如何在不使用 API 的情況下在本地 LLMs 上運行 openClaw (Moltbot/ Clawdbot )？

CometAPI
AnnaFeb 1, 2026
如何在不使用 API 的情況下在本地 LLMs 上運行 openClaw (Moltbot/ Clawdbot )？

OpenClaw（原為 Clawdbot，曾短暫改名為 Moltbot）爆紅的速度幾乎勝過我所見過的任何代理專案。

在不到三週的時間裡，它的 GitHub 星標突破 100,000。人們稱它為*「24/7 AI 實習生」*，老實說，這形容並不離譜。它能讀取訊息、執行 shell 指令、管理檔案，並在你日常工作時悄悄在背景運作。

但在最初的興奮過後，一個非常實際的問題開始在各處浮現：

「這很酷……但我該如何在不砸錢買 API 的情況下執行它？」

這個問題正是我撰寫本指南的原因。

OpenClaw（原名 Clawdbot）為何引起熱議？

若要理解技術正向本地執行的轉變，首先必須了解 OpenClaw 到底是什麼。本質上，openClaw（Moltbot / Clawdbot）是一個「以對話為優先」的自律代理。不同於傳統那種待在瀏覽器分頁、等待提示的聊天機器人，OpenClaw 以背景守護程序的形式在你的機器上運行。它可直接整合 WhatsApp、Telegram、Discord、Signal 等訊息平台，等於把你的聊天應用變成你生活的命令列。

從 Clawdbot 到 OpenClaw 的演進

這個專案的歷史既劇烈變動，也相當引人入勝。

Clawdbot（2025 年末）： 由 Peter Steinberger 創建，最初作為 Anthropic 的 Claude 的包裝器，旨在執行任務，而非只輸出文字。它被稱為「有手的 Claude」。

Moltbot（2026 年 1 月）： 因與 Anthropic 就名稱「Clawd」發生商標爭議，專案更名為「Moltbot」，並採用名為「Molty」的龍蝦吉祥物（指代蛻殼過程）。

OpenClaw（2026 年 1 月 30 日）： 為了強調其開源本質，並在保留「Claw」傳承的同時進一步與特定企業身份保持距離，社群最終定名為 OpenClaw。

OpenClaw 的差異化之處在於其權限系統。它可以讀取你的電子郵件、檢查行事曆、執行 shell 指令，甚至以本地 Markdown 檔案來管理自己的記憶。然而，預設配置會將所有這些脈絡傳送到雲端 API（主要是 Anthropic 或 OpenAI），這引出兩個關鍵問題：成本與隱私。

為什麼你應該改用本地 LLM？

openClaw（Moltbot / Clawdbot）的「開箱即用」體驗由 Claude 3.5 Sonnet 或 Opus 驅動。這些模型雖然非常聰明，但其費用依 token 計價。全天候運行的自律代理——檢查郵件、監控伺服器日誌、摘要聊天——每天可能產生數百萬個 token。

自律的成本

自律代理的行為不像聊天會話。它們會迴圈、重讀脈絡、摘要日誌、反覆檢查信箱。

我看過使用者回報類似：

「我讓 Clawdbot 整晚運行來重整我的 Obsidian 檔庫，結果醒來就看到一張 40 美元的帳單。」

這不是誤用——這就是自律的運作方式。

使用本地模型，邊際成本降至零（除了電力）。你不再思考「要不要讓它跑？」而是開始思考「還能自動化什麼？」

隱私不是附加好處——而是核心利益

openClaw（Moltbot / Clawdbot）可以讀取：

  • 電子郵件
  • 聊天記錄
  • 原始碼
  • 個人文件

OpenClaw 被設計成能深度存取你的系統。它會讀取你的私人訊息與檔案系統。使用 API 時，機器人讀到的每個檔案都會上傳到第三方伺服器處理。改用本地 LLM，資料永不離開你的本地網路。你的財務文件、私人聊天與程式碼庫將與大型科技公司保持隔離。

