Windows 环境下 OpenClaw 的安装与进阶使用指南
导读：OpenClaw 是一款可以运行在本地的 AI 智能体平台（Agent Platform）。如果你想拥有一个住在本地电脑里、能帮你查资料、写文档、操作浏览器的"实习生"，这篇指南将带你在 Windows 环境下从零开始搭建你的 OpenClaw 助手。
第一部分：揭开面纱（OpenClaw 到底是什么）
1. 核心概念与区别：为什么它在 2026 年突然火了？
如果你在近几年一直关注 AI，你会发现早期的 AI Agent 往往只存在于开发者的极客演示中，搭建极其困难。到了 2026 年，大模型（如 Kimi-k2.5, GLM-5）的指令遵从能力终于突破了"好用"的临界点。在这个背景下，OpenClaw 横空出世。简单来说，它是一个能让你在本地极其傻瓜式运行 AI 助理，并轻松将它接入你日常办公工具（飞书、Telegram）的智能体平台（Agent Platform）。
要真正理解 OpenClaw，我们需要理清它与另外几个热门概念的区别：
- VS 对话端大模型 (如 ChatGPT/Kimi 网页版)：网页端 LLM 就像是一个“被关在玻璃房里的百科全书”，你只能跟它聊天，需要不断地复制粘贴文本。而 OpenClaw 给了这个大脑一套“四肢和工具箱”，它能驻留在你的电脑上，自己读取你的本地文档、自己打开浏览器网页提取数据并整理归档。
- VS 开发者 Agent 框架 (如 LangChain/AutoGen)：这类框架本质是给程序员造车的“零件”，需要你吭哧吭哧写数百行代码才能跑起来。而 OpenClaw 是一辆插电即开的成品车，你只需要敲几行安装命令，甚至都不懂代码，就能拉起属于自己的个人本地助理。
- VS MCP (Model Context Protocol)：MCP 近期大火，它定义了一套规范的“上下文数据线”协议，让大模型读本地数据更容易。但 MCP 无法处理复杂的外部IM对接或成本截断。OpenClaw 不仅兼容 MCP，更是承载它的主板，它内化包揽了：消息通道监听、权限防御、插件技能路由以及 Token 的开销熔账，提供了平台级的全盘掌控力。
2. 基础架构解析：极其高效的本地调度中枢
OpenClaw 的架构采用了模块化解耦设计。为了说明它有多强大，我们可以模拟这样一个场景——“你在公司飞书群里 @ 它帮你查资料和文件”：
- Channels（渠道/感官前端）：不管你是从飞书、Telegram 还是本地终端 TUI 里发消息，Channels 插件都会将这些异构的信息标准化，抽离成机器能懂的干净请求。
- Gateway（网关/总调度室）：这是整套系统最核心的心脏（默认端口
127.0.0.1:18789）。当收到 Channels 的请求时，Gateway 会首先干苦力活：做安全权限校验（看你有没有权利用它）、比对 Token 月度限额（看你有没有刷爆信用卡），一切安全后才向后传递。 - Provider & Model（模型/智力引擎）：这里配置着你按个人喜好或者性价比挂载的第三方大模型（如 KIMI、MiniMax、GLM）。它接过 Gateway 递过来的前文记忆，开始思考“我需要直接回答，还是必须调用什么工具搞定主人的需求？”
- Tools（工具/基础四肢）：这是赋予大模型“手脚”的底层原子能力模块。它解决的是“如何执行”的问题，例如：
read_file(读文件)、write_file(写文件)、web_fetch(抓取网页)、browser(操控浏览器点击和截图)。如果没有这些，大模型就只是一张能说话的嘴。 - Skills（技能/高级业务手册）：这代表了更高维度的业务逻辑逻辑编排（Agent的工作流）。它基于基础的 Tools 组装而成，解决的是“去干什么”的问题。你可以把它理解为大模型的“应用商店 App”。比如你可以去商店下载安装一个叫
daily-report(自动生成日报) 的 Skill，模型调用它时，它会指导模型内部按顺序调用web_fetch获取数据，然后再调用write_file汇总成你的日报。
第二部分：Windows 环境准备与离线安装
1. 环境前置要求
- 电脑: Windows 10/11
- 软件：Node.js (版本 >= v22.16.x)、Git
- 一个各大模型服务商申请的 API Key（Kimi / GLM / MiniMax 等）
2. 快速安装
作为 Node.js 生态的平台，OpenClaw 的安装非常轻量级，请按照以下步骤执行：
- 以管理员身份运行 CMD：在 Windows 任务栏搜索框输入
cmd，右键点击“命令提示符”，选择“以管理员身份运行”。 - 执行安装命令：在打开的黑窗口中输入以下命令进行全局安装（带上 verbose 会显示详细安装进度）：cmd
npm install -g openclaw@latest --verbose - 验证是否安装成功：等待几分钟安装完成后，输入以下命令检查版本号。只要输出具体的版本号（如 2026.2.x），即代表安装大功告成！cmd
openclaw --version
2.1 初始化向导 (Onboard)
安装成功后，我们需要通过向导对 OpenClaw 进行首次基础配置（此时会连同默认调用的模型一起配置好）。在终端输入以下命令：
cmd
openclaw onboard进入向导后，会有一系列的终端交互问答，初学者建议一路按照 QuickStart (快速启动) 的指引进行。以下是一个标准的初始化路径示例：
text
* I understand this is personal-by-default and shared/multi-user use requires lock-down. Continue?
