用 OpenClaw 5 分钟搭建你的第一个私人 AI 助手

OpenClaw 是开源的个人 AI 助手/Agent 框架：跑在你自己的机器上,接你选的模型（云 API 或本地模型）,通过工具去真正执行任务——读写文件、查网页、跑命令,而不只是聊天。这篇带你从零跑起来,并讲清"私人助手"这件事的正确打开方式与安全边界。

一、准备

系统：macOS / Linux / Windows（WSL2）

二选一：Docker（最省事）或 Node.js 18+

一个模型来源：任一主流云 API Key,或本地 Ollama（全离线方案）

二、启动（Docker 推荐）

bash
docker pull openclaw/openclaw:latest
docker run -d --name openclaw \
  -p 3000:3000 \
  -v ~/openclaw-data:/data \
  -e LLM_API_KEY=你的Key \
  openclaw/openclaw:latest

打开 localhost:3000 进入配置向导：选模型供应商、授权工具范围（先只勾文件读取和网页搜索,见下文安全节）、设定工作目录。具体镜像名与环境变量以官方 README 为准——开源项目迭代快,本文写法是通用形态。

接本地 Ollama 的写法：把模型端点指向 http://host.docker.internal:11434,选一个本地模型——数据完全不出机器,这是开源自托管助手对比云端助手的核心价值。

三、第一批真正有用的任务

私人助手的正确用法不是闲聊,是给它你机器上的上下文 + 可执行的工具：

文件管家："把下载目录里的 PDF 按年份归档到 ~/Documents/发票/"——它列出计划,你确认后执行

本地知识问答：把笔记/项目文档目录授权给它,"上次和供应商谈的付款条件是什么？"

日常简报：定时任务——抓你关注的 RSS/网页,生成晨报存到笔记目录

轻自动化："每周五把本周 git 提交记录整理成周报草稿"

这些任务的共同点：重复、有明确产出、错误可逆——正是交给 Agent 的甜区。复杂多步任务的设计思路可参考 Agent 状态机模式。

四、安全边界（自托管助手的必修课）

给 AI 执行权是把双刃剑,三条纪律：

最小授权起步：先只开只读工具（读文件/搜索）,跑顺了再逐个开写入/执行——别第一天就给 shell 全权

危险动作必须确认：删除、覆盖、对外发送类操作保持"先展示计划、人工确认再执行"模式（审批门模式）

工作目录隔离：助手的可写范围限定在专用目录,别把整个家目录交出去;API Key 用环境变量/密钥管理,不进配置文件明文

五、它和 ChatGPT/Manus 们的关系

OpenClaw（自托管开源）云端助手/Agent

数据全在本地经服务商 能力上限取决于你接的模型厂商旗舰加持 本机操作原生强项受限 省心程度要自己维护开箱即用

实用结论：涉及本机文件和隐私数据的活交给自托管助手,通用问答/重活用云端,两者是互补不是替代。Agent 生态横向了解见 Manus vs AutoGPT vs OpenClaw。

FAQ

Q：要多强的机器？ 接云 API 的话树莓派都够;跑本地 7B-14B 模型建议 16-32GB 内存。

Q：和直接用 Ollama 区别？ Ollama 只管模型推理;OpenClaw 这层加的是工具执行、记忆、定时任务——"会干活"和"会聊天"的区别。

Q：升级会丢数据吗？ 数据卷挂载在 ~/openclaw-data 就不会;升级前照例备份。

---

*最后更新：2026 年 6 月。安装细节以 OpenClaw 官方仓库 README 为准。*