Ollama 一指令安裝 OpenClaw 完整教學

在 2026 年，用 Ollama + OpenClaw 打造本地 AI Agent

在 2026 年，本地 AI Agent 不再是專家才能玩的東西。這篇教學會讓你真正理解每一步在做什麼，而不只是複製貼上指令。

為什麼要用 Ollama + OpenClaw？

市面上的 AI Agent 方案大多有兩個痛點：

雲端依賴：對話、程式碼、檔案都送到第三方伺服器

設定複雜：API key、環境變數、Docker 設定…入門門檻高

Ollama 解決「部署複雜」的問題——它把 LLM 的下載、版本管理、API 服務全部封裝起來，一條指令啟動。OpenClaw 則在此之上建立 AI Agent 閘道器，讓你從 WhatsApp、Telegram、Slack 等日常 App 直接與 AI 互動，且所有運算都在你自己的機器上跑。

前置準備

開始前請確認以下條件：

• 作業系統：macOS、Linux 或 Windows（WSL2）

• Ollama：前往 ollama.com/download 安裝

• Node.js 22+：OpenClaw 的 npm 套件需要

• GPU（可選）：使用本地模型時建議具備足夠 VRAM

💡 沒有 GPU 也沒關係：可以先用雲端 API（如 Anthropic、OpenAI）體驗完整流程，確認符合需求後再考慮本地部署。

Step 1：安裝 Ollama

前往 ollama.com/download 下載並安裝，完成後確認服務正常：

ollama list

有輸出表示服務正常運作。

Step 2：安裝 OpenClaw

# macOS / Linux
sudo npm install -g openclaw@latest

# 確認安裝成功
openclaw --version

安裝完成後執行系統檢查：

openclaw doctor

Step 3：選擇 AI 模型

OpenClaw 建議使用具備足夠 context 長度的模型，才能在多步驟任務中維持完整的任務記憶。以下是選擇策略：

雲端 API（無需 GPU，立即可用）

模型供應商特點claude-haiku-4-5Anthropic速度快、成本低，日常任務首選claude-sonnet-4-6Anthropic平衡品質與成本gpt-4o-miniOpenAI通用性強，性價比高

本地模型（需 GPU，資料完全不出本機）

模型VRAM 需求特點qwen2.5:7b~8GB速度快，日常任務夠用qwen2.5:14b~10GB工具調用能力更強qwen2.5-coder:32b~20GB程式碼生成專用

🔍 選擇建議：初次使用先選雲端 API（Anthropic 或 OpenAI）體驗完整流程，確認符合需求後再考慮本地部署。本地模型的優勢是隱私、零成本且無配額上限。

Step 4：下載本地模型（選用）

如果選擇本地模型，用 Ollama 下載：

# 下載 Qwen2.5 7B（約 4.5GB）
ollama pull qwen2.5:7b

# 確認下載完成
ollama list

Step 5：設定 OpenClaw

執行互動式設定精靈：

openclaw onboard

依序選擇：

步驟選擇ProviderAnthropic / OpenAI / Custom（本地）API Key貼上你的 API KeyModel選擇你要使用的模型ChannelTelegram / WhatsApp / Slack其餘一路 Enter

設定完成後啟動 Gateway：

openclaw gateway --force
```

---

## Step 6：理解 OpenClaw 的架構

OpenClaw 的設計邏輯是「訊息平台作為操作介面，LLM 作為推理引擎」：
```
你的手機（Telegram）
        ↓
OpenClaw Gateway（背景持續運行）
        ↓
LLM（本地 Ollama 或雲端 API）
        ↓
執行工具、操作檔案、呼叫外部服務
        ↓
回傳結果到你的手機

這個架構的最大優點是：你可以用手機的 Telegram 傳訊息，後端 AI 在家裡的電腦上跑，回應推回你的手機——完全不需要打開電腦。

目前支援的訊息平台：WhatsApp、Telegram、Slack、Discord

Step 7：日常操作指令

openclaw gateway --force    # 重啟 Gateway
openclaw status             # 查看整體狀態
openclaw logs --follow      # 即時追蹤日誌
openclaw doctor             # 系統健康檢查
openclaw security audit     # 安全稽核

常見問題排查

指令執行後沒有反應

確認 Ollama 服務是否在運行：

ollama list

若有輸出表示服務正常，沒有輸出可嘗試重新啟動 Ollama 應用程式。

本地模型回應速度慢

7B 模型在沒有 GPU 的情況下會非常慢，建議先用雲端 API 確認流程後再切換本地模型。

想確認目前使用哪個版本

openclaw --version
ollama --version

結語

Ollama 讓本地模型的部署門檻大幅降低，OpenClaw 則把 LLM 的能力延伸到日常使用的訊息平台上。兩者結合，你可以在完全掌控資料的前提下，打造屬於自己的 AI Agent。

下一步建議：

• 安裝技能包擴充功能：npx clawhub@latest install find-skills

• 整合 GitHub、Notion、Google Drive 等工具

• 參考 OpenClaw 官方文件 進行進階設定

• 聯絡英特艾