OpenClaw实战01-OpenClaw 安装(nvidia开发账号)及完整测试(技能使用)

本文严格参照 OpenClaw 官方安装文档（），完成 OpenClaw 基础安装；后续通过 ClawHub 技能市场（）安装高下载量技能，完成功能测试，全程提供可直接复制的命令，适配 macOS/Linux/Windows 系统，新手可直接跟随操作。

liaomin416100569

3081人浏览 · 2026-03-02 15:12:38

liaomin416100569 · 2026-03-02 15:12:38 发布

OpenClaw 安装及 ClawHub 技能安装测试完整示例

本文严格参照 OpenClaw 官方安装文档（https://docs.openclaw.ai/start/getting-started），完成 OpenClaw 基础安装；后续通过 ClawHub 技能市场（https://clawhub.ai/skills?sort=downloads）安装高下载量技能，完成功能测试，全程提供可直接复制的命令，适配 macOS/Linux/Windows 系统，新手可直接跟随操作。

类似功能主键还有国产版本（原理基本一样）：copaw

一、前期准备

1.1 准备apikey

申请nvdia免费apikey

英伟达 NIM 平台是英伟达推出的 AI 模型推理微服务平台，用于将 AI 模型（尤其是大模型）快速、稳定、高性能地部署成可用的在线服务。开发者可在此注册账号并生成 API Key，免费调用 GLM-4.7 和 MiniMax M2.1 等国产模型，每分钟差不多可以调用40次没有token限制，适合自己学习使用，关键国内还可以直接访问，不需要科学上网。

打开 build.nvidia.com，点右上角点 Login，填邮箱注册账号，手机号码可以填国内手机号，不用选择国家将前面+1改成+86 输入国内手机号即可，不验证手机号无法生成apikey
验证手机完成后可以点击models查看所有可用的model
在这里插入图片描述
比如我这里选择kimi

点击模型进入，可以直接测试模型聊天也可以通过view code 查看代码获取模型的id（模型唯一标识）

点击viewcode查看模型的名称和最大token数这个后续要用到

这个是kimi的模型名称（moonshotai/kimi-k2.5）和最大token=最多允许模型生成 16384 个 Token 的回复（max_tokens），以及api地址

invoke_url = "https://integrate.api.nvidia.com/v1/chat/completions"
stream = True
payload = {
  "model": "moonshotai/kimi-k2.5",
  "messages": [{"role":"user","content":""}],
  "max_tokens": 16384,
  "temperature": 1.00,
  "top_p": 1.00,
  "stream": stream,
  "chat_template_kwargs": {"thinking":True},
}

点击工具栏Explore准备生成apikey
在这里插入图片描述
可以看到免费的Your API Rate Limit Up to 40 rpm （40个请求每分钟）
店家管理api keys去生成一个默认有效期半年，生成后保存下来。

测试nvdia免费apikey

我这里使用cherrystudio 客户端，进入首页点击右上角的设置
在这里插入图片描述
点击模型服务，搜索nvidia,输入开始申请的apikey

点击添加模型，输入我们之前通过viewcode看到的模型名称(模型建议选择minimaxai/minimax-m2.1，能力确实能打，kimi稍微差点)

点击添加模型，然后点击测试

选择你添加的模型
在这里插入图片描述
测试成功就ok可通过cherrystudio
cherrystudio测试minimax问题

鸡和兔在一个笼子里，共有35个头，94只脚，那么鸡有多少只，兔有多少只？

回复非常精确啊
在这里插入图片描述

1.2 环境检查（必做）

根据官方文档要求，OpenClaw 需依赖 Node.js 22.0.0 及以上版本，首先检查本地 Node 版本，避免安装失败。

打开终端（macOS/Linux）或 PowerShell（Windows，管理员模式），执行以下命令：

node --version

异常处理

若输出版本 ≥ v22.0.0，直接进入下一步安装；
若版本 < v22.0.0，推荐使用 nvm（跨平台 Node 版本管理工具）升级，避免破坏本地现有环境，具体操作可参考 nvm 官方文档。

二、OpenClaw 基础安装（官方标准步骤）

采用官方提供的一键安装脚本，无需手动配置依赖，步骤简洁高效，分系统执行对应命令即可。

2.1 一键安装 OpenClaw

macOS / Linux 系统：打开终端，粘贴并执行以下命令：
curl -fsSL https://openclaw.ai/install.sh | bash
Windows 系统：打开管理员模式 PowerShell，粘贴并执行以下命令（若提示“执行策略禁止运行脚本”，需先执行Set-ExecutionPolicy RemoteSigned 允许脚本运行）：iwr -useb https://openclaw.ai/install.ps1 | iex