| > Yes / No # [风险确认，使用 ← 或 → 选择 Yes 继续]
—
* Onboarding mode
| > QuickStart (Configure details later via openclaw configure.) # [推荐，会处理基础网关端口等配置，使用 ↑ 或 ↓ 进行选择]
| Manual
—
o QuickStart -------------------------+
| |
| Gateway port: 18789 |
| Gateway bind: Loopback (127.0.0.1) |
| Gateway auth: Token (default) |
| Tailscale exposure: Off |
| Direct to chat channels. |
| |
+--------------------------------------+
|
* Model/auth provider
| ...
| MiniMax
| Moonshot AI (Kimi K2.5)
| Google
| xAI (Grok)
| ...
| LiteLLM
| Cloudflare AI Gateway
| Custom Provider
| > Skip for now
—
* Filter models by provider
| > All providers
| anthropic
| github-copilot
| google
| google-antigravity
| ...
| minimax
| minimax-cn
| openai
| xai
| zai
—
* Default model
| > Keep current (default: anthropic/claude-opus-4-6)
| Enter model manually
| amazon-bedrock/anthropic.claude-3-sonnet-20240229-v1:0
| amazon-bedrock/anthropic.claude-3-5-sonnet-20240620-v1:0
| amazon-bedrock/anthropic.claude-3-5-sonnet-20241022-v2:0
| ...
—
* Select channel (QuickStart)
| Telegram (Bot API)
| WhatsApp (QR link)
| Discord (Bot API)
| ...
| Feishu/Lark (飞书)
| ...
| > Skip for now (You can add channels later via `openclaw channels add`) # [建议先 Skip 渠道，后面单独配！]
—
o Skills status -------------+
| |
| Eligible: 3 |
| Missing requirements: 40 |
| Unsupported on this OS: 8 |
| Blocked by allowlist: 0 |
| |
+-----------------------------+
|
* Configure skills now? (recommended)
| Yes / > No # [建议先 No 即可]
—
o Hooks ------------------------------------------------------------------+
| |
| Hooks let you automate actions when agent commands are issued. |
| Example: Save session context to memory when you issue /new or /reset. |
| |
| Learn more: https://docs.openclaw.ai/automation/hooks |
| |
+--------------------------------------------------------------------------+
|
* Enable hooks?
| [•] Skip for now # [使用 空格 键选中，建议先 Skip 即可]
| [ ] 🚀 boot-md
| [ ] 📎 bootstrap-extra-files
| [ ] 📝 command-logger
| [ ] 💾 session-memory
—
* How do you want to hatch your bot?
| > Hatch in TUI (recommended) # [在当前终端直接聊天]
| Open the Web UI # [启动浏览器，在浏览器中聊天]
| Do this later
—
o What now -------------------------------------------------------------+
| |
| What now: https://openclaw.ai/showcase ("What People Are Building"). |
| |
+------------------------------------------------------------------------+
|
— Onboarding complete. Dashboard opened; keep that tab to control OpenClaw.至此，配置结束
2.2 配置模型
OpenClaw 支持接入非常丰富的模型，下面以在国内广受欢迎的“通义千问”和提供丰富免费额度的“NVIDIA 免费模型”为例说明配置方法：
1. 配置千问 (Qwen)：方法一 - 交互式 使用命令行 openclaw onboard --accept-risk --flow quickstart 打开交互窗口
T OpenClaw onboarding
|
o Existing config detected ---------+
| |
| workspace: ~\.openclaw\workspace |
| gateway.mode: local |
| gateway.port: 18789 |
| gateway.bind: loopback |
| skills.nodeManager: npm |
| |
+------------------------------------+
|
* Config handling
| > Use existing values # [选择保持现有值]
| Update values
| Reset
—
+------------------------------------------+
|
* Model/auth provider
| OpenAI
| Anthropic
| ...
| Google
| OpenRouter
| ...
| > Qwen (OAuth) # [选择千问]
| ...
| Hugging Face
| Venice AI
| ...
