最近不少朋友来问我，Windows 10 上到底怎么装 OpenClaw。说实话我第一次看到这个词，第一反应是某个游戏项目，毕竟 OpenClaw 这名字撞过不少车。结果聊下来才发现，他们想装的是一个开源的 AI 代理工具，中文圈习惯叫它“小龙虾”——Claw 就是爪子，龙虾钳子也是爪，叫起来还挺顺口。这东西不是普通聊天机器人，而是一个能自己看屏幕、敲键盘、执行命令的 AI 助手。我花了一整个下午，在 Windows 10 里从零走通了安装、配置、Companion、跑任务全流程，这篇文章就把整个过程和踩过的坑原原本本写出来，给想在自己电脑上装小龙虾的人做个参考。
1. 先搞明白：OpenClaw 和小龙虾到底是个啥
在动手安装之前，必须先搞清楚 OpenClaw 的定位，不然你装完大概率会问：这玩意怎么不像 ChatGPT 那样直接聊天？
1.1 它和普通聊天软件的本质区别
OpenClaw 的核心是一个 Agent（代理）运行环境。普通聊天机器人是“你问一句、它答一句”的问答循环；而代理的工作循环是：接收任务 → 拆解步骤 → 调用工具 → 观察结果 → 再拆解 → 直到完成。你可以把它想象成一个坐在你电脑前面的实习生，它的眼睛是截图功能，手是命令行和窗口操作，大脑是背后的 LLM 模型。
这个区别特别重要，因为安装完成以后，你用它的方式也会完全不同。聊天软件是你喂一句它回一句，OpenClaw 是你丢给它一个完整目标，然后看它自己倒腾。我第一次跑通时，心理上适应了很久——明明没有给具体操作，它就自己把脚本写了、把命令执行了、把结果整理好了。这种“放权”的感觉，恰恰是它和传统软件最大的分水岭。
1.2 四个组件：引擎、模型、技能、伴侣
从架构上看，OpenClaw 拆成四个部分：
- 引擎：负责读配置、调度模型、记录任务日志，是整个项目的主进程。
- 模型：负责思考，默认接云端 API，也可以接本地 Ollama。
- 技能：以文件为单位打包的“动作脚本”，模型会按需选择调用。
- 伴侣：一个本地辅助进程，负责截图、模拟键鼠、管理窗口。
这四个部分不是必须同时装。核心引擎加一个模型就能跑，但那样它只能在终端里回答你，没法操作桌面。想让小龙虾真正“动手”，就必须再配一个伴侣。
1.3 为什么 Windows 10 原生安装够用
至于 Windows 10，完全没问题。OpenClaw 的底层依赖是 Node.js 和 Python，这两个在 Windows 10 上都有成熟的原生支持。我反而建议先别急着上 Docker 或 WSL，原生安装的排查链路短，出了问题直接改环境变量就行，对新手友好得多。
我选择 Windows 10 而不是最新系统的原因很实际：公司电脑还是 Win10 LTSC，生产环境大多数也是 Win10，能用原生方式跑通，就不需要引入额外的虚拟化层。后面所有的配置、报错、修复，面对的都是一个普通 Windows 桌面环境，这也是最主流的运行场景。
2. 装之前的环境准备：三件套和一个目录
OpenClaw 不是一个单文件 exe，它跑起来依赖一套工具链。我在 Windows 10 上准备的顺序是：先确认系统里有没有 Python、Node 和 Git，再规划目录，最后再碰 OpenClaw 本体。
2.1 工具链版本与检查命令
工具版本没必要追新，稳定就行。我用的组合是：Python 3.11、Node.js 20 LTS、Git for Windows 最新版。如果你机器上已经有更高版本，问题也不大，只要别低于项目要求的下限。
| 工具 | 最低版本参考 | 检查命令 | 主要用途 |
|---|---|---|---|
| Python | 3.10 | python --version | 跑技能脚本 |
| Node.js | 18 LTS | node -v | 跑引擎 |
| Git | 最新稳定版 | git --version | 拉源码 |
检查完版本，顺手把 Windows Terminal 也装一下。不是必须，但后面要看日志、观察代理的思考过程，一个支持多标签的终端能省不少事。PowerShell 5.1 也能跑，只是显示效果和操作体验差一些。
2.2 用目录归拢配置，卸载重装更干净
OpenClaw 默认会在用户目录下生成一堆配置和日志，重装时很容易残留旧配置导致启动异常。我习惯单独建一个工作目录，比如D:\openclaw，然后设置一个OPENCLAW_HOME环境变量指向它。把所有状态集中到一起，出问题大不了整个目录删掉重来。
