从“OpenClaw”这名字刷到我时间线那天起我就知道迟早得替大家把“没有 Mac 怎么玩转它”这条路先踩一遍。先说结论OpenClaw 压根不是 Mac 专属Windows 旧笔记本、低功耗迷你主机、甚至一台吃灰的安卓手机都能让它跑起来核心不是砸钱买设备而是把“控制端”和“运行端”拆开再给大脑选一个便宜的本地模型。我用一台闲置六年的旧笔记本实测了一个月总花费除开电费不到五十块OpenClaw 真的能挂机 24 小时做日程提醒、定时抓取信息、跑一些简单的自动化任务。这篇就写给那些想低成本尝鲜、又不想一上来就为 Mac 掏钱的朋友。在开始之前先把预期摆正OpenClaw 不是网页聊天框也不是那种带你玩“无限制对话”的娱乐玩具它的定位是个人 AI 助理/智能体负责持续监听你的需求然后调用工具去执行。下面我从架构、环境、配置、踩坑、账单五个部分把这套低成本方案完整拆开讲。1. 先搞懂 OpenClaw 的“三件套”再谈省钱1.1 控制端、运行端与大脑的职责划分很多人第一次装 OpenClaw 失败是因为把它当成一个“单机软件”想在当前电脑上一步到位。实际它的运行逻辑更像一个团队控制端是你拿在手里、随时查看和下达指令的界面可以是浏览器页面、手机 App或者 Windows 上的 Companion 小窗运行端是一个长期挂机的进程负责接收消息、调度任务、执行 Skill大脑则是真正做推理的 LLM负责理解你的自然语言并决定下一步调什么工具。这套架构最大的好处是“控制端和运行端可以不在同一台设备”。你完全可以在办公室的 Windows 台式机上跑运行端人回到家用手机访问控制端下达指令运行端依然在办公室乖挂机。这就像给助理租了一间不熄灯的宿舍你不需要亲自住进去只需要打电话过去安排工作。我实测下来最舒适的搭配是Windows 旧笔记本当运行端手机浏览器当控制端。OpenClaw 本身是跨平台的 Node.js 项目所谓“必须用 Mac”的说法其实是早期教程集中使用 Mac 造成的错觉。核心依赖只有 Node.js 运行时、一个模型推理服务比如 Ollama再加上一个能常驻的系统环境至于你用的是 Windows、Linux 还是 Android 的 TermuxOpenClaw 并不挑食。1.2 设备选型与百元预算的账怎么算既然要低成本第一件事是把“花钱”和“不花钱”的选项都列清楚。我推荐按优先级从高到低排序设备方案成本能否 24 小时挂机推荐指数备注闲置旧笔记本Win/Linux0 元能注意散热五星8GB 内存足够跑 3B 量化模型二手 N100 迷你主机100-200 元能功耗 10W 左右四星百元预算首选但通常要配内存硬盘安卓旧手机Termux0-50 元勉强能受后台限制三星适合尝鲜不适合主力树莓派 4B2GB150 元左右能内存偏紧三星玩机友好但跑模型稍吃力所谓的“百元预算”最实在的是捡一台二手 N100 迷你主机空机配一根 8GB DDR4 内存和一块旧 SSD。我这台旧笔记本是 2016 年的 i5 低压版加 8GB 内存跑 OpenClaw Ollama 的 qwen2.5:3b 量化模型CPU 推理单次回复大约需要 20-40 秒日常助理场景完全能忍。如果你手里已经有闲置设备这笔钱直接归零。电费方面也别忽略。旧笔记本待机功耗约 20 瓦一天 0.48 度电按居民电价算一个月大概 7 到 8 块钱迷你主机更省功耗 10 瓦左右一个月不到 4 块钱。一年下来电费不到一百块这是“24 小时 AI 助理”真正的长期成本。1.3 本地模型还是云 APIOpenClaw 不是只能接 API有个疑问很多人问过“OpenClaw 是不是只能用接入 API 的方式使用算力”答案是否定的。OpenClaw 的大脑是一个标准的 LLM 接口它既可以接云端 API也可以接本地推理服务。用 Ollama 部署一个开源模型到本地OpenClaw 完全可以在断网环境下工作。社区默认配置通常是接 Claude 或 OpenAI 类接口但对低成本尝鲜来说本地模型才是正确的起点。本地模型和云 API 的取舍很简单本地模型的好处是免费、私密、无固定月费坏处是响应慢、智力上限受硬件限制云 API 的回复质量和速度更好但每月要花固定的几十块。我的建议是先把本地模型跑通确认 OpenClaw 的 Skill 和工作流真的能满足需求再决定要不要加一个云 API 作为“兜底大脑”。这样既能守住百元预算又不会一开始就被 API 费用吓退。2. 非 Mac 环境搭建从裸机到能跑2.1 Windows 用户先把 WSL2 修好如果你打算用 Windows 笔记本当运行端第一个门槛不是装 OpenClaw而是把 WSL2 环境弄干净。