Ubuntu系统配置OpenClaw并使用Ollama全教程

大家好～ 最近一直在折腾Ubuntu下的AI工具组合，OpenClaw的灵活扩展的能力搭配Ollama的本地大模型部署，简直是效率神器！很多新手在配置时会遇到依赖缺失、连接失败、权限不足等问题，今天就整理一篇完整实操博客，从环境准备、OpenClaw配置，到Ollama安装、两者联动使用，每一步都附详细命令和避坑说明，全程实操，新手跟着做就能一次成功。

先简单科普下核心工具：OpenClaw是一款轻量级的AI工具框架，支持对接多种大模型（本地/在线），可通过技能扩展实现各类自动化操作；Ollama则是一款极简的本地大模型部署工具，支持Llama 3、Qwen、Gemini等主流模型，无需复杂配置，一键部署本地大模型，摆脱网络依赖。本文基于Ubuntu 22.04 LTS（最稳定版本，新手优先选择），全程使用终端操作，步骤清晰，无多余冗余。

一、前期准备（必做，避免后续踩坑）

配置前需确保Ubuntu系统正常联网，同时更新系统依赖，避免因依赖版本过低导致配置失败。另外，建议使用普通用户操作（避免root用户带来的权限风险），若需root权限，在命令前加sudo即可。

1.1 系统环境检查与更新

首先打开Ubuntu终端（快捷键Ctrl+Alt+T），执行以下命令，更新系统软件包列表，确保所有依赖都是最新版本：

# 更新软件包列表 sudo apt update # 升级已安装的软件包（可选，建议执行，避免版本兼容问题） sudo apt upgrade -y

执行完成后，若出现“0 upgraded, 0 newly installed, 0 to remove and 0 not upgraded”，说明系统已处于最新状态；若有升级，耐心等待升级完成即可。

1.2 安装必备依赖

OpenClaw和Ollama运行需要依赖一些基础工具（git、curl、python等），执行以下命令一键安装，避免后续缺失依赖报错：

# 安装git（用于拉取OpenClaw源码）、curl（用于下载Ollama） sudo apt install git curl -y # 安装python3及pip（OpenClaw部分功能依赖python） sudo apt install python3 python3-pip -y # 验证安装是否成功 git --version curl --version python3 --version pip3 --version

若所有命令都能正常输出版本号，说明必备依赖安装成功；若提示“command not found”，重新执行安装命令即可。

避坑提醒：Ubuntu 22.04默认自带python3，无需手动安装python2，若强行安装python2，可能导致环境冲突，建议全程使用python3。

二、安装并配置OpenClaw（核心步骤）

OpenClaw目前主要通过源码编译安装（Ubuntu下最稳定的安装方式），步骤分为“拉取源码→安装依赖→配置参数→启动服务”，全程终端操作，无需图形化界面。

2.1 拉取OpenClaw源码

首先创建一个工作目录（建议放在用户目录下，方便管理），然后通过git拉取OpenClaw源码，命令如下：

# 进入用户目录（默认路径，可自行修改） cd ~ # 创建OpenClaw工作目录 mkdir openclaw-work && cd openclaw-work # 拉取OpenClaw源码（国内用户建议使用Gitee镜像，速度更快） git clone https://gitee.com/openclaw/openclaw.git # 进入源码目录 cd openclaw

拉取过程中，若出现“fatal: unable to access...”，说明网络连接问题，可切换网络，或重新执行git clone命令。拉取完成后，源码目录下会出现相关配置文件和源码文件。

2.2 安装OpenClaw依赖

进入OpenClaw源码目录后，执行以下命令，安装OpenClaw运行所需的Python依赖和系统依赖：

# 安装Python依赖（通过requirements.txt一键安装） pip3 install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装系统依赖（用于支持OpenClaw的扩展功能） sudo apt install libssl-dev libffi-dev -y

说明：添加清华源（-i https://pypi.tuna.tsinghua.edu.cn/simple）是为了加快Python依赖的下载速度，避免因国外源卡顿导致安装失败。若安装过程中提示“permission denied”，在命令前加sudo即可。

2.3 配置OpenClaw（关键步骤）

OpenClaw的核心配置文件是config.yaml，我们需要修改该文件，配置服务端口、模型对接方式等参数，步骤如下：

1. 打开配置文件（使用nano编辑器，新手友好，无需复杂操作）：nano config.yaml

2. 修改核心配置（重点修改以下3项，其他配置保持默认即可）： 修改后的核心配置片段如下（可直接复制替换）：# 服务配置server:host: 0.0.0.0 # 允许外部访问，若仅本地使用，可改为127.0.0.1port: 8080 # 服务端口# 模型配置model:model_type: ollama # 对接Ollama模型ollama_url: http://localhost:11434 # Ollama默认地址default_model: llama3 # 默认使用的Ollama模型（后续安装Ollama后可修改）

