手把手教程：在 Windows 11 + WSL2 上源码部署 OpenClaw + 支持工具调用的本地模型

在中（如果没有则创建），添加tools字段：json"tools": ["description": "获取指定城市的实时天气","city": { "type": "string", "description": "城市名称" }},

鹰击长空_QQ_1542142573

2552人浏览 · 2026-02-28 21:56:13

鹰击长空_QQ_1542142573 · 2026-02-28 21:56:13 发布

大家好，我是钰珠AIOT，一个正在捣鼓桌面机器人的创客。经过一周的踩坑和摸索，我终于在自的电脑上成功跑通了 OpenClaw，下面我把整个过程整理出来，希望对有类似需求的朋友有所帮助。

🖥️ 我的电脑配置

CPU：Intel i9-12900K（12核24线程）
GPU：NVIDIA RTX 3090（24GB 显存）
内存：64GB DDR5
系统：Windows 11 专业版 23H2
WSL2：Ubuntu 22.04 LTS

🎯 目标

在 WSL2 Ubuntu 中通过源码安装 OpenClaw。
在 Windows 11 中运行 Ollama 服务，并拉取支持工具调用（function calling）的模型（如 Qwen2.5-Coder）。
让 OpenClaw 能调用 Windows 上的本地模型，并正确使用工具。

📦 准备工作

1. Windows 端

安装最新版 NVIDIA 驱动（确保 WSL2 支持 GPU 直通）。
安装 Ollama（从 ollama.com 下载安装包）。
开启 WSL2 功能（已安装的用户跳过）。

2. WSL2 端

确保 Ubuntu 22.04 已安装并更新：

sudo apt update && sudo apt upgrade -ysudo apt install curl git build-essential -y

🔧 详细步骤

1️⃣ 配置 WSL2 镜像网络模式（关键）

为了让 WSL2 能通过 localhost 直接访问 Windows 服务，需要启用镜像网络。

在 Windows 的用户目录（C:\Users\你的用户名）下创建或编辑 .wslconfig 文件，内容如下：

networkingMode=mirrored dnsTunneling=true firewall=true autoProxy=true

然后重启 WSL：

powershell

wsl --shutdown

重新打开 WSL 终端，测试网络连通性：

bash

curl http://localhost:11434

如果返回 Ollama is running，说明配置成功。

2️⃣ 在 Windows 上拉取支持工具调用的模型

在 Windows 的命令提示符或 PowerShell 中运行：

ollama pull qwen2.5-coder:14b-instruct-q4_K_M

（你也可以选 7B 或 32B 版本，根据显存大小决定）

验证模型已下载：

ollama list

3️⃣ 在 WSL2 中安装 Node.js 和 pnpm

OpenClaw 需要 Node.js 22+，这里用 nvm 安装（方便切换版本）：

bash

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.0/install.sh | bash
source ~/.bashrc
nvm install 22
nvm use 22

安装 pnpm（使用 corepack）：

bash

enable corepack prepare pnpm@latest --activate

验证：

bash

node -v   # 应显示 v22.x
pnpm -v   # 应显示 9.x 或更高

4️⃣ 源码安装 OpenClaw

创建并进入开发目录：

bash

mkdir -p ~/develop && cd ~/develop git clone https://github.com/openclaw/openclaw.git cd openclaw

安装依赖并构建：

bash

pnpm install pnpm ui:build # 构建前端资源 pnpm build # 构建整个项目

（如果 pnpm install 遇到 A2UI 相关错误，可尝试 pnpm approve-builds 后重试）

5️⃣ 配置 OpenClaw 连接 Windows 上的 Ollama

运行配置向导：

bash

pnpm openclaw onboard --install-daemon

关键选项说明：

Onboarding mode → Manual
What to set up → Local gateway (this machine)
Workspace directory → 默认（回车）
Model/auth provider → 选择 Custom Provider
API Base URL → 输入 http://localhost:11434/v1（如果镜像网络生效）或 http://<你的Windows IP>:11434/v1
API Key → 随便填，比如 ollama（本地不校验）
Endpoint compatibility → OpenAI-compatible
Model ID → 输入你刚拉取的模型名，例如 qwen2.5-coder:14b-instruct-q4_K_M
Endpoint ID → 默认生成的 ID 即可（如 custom-127-0-0-1-11434）
Model alias → 可选，如 local
Gateway bind → Loopback (127.0.0.1)
Gateway auth → Token（直接回车让系统生成）
Tailscale exposure → Off
Gateway service runtime → Node (recommended)

向导完成后，OpenClaw 会自动保存配置并启动服务。

6️⃣ 启用工具调用能力

OpenClaw 默认不会自动给模型传递工具定义，需要手动开启。编辑 ~/.openclaw/openclaw.json，在 agents.defaults 中添加：

json

"capabilities": ["tool_use"]