—
+------------------------------------------+
|
o Model/auth provider
| Qwen
|
o Starting Qwen OAuth…|
o Qwen OAuth -------------------------------------------------------------------------+
| |
| Open https://chat.qwen.ai/authorize?user_code=GL6GJ_1X&client=qwen-code to approve |
| access. |
| If prompted, enter the code GL6GJ_1X. |
| |
+--------------------------------------------------------------------------------------+
O Waiting for Qwen OAuth approval….. # [会自动打开浏览器认证千问，当浏览器中认证完成后会继续下一步]
o Qwen OAuth complete
|
o Model configured -----------------------------+
| Default model set to qwen-portal/coder-model |
+------------------------------------------------+
|
o Provider notes -------------------------------+
| ... |
+------------------------------------------------+
|
* Default model
| > Keep current (qwen-portal/coder-model)
| Enter model manually
| qwen-portal/coder-model # [选择这个]
| qwen-portal/vision-model
-
后续就都选择：Skip for now 或者 No 即可，直到：
o Gateway service runtime --------------------------------------------+
| |
| QuickStart uses Node for the Gateway service (stable + supported). |
| |
+----------------------------------------------------------------------+
|
* Gateway service already installed
| > Restart # [修改需要重启gateway]
| Reinstall
| Skip
—2. 配置千问 (Qwen)：方法二 - 命令行 对于通义千问，OpenClaw 提供了极其便捷的网页端授权（Portal Auth）方式，无需繁琐地去申请和配置 API Key：
bash
# 启用 qwen 插件并网页授权
openclaw plugins enable qwen-portal-auth
# 打开 qwen 网页进行授权登录，并将其设置为默认模型（使用管理员权限运行 CMD/PowerShell）
openclaw models auth login --provider qwen-portal --set-default3. 接入兼容 OpenAI 接口的第三方模型（通用流程）
目前市面上 99% 的大模型平台（如 DeepSeek 官方、各类中转代理平台站）或本地模型工具（如 Ollama、LM Studio）都提供了兼容 OpenAI 格式的 API。OpenClaw 的强大之处在于，你可以通过一套通用标准流程，将它们挂载为自定义服务商（Provider）。
核心逻辑说明： 无论你要对接哪个平台，流程都分为四步：
- 给这个服务商起个名字，并声明使用
openai协议和它的baseUrl接口地址。 - 填入你的
apiKey鉴权密钥。 - 把你想用的模型 ID 配置到模型列表（
models）中，并说明该模型的能力（如是否支持图片输入、是否是带思考过程的深度模型等）。 - 将其中一个模型设置为全局默认。
实战案例：配置 NVIDIA NIM 免费模型 我们以 NVIDIA NIM 平台为例，它提供了对 Llama、GLM 等顶级开源模型的大量免费调用额度，并且完全兼容 OpenAI 接口。前往 NVIDIA Build 获取 API Key 后，通过连续执行以下命令挂载：
bash
# 1. 新增名为 nvidia 的提供商，并指定使用 openai 兼容协议与基础 URL
openclaw config set providers.nvidia.api "openai"
openclaw config set providers.nvidia.baseUrl "https://integrate.api.nvidia.com/v1"
# 2. 设置您的 API Key
openclaw config set providers.nvidia.apiKey "你的_NVIDIA_API_KEY"
# 3. 详细挂载想使用的模型，这里我们为了免除手写复杂的 JSON，采用“路径拆分赋值”法：
# 【挂载第 1 个模型：glm-4.7，设为普通文本模型】
openclaw config set providers.nvidia.models.0.id "glm-4.7"
openclaw config set providers.nvidia.models.0.name "GLM 4.7"
