OpenClaw

使用 LM Studio 或 Ollama 在 DGX Spark 上本地运行 OpenClaw

概述

基本思路

OpenClaw（以前称为 Clawdbot 和 Moltbot）是在您的计算机上运行的本地优先 AI 智能体。它将多种功能组合到一个助手中：它记住对话、适应您的使用情况、连续运行、使用文件和应用程序中的上下文，并且可以通过社区技能进行扩展。

完全在 DGX Spark 上运行 OpenClaw 及其 LLM 可保持数据的私密性并避免持续的云 API 成本。 DGX Spark 非常适合这一点：它运行 Linux，设计为持久运行，并拥有 128GB 内存，因此您可以运行大型本地模型，以获得更高的准确性和更强大的行为。

你将完成什么

您将在 DGX Spark 上安装 OpenClaw 并连接到本地 LLM（通过 LM Studio 或 Ollama）。您可以使用 OpenClaw Web UI 与您的助手聊天，并可选择连接通信通道和技能。智能体和模型完全在您的 Spark 上运行，除非您添加云或外部集成，否则数据不会离开您的计算机。

开始之前需要了解什么

Linux 终端和文本编辑器的基本使用
可选：如果您计划使用本地模型，则熟悉 Ollama 或 LM Studio
了解以下安全注意事项

重要提示：安全和风险

AI 智能体可能会带来真正的风险。阅读 OpenClaw 的指南：OpenClaw Gateway Security。

主要风险：

数据暴露：个人信息或文件可能被泄露或被盗。
恶意代码：智能体或连接的工具可能会让您遭受恶意软件或攻击。

您无法消除所有风险；继续操作的风险由您自行承担。 关键安全措施：

强烈建议： 在专用或隔离系统（例如，干净的 DGX Spark 或 VM）上运行 OpenClaw，并且仅复制智能体所需的数据。不要在包含敏感数据的主工作站上运行此程序。
使用智能体的专用账户而不是您的主账户；仅授予其所需的最低访问权限。
仅启用您信任的技能，最好是经过社区审查的技能。提供终端或文件系统访问的技能会显着增加风险。
关键： 确保 OpenClaw Web UI 和任何消息通道在没有强大身份验证的情况下不会暴露到公共互联网。如果远程访问，请使用 SSH 隧道或 VPN。
在可能的情况下，使用防火墙规则或网络隔离限制智能体的互联网访问。
监控活动：定期查看智能体执行的日志和命令。

先决条件

运行 Linux 的 DGX Spark，已连接到您的网络
终端（SSH 或本地）访问 Spark
对于本地法学硕士：为您选择的模型提供足够的 GPU 内存（有关大小Instruct，请参阅说明；DGX Spark 的 128GB 支持大型模型）

时间和风险

持续时间：安装和首次模型设置大约需要 30 分钟；模型下载时间取决于大小和网络（gpt-oss-120b 约为 65GB，在较慢的连接上可能需要更长的时间）。
风险级别：中到高 - 智能体可以访问您配置的任何文件、工具和通道。如果您启用终端/命令执行技能或连接外部帐户，风险会显着增加。如果没有适当的隔离，此设置可能会暴露敏感数据或允许代码执行。 始终遵循上述安全措施。
回滚：您可以通过相同的安装脚本或删除其目录来停止 OpenClaw 网关并卸载；如果需要，请单独卸载 Ollama 或 LM Studio。
最后更新：2026 年 3 月 11 日
- 首次出版

指示

[！警告]
继续之前，请查看“概述”选项卡中的安全风险。 OpenClaw 是一个 AI 智能体，可以访问您的文件、执行命令以及连接到外部服务。数据泄露和恶意代码执行是真正的风险。 强烈建议： 在隔离的系统或虚拟机上运行 OpenClaw，使用专用帐户（而不是您的主帐户），并且切勿在未经身份验证的情况下将仪表板暴露于公共互联网。

