夜雨聆风本地部署OpenClaw，数据就一定安全吗？
不一定。很多人以为"本地部署"就是隐私保障，结果接了个云端API，数据照样传出去。真正的本地隐私，需要框架本地+模型本地，两头都关在自己电脑里。
这就是这套方案的核心：OpenClaw跑在虚拟机里，大模型用Ollama本地运行，对话内容完全不离开硬盘。如果需要更强的模型能力，也可以灵活接入云端API，但这时候数据流向是明确的——你自己做主。
所以这篇教程分两套方案：
方案A：完全离线，本地跑大模型，数据绝对不出电脑（需要好显卡）
方案B：折中方案，本地OpenClaw+云端API，但明确知道数据流向
整个过程跟着命令行敲就行，不需要懂编程。
这篇教程很长，但每一步都有详细说明，建议收藏后跟着做。
一、先搞清楚：你的数据到底去哪了？
很多人混淆了三个概念：
只有第三种，才是真正的"数据隐私"。前两种只是"框架隐私"，你的聊天记录、上传的文件，还是会通过API发送到模型提供商那里。
所以如果你要处理的是敏感文件、商业机密、个人隐私，必须用本地大模型。后面我会详细讲怎么搭。
二、准备工作：检查你的电脑能不能"虚拟化"
OpenClaw原生运行在Linux系统上。为了不和你的Windows冲突，我们用虚拟机给它隔离出一个独立空间。
1. 检查CPU支不支持虚拟化：
右键任务栏 → 任务管理器 → 性能 → CPU，看右下角有没有"虚拟化"字样。
显示"已启用"：直接跳到第三节
显示"已禁用"：需要进BIOS开启，看下面
没有这选项：电脑太老了，只能直接本地安装或者用云端版
2. 怎么进BIOS开启？
重启电脑，开机时狂按 Del键 或 F2键（具体看开机画面底部的提示）。进了BIOS后，不同品牌菜单位置不一样，教你个偷懒的办法：用手机拍一张BIOS界面，发给任意AI助手，问"怎么开启CPU虚拟化"，它会指给你看。
华硕一般在"高级→北桥"里，微星一般在"OC→CPU特征"里。但真的，问AI比翻说明书快多了。
三、下载两个必备软件
你需要准备：
VirtualBox（虚拟机软件，完全免费）
Ubuntu 24.04桌面版（操作系统，完全免费）
1. VirtualBox下载
官网 virtualbox.org → 点"Download" → 选"Windows hosts"。
安装时一路点"下一步"，如果提示缺Microsoft Visual C++，就去微软官网搜"Visual C++ Redistributable"，下载X64版本装上。
2. Ubuntu下载
官网 ubuntu.com → 点"Download Ubuntu" → 选24.04 LTS桌面版。文件大概5.9GB，建议找个WiFi稳定的地方下载。
四、安装Ubuntu系统
打开VirtualBox，点击蓝色的"新建"按钮：
基础设置：
名称：随便写，比如"Ubuntu24.04"
文件夹：默认位置就行，或者改到空间充裕的盘
ISO镜像：浏览选中你下载的Ubuntu那个.iso文件
关键一步：取消勾选"继续进行无人值守安装"（我们要手动装，更可控）
硬件配置：
内存：建议给4GB，最低不能低于2GB，但也别超过你物理内存的一半
CPU：给4核，最低2核，别超过实际核心数
虚拟硬盘：30GB够用，不用太大
点"完成"，右键刚创建的虚拟机，选择"启动" → "用图形界面启动"。
重要提示：鼠标点进虚拟机窗口后，你会发现光标"被困住了"——按键盘右侧的Ctrl键就能切出来。记住这个操作，后面会经常用到。
启动后看到黑色界面，选第一个"Try or Install Ubuntu"，然后：
语言选"中文简体"
键盘布局选"汉语"
网络选"使用有线连接"（默认就行）
安装更新选"跳过"（装完系统再更新）
安装类型选"擦除磁盘并安装Ubuntu"（别怕，擦的是虚拟硬盘，不是你真硬盘）
用户名和密码一定记牢，后面每一步都要用，取消登录时需要密码。然后点下一步、下一步，然后开始安装，这里安装需要耐心等待一段时间。
安装过程大概10-20分钟，取决于电脑性能，可以去泡杯茶。
五、打通虚实：让虚拟机和主机自由传文件
默认情况下，虚拟机和外面是"隔绝"的。我们要安装"增强功能"，实现复制粘贴互通、文件直接拖拽。
第一步：在虚拟机窗口顶部菜单，点击 设备 → 共享粘贴板 → 双向，然后 设备 → 拖放 → 双向。
第二步：打开终端（点左下角应用列表，找到"终端"图标），输入：
sudo apt install bzip2 tar回车，输入你的密码（输的时候屏幕不显示，正常），然后输入 y 回车确认。
第三步：点击 设备 → 安装增强功能。这时候桌面侧边栏会多出一个光盘图标，点开它，点右上角的"运行软件"按钮。
等它跑完，重启虚拟机。现在你就可以：
直接把文件从本地电脑桌面拖进虚拟机
在本地电脑中复制文字，虚拟机里直接粘贴
按 右Ctrl+F 全屏运行，体验跟真机几乎没区别
六、安装龙虾OpenClaw：核心步骤来了
