一、熱潮背后的“隱形焦慮”：為什么你的 AI 助手總是不好用？

OpenClaw（原 Clawdbot）正以驚人的速度席卷 GitHub。它不再是只會聊天的窗口，而是擁有“手腳”的 AI Agent：接管電腦、整理發(fā)票、監(jiān)控股票、秒回飛書。

然而，第一批嘗試“養(yǎng)龍蝦”的用戶卻普遍陷入了三大焦慮：

燒錢如流水：為了讓 Agent 足夠聰明，高頻調用 API，一晚上自動化任務能夠輕松燒掉幾百塊 Token。

隱私在裸奔：要讓它整理合同、分析財務，就必須把機密文件上傳到云端大模型，數據安全命懸一線。

穩(wěn)定性堪憂：普通的筆記本無法承載 7 x 24 小時的高強度并發(fā)，網絡波動、系統(tǒng)休眠，讓“全天候助理”頻頻掉線。

熱潮之下，真相浮現：OpenClaw 是頂級的軟件架構，卻缺一個能真正承載它的硬件軀體。AI Agent 的終極形態(tài)，終究是“軟硬一體”。

二、天選之地：為何 NVIDIA DGX Spark是 OpenClaw 的完美宿主？

如果說 OpenClaw 是鋼鐵俠電影中的的“賈維斯”，那么 NVIDIA DGX Spark就是那套鋼鐵戰(zhàn)甲。

作為一款桌面級 AI 超級計算機，DGX Spark 的出現，完美解決了 OpenClaw 落地企業(yè)、高端個人用戶的三大死穴：

1. 算力本地化：從“按次付費”到“終身免費”

DGX Spark 搭載 Blackwell 架構 GPU。這意味著你可以直接在本地運行 DeepSeek、Qwen 等頂級開源大模型。

邊際成本趨零：告別昂貴的 API 賬單，7 × 24 小時狂跑也不心疼。

響應零延遲：本地內網通信，徹底終結云端排隊和網絡波動。

2.數據主權：物理隔絕的安全感

對于金融、法律及研發(fā)行業(yè)，數據就是生命。

絕對私密：OpenClaw 的記憶存儲與推理過程全部鎖在 DGX Spark 內部。

物理隔離：真正實現“數據不出屋，模型知天下”。

3.架構級適配：7 x 24 小時的“不眠大腦”

不同于會過熱、會休眠的普通電腦，DGX Spark 專為 AI 長時運行設計：

高能效比：ARM64 架構確保了高性能與低功耗的平衡。

極致安靜：放在辦公桌旁，它就是你最安靜、最忠誠的 007 數字員工。

當你把 OpenClaw 部署在 NVIDIA DGX Spark 上，你得到的不再是一個簡單的聊天機器人，而是一個：

0 Token 成本

100% 數據私有

永不掉線

的超級本地 AI 員工。

三、實戰(zhàn)部署：手把手教你搭建“本地最強 AI 組合”

接下來，直接上干貨，帶大家看一看：如何在 DGX Spark 上，親手部署這套“本地最強 AI 組合”！

階段一：部署 Ollama 本地模型服務

在安裝 OpenClaw 前，需先搭建本地大模型推理環(huán)境。Ollama 作為輕量級本地模型服務框架，可高效承載 DeepSeek、Qwen、GPT-OSS 等開源模型，為 OpenClaw 提供穩(wěn)定、低延遲的推理能力。

1.1 安裝 Ollama

執(zhí)行官方腳本自動部署：

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

安裝完成后，Ollama 服務默認以后臺進程方式運行，監(jiān)聽 127.0.0.1:11434。

1.2 拉取企業(yè)級大模型（以 gpt-oss:20b 為例）

ollamarun gpt-oss:20b

提示：首次運行將自動下載模型文件（約數 10GB），請確保磁盤空間充足并保持網絡穩(wěn)定。

1.3 配置網絡監(jiān)聽（開啟遠程訪問權限）

默認僅限本機訪問。若需局域網調用，須暴露服務：

檢查當前狀態(tài)：sudo ss -tlnp | grep 11434

若輸出含 127.0.0.1:11434，表示僅限本地訪問

啟用全網監(jiān)聽：

#停止現有服務后，通過環(huán)境變量啟動開放監(jiān)聽：
exportOLLAMA_HOST=0.0.0.0
exportOLLAMA_MODELS=/usr/share/ollama/.ollama/models
ollama serve