openclaw config set providers.nvidia.models.0.reasoning false
openclaw config set providers.nvidia.models.0.contextWindow 128000
openclaw config set providers.nvidia.models.0.maxTokens 8192
openclaw config set providers.nvidia.models.0.input.0 "text"
# 【挂载第 2 个模型：glm-5，说明它拥有深度思考(reasoning)与多模态读图(image)能力】
openclaw config set providers.nvidia.models.1.id "glm-5"
openclaw config set providers.nvidia.models.1.name "GLM 5"
openclaw config set providers.nvidia.models.1.reasoning true
openclaw config set providers.nvidia.models.1.contextWindow 128000
openclaw config set providers.nvidia.models.1.maxTokens 8192
openclaw config set providers.nvidia.models.1.input.0 "text"
openclaw config set providers.nvidia.models.1.input.1 "image"
# 4. 配置全部完成！将 glm-5 设为你机器人的默认大脑
openclaw models set nvidia/glm-5💡 举一反三：将上述配置无缝转换为“本地 Ollama”
只要理解了上面 NVIDIA 的配置思路，你可以非常轻松地将 OpenClaw 切换到由本地个人电脑驱动的 Ollama。你只需要在命令中替换关键参数即可，它们的对应关系详见下表：
对应命令配置项 (OpenClaw Config Path) NVIDIA 示例中的值 🔀 替换为 Ollama 的新值 提供商命名 (Provider Name) nvidiaollamaAPI 协议 ( ...api)openaiopenai(保持不变)接口地址 ( ...baseUrl)https://integrate.api.nvidia.com...http://localhost:11434/v1鉴权密钥 ( ...apiKey)你的_NVIDIA_API_KEYollama(随便填，当占位符且不需要认证)支持模型 ( ...models.0.id)glm-4.7/glm-5qwen2.5:7b(填写你在 Ollama 已下载的模型)提示：如果是想要临时切换已有模型，可以直接使用快捷指令：
openclaw models set <服务商>/<模型名>，比如切换到本地openclaw models set ollama/qwen2.5:7b。
2.3 进阶：使用环境变量保护 API Key（生产环境推荐）
在前面的步骤中，我们使用 openclaw config set providers.nvidia.apiKey "xxx" 将密钥作为死数据直接写到了配置里。对于个人电脑这通常没问题，但如果你打算将该配置文件推送到 Git 仓库或是群组服务器，明文保存密码是不安全的。
OpenClaw 支持在配置文件中使用类似 ${ENV_VAR} 的语法动态注入系统环境变量。
例如，我们要保护我们存放在 NVIDIA 提供商下的 API Key：
- 设置配置文件的插值路径：修改配置使其不要直接保存明文，而是指向一个特定的环境变量名（如
NVIDIA_API_KEY）：bashopenclaw config set providers.nvidia.apiKey "${NVIDIA_API_KEY}" - 设置 Windows 环境变量：
- 打开 Windows 任务栏搜索，输入“环境变量”，选择“编辑系统环境变量”。
- 点击右下角的
环境变量按钮，在上方“用户变量”中点击新建：- 变量名：
NVIDIA_API_KEY - 变量值：填写你的真实服务端
sk-xxxx
- 变量名：
- 配置好后务必重新打开一个新的CMD窗口以使环境变量生效。后续当 OpenClaw 运行时，就会自动从你的 Windows 系统变量中拉取该值填充。
第三部分：多样化交互终端
如果你遇到收发消息没反应，或者想要更深度的交互，了解调试体系至关重要。
1. 交互方式矩阵
- openclaw tui：在终端里直接开启文字交互（最稳推荐）。
- openclaw dashboard：开启 Web UI 图形化控制台查看状态与对话。
- openclaw channels add：接入第三方 IM（最主要的高阶玩法）。
2. 第三方即时通讯平台接入（以飞书为例）
让 OpenClaw 住进你的工作群里，方便随时 @ 它干活。
- 创建飞书机器人： 登录 feishu
- 打开 三分钟快速开发 点击第一步中的 创建应用 按钮，然后开始简单配置
- 在创建好的应用页面，点击左侧的 应用凭证，可以看到应用的 AppId 和 AppSecret
- 设置应用权限：建议勾选所有不需要审批的权限
- 最后，在 版本管理与发布 页面创建版本并发布
- 启用飞书插件：bash
