，这个问题我在不同版本上都遇到过。
3.3 启动服务：Docker Compose 与 CLI 自检
配置结束后，在项目目录里执行：
docker compose up -d docker compose psup -d会在后台启动所有服务。第一次执行时会拉取镜像，耗时长短完全取决于你的网络速度，这和 OpenClaw 本身没关系。执行完docker compose ps如果看到各个容器的状态都是Up，说明服务已经拉起来了。如果有Restarting或Exited，就要往前排查。启动完成后，再用 CLI 做一次自检：
./cli status如果能看到服务在线、模型连接正常，那安装就已经完成了九成。这时候你可以直接在终端里对 OpenClaw 下达指令，比如“告诉我当前系统时间”或者“列出当前目录下所有文件”，它会通过工具去执行命令并返回结果。看到这一步跑通，基本上就能确定你的 AI 龙虾已经正式上岗。
4. 高频报错实战：WSL2 检测失败、Docker 崩溃与模型连接问题
4.1 “无法安全验证 WSL2 环境”的完整排查链路
网络热词里有一条很典型的报错，原文大概是“OpenClaw 无法安全验证 WSL2 环境。请在 PowerShell 中运行 wsl --status”。新手遇到这条提示很容易慌，以为 OpenClaw 装坏了，其实它只是检测不到一个能用的 WSL2 环境。
这个报错一般有三个来源：WSL2 内核没有更新、默认版本不是 2、WSL 里压根没装任何 Linux 发行版。排查手段非常直接，先在 PowerShell 里执行：
wsl --status看输出里有没有“默认版本”和“内核版本”的信息。如果默认版本显示 1，执行wsl --set-default-version 2。如果内核版本太旧或缺失，执行wsl --update。如果这些都没有问题，再执行wsl -l -v查看已安装发行版列表。列表为空的话，用下面这条命令装一个 Ubuntu：
wsl --install -d Ubuntu装完再执行一次wsl --status，然后重启电脑，绝大多数情况下那个报错就会消失。整个过程不需要重装 OpenClaw，因为问题根本不在 OpenClaw 这一层，而是系统环境状态不一致。
4.2 Docker Desktop 起不来时的几种真实原因
第二个高频坑是 Docker Desktop 启动后一直转圈，或者直接提示 Docker Engine stopped。最常见的原因是虚拟化没开，这是最底层的硬伤，前面已经说过要检查任务管理器里的虚拟化开关。第二个常见原因是 Windows 的虚拟机相关服务被禁用或没启动，尤其是vmcompute服务。处理办法是打开“服务”管理界面，找到“Hyper-V 主机计算服务”和“Windows 管理规范”，把启动类型改为自动，然后手动启动一次。第三个原因是电脑上装了旧版 Docker 或其他容器相关工具，残留冲突导致新版本无法正常启动。这种问题没有太多捷径，直接卸载 Docker Desktop，同时清理%USERPROFILE%\.docker和%USERPROFILE%\AppData\Local\Docker这类残留目录，再重装最新版。
另外有朋友提到“安装 Docker Desktop 时一直没有出现 WSL2 后端选项”，这通常是因为 Doker Desktop 安装时没有识别到 WSL2，或者 Windows 版本太老。Windows 10 的 21H2 及以上版本才比较稳妥，Windows 11 则完全没有问题。如果是 Windows 10 老版本，先打系统补丁再重装 Docker。
4.3 端口占用与本地模型连接失败
OpenClaw 的某些端口是写死在默认编排文件里的，比如常见的 16863、3000。如果本机已经有别的服务占了这些端口，容器就会启动失败。判断方法很简单，执行：
docker compose logs --tail=50如果日志里出现address already in use，那就是端口冲突。解决办法有两种：一是把占用端口的其他程序停掉，二是在.env里重新映射端口，比如把宿主机侧的 3000 改成 3001。改端口比查谁占用了要快得多，而且不影响功能。
本地模型连接失败是另一类高频问题。表现为 OpenClaw 能启动，但只要一问问题就报错，日志里出现 connection refused 之类的字样。这种情况先不要动 OpenClaw，单独测一下 Ollama 是否正常：