安全提示：開放 0.0.0.0 可能帶來安全風險，建議在受信任的內網環(huán)境使用，或配合防火墻限制訪問源。

驗證監(jiān)聽生效：sudo ss -tlnp | grep 11434

正確配置后應顯示 *:11434 或 0.0.0.0:11434

至此，本地大模型環(huán)境準備就緒，下一步可繼續(xù)部署 OpenClaw 客戶端并對接該服務。

階段二：OpenClaw 安裝與交互式配置

完成 Ollama 本地模型服務部署后，即可安裝并配置 OpenClaw 客戶端，將其與本地大模型打通，打造專屬“數字員工”。

2.1 安裝 OpenClaw

執(zhí)行官方安裝腳本，自動完成 CLI 工具部署：

curl-fsSL https://openclaw.ai/install.sh | bash

安裝完成后，如果沒有直接進入初始化配置，需刷新終端環(huán)境變量以立即生效：source ~/.bashrc。

2.2 初始化配置

鍵盤方向鍵游動光標，空格鍵選擇，回車確認。

運行以下命令并按提示選擇：

openclaw onboard--install-daemon

“I understand this is powerful and inherently risky. Continue?”選擇“Yes”。

“Onboarding mode”選擇“QuickStart”；快速啟動模式，適合新手。

“Model / auth provider”選擇“Skip for now”；暫不配置，后續(xù)可通過 Web UI 精細設置。

“Filter models by provider”選擇“All providers”；顯示全部可用模型來源。

“Default model”選擇“Enter model manually”；指定本地 Ollama 模型，輸入ollama/gpt-oss:20b。

“Select channel（QuickStart）”選擇“Skip for now”先跳過。

“Configure skills now？（recommended）”選擇“Yes”。

“Enable hooks？”選擇“Skip for now”，可后續(xù)添加。

“How do you want to hatch your bot？”這里選擇“Open the Web UI”。

此時，OpenClaw 服務已啟動，并會生成一個Dashboard Link（包含 Token 的鏈接）。

2.3 遠程連接—建立安全隧道

如果給 DGX spark 接了顯示器后直接操作，點擊終端里的 Dashboard Link 即可進入 Web UI。但在更常見的遠程管理場景下，OpenClaw 出于安全機制，默認只允許服務器本機訪問 Web UI，外部 IP 無法直接打開。所以需要建立一條 SSH 隧道。

Windows 用戶可按 Win + R 輸入 cmd 打開終端執(zhí)行命令。

終端執(zhí)行：

ssh-N -L18789:127.0.0.1:18789leadtek@192.168.1.183

隧道建立成功后，復制終端輸出的 Dashboard 鏈接（含 token），在本地瀏覽器中打開即可進入 Web 界面。

階段三：對接 Ollama 模型供應商

3.1 進入配置頁面

進入 Web 界面后，點擊左側導航欄 Config → Models → Providers，點擊 + Add Entry 添加模型供應商：

3.2 添加 Ollama 供應商

custom-1 修改為 Ollama，這里其實就是供應商名字，為了和前面填寫的 Ollama 對應，所以這里填寫 Ollama，可以換成別的名稱，前后對應即可。

Api 選擇 openai-responses。

Api Key 任意填寫，這里填寫 123，Auth 選擇 api-key，同時勾選 Auth Header。

Base Url 填寫http://{本地 ip}:11434/v1，這里{本地 ip}切換為 Ollama 部署的ip，例如：http://192.168.1.183:11434/v1。