# 启用 openclaw plugins enable feishu # 配置 openclaw config set channels.feishu.appId "{AppId}" openclaw config set channels.feishu.appSecret "{AppSecret}" openclaw config set channels.feishu.enabled true openclaw config set channels.feishu.connectionMode websocket openclaw config set channels.feishu.dmPolicy pairing openclaw config set channels.feishu.groupPolicy allowlist openclaw config set channels.feishu.requireMention true # 通过 list 命令查看状态 openclaw channels status - 获取凭证与通道配对 (Pairing)： 当飞书机器人接入并在私聊首次收到同事消息时，网关会拦截并提示认证配对（Pairing 模式是防止被非授权人员蹭 Token 的核心策略）。你需要在终端后台完成审批授权：
bash
# 查看当前被拦截的待审批飞书用户列表
openclaw pairing list feishu
# 输入匹配码通过这名用户的访问申请
openclaw pairing approve feishu <code>第四部分：赋予眼睛与双手——网络与浏览器能力配置
OpenClaw 原生支持极为强大的网络探索能力，这能让大语言模型不再受限于时间语料。常见方式有：
| 工具名称 | 一句话功能 | 典型用法 |
|---|---|---|
web_search | 查链接和摘要 | 找资料、搜网址 |
web_fetch | 读文章内容 | 阅读新闻/博客 |
browser | 操控真实浏览器 | 点击、登录、截图 |
1. Web 工具: web_search
需要申请 API 密钥。默认使用 Brave 搜索引擎，需获取 BRAVE_API_KEY；也支持 Perplexity 或 Gemini。推荐使用 openclaw configure --section web 命令进行交互式配置。
通过执行普通 HTTP GET 并提取可读内容（HTML → markdown/文本）。它不执行 JavaScript。
2. Web 工具: web_fetch
开箱即用(默认启用)，主要用于：HTTP 获取 + 可读性提取（HTML → markdown/文本）。当想让模型直接阅读某篇文章时，开启内置抓取工具：
bash
openclaw config set tools.web.fetch.enabled true
# 验证配置
openclaw config get tools.web.fetch适用场景：提供一个 URL，让 AI 抓取纯文本总结。
2. 重点：浏览器自动化 (OpenClaw-managed Browser)
由于很多网站有防爬虫或强 JS 渲染，OpenClaw 提供直接接管真实的 Chromium 浏览器实例（隔离环境）：
OpenClaw 提供多种使用方式：
- 一、openclaw 托管模式，由 OpenClaw 自动启动一个隔离的浏览器环境，开箱即用;
- 二、本地 chrome 扩展中继模式，通过本地中继 + Chrome 扩展接管你现有的 Chrome 标签页，需要手动加载扩展并点击图标激活;
- 三、远程 chrome 中继模式，显式 CDP URL（在其他地方运行的基于 Chromium 的浏览器）
启动托管内置浏览器：
bash
# 绑定路由配置
openclaw config set browser.defaultProfile openclaw
# 启动浏览器进程
openclaw browser --browser-profile openclaw start
# 访问网页
openclaw browser --browser-profile openclaw open https://example.com
# 获取页面快照
openclaw browser --browser-profile openclaw snapshot
# 探查运行状态
openclaw browser --browser-profile openclaw status提示：启动后，可点击浏览器插件图标，找到 "OpenClaw" 并 Connect 进行对接。
一旦配置完成，你可以在聊天窗口直接给机器人发指令：“帮我打开 xxx 网站，看看上面的第一条新闻是什么并把网页截图发我”。
3. Agent 工作流解剖：以“搜索金价”为例
为了更好理解各种工具和技能是如何被大模型指挥协作的，我们可以通过这张流程图看看当我们输入“搜索当前金价”时，系统内部到底发生了什么：
第五部分：安全防护与成本控制
随着 AI 处理的内容越来越复杂（尤其是自动化访问网页和群聊被频繁 @），优化 Token 损耗和防止资产浪费显得尤为关键。
1. 节省 Token
使用 QMD, Mem0 等工具进行会话压缩，同时借助 LLM 自身的缓存层，可以大幅度降低会话 token 消耗
2. 日志打开与排错
排查网络不通、渠道断连，直接开启 Debug 模式：
bash
# 临时运行开启日志
openclaw gateway --verbose
# 或直接修改配置持久化开启 Debug
openclaw config set logging.consoleLevel debug3. 制作离线安装包
为了应对内网或特殊 Windows 隔离环境，可以将 OpenClaw 提前打包：
- 准备一台能上网的机器，将
node_modules\openclaw压缩打包为openclaw.7z。 - 在目标 Windows 环境解压到特定的
openclaw目录下。 - 打开 CMD / PowerShell，进入该目录并运行离线安装命令：cmd
cmd /k "npm install -g . --prefer-offline"