重启进入Ubuntu桌面后，我们开始安装OpenClaw。
1. 更新系统并安装基础工具
点左下角"显示应用"，找到终端图标打开，然后执行命令：
sudo apt update && sudo apt upgrade -y注意，在Ubuntu系统中，粘贴的快捷键是Shift+Insert或鼠标右键
运行时需要我们输入密码，然后回车。
等待一会后，我们再输入第二行命令
sudo apt install -y curl git build-essential
2. 安装Node.js
这里我们重新打开一下终端，然后开始安装Node.js，我们将下载命令复制粘贴到终端，然后回车。
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash - && sudo apt install -y nodejs输入密码，等待安装完成。接着我们输入node -v来验证安装。
# 查看node版本node -v# 查看npm版本npm -v
如下图所示，输出了版本号，即为安装成功。
3. 安装OpenClaw
根据OpenClaw官方文档，执行安装命令。
curl -fsSL https://openclaw.ai/install.sh | bash
I understand this is personal-by-default and shared/multi-user use requires lock-down. Continue?Yes / ● No
这是在问：
“我理解这个默认是个人使用的，如果要用在多用户/共享环境，需要进行安全加固。继续吗？”Yes = 我理解了安全风险，继续运行/安装
No = 取消
选 Yes 后回车即可（通过方向键左右移动来选中）。
这一步会让我们对龙虾进行配置，选择QuickStart后回车（通过方向键上下移动来选中）。
这里是模型选择，这里我们选择Qwen，因为Qwen可以白嫖一定的免费额度。
如果这一步出现报错，可以直接截图给到Kimi或者DeepSeek去提问，让它给出解决方案。
最好是每执行一步报错后都问一下AI，直到最后解决为止。
正常没有报错时，它会弹出一个授权页面，这里我们进行注册登录。
如果网页没有自动打开的话，可以将命令行中https到code为止的这段地址，复制到浏览器中打开。
这个地方如果认证成功后，命令一直停留在授权中，可以先终止，再执行下面的命令来重新配置和选择模型。
openclaw onboard --install-daemon
这里选择Keep current，保持当前。
这里是选择用什么聊天软件跟龙虾沟通，这里我们选择Skip for now，先跳过，一会再来配置。
再就是搜索引擎这里也选择Skip for now，先跳过。
配置技能这里也先跳过，选择No
最后，hooks这里不要跳过，这是当遇到问题时如何处理的方式，我们通过按空格的形式把它都选上。
这是让你选择用什么方式来继续配置你的 AI 机器人，先跳过，以后再配置。
以上表示OpenClaw安装完成了。
4. 验证安装
输入：
openclaw --version能看到版本号，说明安装成功。
5. 启动OpenClaw
根据官方指引启动网关服务：
openclaw gateway start
打开 Web 控制界面：
openclaw dashboard如果浏览器没自动打开，可以手动访问：http://localhost:3000
七、方案A：真正的隐私——本地部署大模型（完全离线）
前提条件：你的电脑需要有独立显卡，显存至少8GB（推荐12GB以上）。如果只有核显或低端显卡，这个方案跑不动，只能看方案B。
之前写过一篇 Ollama + DeepSeek 如何本地私有化部署的文章，也可以作为详细教程参考：
快上车！3 步搞定 DeepSeek 本地部署，小白也能轻松逆袭！
1. 安装Ollama（本地大模型管理工具）
Ollama是目前最简单的本地大模型运行方案，官网：ollama.com
安装命令：
curl -fsSL https://ollama.com/install.sh | sh安装完成后，验证：
ollama --version
2. 下载并运行本地模型
根据你的显存大小选择模型：
显存8GB：选Llama 3.1 8B 或 Qwen 3.5 9B
ollama pull llama3.1:8b显存12GB+：可以跑Llama 3.1 70B的量化版，或DeepSeek-Coder 33B
ollama pull deepseek-coder:33b显存16GB+：几乎主流模型都能跑
ollama pull qwen3.5:35b这里我选择Qwen 3.5 2B（根据自己电脑显卡来）
ollama pull qwen3.5:2b
启动模型测试：
ollama run qwen3.5:2b能对话说明模型已经在本地跑起来了，按 Ctrl+D 退出。
