本地私有部署

面向对 数据隐私 有严格要求的企业和团队。所有数据完全存储在本地，不依赖任何外部云服务，支持完全断网（Air-gapped）运行。

---

适用场景

• 🏛️ 金融、医疗、政府等有合规要求的行业
• 🔒 企业内部敏感数据处理（合同、财务、客户信息）
• 🌐 无法连接公网的内网环境
• 🏢 需要完全自主可控的团队

---

硬件要求

级别	CPU	内存	磁盘	GPU	适用场景
个人 / 体验	4 核	8 GB	100 GB SSD	不需要	个人使用，调用云端模型 API
小团队（5–20 人）	8 核	32 GB	500 GB SSD	推荐（RTX 3090 / 4090）	团队协作 + 本地模型
企业级（20–100 人）	16 核	64 GB	1 TB NVMe	必须（A100 40G / A800）	高并发 + 大参数模型
大规模（100+ 人）	32+ 核	128+ GB	2+ TB NVMe	多卡（A100×2+）	多模型并行推理

GPU 说明

GPU 仅在运行 本地大模型（如 Ollama + Llama / Qwen）时需要。如果通过 API 调用云端模型（DeepSeek / 通义千问），则不需要 GPU。

---

离线安装包

下载离线部署包

在有网络的机器上下载：

# 下载完整离线包（包含 Node.js + OpenClaw + 依赖）
wget https://cdn.jsdelivr.net/gh/openclaw/dist@main/openclaw-offline-linux-x64.tar.gz

# 下载校验文件
wget https://cdn.jsdelivr.net/gh/openclaw/dist@main/openclaw-offline-linux-x64.tar.gz.sha256

离线环境安装

将下载的文件通过 U 盘 / 内网传输到目标机器：

# 校验完整性
sha256sum -c openclaw-offline-linux-x64.tar.gz.sha256

# 解压
tar xzf openclaw-offline-linux-x64.tar.gz -C /opt/

# 运行离线安装脚本
cd /opt/openclaw-offline
bash install-offline.sh

安装脚本会：

1. 安装内置的 Node.js 22 二进制
2. 安装 OpenClaw 及所有依赖（无需网络）
3. 注册 systemd 服务
4. 运行 openclaw doctor

---

完全断网（Air-gapped）部署

对于完全无法连接外部网络的环境：

步骤一：在联网机器上准备

# 下载离线包
wget https://cdn.jsdelivr.net/gh/openclaw/dist@main/openclaw-offline-linux-x64.tar.gz

# 下载 Ollama 离线包（如需要本地模型）
wget https://github.com/ollama/ollama/releases/download/v0.5.0/ollama-linux-amd64.tgz

# 下载模型权重（以 Qwen2.5-7B 为例）
ollama pull qwen2.5:7b
# 模型文件位于 ~/.ollama/models/

# 打包所有文件
tar czf air-gapped-bundle.tar.gz \
  openclaw-offline-linux-x64.tar.gz \
  ollama-linux-amd64.tgz \
  ~/.ollama/models/

步骤二：传输到内网

通过物理介质（U 盘、移动硬盘）或内网文件传输系统传递。

步骤三：在目标机器上安装

# 解压总包
tar xzf air-gapped-bundle.tar.gz

# 安装 OpenClaw
tar xzf openclaw-offline-linux-x64.tar.gz -C /opt/
cd /opt/openclaw-offline && bash install-offline.sh

# 安装 Ollama
tar xzf ollama-linux-amd64.tgz -C /usr/local/

# 恢复模型文件
mkdir -p ~/.ollama
tar xzf models.tar.gz -C ~/.ollama/

# 启动 Ollama
ollama serve &

# 启动 OpenClaw
openclaw start

---

本地模型设置（Ollama）

Ollama 是最简单的本地大模型运行方案。

推荐模型

模型	参数量	最低 GPU 显存	推荐场景
qwen2.5:7b	7B	6 GB	日常对话、轻量任务
qwen2.5:14b	14B	12 GB	代码生成、复杂推理
qwen2.5:72b	72B	40 GB（A100）	企业级高质量推理
deepseek-coder-v2:16b	16B	16 GB	代码编写专用
llama3.1:8b	8B	8 GB	英文任务