   1. 端口配置：将port改为8080（避免端口冲突，若8080已被占用，可改为其他端口，如8081）；

   2. 模型对接方式：将model_type改为“ollama”（指定对接Ollama本地模型）；

   3. Ollama地址：将ollama_url改为“http://localhost:11434”（Ollama默认端口为11434，无需修改）。

3. 保存并退出nano编辑器：按下Ctrl+O（保存），按下Enter确认，再按下Ctrl+X（退出）。

2.4 启动OpenClaw服务

配置完成后，执行以下命令启动OpenClaw服务，验证配置是否成功：

# 启动OpenClaw服务（前台启动，方便查看日志） python3 main.py

若终端输出“OpenClaw server started on http://0.0.0.0:8080”，说明OpenClaw服务启动成功；若出现报错，按以下方式排查：

• 报错“ModuleNotFoundError: No module named 'xxx'”：说明Python依赖未安装完整，重新执行pip3 install -r requirements.txt命令；

• 报错“Address already in use”：说明端口被占用，修改config.yaml中的port参数，重新启动；

• 报错“PermissionError: [Errno 13] Permission denied”：在命令前加sudo，重新启动。

温馨提示：前台启动服务后，终端不能关闭，若想后台启动（关闭终端后服务仍运行），执行以下命令：

nohup python3 main.py > openclaw.log 2>&1

日志会保存到openclaw.log文件中，后续排查问题可查看该文件。

三、安装并配置Ollama（本地大模型部署）

Ollama的安装非常简单，Ubuntu系统可通过官方脚本一键安装，无需复杂配置，安装完成后即可部署本地大模型，步骤如下。

3.1 一键安装Ollama

在终端中执行以下官方脚本，一键安装Ollama（国内用户可正常访问，无需科学上网）：

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

安装过程中，脚本会自动下载Ollama二进制文件，并配置环境变量，耐心等待1-2分钟（取决于网络速度）。若安装成功，终端会输出“Ollama installed successfully”。

验证安装是否成功：执行以下命令，查看Ollama版本：

ollama --version

若输出版本号（如“ollama version 0.1.28”），说明安装成功。

3.2 启动Ollama服务并拉取模型

Ollama安装完成后，默认会自动启动服务（端口11434），无需手动启动，直接拉取所需的大模型即可。这里以拉取Llama 3（轻量、易用，适合新手）为例，命令如下：

# 拉取Llama 3 8B模型（轻量版，占用内存较小，适合普通电脑） ollama pull llama3:8b # 若想拉取其他模型，替换模型名称即可，例如： # 拉取Qwen 7B模型：ollama pull qwen:7b # 拉取Gemini Pro模型：ollama pull gemini:pro

拉取模型过程中，会下载模型文件（大小约4-8GB，取决于模型版本），耐心等待下载完成。若下载中断，重新执行pull命令即可，Ollama会自动续传。

验证模型是否拉取成功：执行以下命令，查看已拉取的模型：

ollama list

若输出llama3:8b（或其他已拉取的模型），说明模型拉取成功。

避坑提醒：拉取模型时，确保电脑内存≥8GB（8B模型推荐内存8GB以上），否则模型运行会卡顿或崩溃；若内存不足，可拉取更小的模型（如llama3:7b-chat-q4_0）。

3.3 测试Ollama本地模型

模型拉取完成后，可直接在终端中测试模型是否能正常运行，命令如下：

# 启动Ollama交互模式，使用llama3模型 ollama run llama3

启动成功后，会出现“>>>”提示符，输入问题即可与模型交互，例如输入“介绍一下Ubuntu系统”，模型会自动输出回复。测试完成后，输入“/exit”即可退出交互模式。

四、OpenClaw联动Ollama（核心实操）

当OpenClaw和Ollama都启动成功后，即可实现两者联动——通过OpenClaw调用Ollama本地模型，实现自动化问答、技能扩展等功能，步骤如下。

4.1 确认服务状态

首先确认OpenClaw和Ollama服务都处于运行状态，命令如下：

# 查看Ollama服务状态 systemctl status ollama # 查看OpenClaw服务（若后台启动，执行以下命令） ps -ef | grep python3 | grep main.py

若Ollama服务显示“active (running)”，且能查到OpenClaw的进程，说明两者都正常运行；若Ollama服务未启动，执行“sudo systemctl start ollama”启动；若OpenClaw未启动，重新执行启动命令。

4.2 通过OpenClaw调用Ollama模型（两种方式）

方式1：网页端调用（简单直观，新手推荐）

1. 打开Ubuntu自带的浏览器（或其他浏览器），输入地址：http://localhost:8080（OpenClaw默认端口）；

2. 进入OpenClaw网页端后，在左侧菜单栏选择“模型交互”，右侧选择“ollama”模型，输入问题（如“如何在Ubuntu中安装git”）；

3. 点击“发送”，等待1-2秒，即可看到Ollama模型的回复，说明联动成功。

方式2：终端命令调用（适合开发者）

通过curl命令调用OpenClaw的API，间接调用Ollama模型，命令如下：

curl -X POST http://localhost:8080/api/chat \ -H "Content-Type: application/json" \ -d '{"model": "llama3", "message": "如何配置OpenClaw对接Ollama"}'

