OpenClaw-Start: Installera med Docker (Ollama GPU eller Claude + CPU)

Installera OpenClaw lokalt med Ollama

Sidinnehåll

OpenClaw är en egenhostad AI-assistent designad för att köras med lokala LLM-runtime-miljöer som Ollama eller med molnbaserade modeller som Claude Sonnet.

Denna snabbstart visar hur du distribuerar OpenClaw med Docker, konfigurerar antingen en GPU-driven lokal modell eller en CPU-baserad molnmodell, och verifierar att din AI-assistent fungerar från början till slut.

Denna guide går igenom en minimal installation av OpenClaw så att du kan se den köra och svara på din egen maskin.

Målet är enkelt:

  • Starta OpenClaw.
  • Skicka en förfrågan.
  • Bekräfta att det fungerar.

Detta är inte en guide för produktionssäkring.
Detta är inte en guide för prestandastyrning.
Detta är en praktisk startpunkt.

Du har två alternativ:

  • Alternativ A — Lokal GPU med Ollama (rekommenderas om du har en GPU)
  • Alternativ B — Endast CPU med Claude Sonnet 4.6 via Anthropic API

Båda alternativen delar samma grundläggande installationsprocess.

install openclaw steps GPU vs CPU

Om du är ny till OpenClaw och vill ha en djupare översikt över hur systemet är strukturerat, läs Översikt över OpenClaw-systemet. Om du planerar att köra en alltid-på-assistent med striktare sandboxing och policykontroller, följ NemoClaw: Guide för säker drift.

Systemkrav och miljökonfiguration

OpenClaw är ett assistantsystem som kan ansluta till externa tjänster. För denna snabbstart:

  • Använd testkonton när det är möjligt.
  • Undvik att ansluta känsliga produktionssystem.
  • Kör det i Docker (rekommenderas).

Isolering är ett bra standardval när man experimenterar med agentliknande mjukvara.

Förutsättningar för OpenClaw (GPU med Ollama eller CPU med Claude)

Krävs för båda alternativen

  • Git
  • Docker Desktop (eller Docker + Docker Compose)
  • En terminal

För Alternativ A (Lokal GPU)

  • En maskin med en kompatibel GPU (NVIDIA eller AMD rekommenderas)
  • Ollama installerat

För Alternativ B (CPU + Molnmodell)

  • En API-nyckel från Anthropic
  • Tillgång till Claude Sonnet 4.6

Steg 1 — Installera OpenClaw med Docker (Klona & Starta)

OpenClaw kan startas med Docker Compose. Detta håller installationen isolerad och reproducerbar.

Klona arkivet

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

Kopiera miljökonfigurationen

cp .env.example .env

Öppna .env i din redigerare. Vi konfigurerar den i nästa steg beroende på vilken modellväg du väljer.

Starta containrarna

docker compose up -d

Om allt startar korrekt bör du se containrar som körs:

docker ps

På detta skede körs OpenClaw — men den är inte ännu ansluten till en modell.

Steg 2 — Konfigurera LLM-leverantör (Ollama GPU eller Claude CPU)

Nu måste du bestämma hur inferensen ska fungera.

Alternativ A — Lokal GPU med Ollama

Om du har en GPU tillgänglig är detta det enklaste och mest självförsörjande alternativet.

Installera eller verifiera Ollama

Om du behöver en mer detaljerad installationsguide eller vill konfigurera lagringsplatser för modeller, se:

Om Ollama inte är installerat:

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

Verifiera att det fungerar:

ollama pull llama3
ollama run llama3

Om modellen svarar fungerar inferensen.

Konfigurera OpenClaw för att använda Ollama

I din .env-fil, konfigurera:

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

Starta om containrarna:

docker compose restart

OpenClaw kommer nu att routa förfrågningar till din lokala Ollama-instans.

Om du funderar på vilken modell du ska köra på en GPU med 16 GB VRAM, vill se prestandajämförelser, eller behöver rimliga standardvärden för Qwen / Gemma-samplare för verktygsintensiva assistenter, se:

För att förstå konkurrens och CPU-beteende under last:

Alternativ B — Endast CPU med Claude Sonnet 4.6

Om du inte har en GPU kan du använda en molnmodell.

Lägg till din API-nyckel

I din .env-fil:

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

Starta om:

docker compose restart

OpenClaw kommer nu att använda Claude Sonnet 4.6 för inferens medan orkestreringen körs lokalt.

Denna konfiguration fungerar bra på CPU-enbara maskiner eftersom den tunga modellberäkningen sker i molnet.

Om du använder Anthropic-modeller här, denna ändring i Claudeförfattningens prenumerationspolicy förklarar varför OpenClaw kräver API-baserad fakturering istället för återanvändning av Claude-planen.

Steg 3 — Testa OpenClaw med din första prompt

När containrarna körs och modellen är konfigurerad kan du testa assistenten.

Beroende på din konfiguration kan detta ske via:

  • Ett webbgränssnitt
  • En meddelandeintegration
  • En lokal API-slutpunkt

För en grundläggande API-test:

curl http://localhost:3000/health

Du bör se ett svar som indikerar att systemet är friskt.

Skicka nu en enkel prompt:

curl -X POST http://localhost:3000/chat   -H "Content-Type: application/json"   -d '{"message": "Förklara vad OpenClaw gör med enkla ord."}'

Om du får ett strukturerat svar fungerar systemet.

Vad du just körde

På detta skede har du:

  • En körende OpenClaw-instans
  • En konfigurerad LLM-leverantör (lokal eller moln)
  • En fungerande förfrågnings-svar-loop

Om du valde GPU-vägen sker inferensen lokalt via Ollama.

Om du valde CPU-vägen sker inferensen via Claude Sonnet 4.6, medan orkestrering, routing och minneshantering körs i dina lokala Docker-containrar.

Den synliga interaktionen kan se enkel ut. Under ytan koordineras flera komponenter för att bearbeta din förfrågan.

Felsökning av OpenClaw-installation och runtime-problem

Modellen svarar inte

  • Verifiera din .env-konfiguration.
  • Kontrollera containerloggar:
docker compose logs

Ollama är inte nåbar

  • Bekräfta att Ollama körs:
ollama list
  • Se till att bas-URL:n matchar din miljö.

Ogiltig API-nyckel

  • Dubbelkolla ANTHROPIC_API_KEY
  • Starta om containrarna efter uppdatering av .env

GPU:n används inte

  • Bekräfta att GPU-drivrutiner är installerade.
  • Se till att Docker har GPU-åtkomst aktiverad.

Nästa steg efter installation av OpenClaw

Du har nu en fungerande OpenClaw-instans.

Härifrån kan du:

  • Ansluta meddelandepattformar
  • Aktivera dokumenthämtning
  • Experimentera med routingstrategier
  • Lägg till observabilitet och metrik
  • Styr prestanda och kostnadsbeteende

De djupare arkitekturella diskussionerna får mer mening när systemet är igång.

Att få det att fungera är det första steget.

När det väl körs är de naturliga nästa artiklarna:

För fler AI-systemfallstudier, se avsnittet AI-system.

Prenumerera

Få nya inlägg om system, infrastruktur och AI-ingenjörskonst.