免费运行 OpenClaw：Ollama Cloud 安装与配置指南
这是一篇面向初学者的 OpenClaw 与 Ollama Cloud 配置指南，介绍如何安装 Ollama、安装 OpenClaw、登录 Ollama 并用云端模型启动 AI 自动化工作流。
本文为中文编译与教程整理，基于 Nitin Sharma 在 Medium 发布的文章 How to Install and Run OpenClaw for Free With Ollama Cloud。原文作者为 Nitin Sharma，原文曾发布于作者的 newsletter AI Made Simple。本文保留关键步骤、命令与原文图片链接，并做了适合中文读者的整理。
最近很多人都在讨论 OpenClaw：它能做什么、能自动化哪些流程、以及为什么越来越多人把它当成个人或团队的 AI 工作系统来用。真正有趣的地方在于，一些用户已经开始用 OpenClaw 让 AI 每天早上自动执行任务、做研究、整理报告，并把结果送到邮箱里。
但问题也很现实：很多人还不知道 OpenClaw 到底是什么，更不知道如何在不下载庞大本地模型、不支付昂贵 API 费用的情况下跑起来。本文介绍一种低成本入门方式：用 Ollama 与 Ollama Cloud 给 OpenClaw 提供模型能力。
OpenClaw 是什么？
OpenClaw 可以理解为一个自托管 AI agent 系统。它能控制浏览器、读取网站、提取数据、运行任务，并把这些动作调度成自动化工作流。它与 ChatGPT 或 Claude 这类聊天工具最大的差别是：OpenClaw 不只是回答问题，而是可以真正执行任务。
当然，OpenClaw 自己还需要一个模型来“思考”和做决策。常见方式有两种：
- 方式 A：使用 OpenAI、Anthropic 或 Google 等服务商的 API。 配好 API key 后即可运行，简单直接，但会产生按量费用。
- 方式 B：使用 Ollama 这类开源工具，并结合云端模型。 这样可以减少本地模型下载压力，也不必完全依赖昂贵 API，同时保留更高的可控性。
第一步：安装 Ollama
先访问 Ollama 官网 下载应用。Mac 用户也可以直接使用终端安装：
curl -fsSL https://ollama.com/install.sh | sh
安装完成后，你可以在本机打开 Ollama。若要直接与本地模型聊天，需要先下载一个模型。原文作者用的是比较小的 qwen3.5:0.8b，体积约 1GB，适合作为入门测试。
ollama run qwen3.5:0.8b
如果电脑空间足够，也可以尝试更强的模型，例如面向代码任务的 qwen3-coder、通用模型 glm-4.7，或适合推理与 agent 任务的 gpt-oss。
第二步：本地安装 OpenClaw
接下来安装 OpenClaw。访问 OpenClaw 官网，复制安装命令并在终端中运行：
curl -fsSL https://openclaw.ai/install.sh | bash
运行安装脚本后，OpenClaw 会引导你完成几个基础设置，包括选择 quick start 模式、选择 AI 模型等。在模型部分选择 Ollama。原文特别提醒：Ollama 模式建议选择 Cloud + Local，这样后续既可以用本地模型，也可以调用云端模型。
如果只是快速体验，可以先跳过消息通道、搜索提供商等附加配置。完成后，通过 OpenClaw 的 Web UI 打开系统，就可以开始创建任务与自动化工作流。
第三步：登录并认证 Ollama 客户端
如果要使用 Ollama 的云端模型，需要把本地 Ollama 客户端与 Ollama 账号关联。先到 Ollama 官网注册或登录账号，然后在终端运行：
ollama signin该命令会生成一个验证链接。打开链接完成设备验证后，本地 Ollama 就可以使用你的云端账号能力。
第四步：用 Ollama Cloud 启动 OpenClaw
认证完成后，就可以让 OpenClaw 使用云端模型运行。原文给出的示例命令如下：
ollama launch openclaw --model kimi-k2.5:cloud这条命令的含义是：启动 OpenClaw，并指定使用托管在云端的 kimi-k2.5 模型。原文称该模型当前很适合 OpenClaw，并且在 Ollama 文档中也被推荐。
如果想使用 qwen3.5:cloud，则可以运行：
ollama launch openclaw --model qwen3.5:cloud
更多可用云端模型可以在 Ollama models 页面中筛选 Cloud 选项查看。Ollama 也提供了 OpenClaw 集成文档，可以帮助理解这些命令背后的配置方式。
如何正确使用 OpenClaw
原文最后强调了一个很重要的观点：OpenClaw 更适合把指令变成可重复的行为，而不只是做一次性任务。如果只是临时问一个问题，用 ChatGPT、Claude 或普通本地模型也许就够了；但如果你希望每天早上自动抓取线索、研究主题、提取更新、整理报告并在固定时间发送结果，那么 OpenClaw 这类 agent 系统的价值就更明显。
作者使用 OpenClaw 一个多月后的建议是：不要试图让一个 agent 做所有事情。更好的方式是创建多个小而专注的 agent，每个 agent 都有清晰角色，比如一个负责写作，一个负责研究，一个负责运营，一个负责个人事务。
角色越清晰，agent 越不容易跑偏，也越少需要人工盯着。你的工作会从“亲自做每件事”，逐渐变成“管理系统、检查输出、修正方向和优化指令”。这也是 OpenClaw 与 Ollama Cloud 组合真正值得尝试的地方：让本地可控性、云端模型能力与可重复自动化形成一个低成本入口。
快速命令汇总
# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 运行轻量本地模型
ollama run qwen3.5:0.8b
# 安装 OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash
# 登录 Ollama
ollama signin
# 使用 Ollama Cloud 模型启动 OpenClaw
ollama launch openclaw --model kimi-k2.5:cloud
# 或使用 qwen3.5 云端模型
ollama launch openclaw --model qwen3.5:cloud