执行命令后，终端会输出JSON格式的回复，其中“response”字段即为Ollama模型的回答，适合集成到其他脚本或程序中。

4.3 OpenClaw技能扩展（可选，进阶操作）

OpenClaw支持通过技能扩展实现更多功能（如自动生成代码、抓取网页内容等），我们可以安装官方技能，让Ollama模型的能力更强大，步骤如下：

# 进入OpenClaw技能目录 cd ~/openclaw-work/openclaw/skills # 拉取官方技能库 git clone https://gitee.com/openclaw/openclaw-skills.git # 重启OpenClaw服务，加载技能 # 若前台启动，先按Ctrl+C停止，再重新启动；若后台启动，执行以下命令： ps -ef | grep python3 | grep main.py | awk '{print $2}' | xargs kill -9 nohup python3 main.py > openclaw.log 2>&1

重启完成后，打开OpenClaw网页端，在左侧“技能中心”即可看到已安装的技能，选择技能并输入指令，即可实现对应的自动化操作（如“使用代码生成技能，写一个Ubuntu终端快捷键脚本”）。

五、调试优化与常见问题解决

配置和使用过程中，难免会遇到一些问题，这里整理了最常见的问题及解决方案，还有优化建议，帮助大家快速排查问题，提升使用体验。

5.1 常见问题及解决方案

• 问题1：OpenClaw启动后，网页端无法访问？ 解决方案：检查OpenClaw服务是否正常运行，若正常，查看config.yaml中host是否为0.0.0.0，同时关闭Ubuntu防火墙（sudo ufw disable），重新访问。

• 问题2：OpenClaw调用Ollama时，提示“连接失败”？ 解决方案：检查Ollama服务是否正常运行（sudo systemctl status ollama），若未运行，启动Ollama服务；同时确认config.yaml中的ollama_url是否为http://localhost:11434，无误后重启OpenClaw。

• 问题3：Ollama拉取模型时，下载速度极慢？ 解决方案：切换网络（如使用手机热点），或修改Ollama镜像源（国内用户可搜索“Ollama国内镜像”，按教程配置）。

• 问题4：模型运行时，电脑卡顿严重？ 解决方案：关闭其他占用内存的程序，或拉取更小的模型（如q4量化版本），减少内存占用。

• 问题5：OpenClaw启动时，提示“python3: command not found”？ 解决方案：重新安装python3（sudo apt install python3 -y），并确认python3的环境变量配置正确（执行echo $PATH，查看是否包含/usr/bin/python3）。

5.2 优化建议（提升使用体验）

• 设置服务开机自启：避免每次重启Ubuntu后手动启动OpenClaw和Ollama，执行以下命令设置开机自启：

• # 设置Ollama开机自启（默认已设置，若未设置，执行以下命令） sudo systemctl enable ollama # 设置OpenClaw开机自启（创建systemd服务） sudo nano /etc/systemd/system/openclaw.service在打开的文件中输入以下内容，保存退出：[Unit] Description=OpenClaw Service After=network.target ollama.service [Service] User=your_username # 替换为你的Ubuntu用户名（如ubuntu） WorkingDirectory=/home/your_username/openclaw-work/openclaw ExecStart=/usr/bin/python3 main.py Restart=always [Install] WantedBy=multi-user.target然后执行以下命令，启用并启动服务：sudo systemctl daemon-reload sudo systemctl enable openclaw sudo systemctl start openclaw

• 清理模型缓存：若拉取多个模型，占用大量磁盘空间，可执行“ollama rm 模型名称”删除不需要的模型，释放磁盘空间；

• 更新版本：定期更新OpenClaw和Ollama，获取最新功能和bug修复，命令如下：

  # 更新OpenClaw cd ~/openclaw-work/openclaw git pull pip3 install -r requirements.txt --upgrade # 更新Ollama curl -fsSL https://ollama.com/install.sh | sh

六、总结与拓展

到这里，Ubuntu系统下OpenClaw配置与Ollama使用的全流程就结束了，从前期准备、依赖安装，到OpenClaw和Ollama的配置、联动使用，再到调试优化，每一步都详细讲解，新手跟着做，就能顺利完成配置，实现本地大模型的灵活调用。

OpenClaw和Ollama的组合非常灵活，除了基础的问答功能，还可以拓展更多实用场景：比如通过OpenClaw的技能，让Ollama自动生成代码、撰写文档、抓取网页信息；也可以将两者集成到自己的项目中，实现AI自动化功能。

最后，如果你在配置过程中遇到其他问题，欢迎在评论区留言，我会及时回复，帮助大家避坑。祝大家使用愉快，充分发挥AI工具的效率，提升工作和学习效率！

补充说明：本文基于Ubuntu 22.04 LTS版本，若你使用Ubuntu 20.04或其他版本，步骤基本一致，仅部分依赖安装命令略有差异，可根据系统提示调整即可。