3. 检查虚拟机能否访问本机Ollama
在终端执行命令（IP换成本机IP4，使用ipconfig可以查询本机IP）：
curl http://10.0.2.2:11434/api/tags
出现错误，表示连接不通。
检查11434端口是否被0.0.0.0监听，执行命令：
netstat -an | findstr 11434
上图说明：Ollama 只监听了 127.0.0.1（本机），没有监听 0.0.0.0，所以虚拟机无法访问。进行如下操作：
右键点击“此电脑”或“我的电脑”→ 属性
点击 高级系统设置
点击 环境变量
在“系统变量”区域，点击 新建
变量名：
OLLAMA_HOST变量值：
0.0.0.0点击 确定 保存所有对话框
完全退出 Ollama：右键点击系统托盘（任务栏右下角）的 Ollama 羊驼图标 → 选择 Quit 或 退出
重新打开 Ollama（从开始菜单）
（请将 192.168.1.200 替换成你实际的 Windows IP）
出现JSON格式的数据说明连接正常。
4. OpenClaw对接Ollama
添加Ollama Provider，直接在终端执行：
openclaw config set models.providers.ollama '{"baseUrl":"http://192.168.1.200:11434","api":"ollama","models":[{"id":"qwen3.5:2b","name":"local-qwen3.5-2b","reasoning":false,"input":["text"],"cost":{"input":0,"output":0},"contextWindow":8192,"maxTokens":4096}]}'如果有多个本地模型（根据实际情况来），继续添加：
openclaw config set models.providers.ollama '{"baseUrl":"http://192.168.1.200:11434","api":"ollama","models":[{"id":"qwen3.5:2b","name":"local-qwen3.5-2b","reasoning":false,"input":["text"],"cost":{"input":0,"output":0},"contextWindow":8192,"maxTokens":4096},{"id":"qwen3.5:7b","name":"local-qwen3.5-7b","reasoning":false,"input":["text"],"cost":{"input":0,"output":0},"contextWindow":8192,"maxTokens":4096}]}'设置默认使用本地模型（可选）：
openclaw config set agents.defaults.model.primary "ollama/qwen3.5:2b"添加到Fallback列表（当主模型不可用时自动切换）：
openclaw config set agents.defaults.model.fallbacks '["qwen-portal/coder-model", "ollama/qwen3.5:2b"]'重启生效：
openclaw gateway restart
验证是否配置成功：
openclaw config get models.providers.ollamaopenclaw config get agents.defaults.model.primary
能看到刚才配置的内容，说明成功了。
测试本地模型：
此时，所有对话都在本地完成，数据完全不离开电脑。
八、方案B：折中方案——本地OpenClaw+云端API
如果你电脑配置不够，或者需要更强的模型能力，可以用这个方案。但要清楚：数据会发送到模型提供商。
1. 接入智谱AI（免费模型GLM-4.7-Flash）
官网 bigmodel.cn，新用户免费赠送专享 2000万 tokens体验包！
登录后进入控制台，点击【API Key】，添加新的API Key并复制
添加智谱Provider（包含免费模型），执行下面的命令：
记得用刚才获取的API key 替换下方命令中的“你的KEY”
openclaw config set models.providers.zhipu '{"baseUrl": "https://open.bigmodel.cn/api/paas/v4", "apiKey": "你的KEY", "api": "openai-completions", "models": [{"id": "glm-4.7-flash", "name": "GLM-4.7-Flash", "reasoning": false, "input": ["text"], "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0}, "contextWindow": 300000, "maxTokens": 4096}]}'添加到Fallback列表：