设置方法不复杂：在 Windows 搜索框里输入“环境变量”，打开系统属性里的环境变量编辑窗口，新建一个用户变量，变量名OPENCLAW_HOME，变量值填你的工作目录。设完之后要新开一个终端窗口才生效，这是个非常容易忽略的细节。
2.3 API Key 还是 Ollama，先定个方向
如果你打算用云端 API 方式，现在就把 key 准备好。OpenClaw 默认走 Anthropic 的 Claude API，你需要有一个有效 API Key。Windows 下设置环境变量很容易，在 CMD 里用set，在 PowerShell 里用$env:。我给个 PowerShell 例子：
$env:ANTHROPIC_API_KEY = "sk-ant-你的密钥"不想用云端 API 也可以，后面第 6 章会讲怎么接 Ollama 本地模型。但第一次安装时，我建议先老老实实用云端 key 跑通一遍，排除掉本地模型引起的变量，之后再切换到 Ollama 做对照。这就像学开车，先在最熟悉的路上练熟，再换复杂路况。
提示：API Key 是属于你个人的敏感凭证，别写进仓库、别发给任何聊天窗口。OpenClaw 会记录执行过的命令，如果命令里带了 key，等于在日志里留了一份明文密钥。
3. 安装三步走：拉代码、装依赖、初始化
环境准备完就可以正式安装了。我这边 Windows 10 上走的流程是三步：拉源码、装依赖、跑初始化向导。没有走 exe 安装包，因为开源项目的安装包经常滞后于仓库代码，直接拉源码反而不容易踩到旧版 bug。
3.1 拉源码与装依赖
第一步，拉源码。打开命令行，进到你规划好的父目录，执行：
git clone [OpenClaw官方仓库地址] cd openclaw如果你网络条件一般，拉取时间会久一些，耐心等就行。拉到本地以后，第二步是装依赖。OpenClaw 的引擎是 Node.js 项目，进入目录后运行：
npm install如果项目是纯 Node 还好，但它混合了 Python 技能，所以部分依赖还需要 pip 安装。具体要不要跑 Python 依赖，看仓库里的 README 和 setup 脚本。别跳步，Windows 下最常见的问题就是依赖没装全，启动时各种ModuleNotFound，那种错最浪费时间。
3.2 初始化向导和第一次启动
第三步，初始化。通常是运行npm run setup或npx openclaw init，会有一个交互式向导：让你填模型提供商、API Key、角色设定、数据目录。首次配置我强烈建议全部用默认值，先把最小可用环境拉起来，再慢慢改。上来就改一堆自定义选项，出了错你根本分不清是哪一项引起的。
启动命令是npm start或openclaw。正常情况下，终端会打印日志，然后出现一个后台 Web 控制台地址。打开浏览器访问它就能和它对话。第一次看到那个控制台界面时，我心里那块石头才落地——前半小时全在跟环境变量较劲，真到启动反而一路顺畅。
3.3 首次启动报错排查表
但第一次启动没这么顺利。我遇到的报错，按出现概率排序是：PowerShell 执行策略拦截、端口被占用、防火墙弹窗、缺依赖。下面这张表是排查思路。
| 常见错误 | 现象 | 处理 |
|---|---|---|
| PowerShell 阻止脚本 | 报错“因为在此系统上禁止运行脚本” | 执行Set-ExecutionPolicy -ExecutionPolicy Bypass -Scope CurrentUser |
| 端口被占用 | 启动后控制台打不开 | netstat -ano | findstr 端口号，找到占用进程并关闭 |
| 防火墙弹窗 | Windows 安全中心提示 Node.js 或 Python 网络访问 | 点击允许，并勾选专用网络 |
| 缺 Python 依赖 | 日志报ModuleNotFoundError | 按 README 提示执行 pip install 相关依赖 |
这些问题都有一个共同点：不是 OpenClaw 本身的逻辑问题，而是 Windows 10 的默认策略太保守。每次解决完，记得重开一个新的终端窗口再启动，否则环境变量不生效。我前两次就是省了这步，改完环境变量直接在旧终端里跑，结果系统根本读不到新值，白白多试了十分钟。