使用 Ollama 運行 OpenClaw（我的預設推薦）

如果你熟悉終端機，Ollama 是目前最容易運行本地 LLM 的方式。

openClaw（Moltbot / Clawdbot）會使用與 OpenAI 相容的 API 進行通訊。Ollama 預設就提供這種介面。秘訣就這麼簡單。

最低系統與軟體檢查清單

  • 一台機器，搭載最新的作業系統（Linux/macOS/Windows + WSL2）。大型模型建議使用本地 GPU 加速；只用 CPU 可應付小模型或輕量工作。
  • Node.js ≥ 22（OpenClaw 的 CLI 與 Gateway 需要 Node）。
  • 若要運行本地模型，請安裝Ollama（或其他本地 LLM 執行時）。Ollama 預設會在本地暴露與 OpenAI 相容的 API（常見於 http://localhost:11434）。
  • 若使用 Lynkr 等代理，請安裝（npm 或複製 repo）。Lynkr 能向 OpenClaw 呈現類 Anthropic/OpenAI 的端點，同時路由到本地模型。

步驟 1：安裝 OpenClaw（快速指令）

OpenClaw 建議透過 npm/pnpm 安裝。執行：

# install OpenClaw CLI globally (Node >= 22)
npm install -g openclaw@latest
# or using pnpm
pnpm add -g openclaw@latest

# run first-time onboarding (installs Gateway daemon)
openclaw onboard --install-daemon

導覽精靈會安裝使用者服務型的守護程序（systemd/launchd），讓 Gateway 能持續在背景運行。完成導覽後，你也可以手動啟動 Gateway 以便除錯：

openclaw gateway --port 18789 --verbose

步驟 2：安裝 Ollama 並拉取模型

Ollama 的安裝與執行相當直接。在 macOS/Linux 上：

# install Ollama (one-line installer)
curl -fsSL https://ollama.com/install.sh | sh

# pull a recommended assistant model (example)
ollama pull kimi-k2.5

# verify Ollama is running (default API on port 11434)
ollama list
# or check HTTP
curl http://localhost:11434/v1/models

Ollama 提供與許多 OpenAI 風格用戶端相容的 API；OpenClaw 的供應商整合支援 Ollama，且通常會自動偵測本地的 Ollama 實例，除非你覆寫配置。

步驟 3：最小化的 OpenClaw 模型設定

部署相容層（Lynkr）或將 OpenClaw 指向本地端點

由於 openClaw（Moltbot / Clawdbot）歷來使用特定 API 形態（例如 Anthropic 風格端點），最簡單的方法是運行一個小型代理，將 OpenClaw 的呼叫轉譯到你的本地伺服器 API。

  • Lynkr：安裝並設定 Lynkr 監聽 OpenClaw 期望的埠；配置其轉發至你的 Ollama/text-generation-webui 實例。社群教程提供步驟檔與 config.json 範例。Lynkr 運行後，OpenClaw 可維持原供應商配置，但實際會對本地模型發出請求。

若你偏好直接修改 OpenClaw 的設定，請在 .openclaw 組態中將模型後端 URL 指向你的本地伺服器端點：

openClaw（Moltbot / Clawdbot）會將配置存於 ~/.openclaw/openclaw.json。偏好本地模型的最小檔案如下：

{
  "agent": {
    "model": "ollama/kimi-k2.5"
  },
  "models": {
    "providers": {
      "ollama": {
        "name": "Ollama (local)",
        "options": {
          "baseURL": "http://127.0.0.1:11434/v1"
        }
      }
    }
  }
}

如果省略 models.providers.ollama 區塊，openClaw（Moltbot / Clawdbot）通常會在可用時自動偵測本地 Ollama。使用 openclaw models list 與 openclaw models set 可互動式管理模型設定，而不必直接編輯檔案。

