本教程以1Panel 开源面板为基础，搭配Ollama 本地大模型（无需担心 Token 花销），手把手教您部署当下受到高度追捧的个人 AI 助理应用OpenClaw。

通过这三款开源软件的组合，OpenClaw 可以实现全天候的稳定运行，真正成为您的贴身专属智能助理！

1. 资源准备

OpenClaw 本地个人 AI 助理基于一台腾讯 GPU 云服务器构建，云服务器的获取过程不做赘述，详情参见腾讯云官网。

其中云服务器的配置如下：

• 操作系统：Ubuntu Server 24.04 LTS 64位
• 计算资源：20 核 80G
• 磁盘容量：100GB
• GPU：计算型 GN7（GN7.5XLARGE80）
• 网络：绑定弹性公网 IP

2. 操作过程概览

基于1Panel 开源面板搭建本地化 OpenClaw 主要涉及五个步骤，具体如下：

• 第一步：1Panel 的安装部署
• 第二步：GPU 资源调度配置
• 第三步：Ollama 的安装部署
• 第四步：gpt-oss:20b 开源模型加载
• 第五步：OpenClaw 安装部署及配置

3. 详细操作步骤说明

3.1. 1Panel 的安装部署

1Panel 的安装部署比较简单，可参照官方文档进行在线安装：https://1panel.cn/docs/v2/installation/online_installation/

步骤一：获取 root 权限，登录服务器后首先切换至 root 权限。

sudo su

步骤二：输入在线安装命令执行安装操作。

bash -c "$(curl -sSL https://resource.fit2cloud.com/1panel/package/v2/quick_start.sh)"

步骤三：Docker 的安装，指定安装目录并安装 Docker。

步骤四：镜像加速器配置。

选择配置镜像加速器，并设置 1Panel 面板的访问参数。

步骤五：获取 1Panel 面板的登录信息。

步骤六：验证 1Panel 部署成功。

将外部地址输入浏览器进入 1Panel 登录页面，输入对应的面板用户和密码，确认安装完成。

步骤七：1Panel 访问地址设置。

进入 1Panel 面板后，切换到"面板设置"页面，将默认访问地址设置为 1Panel 访问的公网 IP，方便后续部署的应用可以通过点击"跳转"按钮进行访问。

3.2. GPU 资源调度配置

进入 1Panel 的"终端"页面，完成NVIDIA 容器镜像的配置，最终让基于容器安装的模型能够调度 GPU 资源。

步骤一：NVIDIA 显卡驱动确认。

需要确保 NVIDIA 显卡驱动已正确安装，输入以下命令：

nvidia-smi

如果结果如下图所示，则代表显卡驱动已经成功安装。

如果没有安装则自行前往英伟达官网下载驱动文件并安装：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html#installing-with-apt

步骤二：安装 NVIDIA 容器镜像。

为了能够在 Docker 容器中使用 GPU 资源，我们需要安装 NVIDIA 的容器镜像，参照如下命令行逐个执行操作：

命令行1：添加 NVIDIA 容器工具仓库与签名（注意，请确保网络能够正常访问 GitHub）

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

命令行2：启用仓库中的 experimental 组件（可选）

sed -i -e '/experimental/ s/^#//g' /etc/apt/sources.list.d/nvidia-container-toolkit.list

命令行3：更新软件源

sudo apt-get update

命令行4：安装 nvidia-container-toolkit

sudo apt-get install -y nvidia-container-toolkit

步骤三：配置 Docker 镜像使用 NVIDIA。

安装完容器镜像后，需要配置 Docker 以使用 NVIDIA 的 GPU 资源，并且重启 Docker 服务。

命令行1：配置 Docker 以使用 NVIDIA

sudo nvidia-ctk runtime configure --runtime=docker

命令行2：重启 Docker

sudo systemctl restart docker

3.3. Ollama 的安装部署

安装好 1Panel，并且配置好服务器的 GPU 资源后，我们就可以基于 1Panel 开源面板进行 OpenClaw 个人 AI 助理的本地化安装部署了。

操作非常简单，小白也能轻松上手。

首先我们来安装Ollama。

Ollama 是一个开源的大型语言模型服务，提供了类似于 OpenAI 的 API 接口和聊天界面，可以非常方便地部署最新版本的 gpt-oss 模型。

步骤一：安装 Ollama 应用。

首先我们进入 1Panel 应用商店，在 AI 分类中找到"Ollama"并点击"安装"按钮。

步骤二：设置 Ollama 安装参数。

配置安装参数时需要确认版本号以及端口号，另外记得勾选"端口外部访问"选项，同时勾选"开启 GPU 支持"选项，以确保后续我们可以正常访问 Ollama，同时模型可使用 GPU 资源，其他参数保持默认，点击"确认"按钮即可。

步骤三：下载镜像并安装 Ollama。

点击"确认"按钮后，系统开始自动拉取镜像并安装应用，直到系统提示"安装应用「ollama」成功"，则代表已经完成 Ollama 安装。

步骤四：验证 Ollama 安装是否成功。

在 1Panel 应用商店的"已安装"页面，找到 Ollama 应用，点击"跳转"按钮，确认输出内容为"Ollama is running"，则代表 Ollama 已经部署成功。