ollama list curl http://localhost:11434/v1/modelsOllama 正常的话，问题基本可以锁定在容器与宿主机网络通信上。把.env里的模型地址改成http://host.docker.internal:11434/v1，再重启服务，90% 能解决。剩下那 10% 一般是防火墙拦截了 11434 端口，放行即可。
5. 进阶玩法：关联 Qwen2.5-3B 并把 Skill 配好
5.1 本地大模型接入 OpenClaw 的配置方式
OpenClaw 的一大优点是不绑定任何特定厂商。你可以接 OpenAI、Anthropic、Google 的云端模型，也可以接 Ollama、vLLM 等本地推理服务。接入本地模型的通用做法，是把本地服务的地址配置成 OpenAI 兼容格式，OpenClaw 直接按这个格式去请求就行。
我实测下来，qwen2.5:3b在 OpenClaw 里完全可用。但必须说清楚，3B 参数的模型工具调用能力有限，太复杂的任务它容易理解偏差，比如把某个工具的参数填错。如果任务逻辑简单、步骤固定，它完全能胜任；如果你想要更强的自动化效果，建议换 Qwen2.5 的 7B 或 14B 版本。选模型有一条硬性原则：必须选支持工具调用或函数调用的模型，纯聊天模型接进去只能聊天，没法真正“动手干活”。
5.2 写一个自定义 Skill 的完整示例
Skill 是 OpenClaw 里非常实用的模块，它的本质是提前给 AI 写好的“操作说明书”。我以一个查询 IP 地理信息的 Skill 为例，展示它的结构。
在skills/目录下新建一个子目录，比如geo_query，然后在里面放一个SKILL.md，内容可以写成这样：
--- name: geo_query description: 查询指定IP地址的地理位置信息 tool: http_get parameter: {"url": "https://ipinfo.io/json"} --- 用法：当用户询问某个IP的位置时，使用该Skill发送HTTP GET请求， 把返回的JSON字段整理后回复用户。这里的关键是 front-matter 里的name、description、tool和parameter。tool: http_get表示使用 OpenClaw 内置的 HTTP 请求工具，parameter是传给这个工具的默认参数。配置好之后，重启一次 OpenClaw 服务，它会自动扫描skills目录并加载技能。之后你对 AI 说“帮我查一下这个 IP 在哪”，它就会根据描述匹配到对应工具并完成请求。
实际上手写 Skill 时，你会发现最难的不是语法，而是怎么把“什么时候该用这个工具”描述清楚。描述越具体，模型正确调用的概率就越高。官方仓库的skills目录里有很多现成例子，我建议先照着改一个，跑通再自己从零写。
5.3 Windows Companion 的作用与配置思路
热词里有人提到 OpenClaw Windows Companion，这里简单补充一下它的定位。Companion 是运行在 Windows 宿主侧的辅助程序，目的是把 Windows 的文件系统、剪贴板、音频输入等能力暴露给运行在 WSL2 内部的 OpenClaw 主服务。没有它，AI 能操作的只有 WSL2 内部的 Linux 文件系统；配置好之后，AI 可以直接读写 Windows 下载目录里的文件，甚至接管剪贴板。
配置 Companion 其实不复杂：先在 Windows 侧安装 Companion 程序，把服务跑起来，然后在 OpenClaw 的配置里填上 Windows 主机的通信地址。如果两边怎么都连不上，优先排查 Windows 防火墙是否放行了对应端口。以我的经验来说，Companion 属于那种“有需要再配”的组件，如果你只是跑服务器用途，或者所有操作都限定在 Linux 内部，完全可以跳过这一项，不影响核心使用。
说实话，我这个“2分钟零基础安装”的标题有点标题党的嫌疑——真正花时间的从来不是安装命令本身，而是前期的环境准备和排错。但只要 WSL2、Docker Desktop、Node.js 这三样东西是干净完整的状态，后面的主流程确实非常快。个人建议新手不要想着跳过环境检查直接跑命令，省下来的几分钟最后往往都会在报错排查里加倍还回去。最后分享一个小经验：如果哪天 OpenClaw 突然变得很慢，别急着重装，先看一眼docker compose logs --tail=50和 Docker 的资源占用，多半是日志堆积或内存不够，清理容器日志、给 Docker 多分点内存就能解决。