说明：脚本执行过程中会自动下载并安装 OpenClaw 核心程序、依赖组件，全程无需手动干预，等待终端提示“安装成功”即可。

虽然脚本挺简单，但是经常会因为权限等容易出错我这里建议用npm安装

npm install -g openclaw@latest

安装完成后检查下版本

C:\Windows\System32>openclaw --version
2026.2.23

我这里使用nvm安装的node ，node安装位置：C:\nvm4w\nodejs\openclaw.cmd。
openclaw安装库：C:\nvm4w\nodejs\node_modules\openclaw
openclaw启动后的缓存目录：C:\Users\admin\.openclaw

2.2 初始化配置（核心步骤）

安装完成后，需执行初始化向导，配置认证信息、网关端口、模型连接等基础参数，新手推荐使用“快速启动”模式，降低配置难度。

执行以下命令启动初始化向导（带守护进程安装，确保网关可后台运行）：

openclaw onboard --install-daemon  #window系统貌似无法后台运行，反而会出错。
openclaw onboard #建议用这个，我用 --install-daemon安装无法访问board。

风险确认：提示“是否确认授予 OpenClaw 相关权限”，左键移动选择Yes 并回车；
模式选择：选择 QuickStart（快速启动），回车（不推荐 Advanced 高级模式，配置复杂）；
模型配置：选择任意支持的大模型（如 GLM、Kimi、Qwen 等），按提示输入对应模型的 API Key（无 API Key 可暂时跳过，后续在控制界面补充）；
我这里已经申请了nvidia的apikey但是列表中下移选择Custom Provider

api baseurl输入之前viewcode的地址，直到v1 后面的路径openclaw会自动补

选择openai-compatible自动补充回车，输入之前在viewcode查看的模型名称，我这里选择minimaxai/minimax-m2.1，后面的都是名称一路回车

model alias你可以给模型一个名字，比如我给的minimax
接下来还有channel选择 skip for now
Skill 配置：初次安装，选择 Skip 跳过,选择No（后续通过 ClawHub 单独安装技能，更灵活）；
Hooks 配置：勾选 boot-md等 (空格)，建议全选上，回车确认；

建议全部启用（默认已全选），这三个 Hook 的作用：

Hook	作用
boot-md	启动时加载引导信息
command-logger	记录命令日志
session-memory	保存会话上下文到记忆

后续可通过以下命令管理 Hooks：

openclaw hooks list — 查看所有 Hooks
openclaw hooks enable <name> — 启用
openclaw hooks disable <name> — 禁用

回车后弹出了一个openclaw-gateway的窗口这是http的dashboard服务，不要关掉。
最后一部选择 open the web ui,打开了地址http://127.0.0.1:18789/

此时就安装完成了。

执行以下命令验证网关运行状态：

openclaw gateway status

2.3 验证 OpenClaw 安装成功

随便输入一个内容会弹出错误

⚠️ Agent failed before reply: Model context window too small (4096 tokens). Minimum is 16000.
Logs: openclaw logs --follow

大意是你一个session上下文设置的太小只允许4096个token（文字），应该设置最小是16000个token
通过之前viewcode看到的 “max_tokens”: 16384 最大的一次回复都可以到16k文字了，4k文字太小了我门可以设置到大于4096即可，这个我们这字为max_tokens

修改C:\Users\admin.openclaw\openclaw.json 修改contextWindow：16384
在这里插入图片描述
关闭之前cmd打开的openclaw-gateway,在cmd重新启动

openclaw gateway stop && openclaw gateway start

通过命令重新打开浏览器

openclaw dashboard

在这里插入图片描述
测试对话

测试检查系统进程

打开的页面默认是一个主的session聊天界面，如果需要其他的session路径上改一下回车就行
http://127.0.0.1:18789/chat?session=ggg，比如这样就会开一个新的ggg session

查看session列表
在这里插入图片描述

2.4 打开控制界面（最终验证）

执行以下命令，自动跳转至 OpenClaw Web 控制界面：

openclaw dashboard

若自动跳转失败，可手动在浏览器输入地址：http://127.0.0.1:18789/，页面能正常加载（显示 OpenClaw 控制台界面），即表示 OpenClaw 基础安装全部完成。

三、ClawHub 技能安装（从高下载量技能中选择）

ClawHub 是 OpenClaw 官方技能市场，https://clawhub.ai/skills?sort=downloads 页面展示了按下载量排序的热门技能（下载量越高，兼容性、稳定性越好），本示例选择最热门的 code-reviewer（代码审查） 技能进行安装测试，新手可直接跟随操作。