步骤 1. 在 DGX Spark 上安装 OpenClaw

在 DGX Spark 上，打开终端并运行官方安装脚本。这将在您的 Linux 系统上安装 OpenClaw 及其依赖项。

curl -fsSL https://openclaw.ai/install.sh | bash

下载依赖项后，OpenClaw 将显示安全警告。阅读风险；如果您接受它们，请使用箭头键选择是并按 Enter。

步骤 2. 完成 OpenClaw 入门

按照以下提示进行操作。

快速入门与手动：选择快速入门。
模型提供者：要使用本地模型（建议用于 DGX Spark），请转到列表底部并选择 立即跳过 - 您稍后将配置模型。要使用云模型，请选择提供商并按照其说明进行操作。
按提供商过滤模型：选择所有提供商。在默认模型的下一个提示中，选择 保持当前。
通信通道：您可以连接通道（例如消息传递）以在远离计算机时使用机器人，或者选择 立即跳过 并稍后进行配置。
技能：我们建议暂时选择否。测试完基础知识后，您可以稍后从 Web UI 或 Clawhub 添加技能。
Homebrew：如果系统提示您安装 Homebrew，请选择否 - Homebrew 仅适用于 macOS，Linux 上不需要。
挂钩：我们建议选择全部三个以获得更好的体验。请注意，这可能会在本地记录数据；仅当您对此感到满意时才启用。
仪表板 URL：终端将打印 OpenClaw 仪表板的 URL。 保存此 URL（以及显示的任何访问令牌） - 您将需要它来打开 Web UI。
完成：在最终提示上选择是以完成安装。

您现在可以使用安装程序中的 URL 和令牌在浏览器中打开 OpenClaw 仪表板。

步骤 3. 选择并安装本地 LLM 后端

OpenClaw 可以通过 LM Studio（最佳原始性能，使用 Llama.cpp）或 Ollama（更简单且适合部署）使用本地 LLM。在 DGX Spark 上使用 单独的终端 作为后端，以便网关和模型服务器可以并行运行。

安装以下其中一项：

选项 A – LM Studio

curl -fsSL https://lmstudio.ai/install.sh | bash

选项 B – 奥拉马

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

步骤 4. 选择并下载模型

模型质量和能力随规模而变化。释放尽可能多的 GPU 内存（避免其他 GPU 工作负载，仅启用您需要的技能）。 DGX Spark 具有 128GB 统一内存，因此您可以运行大型模型并留出空间。

按 GPU 内存推荐的型号：

GPU显存	推荐型号	型号尺寸	笔记
8–12 GB	qwen3-4B-思考-2507	〜5GB	—
16 GB	gpt-oss-20b	〜12GB	延迟较低，适合交互使用
24–48 GB	Nemotron-3-Nano-30B-A3B	〜20GB	—
128GB	gpt-oss-120b	〜65GB	DGX Spark 上的最佳质量（量化）；为上下文窗口和其他进程留下约 63GB；如果您喜欢更快的响应，请使用 20B/30B

质量与延迟： 120B 模型提供最佳的准确性和功能，但每个令牌的延迟较高。如果您喜欢更快的回复，请改用 gpt-oss-20b （或 30B 型号）；两者都可以在 DGX Spark 上轻松运行，并具有充足的内存空间。

下载模型：

LM工作室

lms get openai/gpt-oss-120b

奥拉马

ollama pull gpt-oss:120b

（使用与表中您的选择相匹配的型号名称；相应地调整 lms get 或 ollama pull 命令。）

步骤 5. 使用大上下文窗口运行模型

OpenClaw 在 32K 令牌或更多 的上下文窗口中效果最佳。

LM工作室

lms load openai/gpt-oss-120b --context-length 32768

奥拉马

ollama run gpt-oss:120b

出现交互式提示后，设置上下文窗口（在 Ollama 提示符下键入以下内容；不要包含任何 >>> 前缀）：

/set parameter num_ctx 32768

保持此终端（或进程）运行，以便模型保持加载状态。现在，您可以与模型聊天或按 Ctrl+D 退出交互模式，同时保持模型服务器运行。

[！提示]
如果您看到内存不足 (OOM) 错误： 尝试较小的上下文（例如 16384）或切换到较小的模型（例如 gpt-oss-20b）。加载模型时使用 nvidia-smi 监视内存。

步骤 6. 配置 OpenClaw 以使用您的本地模型

如果您使用 LM Studio：

在您喜欢的编辑器（例如 nano、vim 或图形编辑器）中打开 OpenClaw 配置文件。配置路径为：
```
~/.openclaw/openclaw.json
```
纳米示例：
```
nano ~/.openclaw/openclaw.json
```
添加或更新 models 部分，使其包含 LM Studio 提供程序。 gpt-oss-120b (DGX Spark) 示例：