然后重启网关：

bash

pnpm openclaw gateway restart

7️⃣ 添加一个简单工具（以查天气为例）

为了让模型能调用外部 API，我们需要定义一个工具并实现它的逻辑。

定义工具

在 ~/.openclaw/agents/main/agent/agent.json 中（如果没有则创建），添加 tools 字段：

json

{
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_current_weather",
        "description": "获取指定城市的实时天气",
        "parameters": {
          "type": "object",
          "properties": {
            "city": { "type": "string", "description": "城市名称" }
          },
          "required": ["city"]
        }
      }
    }
  ]
}

实现工具（使用 OpenClaw 的内置 HTTP 技能）

OpenClaw 支持通过技能（skills）扩展功能。我们利用内置的 HTTP 技能直接调用免费天气 API（无需密钥）。

在 ~/.openclaw/skills/ 下创建 get_current_weather 目录，并在其中创建 skill.yaml：

yaml

name: get_current_weather
description: 获取指定城市的实时天气
type: http
url: "https://api.open-meteo.com/v1/forecast?latitude={{ .city_lat }}&longitude={{ .city_lon }}¤t_weather=true"
method: GET
response_template: "{{ .city }} 当前天气：温度 {{ .current_weather.temperature }}°C，风速 {{ .current_weather.windspeed }} km/h"

注意：这里需要将城市名转换为经纬度，为简化演示，我们可以先写死一个城市（如北京）的经纬度，或者用另一个技能先转换。更复杂的实现可参考 OpenClaw 文档。

为了快速测试，我们先用一个简单的返回固定格式的技能（稍后改进）。

8️⃣ 测试

重启网关后，运行 TUI：

pnpm openclaw tui

在对话框中输入：“北京的天气怎么样？” 如果一切正常，模型应该会返回工具调用请求，然后 OpenClaw 执行技能，最后模型根据结果生成自然语言回答。

如果模型直接回答“我不知道”或报错，请查看日志：

pnpm openclaw logs --follow

🚧 遇到的坑及解决方案

坑1：WSL2 无法访问 Windows 上的 Ollama

现象：curl http://localhost:11434 超时或连接拒绝。
原因：WSL2 默认 NAT 模式下，localhost 指向 WSL2 自身，而非 Windows。
解决：启用 WSL2 镜像网络模式（见步骤1），或使用 Windows 的真实 IP（ip route 获取）替代 localhost。

坑2：OpenClaw 报错 `does not support tools`

现象：在 TUI 中输入任何话，模型都返回 400 错误，提示模型不支持工具。
原因：使用的模型（如 deepseek-r1:8b）官方版本未启用工具调用模板。
解决：换用明确支持 tool 调用的模型，如 qwen2.5-coder 系列或社区优化的 MFDoom/deepseek-r1-tool-calling。

坑3：手动编辑 `auth-profiles.json` 格式错误

现象：OpenClaw 报错“No API key found”或“ignored invalid auth profile entries”。
原因：手动创建的文件缺少 version 和 profiles 顶层字段，或键格式错误。

解决：通过 openclaw agents add 命令自动生成，而不是手动编辑。如果必须手动，格式应为：

json

{
  "version": 1,
  "profiles": {
    "openai:custom-127-0-0-1-11434": {
      "type": "api_key",
      "key": "你的key"
    }
  }
}

坑4：源码安装后 `openclaw` 命令找不到

现象：直接输入 openclaw 提示 command not found。
原因：源码安装的可执行文件在 node_modules/.bin 中，未加入 PATH。
解决：始终使用 pnpm openclaw 作为前缀运行命令，或临时添加 export PATH="$PATH:$(pwd)/node_modules/.bin"。

坑5：TUI 中模型无响应或一直转圈

现象：输入后无返回，或长时间无响应。
原因：可能是网络不通、模型加载慢，或网关崩溃。
解决：先检查 pnpm openclaw logs 看具体错误。常见问题：
- 模型还在加载（首次运行慢），等一会儿。
- Ollama 服务未运行，在 Windows 中重启 Ollama。
- 显存不足，换用更小的量化版模型。

🎉 最终效果

现在，你的 WSL2 Ubuntu 中运行着 OpenClaw，它通过 localhost 调用 Windows 上的 Ollama 服务，使用 Qwen2.5-Coder 模型，并且模型能够正确请求工具调用。你可以通过 TUI 与它对话，让它帮你查天气、写文件、执行命令等（取决于你实现的工具）。

下一步，你可以根据自己的桌面机器人项目，为 OpenClaw 添加更多自定义工具，比如控制电机、读取传感器等，让 AI 真正成为机器人的大脑。