4. 配 Windows Companion：给小龙虾装上眼睛和手
如果只装完了引擎，那 OpenClaw 还是个只会聊天的脑子。要让它真正操作 Windows 桌面，需要 Windows Companion。这个组件我在第一次安装时忽略了，结果任务是能跑，但它全程只能靠命令行，没法点窗口、看截图，能力至少砍掉一半。
4.1 Companion 负责眼睛和手
Companion 的定位是“本地操作层”。引擎负责思考，Companion 负责动手：截取屏幕、读取当前窗口、移动鼠标、点击按钮、输入文字。两者通过本地端口通信，数据不出本机。
这个设计和人很像：大脑在颅内做决策，但它看不到世界，必须靠眼睛传回画面、靠手去执行动作。没有 Companion 的 OpenClaw，就像蒙着眼罩、绑住双手的实习生，只能在终端里敲字，做不了任何桌面级操作。
4.2 配置步骤与权限
在 Windows 10 上配置 Companion，大致是这几步：先下载安装官方 Windows Companion 程序；然后在 OpenClaw 配置里填上 Companion 端口；最后在 Windows 的隐私设置里允许它访问屏幕录制、辅助功能等权限。
具体菜单路径很容易找：设置 → 隐私 → 屏幕截图，打开允许桌面应用访问。设置 → 隐私 → 辅助功能，同样把权限打开。如果不放权，Companion 可能启动正常，但一截图就是黑屏，这会让人误以为引擎坏了。
4.3 两个隐藏很深的坑
容易踩的坑有两个。第一个，Windows 10 的屏幕录制权限默认用来保护隐私，传统桌面程序有时拿不到截图权限，表现就是 Companion 截出来的图是全黑或者其他程序窗口。解决办法就是上面说的隐私设置。第二个坑更隐蔽：如果你的显卡驱动太老，部分截屏 API 会返回空白帧，我的老笔记本就是这个症状，更新显卡驱动后恢复正常。
安全上，我给的建议是别常开 Companion。不是不能用，而是它一旦授予了键鼠控制权限，所有能看到你屏幕的进程理论上都能间接操作系统。我平时只在跑自动化任务前启动 Companion，跑完立刻退出。权限最小化，出事范围才最小化。
5. 实践验证：让小龙虾自己写脚本并执行
装完不跑一次真实任务是心里没底的。我挑了一个完全本地、不依赖外网、还能同时验证文件操作和命令执行的小任务：在D:\openclaw_demo下创建目录，写一个计算斐波那契数列的 Python 脚本，运行它，然后把结果报告给你。
5.1 选一个安全的小任务
为什么不直接让它联网查天气、发邮件？因为第一次跑，你需要尽可能少的变量。我选的这个任务不涉及外部网络，又能检验截图、命令执行、文件读写三条链路。如果一开始就上高难任务，出了问题你根本不知道是哪个环节的锅。
任务定义得越清晰，后面排查越轻松。我当时给自己定的要求是：这个任务即使让小学生在五分钟内也能手动完成。代理模型能力再强，也架不住任务描述模棱两可。
5.2 下指令要说人话
下达任务指令时，我有一个心得：把话说完整。不要只写“写个 Python 脚本算一下斐波那契”，而是把路径、脚本名、语义都交代清楚。我给小龙虾的任务是这样的：“请先确认d:\openclaw_demo目录是否存在，不存在就创建；然后在里面写一个fib.py，内容是从 1 打印到 10 的斐波那契数列；最后用py执行它，并把输出贴给我。”边界越清晰，它越不容易自由发挥。
这里有个细节值得反复强调：Windows 上没有python3这个命令，只有python和py。如果任务里写的是“使用 python3 执行”，OpenClaw 大概率会先去尝试，然后得到一条报错，再自己纠偏。这种纠偏能力它具备，但会消耗额外的时间和上下文，所以指令里最好直接点名用py。
5.3 看懂日志才能信任它
然后就是观察日志。OpenClaw 会习惯性地打印类似Thought / Action / Observation的循环记录。这一步是整个过程中最有意思的部分：你能看到它在“思考”用哪个技能、在“执行”什么命令、看到了什么输出并据此决定下一步。跑通一次之后，你对它的行为模式就有了直观的把握。
我这次的结果是它成功创建了目录、写出了脚本、执行完也返回了对的数列。但我同时观察到一个值得注意的现象：任务描述里我若写python，它有时会调用python3，而 Windows 上通常没有这个命令；改成py后就稳了。这说明，OpenClaw 的很多“翻车”不是能力问题，而是它的行动经验和 Windows 环境存在细节偏差。