openclaw config set agents.defaults.model.fallbacks '["qwen-portal/coder-model", "ollama/qwen3.5:2b", "zhipu/glm-4.7-flash", "zhipu/glm-4-flash", "zhipu/glm-4"]'重启生效：
openclaw gateway restart
2. 接入硅基流动（免费额度）
官网 cloud.siliconflow.cn，注册后首次完成有效实名认证，即可获得面值 ¥16 的「认证奖励券」 1 张。
点击左侧菜单【API密钥】，新建API密钥并复制
点击左侧菜单【模型广场】，选择合适的模型（每个模型的价格不一样，也有免费的模型），我这里使用“DeepSeek-V3.2”
执行下面的命令：
记得用刚才获取的API密钥替换下方命令中的“sk-你的API_KEY”
openclaw config set models.providers.siliconflow '{"baseUrl": "https://api.siliconflow.cn/v1", "apiKey": "sk-你的API_KEY", "api": "openai-completions", "models": [{"id": "deepseek-ai/DeepSeek-V3.2", "name": "DeepSeek-V3.2", "reasoning": false, "input": ["text"], "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0}, "contextWindow": 300000, "maxTokens": 4096}]}'添加到Fallback列表：
openclaw config set agents.defaults.model.fallbacks '["qwen-portal/coder-model", "ollama/qwen3.5:2b", "zhipu/glm-4.7-flash", "zhipu/glm-4-flash", "zhipu/glm-4", "siliconflow/deepseek-ai/DeepSeek-V3.2"]'重启生效：
openclaw gateway restart
3. 接入MinMax官方（付费）
官网 www.minimaxi.com，点击【登录】-【API开发平台】进行注册登录
添加 Minimax Provider，执行命令：
openclaw config set models.providers.minimax '{"baseUrl": "https://api.minimaxi.com/anthropic", "apiKey": "你的KEY", "api": "anthropic-messages", "models": [{"id": "MiniMax-M2.5", "name": "MiniMax M2.5", "reasoning": true, "input": ["text"], "cost": {"input": 0.3, "output": 1.2, "cacheRead": 0, "cacheWrite": 0}, "contextWindow": 204800, "maxTokens": 131072}]}'添加到Fallback列表：
openclaw config set agents.defaults.model.fallbacks '["qwen-portal/coder-model", "ollama/qwen3.5:2b", "zhipu/glm-4.7-flash", "zhipu/glm-4-flash", "zhipu/glm-4", "siliconflow/deepseek-ai/DeepSeek-V3.2", "minimax/MiniMax-M2.5"]'重启生效：
openclaw gateway restart
重要提醒：使用这些方案时，不要上传敏感文件，只用来处理公开信息或一般性工作。
九、对接飞书：让AI融入日常工作
1. 创建飞书应用
打开飞书开放平台 open.feishu.cn
登录后点击【创建企业自建应用】
填写应用名称（比如"AI助手"），应用描述随便写，点击“创建”按钮后进入应用详情页
2. 获取凭证
在"凭证与基础信息"页面，找到：
App ID（以cli_开头）
App Secret（需要点击"查看"按钮）
把这两个记下来。