OpenClaw 在 Windows 上最稳的跑法是借助 WSL2 里的 Linux 环境因为它的 Skill 体系里有大量 shell 命令、文件操作和定时任务原生 Windows 进程在权限和路径处理上都会各种别扭。最常见的新手报错是OpenClaw 提示“无法安全验证 WSL2 环境请在 PowerShell 中运行 wsl --status 检查”。别看这句话语气吓人实际处理起来并不复杂。先在“管理员 PowerShell”里依次执行wsl --status wsl --update wsl --shutdown正常情况下wsl --status 会显示默认版本为 2 以及内核版本号。如果提示“未安装适用于 Linux 的 Windows 子系统”就去“启用或关闭 Windows 功能”里勾选“虚拟机平台”和“适用于 Linux 的 Windows 子系统”重启后再跑一次 wsl --update。还有一个小坑WSL2 需要 CPU 虚拟化开启打开任务管理器“性能”标签页看“虚拟化”是否为“已启用”如果是已禁用就得进 BIOS 打开 Intel VT-x 或 AMD SVM。我实测的机器上还遇到过一个烦人问题wsl --update 卡在“正在下载”半小时不动。原因是 Windows Update 网络问题解决办法是直接去 Microsoft 官网手动下载 WSL2 内核安装包装完再 wsl --shutdown 重启 WSL。之后 OpenClaw 的环境校验就顺利通过了。2.2 Node.js 运行时与包管理器的非 Mac 安装法OpenClaw 是 Node.js 项目无论什么系统Node.js 都得先装好。很多人习惯在 Mac 上用 Homebrew 安装但 Homebrew 在 Mac 上本身就有很高的概率翻车——网络连接不稳定、权限报错、安装到一半卡死。既然我们的方案干脆不用 Mac那就绕开 Homebrew用各平台原生的包管理器。Windows 用户在 PowerShell 里执行winget install OpenJS.NodeJS.LTSLinux 用户包括 WSL2用 aptsudo apt update sudo apt install -y nodejs npm装完建议顺手装一个 nvm 管理 Node 版本。因为 OpenClaw 这种快速迭代的项目有时需要切换到指定的 Node 版本才能启动成功nvm 能让你在 18/20/22 之间秒切。切完版本记得执行npm install依赖装完再启动否则容易报模块找不到的错。这里提醒一下网上有些教程让你去 Node.js 官网下载安装包那只是给浏览器用户准备的OpenClaw 并不是从 Node.js 官网“下载”的。正确流程永远是先装 Node.js 运行时再从 OpenClaw 项目仓库拉源码最后 npm install。2.3 Docker 还是裸进程两种跑法怎么选OpenClaw 支持 Docker 和裸进程两种运行方式。对第一次尝鲜的人我强烈建议先用裸进程跑通别一上来就上 Docker。原因很简单OpenClaw 涉及大量配置文件和日志输出裸进程模式下你能直接看到控制台打印了什么、哪里报错了一旦包进 Docker日志隔离了、端口映射错了、卷挂载路径不对排查问题的难度直接翻倍新手很容易在这一步放弃。Docker 跑法适合什么情况呢适合你已经验证过功能、确认要长期 24 小时挂机的时候。Docker 能帮你固定环境、保持进程隔离还可以用--restart unless-stopped策略让容器跟随 Docker 守护进程自动拉起。裸进程跑法也有它的自动化方案我到第 4 节会详细说怎么用 systemd 或 pm2 保活。我的实际路径是在 WSL2 里裸进程跑了一周确认稳定后用 Docker 重新部署前后花了不到半小时。如果你只有一台 Windows 机器WSL2 里的 systemd 也能胜任不一定要上 Docker。2.4 安卓手机 Termux 装 OpenClaw可行但别太当真看到“OpenClaw 手机版”这个说法时先要澄清官方并没有一个专门的手机 App。所谓手机版本质上是在 Termux 这个 Android 终端模拟器里把同一个 Node.js 项目跑起来。步骤不复杂pkg update pkg upgrade pkg install nodejs-lts git git clone OpenClaw项目地址 cd 项目目录 npm install理论上到这里就能启动了。