6. 本地算力、Skills 机制和手机部署：绕不开的进阶话题
基础跑通之后，网上那些高频关键词你基本都能看得懂了：Ollama 部署、Skill、Termux 安装、ROS2 Gazebo。它们本质上都是把 OpenClaw 往不同方向扩展。
6.1 不用 API，用 Ollama 把算力留在本地
很多人问大模型是不是只能用接入 API 的方式调用算力。答案是否定的。OpenClaw 也支持接兼容 OpenAI 接口的本地推理服务，最简单的方式是装 Ollama。Windows 10 直接装 Ollama 客户端，然后在终端里拉一个模型，比如qwen2.5:7b。然后在 OpenClaw 的配置里把模型服务地址改成http://127.0.0.1:11434/v1，模型名改成你拉的模型，就能用本地算力跑。
ollama pull qwen2.5:7b ollama serve本地模型和云端 API 各有取舍。用一个对比表看得更清楚。
| 对比维度 | 云端 API | 本地 Ollama |
|---|---|---|
| 效果 | 理解能力强，复杂任务稳定 | 7B 档理解能力弱一截 |
| 成本 | 按 token 计费 | 免费但耗电耗显存 |
| 隐私 | 对话数据要交给服务商 | 数据不出本机 |
| 安装 | 只需 Key | 需要装 Ollama 并拉模型 |
我的建议很实用：日常跑简单任务、想省心，用云端 API；隐私敏感或想离线，用本地模型。两个可以并存，配置里随时切换。先用云端跑通流程，再切到本地做性能对比，这是最稳的上手路径。
6.2 Skills 到底怎么玩
Skill 是 OpenClaw 最有扩展性的部分。说白了，Skill 就是把“一个工具怎么用”的说明和代码打包成一个文件夹。模型在任务中会读这些说明，按需调用。比如我写过一个打开系统工具的 Skill：描述文件里写明“当用户需要打开计算器、记事本或任务管理器时使用本技能”，脚本里分别调用calc、notepad、taskmgr这三个命令。
写 Skill 的几点经验：命令用绝对路径或者纯命令，不要依赖当前工作目录；脚本里处理中文路径时要显式编码；任何可能失败的操作都要有错误输出。不然模型看到空白输出，根本不知道下一步该干什么。
顺便说一个容易混淆的词：rosclaw。它是 ROS2 机器人社区里的一个夹爪控制项目，和 OpenClaw 重名但没有任何关系。热词里经常出现“rosclaw openclaw ros2 humble gazebo”，那是在 ROS2 环境下做机器人控制的话题。如果你确实想在 OpenClaw 里控制 Gazebo 仿真，思路不是装 rosclaw，而是写一个调用ros2命令的 Skill，让模型通过命令行操作仿真环境。这是进阶中的进阶，基础不牢先别碰。
6.3 手机端 Termux 是怎么实现的
还有人问能不能在手机上装 OpenClaw。能，但思路是套壳 Linux。在安卓 Termux 里用 proot-distro 装一个 Ubuntu 容器，然后按照 Linux 的部署流程装 Node 和 Python。手机和电脑同一个流程，核心区别是性能和续航。我在旧手机上跑通过一次简单任务，结论是：能跑，但别在手机上跑本地模型，最好把模型请求指向电脑上的 Ollama，手机只当一个远程遥控器。
而且要明确一点：手机版不是为了替代电脑，而是为了让你出门在外也能给家里的电脑下任务。真要天天办公，还是老老实实回到 Windows 10。
6.4 高频问题汇总
| 现象 | 原因 | 建议 |
|---|---|---|
| API 超时 | 网络不稳定 | 检查网络连通性，重试 |
| 中文路径乱码 | 编码问题 | 脚本里统一用 UTF-8，并检查系统代码页 |
| 杀毒软件拦截 | OpenClaw 执行命令触发行为检测 | 把项目目录加入白名单 |
| 任务执行一半卡住 | 模型上下文过长 | 拆分成小任务，或换更强模型 |
最后说说我的整体体会。Windows 10 装 OpenClaw 真不难，难的是接受“它是个 Agent（代理）”这件事。它和聊天软件最大的不同是：聊天软件说错话你可以一笑而过，它做错操作可能会改坏文件。我现在的习惯是，小任务放手让它自己跑，大任务先让它列步骤给我看，确认以后再执行。这个习惯建议你也留着，毕竟小龙虾还没聪明到能替你兜底。
