个人游戏笔记本免费“养龙虾”（Win10+WSL2+OpenClaw 部署与配置指南）

系列文章：
1. 个人游戏笔记本免费“养龙虾”（Win10+WSL2+OpenClaw 部署与配置指南）
2.个人游戏笔记本免费“养龙虾”（二）用显卡GPU运行OpenClaw，CUDA的安装与配置
3.个人游戏笔记本免费“养龙虾”（三）OpenClaw的安全配置指南
4.个人游戏笔记本免费“养龙虾”（四）OpenClaw(exec tools)的文件权限配置
5.个人游戏笔记本免费“养龙虾”（五）OpenClaw浏览器工具browser的使用
6.个人游戏笔记本免费“养龙虾”（番外篇）VSCode远程SSH登录Ubuntu配置OpenClaw
7.个人游戏笔记本免费“养龙虾”（六）给OpenClaw一个灵魂：配置七大Markdown文件
8.个人游戏笔记本免费“养龙虾”（七）OpenClaw的openclaw.json文件的基本配置
9.个人游戏笔记本免费“养龙虾”（八）OpenClaw：如何选择部署哪个大模型版本

前言

Openclaw的安全问题饱受诟病。为此，有文章建议用虚拟机或者沙箱隔离能缓解风险。虚拟机对于GPU的支持不太好。而沙箱轻量高效，有博文指出利用Docker容器构建沙箱，适合运行Openclaw这类高风险AI工具。官方也支持并推荐Docker容器化部署。
我的游戏笔记本是Lenovo Legion Y9000X 2021，Windows10操作系统，显卡是NVIDIA GeForce RTX 2060，6G显存。部署openclaw需要WSL2。WSL2类似于虚拟机，已经具备一定的隔离主机的作用，所以我不打算用Docker，而是直接按照官方指南在WSL2中配置Ubuntu 24.04，再部署openclaw的方式。有可能还需要安装CUDA Toolkit 12.4与NVIDIA Container Toolkit兼容层，再通过systemd-genie启用服务管理。

一、安装 WSL2 环境

WSL2 是官方推荐的 OpenClaw 运行环境。

1、开启 WSL2

在powershell中安装WSL2。可以直接指定位置到其他盘符（例如：e:\WSL），以免过多占用C盘空间。
以管理员身份运行powershell：

wsl--install-d Ubuntu--location e:\WSL

注意事项

• 需要以管理员身份运行 PowerShell
• 路径e:\WSL需要提前创建
• 安装完成后可能需要重启系统
• 第一次启动 Ubuntu 需要等待安装完成并设置用户名密码
• WSL2 在哪个盘，OpenClaw 就在哪个盘。

验证安装

# 查看已安装的 WSL 发行版wsl-l-v# 启动 Ubuntuwsl-d Ubuntu

安装的Ubuntu的版本是Ubuntu 24.04.4 LTS：

cat /etc/os-release
PRETTY_NAME=“Ubuntu 24.04.4 LTS”
NAME=“Ubuntu”
VERSION_ID=“24.04”
VERSION=“24.04.4 LTS (Noble Numbat)”

2、启用systemd

进入WSL Ubuntu终端，查看/etc/wsl.conf。

3、WSL固定DNS

关闭WSL自动生成DNS：

## nano /etc/wsl.conf[network]generateResolvConf=false

4、删除systemd生成的resolv.conf

systemd生成的resolv.conf是软连接，所以先删除，再新建。

sudorm/etc/resolv.conf

创建新的静态 DNS 文件：

sudovim/etc/resolv.conf nameserver1.1.1.1 nameserver8.8.8.8 nameserver202.103.24.68 options timeout:2 attempts:3