3.4. 本地大模型部署

Ollama 部署完成后，我们继续通过 1Panel 来完成基于 Ollama 本地gpt-oss:20b 模型的加载部署，参照如下步骤即可实现。

步骤一：创建 gpt-oss 模型。

在 1Panel 中依次选择"AI" → “模型”，点击"添加模型"按钮。

步骤二：加载模型。

如下图所示，点击"快速跳转"链接访问 Ollama 官网，输入模型名称"gpt-oss"快速搜索到 gpt-oss 模型，并复制模型 ID"gpt-oss:20b"输入到 1Panel"添加模型"页面的"名称"栏目中，点击"添加"按钮开始加载模型文件。

注意，模型加载大概需要 20 至 30 分钟。

步骤三：模型运行确认。

当模型列表中的"状态"项更新为"成功"后，可以点击"运行"按钮验证模型部署效果。

如果能够正常对话则代表模型已经加载成功，如下图所示：

3.5. OpenClaw 的安装部署

基于以上步骤，我们已经完成了本地模型的准备工作，接下来我们继续通过 1Panel 快速搭建OpenClaw 个人 AI 助理。

步骤一：安装 OpenClaw 应用。

进入 1Panel 应用商店，找到 OpenClaw 应用并点击"安装"按钮，进入安装参数设置页面。

步骤二：设置应用安装参数。

如下图设置 OpenClaw 的版本号及端口、Ollama 本地模型以及是否进行外部访问等配置项，设置完成后点击"确认"按钮开始安装。

其中安装参数的具体说明如下：

• 版本：OpenClaw 版本默认为最新版本
• 端口：OpenClaw 应用访问端口默认为 18789、18790，如有占用可自行调整变更，最终需要确保端口已开通，可进行外部访问
• 模型供应商：下拉选择"Ollama"
• 模型：按照"Ollama/模型"格式输入（即模型管理中添加的模型 ID），例如 Ollama/gpt-oss:20b
• 模型 API Key：本地模型输入任意字符即可
• Base URL：输入按照上述步骤部署的 Ollama 应用的地址，即 http://IP:11434/v1 即可
• 端口外部访问：勾选"端口外部访问"选项，方便后续 OpenClaw 应用进行访问

步骤三：OpenClaw 应用安装。

参数设置完成后点击"确认"按钮，系统自动开始拉取镜像并安装应用，看到下图所示信息则代表 OpenClaw 应用已安装成功。

步骤四：应用 Token 获取。

在 1Panel 应用商店的"已安装"页面找到已经安装好的 OpenClaw，点击"进入目录"按钮，进入 data/conf 目录，找到 openclaw.json 文件并点击打开。

在该文件中找到"gateway"中的"token"，复制其中的 Token 值，例如 9bfd07dd800a8c304b62bfac09f698cb7ad9f939d812021a。

步骤五：Web 应用访问设置。

如下图所示，点击"参数"按钮，将获取到的 Token 与 IP 地址，以及端口号按照"IP:端口?token={token}具体值"的方式进行拼接，例如：

139.186.147.190:18789?token=9bfd07dd800a8c304b62bfac09f698cb7ad9f939d812021a

拼接完成后填写在"Web 访问地址"栏目中。

4. OpenClaw 个人 AI 助理的使用效果

完成上述操作后，我们就基于 1Panel 完成了OpenClaw 个人 AI 助理应用的搭建。

直接进入 1Panel 应用商店的"已安装"页面，找到 OpenClaw，点击"跳转"按钮，选择带有 Token 的链接地址点击即可体验 OpenClaw 的神奇魔力。

我们可以把一些简单的事情交给 AI 助理去完成，比如让 AI 帮助我们对服务器上的文件进行整理和分类：

另外，如果我们需要让 AI 助理进行一些联网操作，需要到 https://brave.com/ 网站申请一个 API Key，然后进入 OpenClaw 的 Config/Web/Search 页面输入 Brave Search API Key。

5. 总结

通过上述步骤，我们依托**"1Panel+Ollama+OpenClaw"开源三件套快速搭建了一个7x24 小时不间断运行**的本地 AI 助理。

用户最终只需通过浏览器访问 OpenClaw，即可畅享本地模型驱动的 AI 智能助理服务。

全程操作以1Panel 作为核心载体，无需复杂的命令行功底，所有配置流程均实现可视化和步骤化，即便是新手小白也能按照操作指南完成快速部署。

经实测发现，当前本地模型在工具调用的灵活性上仍存在一些局限性，当前主要推荐gpt-oss:20b 模型。

OpenClaw、Ollama 等开源项目正在持续迭代和优化，相信其他主流模型也会很快得到优化和改善，未来基于 OpenClaw 的本地化 AI 助理的功能性会愈发强大，成为我们生活和工作的好帮手。

需要说明的是，这套本地化 AI 助理应用搭建方案无需依赖外部 Token，数据隐私更有保障，诚邀大家动手实操体验，感受"开源三件套"工具带来的高效智能服务。