创建一个名为 openclaw 的Python 3.10环境

openclaw openclaw中文博客 2026-04-09 1

OpenClaw是一个开源的、轻量级的AI助手项目，基于深度求索公司的DeepSeek等模型，旨在提供一个本地可部署、支持函数调用、中文友好的智能体框架。

创建一个名为 openclaw 的Python 3.10环境-第1张图片-OpenClaw 中文版 - 真正能做事的 AI

核心概念与准备

个人版：意味着你可以在一台具备足够资源的个人电脑（台式机/笔记本）或云端服务器（如AutoDL、谷歌Colab等）上运行。
核心依赖：Python、大语言模型（需要下载或配置API）、以及项目的源代码。
硬件要求：
- CPU版本（推荐初学者）：需要至少 8GB 可用内存，推理速度较慢,但安装简单。
- GPU版本（推荐有N卡用户）：需要至少 6GB 显存的NVIDIA显卡（如RTX 2060, 3060等）,推理速度更快。
- 磁盘空间：至少准备 10-20GB 空间用于存放模型和依赖。

第一步：环境准备

安装 Miniconda/Anaconda（强烈推荐）

用于创建独立的Python环境,避免依赖冲突。

前往 Miniconda官网下载对应你操作系统的安装包。
按照指示安装，在终端（Linux/macOS）或 Anaconda Prompt（Windows）中验证：
```
conda --version
```

创建并激活虚拟环境

# 激活环境
conda activate openclaw

第二步：获取OpenClaw项目代码

克隆仓库

打开终端（确保已激活 openclaw 环境）,执行：

git clone https://github.com/openclaw-ai/OpenClaw.git
# 如果github连接慢，可以使用Gitee镜像（如果有的话）
# git clone https://gitee.com/xxx/OpenClaw.git （请查看项目主页获取最新镜像地址）
cd OpenClaw

安装项目依赖

pip install -r requirements.txt

注意：如果遇到网络问题,可以使用国内镜像源加速：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

第三步：配置模型（关键步骤）

OpenClaw需要一个大语言模型作为核心引擎,你有两种选择：

方案A：使用在线API（最简单，无需高配置）

修改配置文件，通常项目根目录下有一个 config.yaml 或 .env.example 文件。
复制一份并重命名：
```
cp .env.example .env
```

编辑 .env 文件，填入你的API密钥，使用DeepSeek API：

LLM_API_TYPE=deepseek
DEEPSEEK_API_KEY=你的sk-xxxxxxxxxxxxxx
# 其他配置保持默认

这种方式无需下载模型，运行速度快,但会产生API费用。

方案B：使用本地模型（完全离线，需要硬件）

这是“个人版”本地部署的核心。

下载模型：OpenClaw通常与 Qwen（通义千问）或 DeepSeek 的量化模型兼容，以 Qwen2.5-7B-Instruct 的4位量化版为例：
- 推荐下载平台：
  - Hugging Face： https://huggingface.co/Qwen
  - ModelScope： https://modelscope.cn/models/qwen
- 使用 git-lfs 或直接下载，在项目目录下创建一个 models 文件夹：
```
mkdir models
cd models
git lfs install
git clone https://huggingface.co/Qwen/Qwen2.5-7B-Instruct-GPTQ-Int4
```
  （如果没有git-lfs，请先安装，或者直接从网页手动下载所有文件到此目录）

配置本地模型路径：编辑 .env 文件,配置为使用本地模型：

LLM_API_TYPE=local
LOCAL_MODEL_PATH=./models/Qwen2.5-7B-Instruct-GPTQ-Int4
# 根据你的显卡选择设备，有GPU就用cuda
DEVICE=cuda  # 或 cpu

第四步：运行OpenClaw

启动Web UI界面（最直观）

大多数开源AI助手项目都提供了类似ChatGPT的网页界面。

# 通常在项目根目录下运行类似命令，具体请查看项目的 README.md
python webui.py
# 或者
streamlit run app.py

运行成功后，终端会显示一个本地URL（如 http://127.0.0.1:7860 或 http://localhost:8501）,用浏览器打开这个链接即可开始对话。

启动命令行界面

如果项目提供了CLI工具,可以：

python cli.py

第五步：验证与测试

在Web UI或CLI中，尝试问一个问题，“你好，介绍一下你自己。”
观察响应，第一次加载本地模型可能需要几十秒到几分钟（取决于你的硬盘和CPU/GPU速度）,后续对话会快很多。
尝试其特色功能，如“函数调用”（如果项目支持），“帮我查一下北京今天的天气。”（这需要你预先配置好对应的天气API工具）。

常见问题与排错

CUDA Out of Memory：GPU显存不足，尝试使用更小的量化模型（如3B、1.5B型号），或者在 .env 中设置 DEVICE=cpu 使用CPU推理。
依赖安装失败：
- 确保Python版本为3.9或3.10。
- 尝试升级pip：pip install --upgrade pip
- 逐个安装主要依赖：pip install torch torchvision torchaudio（根据CUDA版本去PyTorch官网获取命令）。
模型加载慢/报错：
- 检查模型文件是否完整。
- 确认 .env 中的 LOCAL_MODEL_PATH 路径是否正确。
找不到命令/模块：
- 确保始终在 conda activate openclaw 激活的虚拟环境下操作。
- 确保在项目根目录 OpenClaw/ 下运行命令。

进阶提示

性能调优：对于本地模型，可以研究 transformers 库的加载参数，如 load_in_4bit, load_in_8bit 来进一步节省显存。
工具扩展：阅读项目的 tools/ 目录或相关文档，学习如何为你自己的OpenClaw添加新的自定义功能（如查询数据库、发送邮件等）。
关注社区：项目问题和讨论区是解决问题的宝库。

最重要的建议：始终以项目官方Git仓库的 README.md 和 docs/ 文档为最权威的安装依据，本指南提供了一个通用流程，但具体细节可能随项目版本更新而变化。

祝你在本地成功部署属于你自己的AI小龙虾！

本文地址： https://ch-openclaw.com.cn/post/925.html