但手机跑 OpenClaw 有两个硬伤一是 Android 的后台限制锁屏一段时间后系统会杀掉进程24 小时挂机基本做不到二是内存一台 6GB 或 8GB 内存的手机跑系统加 App 已经吃掉大半再塞一个 3B 模型和 Node 进程随时可能触发 LMK 杀进程。所以我对 Termux 方案的评价是适合出差时临时访问控制端或者当成第二控制端使用不适合作为主力运行端。真要想低价挂机旧笔记本永远比手机靠谱。相比之下旧的 Windows 平板或迷你主机才是正统答案。3. 让本地模型驱动 OpenClaw3.1 Ollama 安装与模型选择qwen2.5-3b 是起点本地模型这一层我推荐用 Ollama 作为推理服务。它安装简单、跨平台支持 Windows/Linux/macOS还自带一个兼容 OpenAI 的 API 接口OpenClaw 可以直接对接。Windows 版直接去 Ollama 官网下载安装包WSL2 里用一行命令curl -fsSL https://ollama.com/install.sh | sh装完拉取模型ollama pull qwen2.5:3b为什么选 qwen2.5:3b因为 3B 参数规模是“低成本 CPU 推理”的甜点区间Q4 量化后模型文件约 2GB推理时占用内存 2.5GB 左右加上 OpenClaw 本身的 Node 进程和系统开销8GB 内存的设备正好装得下。再大一点的 7B 模型内存吃紧且 CPU 推理会慢到让人失去耐心更小的 1.5B 模型虽然快但理解和工具调用能力明显下降OpenClaw 的 Skill 经常因为理解偏差而调用失败。Ollama 默认只监听本机 127.0.0.1:11434如果你是控制端和运行端分离部署需要改环境变量OLLAMA_HOST0.0.0.0:11434这样同一局域网内其他设备也能访问。Windows 下配置环境变量后记得重启 Ollama 服务Linux 下通常是sudo systemctl edit ollama # 添加 EnvironmentOLLAMA_HOST0.0.0.0:11434 sudo systemctl restart ollama3.2 OpenClaw 接入本地模型的配置动手填字段OpenClaw 的模型接入配置本质上是告诉它“大脑服务的地址和模型名”。打开配置文件找到模型配置段典型的最小配置如下llm: provider: openai-compatible base_url: http://127.0.0.1:11434/v1 api_key: ollama model: qwen2.5:3b temperature: 0.7 max_tokens: 2048这里provider写成openai-compatible是因为 Ollama 提供 OpenAI 兼容的/v1/chat/completions接口。api_key字段随便填个ollama就能通过因为 Ollama 默认不做鉴权。max_tokens不要设太高2048 足够日常回复设太高反而会拖慢单次推理速度。配置完启动 OpenClaw如果控制台能看到模型名称和连接状态就说明大脑已经接通。第一次对话建议问一个需要工具调用的测试题比如“帮我查一下现在的时间”逼着 OpenClaw 去调用 Skill 而不是直接背答案。为什么这么测因为如果模型没有触达工具调用的能力你后面说的“定时提醒”“抓取网页”都不会生效。3.3 Skill 机制让助理真正“会干活”的扩展点OpenClaw 和普通聊天机器人最大的区别就是 Skill 机制。你可以把 Skill 理解成助理的手脚每个 Skill 解决一类具体任务解析时间、读取文件、发请求、执行命令、写周报。社区里常见的 Skill 有定时提醒、天气查询、RSS 聚合、Git 自动提交、文件整理等。Skill 的编排通常在配置目录下每个 Skill 是一个独立文件夹包含描述文件、提示词模板和实现脚本。描述文件是给大脑看的告诉模型“什么情况下该调用这个 Skill”提示词模板负责生成具体指令实现脚本才是真正干活的部分。比如写一个“工作日报总结” Skill描述文件里写明“当用户提到今天工作总结、日报、当天任务时调用”脚本里调用系统的命令行读取指定目录下的事务记录。我的经验是先别贪多把 OpenClaw 自带的 3-5 个基础 Skill 跑通再自己写第一个 Skill。写的时候遵循最小可用原则先用 shell 脚本做最简单的输入输出跑通了再换成 Python 或 Node 脚本。测试 Skill 时保留控制台日志能看到大脑是否真的调用了它调用参数对不对。3.4 Windows Companion 与多通道消息入口Companion 这个组件解决的是“你平时怎么跟助理说话”的问题。