5、重启 WSL

在powershell中重启WSL，再打开Ubuntu。
注意：不是在WSL Ubuntu终端

wsl--shutdown wsl-d Ubuntun

【可选】6、WSL2性能优化：

在Windows用户目录（C:\Users\你的用户名）下创建 .wslconfig 文件，用于限制WSL2的内存和CPU使用，避免占满主机资源。

[wsl2]memory=6GB # 根据你的物理内存调整 processors=4localhostForwarding=true

保存后，在PowerShell中执行wsl --shutdown重启WSL使配置生效。

二、安装Node.js环境

Node.js运行环境要求版本 ≥ 22。

1、更换镜像源（Ubuntu24.04）：

• 修改/etc/apt/sources.list.d/文件夹中的ubuntu.sources。
  把http://archive.ubuntu.com/ubuntu/修改为https://mirrors.aliyun.com/ubuntu/。
  把http://security.ubuntu.com/ubuntu/修改为https://mirrors.aliyun.com/ubuntu/

• 在 WSL Ubuntu 终端中执行：

curl-fsSLhttps://deb.nodesource.com/setup_22.x|sudo-Ebash-sudoapt-getinstall-ynodejs

• 验证安装：

$node-vv22.22.1

三、部署openclaw

1、配置npm国内镜像源

npmconfigsetregistry https://registry.npmmirror.com

2、安装OpenClaw

# 全局安装 OpenClawsudonpminstall-gopenclaw@latest

3、初始化配置OpenClaw

参考文献1：本地部署OpenClaw+Qwen大模型+接入飞书机器人
参考文献2： 让你玩转OpenClaw （安装配置篇）-腾讯云开发者社区-腾讯云

在终端中执行以下命令：

# 交互式配置openclaw onboard --install-daemon

（1）安全须知

OpenClaw onboarding启动之后，首先给出必读的安全须知。其中，明确说明了OpenClaw 是一个个人兴趣项目，目前仍处于 Beta 测试阶段，功能尚不完善，可能存在未预期的行为或风险。

（2）初始化配置

以下是几个配置的选择方式。用↑、↓键选择，↵回车键确认。

• I understand this is powerful and inherently risky. Continue?

选择 Yes

• Onboarding mode

选择 QuickStart

• Model/auth provider

选择 Skip for now（稍后配置千问qwen3.5:2b模型）

• Filter models by provider

选择 All providers

• Default model

选择 Keep current (default: anthropic/claude-opus-4-6)

• Select channel (QuickStart)

选择 Skip for now（稍后配置渠道）

• Configure skills now? (recommended)

选择 No

• Enable hooks?

按空格键选中选项，按回车键进入下一步

• How do you want to hatch your bot?

选择 Do this later

（3）控制 OpenClaw

配置完成之后，在终端界面中，可以看到“控制界面”信息。把“WEB UI”中的地址复制到浏览器中，就可以通知面板使用openclaw。

http://127.0.0.1:18789/#token=你自己的token值

但是，目前没有配置大模型，所以无法实现AI功能。

四、部署本地私有模型

使用openclaw如果提示词使用不当，进入死循环，那么将产生巨量token费用。(建议：合理设计提示词逻辑结构，避免循环调用场景。监控API调用频率和token消耗情况，设置使用阈值预警。)
各云平台提供的试用免费API适合个人用户尝鲜使用，可作为入门选择。
个人游戏本配置有GPU显存，可以本地运行Openclaw，零成本、上手快，无需购买服务器，避免天量的token费用，适合个人入门使用，能够快速验证功能、处理敏感数据或断网环境使用。

1、安装Ollama

# Linux（Ubuntu/Debian）curl-fsSLhttps://ollama.com/install.sh|sh

验证安装：

# 显示版本号即表示成功$ ollama-vollama version is0.18.2

2、 拉取基础大模型（推荐Qwen系列，国内适配性最佳）

Ollama支持一键拉取主流大模型，推荐通义千问系列，兼顾性能与硬件要求：

# 拉取qwen3.5:2b基础模型（约2.7GB，适合6G显存GPU）ollama pull qwen3.5:2b

拉取过程保持网络通畅，耗时5~20分钟（取决于网络速度），模型自动存储在本地Ollama目录。

ollama pull qwen3.5:2b pulling manifest pulling b709d81508a0:100% ▕▏2.7GB pulling 9be69ef46306:100% ▕▏11KB pulling 9371364b27a5:100% ▕▏65B pulling ee043a99abe5:100% ▕▏473B verifying sha256 digest writing manifest success