配置 OpenClaw 连接 Ollama

# ~/.openclaw/config/gateway.yaml
providers:
  - name: ollama-local
    type: ollama
    base_url: http://127.0.0.1:11434
    models:
      - qwen2.5:7b
      - qwen2.5:14b

在控制面板中验证连接：

# 确认 Ollama 正在运行
curl http://127.0.0.1:11434/api/tags

---

数据备份策略

自动备份脚本

#!/bin/bash
# /opt/openclaw/backup.sh
# 建议通过 cron 每日执行

BACKUP_DIR="/backup/openclaw/$(date +%Y%m%d)"
mkdir -p "$BACKUP_DIR"

# 备份配置与数据
tar czf "$BACKUP_DIR/openclaw-data.tar.gz" -C "$HOME" .openclaw

# 备份工作区
tar czf "$BACKUP_DIR/workspace.tar.gz" -C "$HOME" workspace

# 保留最近 30 天的备份
find /backup/openclaw -maxdepth 1 -mtime +30 -type d -exec rm -rf {} \;

echo "[$(date)] Backup completed: $BACKUP_DIR"

设置定时任务：

# 每天凌晨 3 点自动备份
crontab -e
# 添加：
0 3 * * * /opt/openclaw/backup.sh >> /var/log/openclaw-backup.log 2>&1

备份内容说明

目录 / 文件	内容	重要性
~/.openclaw/db/	SQLite 数据库（对话记录、Agent 配置）	⭐⭐⭐ 关键
~/.openclaw/config/	配置文件	⭐⭐⭐ 关键
~/.openclaw/plugins/	已安装插件	⭐⭐ 重要
~/.openclaw/keys/	加密密钥	⭐⭐⭐ 关键
~/workspace/	Agent 工作区文件	⭐⭐ 按需

---

企业级安全加固

网络隔离

┌─────────────────────────────┐
│       内网 (10.0.0.0/8)     │
│                             │
│  ┌─────────┐  ┌──────────┐ │
│  │ OpenClaw│←→│  Ollama  │ │
│  │ Gateway │  │ (本地模型)│ │
│  └────┬────┘  └──────────┘ │
│       │                     │
│  ┌────┴────┐                │
│  │  Nginx  │                │
│  │(反向代理)│                │
│  └────┬────┘                │
│       │                     │
└───────┼─────────────────────┘
        │
   内网用户访问

认证与权限

# ~/.openclaw/config/gateway.yaml
auth:
  type: api_key
  keys:
    - name: admin
      key: "your-admin-key"
      permissions: ["*"]
    - name: user-team-a
      key: "team-a-key"
      permissions: ["chat", "agent:read"]

审计日志

# ~/.openclaw/config/gateway.yaml
audit:
  enabled: true
  log_path: /var/log/openclaw/audit.log
  retention_days: 365

---

常见问题

没有 GPU 能运行本地模型吗？

可以，但速度会很慢。Ollama 支持纯 CPU 推理，7B 参数模型在 8 核 CPU 上每秒可生成约 5–10 个 Token。如果不急于实时响应，CPU 也能用。

推荐方案：本地部署 OpenClaw + 通过 API 调用 DeepSeek 等云端模型，既保证 Gateway 数据不出内网，又无需 GPU。

如何实现多节点高可用？

1. 部署多个 Gateway 实例
2. 使用 Nginx 或 HAProxy 做负载均衡
3. 共享 NFS / Ceph 存储后端
4. 使用 PostgreSQL 替代 SQLite 作为数据库

高可用方案详情请联系社区获取企业支持。

Windows Server 能部署吗？

可以。在 Windows Server 上：

iwr -useb https://openclaw.ai/install.ps1 | iex

但建议使用 Linux 以获得更好的性能和稳定性。

---

🇨🇳 中国用户须知

• 合规建议：如果涉及个人信息处理（《个人信息保护法》），建议将 OpenClaw 部署在境内服务器，并确保模型推理也在境内完成
• 国产 GPU 支持：Ollama 目前主要支持 NVIDIA GPU。国产 GPU（华为昇腾、海光 DCU）可通过 vLLM 或 TGI 部署模型，OpenClaw 通过 OpenAI 兼容 API 接入
• 信创环境：如需在麒麟 OS / 统信 UOS 上部署，基本流程相同，部分依赖可能需要手动编译。欢迎在社区群中交流