Windows 上它表现为一个常驻小窗或系统托盘图标你可以快捷输入文字、查看运行状态、切换模型。配置 Companion 时核心是指向运行端的地址和端口如果你的 OpenClaw 运行在 WSL2 里要注意 WSL2 的网络地址不是 127.0.0.1而是要访问 WSL2 虚拟机的 IP或者在 WSL2 里配置端口转发netsh interface portproxy add v4tov4 listenport8080 listenaddress0.0.0.0 connectport8080 connectaddressWSL2-IP这套端口转发的思路同样适用于手机浏览器访问。我的日常用法是Windows 笔记本跑运行端手机浏览器打开控制端页面在地铁上就能给家里助理派活——“等我到家提醒我拿快递”“半小时后把跑完的训练结果整理成摘要发我邮箱”。这些操作都通过 Companion 和 Web 控制端完成不需要掏出笔记本。3.5 多 AI 协作本地模型主跑云 API 兜底OpenClaw 支持配置多条模型通道这正是“多 AI 协作”的用武之地。低成本方案也不必死守本地模型可以在模型配置里把本地 Ollama 设为默认把一家云厂商的 API 设为 fallback。比如自动生成的日报走本地模型省钱遇到复杂逻辑推理、需要高质量回答的场景再临时切到云端大脑。我在配置里就是这么做的主模型 qwen2.5:3b 处理绝大多数助理任务备用模型接了一个国内云厂商的 API只有当本地模型连续两次工具调用失败或者任务类型是长文本润色时才启用备用通道。这套方案的月度 API 开销很小通常只有几块钱到十几块钱不会破坏百元预算的底线。4. 踩坑实录从安装到稳定运行的问题清单4.1 OpenClaw 提示“无法安全验证 WSL2 环境”怎么办这个报错在 Windows 用户群里出现频率极高OpenClaw 启动前的环境自检脚本发现 WSL2 状态异常就会直接拦截启动。处理流程按顺序试# 第一步查看状态 wsl --status # 第二步更新内核 wsl --update # 第三步彻底重启 WSL wsl --shutdown如果 wsl --status 显示“默认版本1”说明 WSL2 没启用执行wsl --set-default-version 2。如果显示“未安装分发版”先执行wsl --install -d Ubuntu-22.04装一个分发版再回去跑 OpenClaw。这三个命令能解决九成以上的环境校验失败问题。剩下的两成问题出在 Windows 功能没开齐全。“控制面板 - 程序 - 启用或关闭 Windows 功能”里确认“虚拟机平台”“适用于 Linux 的 Windows 子系统”“Hyper-V”三项都处于勾选状态。这三个功能是 WSL2 的地基少了任何一个内核都起不来。改完重启再跑 wsl --status基本就干净了。4.2 安装过程中最常见的几个报错先说端口占用。OpenClaw 默认起在 8080 端口如果你之前跑过其他 Web 服务启动会直接报 EADDRINUSE。这时两条路要么杀掉占用进程要么改 OpenClaw 配置里的端口号。我建议改配置端口因为杀掉进程可能导致其他服务数据丢失。再说 npm 安装慢或失败。国内网络环境拉 npm 依赖经常超时解决办法是换镜像源npm config set registry https://registry.npmmirror.com然后重新npm install。还有一个隐蔽问题Node 版本太新或太旧导致原生模块编译失败。比如某些版本对 Node 20 支持不好报node-gyp相关错误时切换到 Node 18 LTS 往往能解决。最后是文件权限问题。WSL2 里如果在/mnt/c/这种 Windows 挂载目录下直接 npm install交叉文件系统会造成大量半秒延迟的 IO 操作甚至符号链接失败。正确做法是把 OpenClaw 项目放到 WSL2 原生文件系统下比如~/openclaw访问速度会快一个数量级。4.3 本地模型“答非所问”或工具调用失效用 qwen2.5:3b 当大脑最典型的问题是模型太小导致工具调用格式不稳定。OpenClaw 会要求模型返回特定 JSON 结构来触发 Skill3B 模型偶尔会丢掉字段或者格式不对表现为你让它“定个明早九点的提醒”它却给你回了段散文。解决思路有三个方向。第一降低 temperature从 0.7 调到 0.3 甚至 0.1让模型输出更确定。第二调整提示词模板在 Skill 描述里把触发条件写得更死板“必须”“只能调用 xx Skill”这类强制句式能提升命中率。