3、 定制大模型：扩展上下文窗口至32768 tokens（核心步骤）

Ollama基础模型默认上下文窗口仅4096 tokens，需手动定制扩展至32768 tokens（兼顾推理速度与上下文长度）。在Linux终端中新建Modelfile，然后修改该文件内容：

# 1. 切换到当前用户根目录（替换<你的用户名>为实际Windows用户名，如Administrator）$cd/mnt/c/users/<你的用户名># 2. 一键创建Modelfile配置文件（基于qwen3.5:2b，设置上下文窗口32768 tokens）$sudovimModelfile FROM qwen3.5:2b PARAMETER num_ctx32768# 3. 验证配置文件（正确输出应包含FROM qwen3.5:2b和PARAMETER num_ctx 32768）$ Get-Content Modelfile

# 4. （可选）创建自定义模型（命名为qwen3.5:2b-32k，便于识别）$sudoollama create qwen3.5:2b-32k-fModelfile# 5. 验证自定义模型（查看本地所有模型，应显示qwen3.5:2b-32k）$ ollama list# 6. （可选）确认上下文窗口配置（确保包含num_ctx 32768）ollama show qwen3.5:2b-32k--modelfile# 7. 验证模型运行正常ollama run qwen3.5:2b"你好，请介绍自己"# 8. 后台启动Ollama服务，暴露本地接口ollama serve

参考文献3：Ollama自定义模型，定制你自己的大模型
参考文献4：Ollama 本地自定义模型实践指南-CSDN

4、交互式配置：对接本地Ollama模型

执行配置向导，将OpenClaw指向本地Ollama。

# 启动配置向导 openclaw onboard

按PowerShell提示依次完成以下配置（严格操作，避免错误）：

原文定稿于2026年3月31日，在之后的OpenClaw使用过程中，发现有问题。4月6日于此给出说明，结论是：API Base URL如果为http://127.0.0.1:11434/v1，那么ollama可能会与OpenClaw冲突，不能调用tools。API Base URL应该设置为http://127.0.0.1:11434。(不能用v1)

1. OpenClaw官网文档中，对于ollama的介绍中，明确说明采用v1，可能导致冲突，不能调用tools和streaming。
2. 文中采用Custom Provider的方式，只能是http://127.0.0.1:11434/v1。这种配置方式，OpenClaw可以运行，但是只能聊天，不能自动执行任务。
3. 解决方法是：“Model/auth provider”选择“ollama”。具体的配置方法，请参考我写的第8篇博文“大模型的选择”。

配置完成后，若显示“Verification successful”，表示连接成功；控制台会显示OpenClaw Web UI地址（http://127.0.0.1:18789）和管理员Token，记录Token备用。

若提示“Verification failed”，先执行ollama list测试Ollama服务是否正常，确保API Base URL末尾包含“/v1”、API Key未留空。

参考文献5：OpenClaw+Windows+Ollama本地私有化-阿里云

在浏览器中输入http://127.0.0.1:18789/#token=你自己的token值就可以使用OpenClaw了。

5、碰到的问题及解决方法

• 需要一定的Linux命令基础。在整个过程中，会用到nano、cd、ls、mv、rm等Linux命令。对于挂载、环境变量等基本概念也需要了解。有的命令是在PowerShell中执行，有的命令是在WSL2_Ubuntu命令行中执行。
• 模型选择不当，会造成内存不足，导致WSL2崩溃退出。解决方法有2个：一是选择参数较低的模型，例如选择qwen3.5:2b，而不选择qwen3.5:4b。二是降低配置参数，例如降低上下文长度；降低GPU层数量会更有效。三是关闭不必要的进程，腾出更多的CPU和内存。例如关闭杀毒、浏览器等软件。

# 修改ModelfilePARAMETER num_ctx4096# 将上下文长度从32K调整为4K，大幅降低KVCache显存占用

# nano ~/.bashrc# 设置GPU层数量（显存6GB设为20，显存8GB设为40）exportOLLAMA_GPU_LAYERS=10