Inicio rápido de OpenClaw: instalación con Docker (Ollama GPU o Claude + CPU)

OpenClaw es un asistente de IA autoalojado diseñado para ejecutarse con tiempos de ejecución de LLM locales como Ollama o con modelos en la nube como Claude Sonnet.

Esta guía de inicio rápido muestra cómo desplegar OpenClaw utilizando Docker, configurar un modelo local con GPU o un modelo en la nube solo con CPU, y verificar que su asistente de IA funciona de extremo a extremo.

Esta guía describe una configuración mínima de OpenClaw para que pueda verlo funcionando y respondiendo en su propia máquina.

El objetivo es simple:

• Poner OpenClaw en funcionamiento.
• Enviar una solicitud.
• Confirmar que funciona.

Esta no es una guía para endurecer la producción.
Esta no es una guía de ajuste de rendimiento.
Este es un punto de partida práctico.

Tiene dos opciones:

• Ruta A — GPU local utilizando Ollama (recomendada si tiene una GPU)
• Ruta B — Solo CPU utilizando Claude Sonnet 4.6 a través de la API de Anthropic

Ambas rutas comparten el mismo proceso de instalación central.

Si es nuevo en OpenClaw y desea una visión más profunda de cómo está estructurado el sistema, lea la visión general del sistema OpenClaw. Si planea ejecutar un asistente siempre activo con un sandboxing más estricto y controles de políticas, siga la guía de operaciones seguras de NemoClaw.

Requisitos del sistema y configuración del entorno

OpenClaw es un sistema estilo asistente que puede conectarse a servicios externos. Para este inicio rápido:

• Use cuentas de prueba siempre que sea posible.
• Evite conectar sistemas de producción sensibles.
• Ejecute dentro de Docker (recomendado).

El aislamiento es un valor predeterminado adecuado al experimentar con software estilo agente.

Requisitos previos de OpenClaw (GPU con Ollama o CPU con Claude)

Requerido para ambas rutas

• Git
• Docker Desktop (o Docker + Docker Compose)
• Una terminal

Para la Ruta A (GPU local)

• Una máquina con una GPU compatible (se recomienda NVIDIA o AMD)
• Ollama instalado

Para la Ruta B (CPU + Modelo en la nube)

• Una clave API de Anthropic
• Acceso a Claude Sonnet 4.6

Paso 1: Instalar OpenClaw con Docker (Clonar e Iniciar)

OpenClaw se puede iniciar utilizando Docker Compose. Esto mantiene la configuración contenida y reproducible.

Clonar el repositorio

git clone https://github.com/openclaw/openclaw.git
cd openclaw

Copiar la configuración del entorno

cp .env.example .env

Abra .env en su editor. Lo configuraremos en el siguiente paso dependiendo de la ruta del modelo que elija.

Iniciar los contenedores

docker compose up -d

Si todo se inicia correctamente, debería ver los contenedores en ejecución:

docker ps

En esta etapa, OpenClaw está funcionando, pero aún no está conectado a un modelo.

Paso 2: Configurar el proveedor de LLM (GPU Ollama o CPU Claude)

Ahora decida cómo desea que funcione la inferencia.

Ruta A — GPU local con Ollama

Si tiene una GPU disponible, esta es la opción más simple y autónoma.

Instalar o verificar Ollama

Si necesita una guía de instalación más detallada o desea configurar las ubicaciones de almacenamiento de modelos, consulte:

• Instalar Ollama y configurar la ubicación de los modelos
• Hoja de trucos de la CLI de Ollama: ls, serve, run, ps y otros comandos (actualización 2026)

Si Ollama no está instalado:

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

Verifique que funcione:

ollama pull llama3
ollama run llama3

Si el modelo responde, la inferencia está funcionando.

Configurar OpenClaw para usar Ollama

En su archivo .env, configure:

LLM_PROVIDER=ollama
OLLAMA_BASE_URL=http://host.docker.internal:11434
OLLAMA_MODEL=llama3

Reinicie los contenedores:

docker compose restart

OpenClaw ahora enrutará las solicitudes a su instancia local de Ollama.

