一、了解 Ollama 与 OpenClaw

技术栈主要组成：

• Ollama轻量级本地模型运行时支持多种开源大模型。按理说，
• Qwen 大模型阿里巴巴推出的高效中文语言模型。qwen3.:2b 在资源使用情况与性能之间取得了良好平衡。
• OpenClaw基于 Web 的聊天 UI。兼容 OpenAI 接口，可快速接入自定义后端。其实，

. 下载 Ollama

从官方获取最新安装脚本并执行：

curl -fsSL https://ollama.com/install.sh | sh

. 引入 Qwen 模型

在 Ubuntu程序上直接拉取并启动轻量版 Qwen：

ollama run qwen3.:2b

启动成功后你可以在终端输入对话测试。

Ollama 常用命令速查

• ctrl+d ——退出对话会话；
• ollama list ——查看已下载的模型列表；
• ollama run  ——启动指定模型进行交互。

. 环境准备：Node.js 安装

确保程序已安装 Node.js。推荐使用 nvm 管理版本：

# 下载并安装 nvm
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash

source "$HOME/.nvm/nvm.sh"

nvm install --lts

node -v # 应输出类似 v24.x.x npm -v # 应输出 npm 的版本号

. 安装 OpenClaw

curl -fsSL https://openclaw.ai/install.sh | bash

. 初始化向导 & 本地化配置

1. 执行初始化向导但暂不接入任何在线模型：

openclaw onboard --install-daemon

打开交互式配置界面：
openclaw config

• Pain Point – 网络依赖： 在「Provider」选项中选择 Custom Provider手动填写本机 Ollama 的 API 地址，必须以 “/v1” 为后缀，否则 OpenClaw 无法识别 OpenAI‑compatible 接口。

Pain Point – API 成本： 因为全部跑在本地。无需支付任何云端调用费用，只需要保证机器有足够的显存/CPU 即可。

Pain Point – 数据隐私： 所有请求均在内网完成，No API Key 必填项**。如果程序强制要求，可随意填一个占位字符或直接回车跳过。

# 在配置向导中依次输入：

. 启动 OpenClaw 网关 & Dashboard UI

5. 至于启动网关服务。

openclaw gateway start # 后台运行 REST 接口
openclaw dashboard # 启动本地浏览器 UI

. 使用 SSH 隧道实现远程访问

ssh -N -L localhost:8080:127.0.0.1:3000 root@YOURSERVERIP

至于http，//localhost:8080/

• Ollama: 负责下载、管理并提供本地推理服务。

Qwen‑3‑2B: 轻量级中文大模型，适合普通服务器。

OpenClaw: 提供类似 ChatGPT 的 Web UI。并兼容 OpenAI 接口协议，使得自研前端或第三方工具均可无缝接入。其实，

-->

# 步骤	Description	Pain Point 对应方法
1️⃣	Curl 脚本安装 Ollama 并拉取 qwen3.:2b 模型	彻底摆脱云端 API 调用。实现离线推理，
2️⃣	NVM+Node.js 环境准备
3️⃣	Curl 脚本安装 OpenClaw
4️⃣ \t	\t配置 Custom Provider。将 Ollima 地址写为 http://127.0.0.1:11434/v1 \t		\t确保兼容 OpenAI 协议，无需额外 token。\t<\/tr>
5️⃣<\/td>	\t启动 gateway 与 dashboard<\/td>	\t通过 SSH 隧道安全访问 UI，无需暴露公网端口。\t<\/tr> <\/tbody> <\/table>" />

Oops this table broken due to stray characters—need correct HTML table without stray syntax.

Let's rewrite correctly.

We'll provide a clean table.

Continue after table with final effect section.

Need ensure no stray markup errors.

Let's craft final answer again fully corrected without broken tags.

AIGC 正快速渗透到业务场景，但也带来了三个常见痛点：

• 网络受限或不稳定导致云端大模型调用频繁超时；
• 公有云的按量计费 API 成本居高不下；
• 敏感业务数据上传至第三方网站存在泄漏风险。
. ​ 这些痛点正是推动“离线、本地化部署 AI 大模型​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​‌​‌​​​‌​​‍‍‍‍‍‍‍‍‌‍‌‌‌‌​​​‌​​️️️️️️️️️️️️🚀︎︎︎︎︎︎︎🚀︎︎✨✨✨✨✨💡💡💡💡💡💡💡🛠🛠🛠🛠🛠🛠⚙⚙⚙⚙⚙⚙🔧🔧🔧🔧🔧🔧✈✈✈✈✈✈✈📦📦📦📦📦📦🌐🌐🌐🌐🌐 🌍 🌍 🌍 🌍 🌍 🌍 🔒 🔒 🔒 🔒 🔒 🔒 📁 📁 📁 📁 📁 📁 🖥 🖥 🖥 🖥 🖥 🖥 🚀🚀🚀🚀🚀 🚀🚀🚀🚀 🚀 🚅 🚅 🚅 🚅 🚅 💻 💻 💻 💻 💻 💻 🎯 🎯 🎯 🎯 🎯🎲🎲🎲🎲🎲)........

这里通过在 Linux 上部署Ollama + Qwen 大模型。并结合OpenClaw 可视化网站，实现完整离线 AI 服务，从根源解决以上三个痛点。

技术栈由三块主要组件构成：

• Ollam a : 为开源的大型语言模型运行时在单机上即可加载多种主流 LLM。怎么说呢，/li>
• Q wen : 阿里巴巴推出的中文语言大模 型。其中 q w en３．：２ b 是轻量级但性能均衡的版本。/li>
• Open Claw : 基于 Web 的聊天 UI。兼容 OpenAI 接口规范，可直接对接自定义后端。其实，/li>

· 下载 Ollam a

---