模型選擇 + Add：

api 依舊選擇 openai-responses，Max Tokens Field選擇 max_tokens，Context Window 填寫 128,000。

這里的填寫 ollama list 中顯示的名稱，gpt-oss:20b，Max Tokens 填寫 8192，Name 也填寫為 ollama list 中后續(xù)需要選擇的模型。

點擊 Save 完成，系統(tǒng)將自動加載模型并可用于后續(xù)任務調度。

至此，OpenClaw 已成功對接本地 Ollama 服務，可調用 gpt-oss:20b 等開源模型執(zhí)行自動化任務，實現“無限 Token”的本地 AI 勞動力。

階段四：接入飛書機器人

4.1 飛書端配置：創(chuàng)建應用

為了讓 AI Agent 真正參與協同辦公，需要將其接入飛書生態(tài)。

打開飛書開放平臺：https://open.feishu.cn/（復制鏈接至瀏覽器打開）

點擊開發(fā)者后臺 → 創(chuàng)建企業(yè)自建應用。

填寫信息后點擊創(chuàng)建。

4.2 配置飛書權限

選擇權限管理→批量導入權限。

將下述配置復制粘貼到導入框，確定新增權限。

{
"scopes":{
"tenant":[
"contactreadonly",
"imreadonly",
"im:message",
"imreadonly",
"imreadonly",
"imrecall",
"imsend_as_bot",
"imsend_multi_depts",
"imsend_multi_users",
"imsend_sys_msg",
"imupdate"
],
"user":[
"contactreadonly"
]
}
}

然后點擊創(chuàng)建版本。

填寫相關信息后保存。

確認發(fā)布。

審核通過。

4.3 OpenClaw 端安裝飛書插件

安裝飛書插件，接入飛書，實現協同辦公。

首先安裝插件：

openclawplugins install@m1heng-clawd/feishu

有可能會出現如下錯誤，顯示插件已經存在：

這里先刪除已經存在的本地路徑，避免重復。

rm-rf /home/leadtek/.openclaw/extensions/feishu

然后再重新執(zhí)行。

openclawplugins install@m1heng-clawd/feishu

可以看到已經安裝成功：

4.4 配置飛書插件依賴

這里重新配置一下 openclaw。

openclaw onboard--install-daemon

還是按照之前的配置進行選擇，直至 Select channel (QuickStart)。

選擇 Feishu / Lark (飛書)：

需要填入飛書機器人的 App ID 和 App Secret。

4.5 獲取 App ID 和 App Secret

登錄飛書開放平臺，進入你創(chuàng)建的機器人的憑證與基礎信息頁面，找到這兩個值：

重新執(zhí)行 openclaw onboard --install-daemon，在 Select channel 時選擇 Feishu/Lark，填入剛才獲取的 ID 和 Secret。

配置完成：出現如下界面，說明飛書機器人和 OpenClaw 關聯成功。

繼續(xù)配置：按回車鍵，選擇“Open-respond in all groups”。

“Configure skills now? (recommended)”選擇“Yes”；“Show Homebrew install command？”選擇“Yes”。

4.6 配置機器人權限

接下來添加應用能力。

進入機器人管理頁面，點擊權限管理，然后點擊開通權限。

在搜索框輸入 im:message，然后確認開通權限：

然后點擊創(chuàng)建版本：

填寫相關信息后保存。

確認發(fā)布。

審核通過。

4.7 配置飛書事件與回調

進入配置頁面：登錄飛書開放平臺，進入你創(chuàng)建的機器人，選擇事件與回調

選擇訂閱方式：全部選擇使用長鏈接接收事件

4.8 添加事件

點擊添加事件。

4.9 重新發(fā)布應用

點擊上方的創(chuàng)建版本，填入相關信息，然后點擊保存。

填寫相關信息，保存并確定發(fā)布。

4.10 飛書使用機器人

通過創(chuàng)建群聊的方式添加機器人，需要 @機器人進行交互使用。

至此，你已經擁有一套無限 Token、數據不出屋、24 小時待命的本地最強 AI 組合。