Si está decidiendo qué modelo ejecutar en una GPU de 16 GB o desea comparaciones de rendimiento, o necesita valores predeterminados de muestreo Qwen / Gemma sensatos para asistentes intensivos en herramientas, consulte:

• Mejores LLM para Ollama en GPU VRAM de 16 GB
• Parámetros de inferencia de LLM agénticos para Qwen y Gemma

Para entender la concurrencia y el comportamiento de la CPU bajo carga:

• Cómo Ollama maneja solicitudes paralelas
• Prueba: Cómo Ollama utiliza núcleos de rendimiento e eficientes de Intel CPU

Ruta B — Solo CPU usando Claude Sonnet 4.6

Si no tiene una GPU, puede usar un modelo alojado.

Agregar su clave API

En su archivo .env:

LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=su_clave_api_aqui
ANTHROPIC_MODEL=claude-sonnet-4-6

Reinicie:

docker compose restart

OpenClaw ahora usará Claude Sonnet 4.6 para la inferencia mientras la orquestación se ejecuta localmente.

Esta configuración funciona bien en máquinas solo con CPU porque el cálculo pesado del modelo ocurre en la nube.

Si está usando modelos de Anthropic aquí, este cambio en la política de suscripción de Claude explica por qué OpenClaw requiere facturación basada en API en lugar de reutilizar el plan de Claude.

Paso 3: Probar OpenClaw con su primer prompt

Una vez que los contenedores estén en ejecución y el modelo configurado, puede probar el asistente.

Dependiendo de su configuración, esto puede ser a través de:

• Una interfaz web
• Una integración de mensajería
• Un punto final de API local

Para una prueba básica de API:

curl http://localhost:3000/health

Debería ver una respuesta de estado saludable.

Ahora envíe un prompt simple:

curl -X POST http://localhost:3000/chat   -H "Content-Type: application/json"   -d '{"message": "Explain what OpenClaw does in simple terms."}'

Si recibe una respuesta estructurada, el sistema está funcionando.

Qué acaba de ejecutar

En este punto, tiene:

• Una instancia de OpenClaw en ejecución
• Un proveedor de LLM configurado (local o en la nube)
• Un ciclo de solicitud-respuesta funcional

Si eligió la ruta de GPU, la inferencia ocurre localmente a través de Ollama.

Si eligió la ruta de CPU, la inferencia ocurre a través de Claude Sonnet 4.6, mientras que la orquestación, el enrutamiento y el manejo de memoria se ejecutan dentro de sus contenedores Docker locales.

La interacción visible puede parecer simple. Por debajo, múltiples componentes se coordinan para procesar su solicitud.

Solución de problemas de instalación y ejecución de OpenClaw

El modelo no responde

• Verifique su configuración .env.
• Revise los registros del contenedor:

docker compose logs

Ollama no es accesible

• Confirme que Ollama está en ejecución:

ollama list

• Asegúrese de que la URL base coincida con su entorno.

Clave API inválida

• Verifique dos veces ANTHROPIC_API_KEY
• Reinicie los contenedores después de actualizar .env

La GPU no se está utilizando

• Confirme que los controladores de GPU están instalados.
• Asegúrese de que Docker tenga el acceso a la GPU habilitado.

Próximos pasos después de instalar OpenClaw

Ahora tiene una instancia de OpenClaw funcionando.

A partir de aquí, puede:

• Conectar plataformas de mensajería
• Habilitar la recuperación de documentos
• Experimentar con estrategias de enrutamiento
• Agregar observabilidad y métricas
• Ajustar el rendimiento y el comportamiento de costos

Las discusiones arquitectónicas más profundas tienen más sentido una vez que el sistema está en funcionamiento.

Ponerlo en funcionamiento es el primer paso.

Una vez que está funcionando, los siguientes artículos naturales son:

• Guía de plugins de OpenClaw — qué plugins instalar para memoria, herramientas, canales y observabilidad, y cómo funciona el ciclo de vida
• Guía de habilidades de OpenClaw — qué habilidades vale la pena instalar desde ClawHub, y cómo restringirlas de manera segura por rol de agente
• Patrones de configuración de producción de OpenClaw — cómo los plugins y las habilidades se combinan para tipos de usuarios reales como desarrolladores, equipos de automatización, investigadores y operadores de soporte

Para más estudios de caso de sistemas de IA, consulte la sección Sistemas de IA.