OpenClaw人人养虾：本地私有部署

面向对数据隐私有严格要求的企业和团队。所有数据完全存储在本地不依赖任何外部云服务支持完全断网Air-gapped运行。适用场景️ 金融、医疗、政府等有合规要求的行业 企业内部敏感数据处理合同、财务、客户信息 无法连接公网的内网环境 需要完全自主可控的团队硬件要求级别CPU内存磁盘GPU适用场景个人 / 体验4 核8 GB100 GB SSD不需要个人使用调用云端模型 API小团队5–20 人8 核32 GB500 GB SSD推荐RTX 3090 / 4090团队协作 本地模型企业级20–100 人16 核64 GB1 TB NVMe必须A100 40G / A800高并发 大参数模型大规模100 人32 核128 GB2 TB NVMe多卡A100×2多模型并行推理GPU 说明GPU 仅在运行本地大模型如 Ollama Llama / Qwen时需要。如果通过 API 调用云端模型DeepSeek / 通义千问则不需要 GPU。离线安装包下载离线部署包在有网络的机器上下载# 下载完整离线包包含 Node.js OpenClaw 依赖 wget https://cdn.jsdelivr.net/gh/openclaw/distmain/openclaw-offline-linux-x64.tar.gz # 下载校验文件 wget https://cdn.jsdelivr.net/gh/openclaw/distmain/openclaw-offline-linux-x64.tar.gz.sha256离线环境安装将下载的文件通过 U 盘 / 内网传输到目标机器# 校验完整性 sha256sum -c openclaw-offline-linux-x64.tar.gz.sha256 # 解压 tar xzf openclaw-offline-linux-x64.tar.gz -C /opt/ # 运行离线安装脚本 cd /opt/openclaw-offline bash install-offline.sh安装脚本会安装内置的 Node.js 22 二进制安装 OpenClaw 及所有依赖无需网络注册 systemd 服务运行openclaw doctor完全断网Air-gapped部署对于完全无法连接外部网络的环境步骤一在联网机器上准备# 下载离线包 wget https://cdn.jsdelivr.net/gh/openclaw/distmain/openclaw-offline-linux-x64.tar.gz # 下载 Ollama 离线包如需要本地模型 wget https://github.com/ollama/ollama/releases/download/v0.5.0/ollama-linux-amd64.tgz # 下载模型权重以 Qwen2.5-7B 为例 ollama pull qwen2.5:7b # 模型文件位于 ~/.ollama/models/ # 打包所有文件 tar czf air-gapped-bundle.tar.gz \ openclaw-offline-linux-x64.tar.gz \ ollama-linux-amd64.tgz \ ~/.ollama/models/步骤二传输到内网通过物理介质U 盘、移动硬盘或内网文件传输系统传递。步骤三在目标机器上安装# 解压总包 tar xzf air-gapped-bundle.tar.gz # 安装 OpenClaw tar xzf openclaw-offline-linux-x64.tar.gz -C /opt/ cd /opt/openclaw-offline bash install-offline.sh # 安装 Ollama tar xzf ollama-linux-amd64.tgz -C /usr/local/ # 恢复模型文件 mkdir -p ~/.ollama tar xzf models.tar.gz -C ~/.ollama/ # 启动 Ollama ollama serve # 启动 OpenClaw openclaw start本地模型设置OllamaOllama 是最简单的本地大模型运行方案。推荐模型模型参数量最低 GPU 显存推荐场景qwen2.5:7b7B6 GB日常对话、轻量任务qwen2.5:14b14B12 GB代码生成、复杂推理qwen2.5:72b72B40 GBA100企业级高质量推理deepseek-coder-v2:16b16B16 GB代码编写专用llama3.1:8b8B8 GB英文任务配置 OpenClaw 连接 Ollama# ~/.openclaw/config/gateway.yaml providers: - name: ollama-local type: ollama base_url: http://127.0.0.1:11434 models: - qwen2.5:7b - qwen2.5:14b在控制面板中验证连接# 确认 Ollama 正在运行 curl http://127.0.0.1:11434/api/tags数据备份策略自动备份脚本#!/bin/bash # /opt/openclaw/backup.sh # 建议通过 cron 每日执行 BACKUP_DIR/backup/openclaw/$(date %Y%m%d) mkdir -p $BACKUP_DIR # 备份配置与数据 tar czf $BACKUP_DIR/openclaw-data.tar.gz -C $HOME .openclaw # 备份工作区 tar czf $BACKUP_DIR/workspace.tar.gz -C $HOME workspace # 保留最近 30 天的备份 find /backup/openclaw -maxdepth 1 -mtime 30 -type d -exec rm -rf {} \; echo [$(date)] Backup completed: $BACKUP_DIR设置定时任务# 每天凌晨 3 点自动备份 crontab -e # 添加 0 3 * * * /opt/openclaw/backup.sh /var/log/openclaw-backup.log 21备份内容说明目录 / 文件内容重要性~/.openclaw/db/SQLite 数据库对话记录、Agent 配置⭐⭐⭐ 关键~/.openclaw/config/配置文件⭐⭐⭐ 关键~/.openclaw/plugins/已安装插件⭐⭐ 重要~/.openclaw/keys/加密密钥⭐⭐⭐ 关键~/workspace/Agent 工作区文件⭐⭐ 按需企业级安全加固网络隔离┌─────────────────────────────┐ │ 内网 (10.0.0.0/8) │ │ │ │ ┌─────────┐ ┌──────────┐ │ │ │ OpenClaw│←→│ Ollama │ │ │ │ Gateway │ │ (本地模型)│ │ │ └────┬────┘ └──────────┘ │ │ │ │ │ ┌────┴────┐ │ │ │ Nginx │ │ │ │(反向代理)│ │ │ └────┬────┘ │ │ │ │ └───────┼─────────────────────┘ │ 内网用户访问认证与权限# ~/.openclaw/config/gateway.yaml auth: type: api_key keys: - name: admin key: your-admin-key permissions: [*] - name: user-team-a key: team-a-key permissions: [chat, agent:read]审计日志# ~/.openclaw/config/gateway.yaml audit: enabled: true log_path: /var/log/openclaw/audit.log retention_days: 365常见问题没有 GPU 能运行本地模型吗可以但速度会很慢。Ollama 支持纯 CPU 推理7B 参数模型在 8 核 CPU 上每秒可生成约 5–10 个 Token。如果不急于实时响应CPU 也能用。推荐方案本地部署 OpenClaw 通过 API 调用 DeepSeek 等云端模型既保证 Gateway 数据不出内网又无需 GPU。如何实现多节点高可用部署多个 Gateway 实例使用 Nginx 或 HAProxy 做负载均衡共享 NFS / Ceph 存储后端使用 PostgreSQL 替代 SQLite 作为数据库高可用方案详情请联系社区获取企业支持。Windows Server 能部署吗可以。在 Windows Server 上iwr -useb https://openclaw.ai/install.ps1 | iex但建议使用 Linux 以获得更好的性能和稳定性。《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章前6章涵盖深度学习基础包括张量运算、神经网络原理、数据预处理及卷积神经网络等后5章进阶探讨图像、文本、音频建模技术并结合Transformer架构解析大语言模型的开发实践。书中通过房价预测、图像分类等案例讲解模型构建方法每章附有动手练习题帮助读者巩固实战能力。内容兼顾数学原理与工程实现适配PyTorch框架最新技术发展趋势。