"models": {
  "mode": "merge",
  "providers": {
    "lmstudio": {
      "baseUrl": "http://localhost:1234/v1",
      "apiKey": "lmstudio",
      "api": "openai-responses",
      "models": [
        {
          "id": "openai/gpt-oss-120b",
          "name": "openai/gpt-oss-120b",
          "reasoning": false,
          "input": ["text"],
          "cost": {
            "input": 0,
            "output": 0,
            "cacheRead": 0,
            "cacheWrite": 0
          },
          "contextWindow": 32768,
          "maxTokens": 4096
        }
      ]
    }
  }
}

对于 gpt-oss-20b 或其他模型，请使用相同的结构，但设置 id 和 name 以匹配您加载的模型（例如 openai/gpt-oss-20b）。如果需要，调整 contextWindow 和 maxTokens。

如果您使用 Ollama：

[！笔记]
ollama launch openclaw 需要 Ollama v0.15 或更高版本。如果您看到“未知命令”错误，请升级 Ollama (ollama --version) 并重试。

跑步：

ollama launch openclaw

如果 OpenClaw 网关已在运行，它应该自动采用新配置。您可以添加 --config 进行配置，而无需启动网关。

步骤 7. 验证设置

在浏览器中，打开 OpenClaw 仪表板 URL（并根据需要使用访问令牌）。
开始新对话并发送短信。
如果您收到智能体的回复，则说明设置正常。

您还可以询问 OpenClaw 它使用的是哪种型号。在网关聊天 UI 中，您可以通过键入：/model MODEL_NAME 来切换模型。

步骤 8. 可选：添加技能并了解更多信息

技能增加了能力，但也增加了风险；仅启用您信任的技能（例如，经过社区审查的技能）。添加技能：
- 要求 OpenClaw 配置技能，或者
- 使用 Web UI 中的侧边栏启用技能，或者
- 浏览 Clawhub 了解社区技能。
有关更多使用和配置详细信息，请参阅 OpenClaw documentation。

故障排除

症状	原因	使固定
OpenClaw 仪表板 URL 未加载	网关未运行或主机/端口错误	重新启动 OpenClaw 网关：对于 Ollama，运行 `ollama launch openclaw` 以重新启动已配置的网关。对于 LM Studio，通过 LM Studio UI 重新启动 OpenClaw 网关或重新启动 OpenClaw 服务/容器。验证：检查网关进程是否正在使用 `pgrep -f openclaw` 或 `ps aux \ 运行
模型“连接被拒绝”（例如 localhost:1234 或 Ollama 端口）	LM Studio 或 Ollama 未运行，或端口错误	在单独的终端（`lms load ...` 或 `ollama run ...`）中启动模型，并确保 `openclaw.json` 中的端口匹配（LM Studio 为 1234，Ollama 为 11434）
OpenClaw 说没有可用的模型	模型提供程序未配置或模型未加载	将 `models` 部分添加到 LM Studio 的 `~/.openclaw/openclaw.json` 中，或为 Ollama 运行 `ollama launch openclaw` ；确保模型已加载/运行
DGX Spark 内存不足或推理速度非常慢	模型对于可用 GPU 内存或其他 GPU 工作负载来说太大	释放 GPU 内存（关闭其他应用程序），选择较小的型号，或使用 `nvidia-smi` 检查使用情况
安装脚本失败或缺少依赖项	Linux 上缺少系统包	安装curl和任何所需的构建工具；有关当前要求，请参阅 OpenClaw documentation
配置更改未应用	网关未重新加载	重新启动 OpenClaw 网关，使其重新加载 `~/.openclaw/openclaw.json`

OpenClaw

OpenClaw

目录

概述

基本思路

你将完成什么

热门用例

开始之前需要了解什么

重要提示：安全和风险

先决条件

时间和风险

指示

步骤 1. 在 DGX Spark 上安装 OpenClaw

步骤 2. 完成 OpenClaw 入门

步骤 3. 选择并安装本地 LLM 后端

步骤 4. 选择并下载模型

步骤 5. 使用大上下文窗口运行模型

步骤 6. 配置 OpenClaw 以使用您的本地模型

步骤 7. 验证设置

步骤 8. 可选：添加技能并了解更多信息

故障排除