步驟 4：啟動 OpenClaw 並測試訊息

在 Ollama 運行且 Gateway 啟用的情況下：

# start the gateway (if not running as a daemon)
openclaw gateway --port 18789 --verbose

# send a test message to the agent
openclaw agent --message "Hello from local OpenClaw" --thinking low

若 Gateway 與模型配置正確，你會看到助理回覆，且訊息已透過本地的 Ollama 模型路由。

我能否透過代理避免修改 OpenClaw？

可以——這正是 Lynkr 等代理工具的作用：它們向 openClaw（Moltbot / Clawdbot）呈現類 Anthropic/OpenAI 的端點，同時監聽 OpenClaw 期望的埠，並將內容轉發至本地的 Ollama 或 text-generation-webui 實例。這很有價值，因為無 API 金鑰、無雲端計費、在地模型推論，避免改動 OpenClaw 內部，同時給你本地控制權。

架構概覽（各元件的通訊關係）

  • OpenClaw（agent/app）——主要助理，發出模型呼叫並協調工具與訊息整合。
  • LLM 代理（例如 Lynkr）——接收 OpenClaw 的 API 風格請求，並轉發至本地模型伺服器（或雲端備援）。代理亦可實作快取、token 修剪、記憶壓縮以降低成本。
  • 本地 LLM 伺服器（例如 Ollama、獨立 ggml 執行時、Llama.cpp、本地容器化模型）——在機器上進行推論。Ollama 廣泛使用，因其提供簡易的本地伺服器與模型封裝流程；亦可選擇其他執行時。
  • 可選的雲端備援——代理在必要時可將複雜請求路由至雲端模型（混合模式）。

為何使用代理而非直接修補 openClaw？

隱私與總持有成本（TCO）： 本地推論讓資料留在你的機器上，避免 API 帳單。

相容性： openClaw（Moltbot / Clawdbot）期望特定的 API 介面（Anthropic/「Copilot」風格）。代理保留這個介面，使 OpenClaw 幾乎不需修改。

安全與彈性： 代理可實作請求路由規則（本地優先、雲端備援）、速率限制、請求截斷等防護。

範例：設定 Lynkr 路由到本地 Ollama

  1. 安裝 Lynkr：
npm install -g lynkr
# or: git clone https://github.com/Fast-Editor/Lynkr.git && npm install
  1. 建立 .env（範例）：
cp .env.example .env

編輯 .env：

# primary provider: local Ollama
MODEL_PROVIDER=ollama
OLLAMA_MODEL=kimi-k2.5
OLLAMA_ENDPOINT=http://localhost:11434

# optional hybrid fallback
PREFER_OLLAMA=true
FALLBACK_ENABLED=true
FALLBACK_PROVIDER=openrouter
OPENROUTER_API_KEY=sk-...
  1. 啟動 Lynkr：
# if installed globally
lynkr

# if cloned
npm start

Lynkr 預設會提供一個本地代理（例如：http://localhost:8081）與相容 OpenAI/Anthropic 的 /v1 端點，OpenClaw 可指向該端點。接著將 OpenClaw 的模型供應商基底 URL 設為 Lynkr（見下段程式片段）。

將 OpenClaw 指向 Lynkr 端點

可編輯 ~/.openclaw/openclaw.json 或使用 CLI 設定供應商的基底 URL：

{
  "models": {
    "providers": {
      "copilot": {
        "options": {
          "baseURL": "http://localhost:8081/v1"
        }
      }
    }
  },
  "agent": {
    "model": "kimi-k2.5"
  }
}

現在 openClaw（Moltbot / Clawdbot）會呼叫 http://localhost:8081/v1（Lynkr），而 Lynkr 會在本地將其路由至 ollama://kimi-k2.5。你可獲得與外部供應商相同的順暢體驗，同時不離開你的機器。

