夜雨聆风说实话，我最近干了一件有点"费力不讨好"的事——花了整整两天，从零开始搭了一套完全属于自己的 AI 助手。
不是用 ChatGPT 的 API 调个接口那种，而是把 OpenClaw、SearXNG 搜索引擎、本地模型全串起来，让它真正能"干活"——能查资料、能写代码、能发微信消息。中间踩了无数坑，有些坑我在网上搜了半天都没找到答案。
这篇不是官方教程，是一个普通用户从零开始，把每一步都走通的全过程记录。如果你也在考虑搭一个自己的 AI 助手，希望能帮你省下至少一半的时间。
先看结论： 2026 年，个人搭建 AI 助手的技术门槛已经降到了"有命令行基础就能上手"的程度。但真正的难点不在于安装，而在于把各个组件拼成一个可用的系统——尤其是搜索引擎配置、安全权限、模型切换这些环节，文档里没写的坑，才是真正的门槛。
为什么我突然想搭一个本地 AI 助手
不瞒你说，最开始我就是被 OpenClaw 的 GitHub 星标数吸引的。3 万星标，MIT 协议，全开源——这玩意儿在 AI 圈子里已经成了一个现象级项目。
但真正让我下决心的，是今年 4 月的一个场景。当时我在写一篇数据分析文章，需要查大量资料，同时还要处理几个 Excel 表格。我开着 ChatGPT 的网页版，一边复制粘贴数据，一边手动整理结论。做了两个小时，我忍不住想：如果有一个助手能直接连我的本地环境，帮我跑脚本、查资料、整理结果，那该多好。
于是我开始研究 OpenClaw。
我查了一圈，发现国内关于 OpenClaw 的全流程搭建教程少得可怜。大部分文章要么只讲安装，要么只讲某个功能模块，没有一个"从零到全链路"的完整记录。我决定自己写一个。
第一步：安装，比想象中简单
OpenClaw 的安装非常直接。我在 WSL2 的 Ubuntu 上执行了官方一键安装命令：
curl -fsSL https://openclaw.ai/install.sh | bash
几分钟后，OpenClaw 就装好了。如果你用 macOS 或者 Windows，也有对应的命令。整个过程比我预想的快很多——我本来以为需要手动装 Node.js、配环境变量，结果脚本全包了。
装完之后跑 openclaw onboard --install-daemon，它会自动初始化工作区、配置网关、启动控制面板。
这一步有个小坑：安装脚本会检测 Node.js 版本，要求 >= 22。如果你系统里装的是旧版本，脚本会自动安装新的，但网络不好的时候可能会卡住。我建议提前装好 Node.js 24，能省下几分钟。
第二步：配置模型，这里开始有坑了
安装只是热身，真正的挑战从配置模型开始。
OpenClaw 支持多种模型后端：OpenAI 兼容 API、本地部署的 Ollama、以及各种第三方模型服务。我选的是通过 API 接入第三方模型——因为我的机器没有 GPU，跑本地模型太慢了。
配置文件在 ~/.openclaw/agents/supervisor/models.json。这个文件决定了你的 AI 助手用什么模型、怎么调用。
我踩的第一个坑是：模型配置里每个 provider 都需要一个 "api" 字段来指定 API 类型。如果缺少这个字段，模型会加载失败，但错误日志藏得比较深。我当时在 Gateway 的日志里找了半天才发现问题。
我的判断是：OpenClaw 的模型配置灵活度很高，但文档里的示例配置不够完整。如果你要接入一个非主流的模型服务，大概率需要自己摸索参数。建议先用官方支持的模型跑通全流程，再替换成自己的模型。
第三步：搜索引擎，最难的一关
如果只是让 AI 助手聊天，前两步就够了。但我想让它能搜索实时信息——这就引出了整个搭建过程中最折磨人的部分：搜索引擎配置。
OpenClaw 默认的搜索方式是直接调用内置的 web_search 工具。但我的需求比较特殊——我想用本地部署的 SearXNG 搜索引擎，这样搜索结果更可控，也能避免被外部 API 限流。
SearXNG 是一个开源的元搜索引擎，它本身不爬取网页，而是把请求转发给 Google、Bing、百度等上游搜索引擎，然后把结果聚合返回。这意味着你需要一个能正常访问这些搜索引擎的网络环境。
安装 SearXNG 本身不难——它的 GitHub 仓库提供了 Docker Compose 配置，一键启动。但这里有个大坑：
SearXNG 的启动方式在不同环境下差异很大。我试过用 Python 直接启动它的 web 应用，结果遇到了一个诡异的错误：granian ASGI 服务器报 TypeError，说 Flask 的 __call__() 方法参数数量不对。查了一圈，发现是 WSGI 接口和 granian 的兼容性问题。
后来我换了一种方式，直接用 SEARXNG_SETTINGS_PATH 环境变量指定配置文件，再用 granian 启动，终于跑起来了。
启动命令是这样的：
SEARXNG_SETTINGS_PATH=/etc/searxng/settings.yml \ granian --host 0.0.0.0 --port 8888 --interface wsgi \ --workers 1 searx.webapp:application
SearXNG 启动后，还需要在 OpenClaw 的配置里把搜索 provider 改成 searxng，指向 localhost:8888。这一步的配置在 openclaw.json 里，修改 tools.web.search.provider 字段。
第四步：安全配置，差点翻车
当我以为一切都配置好了，准备开心地测试时，SearXNG 的日志里出现了一行警告：
X-Forwarded-For nor X-Real-IP header is set!