3. 配置权限
在"权限管理"页面点击按钮【批量导入/导出权限】：
复制粘贴以下JSON代码：
{"scopes": {"tenant": ["contact:contact.base:readonly","contact:user.base:readonly","im:chat.access_event.bot_p2p_chat:read","im:chat.members:bot_access","im:message","im:message.group_at_msg:readonly","im:message.p2p_msg:readonly","im:message:send_as_bot","im:resource"],"user": ["contact:contact.base:readonly","im:message"]}}
完成后点击【下一步，确认新增权限】。
确认应用身份权限，点击【确认开通】
这里需要开启机器人的能力，点击【确认开启】
确认“应用身份权限”可访问的数据范围，点击【确认】
至此表示相关权限已经开通好了。
4. 配置事件订阅
点击左侧菜单【事件与回调】-【订阅方式】，点击编辑按钮
将订阅方式修改为长链接，并点击【保存】按钮
点击【添加事件】，搜索“接收消息”，将“接收消息”添加进来。
这样事件订阅就配置完成了。
5. 发布应用
点击“创建版本”超链接，在弹出的界面中填写版本详情，如下图：
填写完成后点击【保存】按钮
再点击【确认发布】
发布成功后将会在飞书中收到审核消息，如下图：
6. 在OpenClaw中配置飞书
复制飞书中的“APP ID”和“APP Secret”，执行下面的命令：
配置App ID：
openclaw config set channels.feishu.accounts.main.appId "你的AppID"配置App Secret：
openclaw config set channels.feishu.accounts.main.appSecret "你的AppSecret"重启生效：
openclaw gateway restart
以上表示配置成功。
7. 测试飞书机器人
点击飞书中的"开发者小助手" → "打开应用"，随便给我们的机器人发送一条消息，获取一下配对码，如下图：
将配对码放入下方命令中，然后再粘贴到终端中执行
openclaw pairing approve feishu "你的配对码"
继续给机器人发送消息，询问是否配对成功
至此，飞书和龙虾配置成功，可以愉快的帮你打工了。
如果配置的是本地模型，此时飞书消息→OpenClaw→本地大模型→返回结果，全流程数据都在你电脑里。
十、常用命令速查表
| openclaw --version | |
openclaw start 或 openclaw gateway start | |
openclaw stop 或 openclaw gateway stop | |
openclaw restart 或 openclaw gateway restart | |
所有可用的模型 | openclaw models list |
十一、进阶玩法与注意事项
1. 命令行批量处理
OpenClaw的命令行模式很适合批量处理文件：
# 批量处理文件夹里的所有文档for file in ~/documents/*.pdf; doopenclaw process "$file" --model ollama/qwen3.5:2b --output "${file%.pdf}.md"done
2. 多开虚拟机
电脑配置够的话（建议32GB内存+好显卡），可以：
一个虚拟机跑OpenClaw+本地小模型（处理敏感数据）
一个虚拟机跑OpenClaw+云端API（处理一般任务）
4. 快照备份
在VirtualBox里，右键虚拟机 → 快照 → 拍摄快照。配置搞乱了随时恢复。
关键提醒：即使本地部署，也要注意。
飞书消息本身是经过飞书官方服务器（open.feishu.cn）处理和转发（这是飞书的机制）
本地模型能力有限，70B模型也比不过GPT-4
显卡越好，本地模型越快，量化版会损失一些精度
十二、写在最后
说实话，第一次成功在虚拟机里跑通完全离线的OpenClaw，并且看到飞书群里AI自动回复消息的时候，那种"数据真·安全"的感觉，是云端服务给不了的。
现阶段，龙虾安装环节是使用龙虾过程中最简单的一环了，这个步骤省了，大概率使用过程中会还回来的。因为有了安装经验，命令行的操作我们就熟悉了，后续遇到异常，问问AI，基本能够自行处理。
重要认知：如果你用了云端API，就不要自欺欺人说是"本地部署"。要么接受数据上传换能力，要么接受本地模型的能力限制换隐私。没有两全其美。
你在搭建过程中遇到了什么问题？或者你已经跑通了本地模型，用的什么显卡、跑的什么模型？ 评论区聊聊，我尽量帮大家解答。