對偏好圖形化介面（GUI）來管理模型、或想使用來自 Hugging Face 的特定量化模型（GGUF 格式）的使用者而言，LM Studio 是首選。

在本地運行自律代理是否安全？

這或許是最關鍵的問題。當你運行 openClaw（Moltbot / Clawdbot），本質上是在把 AI 的 shell 存取權交給你的電腦。

「Sudo」問題

如果你讓雲端的 Claude「刪除我文件夾中的所有檔案」，它可能因安全過濾而拒絕。未經審查的本地 Llama 3 模型沒有這些顧慮。若 openClaw（Moltbot / Clawdbot）誤解了命令，理論上可能執行具破壞性的指令。

安全最佳實務

以 Docker 運行：除非你非常確定風險，否則不要在主機「裸機」上直接運行 openClaw（Moltbot / Clawdbot）。請使用官方 Docker 映像以沙箱化環境。

下方範例是一份最小的 docker-compose.yml，示範三個服務：Ollama（本地模型執行時）、Lynkr（代理），以及 OpenClaw Gateway（容器中執行的 CLI）。**注意：**需根據情況調整卷掛載與 GPU 通道，以取得 GPU 存取。

version: "3.8"
services:
  ollama:
    image: ollama/ollama:latest
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - ./ollama-data:/var/lib/ollama

  lynkr:
    build: ./lynkr
    restart: unless-stopped
    ports:
      - "8081:8081"
    environment:
      - MODEL_PROVIDER=ollama
      - OLLAMA_ENDPOINT=http://ollama:11434

  openclaw:
    image: node:22
    working_dir: /workspace
    volumes:
      - ~/.openclaw:/root/.openclaw
      - ./workspace:/workspace
    command: sh -c "npm install -g openclaw && openclaw gateway --host 0.0.0.0 --port 18789"
    depends_on:
      - lynkr

這是示意性的組合；在正式部署時，應適當加入網路隔離、資源限制與 GPU 裝置映射等。

常見疑難排解與限制

若 openClaw（Moltbot / Clawdbot）未偵測到 Ollama

  • 確認 Ollama 已運行且可連到基底 URL（http://127.0.0.1:11434/v1）。
  • 使用 openclaw models list 與 openclaw doctor 來揭露配置問題。

若 Lynkr 路由失敗

  • 確認 Lynkr 正在監聽（通常為 http://localhost:8081）。
  • 檢查 .env 中 OLLAMA_ENDPOINT 與 MODEL_PROVIDER 是否正確。
  • 驗證 Lynkr 有正確映射 openClaw（Moltbot / Clawdbot）呼叫的 /v1 路徑——某些供應商實作可能期望些許不同路徑；必要時調整基底路徑。

模型能力差異

本地模型能力各異：有的擅長寫程式，有的擅長聊天。混合策略（本地優先、雲端備援）會有幫助：將例行工作在本地處理，將複雜推理升級至雲端模型，並以快取降低成本。Lynkr 與類似代理正是實作這類邏輯。

結論

OpenClaw 的設計與活躍的生態系，使得如今在本地、無需 API 的部署成為可行。借助如 Ollama 的本地託管、Lynkr 的 API 轉譯，以及健全的社群文檔，你可以在自己掌控的機器上——從桌面 GPU 到手持裝置——運行強大的代理，而無需將資料傳送給第三方 LLM 供應商。

不過，若你權衡利弊，例如仍想在缺乏必要設備的情況下透過 API 使用 openClaw（Moltbot / Clawdbot），我會推薦 CometAPI. 它提供 Anthropic 與 OpenAI 的端點，且經常有折扣——通常比官方價便宜 20%。

開發者可以透過 CometAPI 存取  以及 Claude Sonnet/ Opus 4.5 和 GPT-5.2，本文發佈時所列為最新模型。開始前，先在 Playground 試用模型能力，並參考 API guide 取得詳細指引。在存取前，請確認你已登入 CometAPI 並取得 API 金鑰。CometAPI 提供遠低於官方的價格，助你整合。

Ready to Go?→ Sign up for Gemini 3 today ！

若你想了解更多 AI 的技巧、指南與新聞，請追蹤我們在 VK、X 和 Discord 的動態！

閱讀更多

一個 API 中超過 500 個模型

最高 20% 折扣