然后搜狗引擎直接返回了 CAPTCHA 验证——搜索引擎以为我是机器人，把我封了一小时。
我赌这个坑至少能让 80% 的初学者卡住。因为 OpenClaw 的文档里没有提到 SearXNG 的安全配置问题，而 SearXNG 的文档又默认你是在反向代理后面运行，不会出现这个错误。
如果你也遇到这个问题，最简单的解决办法是在 OpenClaw 的配置里设置 X-Forwarded-For 头，或者把 SearXNG 的 limiter: false 打开。但说实话，更根本的解决方案是减少对搜狗、百度这些需要验证的搜索引擎的依赖，优先使用 Google 和 Bing 的 API。
第五步：让助手真正"干活"
当所有组件都跑通之后，我试了几个实际场景来验证这套系统的可用性。
第一个测试：让它帮我查出生人口数据。我直接说"帮我查一下近十年出生人口"，OpenClaw 调用了 SearXNG 搜索，抓取了统计局的公开数据，整理成表格返回给我。整个过程不到 30 秒，比我手动搜快了十倍。
第二个测试：让它写一篇公众号文章。我给了几个关键词，OpenClaw 自动搜索资料、组织内容、按照我指定的排版格式生成 HTML 文件。虽然最后还需要我人工调整一下语气，但初稿的质量已经超过我的预期。
第三个测试：让它处理图片。我传了一张模糊的文档照片，OpenClaw 调用了 Python 的 PIL 库进行锐化、对比度增强和自适应直方图均衡化，最终输出的图片清晰度提升了很多。
不瞒你说，看到它真的能"干活"的时候，我挺兴奋的。这种感觉跟用 ChatGPT 不一样——这是你自己的系统，数据不出本地，你可以随意定制它的行为。
一些实话，和一些建议
两天搭建下来，我的感受是：OpenClaw 的底子非常好，但距离"开箱即用"还有一段距离。
它的安装流程很顺，一键脚本几乎没有坑。但一旦你想做定制化配置——比如接自己的模型、搭本地搜索引擎、配置多通道通信——文档就有点跟不上需求了。很多配置细节需要自己去翻 GitHub Issues 或者试错。
如果你也想搭一套，我给几个建议：
• 先用官方推荐的模型跑通全流程，再换自己的。这一步能帮你确认安装和网络都没问题，避免同时排查多个问题。
• 搜索引擎配置是最容易出问题的环节。如果只是个人使用，先用 OpenClaw 内置的 web_search 就够了，本地 SearXNG 是进阶玩法。
• 安全配置不要跳过。OpenClaw 支持执行本地命令，权限配置不对的话，等于把终端暴露给了 AI 助手。建议先理解它的权限模型，再放开限制。
• 如果你在 WSL2 上部署，注意网络问题。WSL2 的默认 DNS 配置可能影响搜索引擎的访问，建议把 WSL2 的 DNS 改成 8.8.8.8。
• 社区是最大的资源。OpenClaw 的 GitHub Issues 和生态日报里藏着大量实用信息，很多你在文档里找不到的答案，都在社区讨论里。
最后说两句
搭完这套系统之后，我最大的感受是：2026 年的 AI 工具生态，正在从"用别人的 API"向"拥有自己的 AI"转变。OpenClaw 这样的开源项目，让个人开发者也能拥有一个功能完整的 AI 助手。
说实话，这个过程并不轻松。但如果你愿意花两天时间折腾一下，你会得到一个完全属于你的、真正能帮你干活的 AI 助手。我觉得挺值的。
一句话总结： OpenClaw 的安装门槛不高，但搜索引擎和安全配置是真正的拦路虎。如果你能跨过这两个坑，你就能得到一个强大的本地 AI 助手。
END
💬 聊聊
你也在折腾本地 AI 助手吗？卡在哪一步了？或者你已经在用 OpenClaw 了，有什么独门技巧？评论区聊聊。
如果你觉得这篇对你有帮助， 可以点个赞、在看，也可以转给正在折腾 AI 的朋友。