第三实在不行就换 7B 模型代价是 CPU 推理更慢但工具调用的稳定性明显提升。另外一个常被忽略的问题是上下文长度。3B 模型默认上下文窗口小如果控制台显示的历史消息很长模型可能会忘记早期指令。OpenClaw 配置里可以把max_history适当调小比如只保留最近 10 条消息给模型“减负”。4.4 24 小时挂机断线、日志、自动重启挂机最怕的不是功能不行而是进程半夜自杀。我在裸进程跑的那一周里遇到过 WSL2 内存缓存把内存吃满导致 OOM、npm 进程被系统回收、Ollama 意外退出等问题。解决办法是上保活机制。如果你在 WSL2 里可以用 systemd 写一个服务单元如果更习惯 Node 生态可以选择 pm2npm install -g pm2 pm2 start index.js --name openclaw pm2 save pm2 startuppm2 的好处是自带日志轮转和看护崩溃后自动重启。日志轮转很重要OpenClaw 挂机一周日志可能膨胀到几百 MB建议配置按大小切割pm2 install pm2-logrotate pm2 set pm2-logrotate:max_size 20M日志方面平时可以开着控制台看连接状态稳定后写个 cron 每天凌晨清理一次临时文件。另外给 Ollama 也设置自动启动OpenClaw 挂着但 Ollama 挂了效果等于助理昏迷。把这两个服务都交给 pm2 或 systemd 管理才能算真正的无人值守。4.5 问题排查速查表现象可能原因处理命令/方案无法安全验证 WSL2 环境WSL2 内核未更新/虚拟化未开启wsl --update; 检查 BIOS 虚拟化8080 端口被占用其他 Web 服务冲突改 OpenClaw 端口或杀占用进程npm install 卡死网络问题换 registry.npmmirror.com模型回复像“作文”temperature 太高调到 0.1-0.3定时任务不触发进程被系统回收用 pm2/systemd 保活局域网访问不了控制端WSL2 端口未转发netsh portproxy 转发Ollama 启动闪退环境变量 OLLAMA_HOST 配置错误检查变量后重启服务5. 百元预算的真实账单与扩展想法5.1 实际花销明细我用闲置旧笔记本核心成本只有电费。这台 i5 笔记本跑 OpenClaw Ollama待机功耗 22 瓦一个月电费约 8 元。如果你是从零开始买一台二手 N100 迷你主机空机约 100-150 元加一根 8GB DDR4 内存二手价约 60 元一块 128GB 旧 SSD 约 40 元总价两百出头。想严格压进百元就靠旧设备或手机 Termux 无常驻。云 API 兜底通道我一个月跑了约 200 次调用花费 15 元。整体下来小几百块用一年对比买 Mac 当保姆的成本确实没什么可抱怨的。5.2 一个月实测哪些功能值得哪些是伪需求实测下来“24 小时定时提醒”和“信息汇总”是最高频使用场景。把工作群里的零散任务直接发给 OpenClaw让它整理成清单并设置到期提醒比原来的便签方式好用太多。其次是“网页内容转摘要”OpenClaw 自动抓取指定 URL 并生成要点对每天要跟踪行业动态的人来说是偷懒神器。但也有踩过坑的功能。让 OpenClaw 主动“想说什么就说什么”这种过于拟人化的设定实际体验并不好3B 模型主动生成的内容大多没有信息量反而因为频繁打断阅读而变得烦人。还有一次我尝试让它监控某个网页的更新因为模型理解偏差导致死循环请求直接把 CPU 打满。所以 24 小时助理的正确用法是“你指令它执行”而不是“让它自由发挥”。5.3 接下来的扩展方向如果你跑通基础功能想继续玩有两个我认为性价比很高的方向第一是给 OpenClaw 接入企业微信/钉钉机器人或邮件通知这样任务完成的事件能主动推送到手机而不是非得打开控制端才能看到第二是加入家庭智能化场景用一个 10 瓦的小主机和 Home Assistant 相配合OpenClaw 负责理解自然语言Home Assistant 负责控制灯光、插座和传感器。这套组合对真正的低成本玩家来说远比反复纠结 Mac 环境有吸引力。最后分享一个我在实际操作里换来的经验不要一上来就折腾复杂 Skill先用最简单的定时提醒和日报生成跑够一周。原因很现实——把基础链路跑稳了你才有信心继续加功能才有动力把 OpenClaw 真正当成 24 小时助理去用。低成本尝鲜的重点不是“装成功”而是“用得起来”一台跑着本地模型的旧笔记本已经足够让你体会到 AI 助理挂机带来的实实在在的便利。