3.1 配置 ClawHub 命令行工具

需先安装 ClawHub 命令行工具，才能通过终端安装、管理技能，执行以下命令全局安装：

npm i -g clawhub

安装完成后，验证工具可用性，执行以下命令：

clawhub -v

若输出版本号（如 v1.0.0 及以上），说明 ClawHub 配置成功。

3.2 安装高下载量技能（code-reviewer 为例）

查看技能详情（可选）：访问 ClawHub 高下载量技能页面，可看到 code-reviewer 为下载量靠前的技能，支持代码逻辑审查、语法纠错、优化建议等功能；
搜索技能（确认名称准确性）：终端执行以下命令，搜索code-reviewer 技能，避免安装错误：
npx clawhub@latest search code-reviewe"
输出结果中显示 code-reviewer 相关信息，即为正确技能；
执行安装命令：终端粘贴以下命令，安装该技能(npm install -g clawhub)：
clawhub install code-reviewer
等效命令（OpenClaw 内置命令）：
npx clawhub@latest install code-review
等待安装完成：终端提示 Install success，即表示技能安装成功。

3.3 重启网关（技能生效必做）

技能安装完成后，必须重启 OpenClaw 网关，否则技能无法加载使用，执行以下命令重启网关：

openclaw gateway restart

重启成功后，终端会提示 Gateway restarted successfully。

3.4 用户手册

整体架构

OpenClaw 的整体架构长什么样，几大组件怎么配合？
在这里插入图片描述
OpenClaw 不是一个套了层壳的 AI 聊天机器人，它是一个AI Agent 的操作系统。

它采用调度中心架构，就像一个机场调度中心，所有航班（消息）都经过一个中央塔台（Gateway 网关），由它分配到正确的跑道（Agent）。

核心就两大模块：

网关（Gateway）：一个 WebSocket 服务器，连接各种聊天平台和控制界面，把收到的消息派发给 Agent 运行时处理。
智能体（Agent）：真正干活的核心引擎，组装上下文、调用 AI 模型、执行工具操作（比如浏览网页、操作文件、定时任务等）、保存状态。

关键设计思想：把消息通信、接口层和AI 怎么思考和执行（Agent）彻底分开。

这样你就有了一个统一的 AI 助手，不管你从 WhatsApp、飞书还是钉钉发消息，它都能接入。

而且会话状态和工具权限都在你的设备上集中管理。

更多细节可参考该文章

查看配置

查看代理
在这里插入图片描述

查看技能

在这里插入图片描述

查看会话

在这里插入图片描述
点击左侧key进入这个会话，可以继续聊天。

四、技能测试（验证安装效果）

本步骤通过 OpenClaw 交互界面，调用已安装的 code-reviewer 技能，执行简单的代码审查测试，确认技能可正常使用。

4.1 启动 OpenClaw 交互界面（二选一）

Web UI（推荐，新手友好）：终端执行 openclaw dashboard，跳转至 http://127.0.0.1:18789/chat 对话界面；
终端界面（TUI）：终端直接执行 openclaw tui，进入终端对话界面。

4.2 执行技能测试

在交互界面中，输入以下测试指令（调用 code-reviewer 技能审查代码），无需手动激活技能，OpenClaw 会自动识别并调用：

请帮我审查这段Python代码，找出问题并给出修正建议：
def add(a, b):
    return a - b

4.3 测试结果验证

若技能正常工作，会输出如下类似结果（核心为检测出代码逻辑错误）：

代码审查结果：

逻辑错误：函数名 add（意为“加法”）与实际返回值 a - b（减法）不一致，不符合命名规范且易造成误解；

修正建议：将 return 语句修改为 return a + b，确保函数功能与命名一致；

优化建议：可添加函数注释，说明参数含义和返回值，提升代码可读性。

若能正常输出上述审查结果，说明 code-reviewer技能安装成功，且 OpenClaw 可正常调用技能，整个安装、测试流程完成。
在这里插入图片描述

五、常用补充命令（便捷管理）

openclaw 常用命令汇总

分类	命令	说明
网关与服务	`openclaw gateway status`	查看网关运行状态（端口、连接数等）-2 -3
	`openclaw gateway start --port 19000`	指定端口启动网关（用于避免端口冲突）-2 -3
	`openclaw status`	查看整体运行状态（网关、节点等）-1 -2
	`openclaw restart`	重启所有服务（修改配置后常用）-2
诊断与维护	`openclaw doctor`	进行全面健康检查（配置、端口、依赖）-1 -2
	`openclaw doctor --fix`	健康检查并尝试自动修复问题-1 -2
	`openclaw logs`	查看最近运行日志（用于排查错误）-2
	`openclaw update`	将 OpenClaw 核心更新至最新版-1 -2
模型管理	`openclaw models list`	列出所有已配置的 AI 模型-2
	`openclaw models set <模型名>`	切换默认使用的 AI 模型-1 -2
配置操作	`openclaw config get`	查看当前完整配置-2 -3
	`openclaw config edit`	直接编辑配置文件-2
设备与配对	`openclaw devices list`	列出等待配对或已配对的设备节点-1
	`openclaw devices approve <ID>`	批准设备节点的配对请求-1
沙箱管理	`openclaw sandbox list`	列出所有运行的沙箱容器-2
	`openclaw sandbox recreate --all`	重建所有沙箱容器（解决环境问题）-2