企业官网建设流程全解析

这篇标题为什么叫“纯干货...不是”？因为我自己在装 OpenClaw 的时候，一开始确实以为下载个包、点两下下一步就完事了，结果光环境就折腾了小半天。那句被搜索了无数次的报错——openclaw无法安全验证WSL2环境。请在PowerShell中运行 wsl --status——看起来像是一句简单的状态提示，实际上背后牵扯到 Windows 版本、WSL2 内核、虚拟机平台功能、Docker Desktop 联动等一系列问题。等我把整条路走通，又陆续试了 Ollama 本地模型、API 接入、Windows Companion 配置，踩过的坑足够写一整篇。

这篇东西就是给你“抄作业”用的。如果你打算在 Windows 上部署 OpenClaw，或者想搞清楚 WSL2 环境到底怎么修、Companion 怎么配、本地算力和 API 到底选哪个，那接下来这部分内容应该能帮你少走不少弯路。我会把排查思路和操作步骤一起给出来，不只是告诉你“敲什么命令”，还会说明为什么这么敲、背后发生了什么。

1. 那句“无法安全验证WSL2环境”的报错，究竟卡在哪

先说结论：你搜到的openclaw无法安全验证WSL2环境。请在PowerShell中运行 wsl --status，这个提示并没有骗你，它确实是在告诉你“当前系统里没有一个能被 OpenClaw 信任的 WSL2 环境”。但问题是它给的信息太暧昧了，新手看到之后只会本能地跑一条 wsl --status，然后发现命令不存在、或者显示一堆看不懂的状态，最后死循环。

1.1 OpenClaw为什么绕不开WSL2

OpenClaw 的安装脚本和运行环境深度依赖 Linux 子系统。原因很简单：这套 agent 框架在 Windows 上运行时，需要大量的 shell 工具、进程管理和文件系统操作，Windows 原生的 cmd 和 PowerShell 在兼容性上撑不住。与其做一层复杂的系统适配层，不如直接让它在 WSL2 里面跑——WSL2 不是一个模拟器，它是一个真正的轻量级虚拟机，运行完整的 Linux 内核，所以大部分为 Linux 写的依赖可以原封不动地装上。

我之前看到有人问“为什么不能直接做成 exe？”，其实也能做，但会牺牲很多东西。OpenClaw 的技能机制（skill）设计得很像插件系统，插件要调用 shell 命令、要访问 /usr/bin 下的工具，这些在纯 Windows 环境下限制太多。所以 WSL2 不是开发者的执念，而是这个框架的架构使然。你要想让 OpenClaw 稳定工作，就得先给它一个“合格的 Linux 环境”。

1.2 报错背后的三个常见原因

排查这句报错，我建议不要上来就重装 WSL，先按下面三个方向对号入座。80% 的情况跑不出这三个范围。

第一，WSL 功能根本没启用。很多人的电脑之前从来没装过任何 Linux 子系统，系统设置里“适用于 Linux 的 Windows 子系统”和“虚拟机平台”两个可选功能都是关闭的。这种情况下 wsl --status 会直接提示“未安装用于 Linux 的 Windows 子系统”，你看不到任何版本号，自然也就无从验证。

第二，WSL 有了，但版本是 1。WSL1 和 WSL2 是完全不同的实现，OpenClaw 要求的是 WSL2，因为 WSL1 不支持真正的 Linux 内核，很多系统调用会被翻译层吃掉，跑 agent 任务时行为会走样。wsl --status 的输出里如果显示“默认版本：1”，那环境验证就是过不去的。

第三，内核组件过期或缺失。Windows 10 的早期版本、或者很久没更新的系统，即使功能开了，也可能缺少新版 WSL 内核。这时候 wsl --status 会提示你更新内核，或者显示一堆 dll 错误。Win10 和 Win11 的 WSL 安装路径不太一样，Win11 走的是应用商店更新，Win10 需要手动下载内核更新包，这点要注意。

1.3 从零修复WSL2的完整操作

如果你现在被报错堵住，按下面这个顺序来，基本能一次性解决。全部操作需要管理员权限的 PowerShell。

wsl --status

先看当前状态。如果提示找不到命令，或者让你安装，继续往下走。

wsl --install

这个命令会开启所有需要的功能，并安装默认的 Ubuntu 发行版。执行完后务必重启电脑。我见过不少人不重启就继续装 OpenClaw，结果明明显示装成功了，环境验证还是各种报错，就是这个环节偷懒了。

重启之后，再次打开管理员 PowerShell，输入：

wsl --set-default-version 2

把默认 WSL 版本设为 2。如果这一步提示需要更新内核，那就去微软官方文档下载“WSL2 Linux 内核更新包”，装完之后重新执行上面的命令。

最后装一个发行版进去：

wsl --install -d Ubuntu-22.04

启动后初次会提示你创建 Linux 用户名和密码，这个账号后面会用得到，务必记好。创建完成之后，在 PowerShell 里再跑一次 wsl --status，看到“默认版本：2”以及 Ubuntu 的状态是“已安装”，环境这关就算过了。

提示：Windows 10 比较旧的话，建议先把系统更新跑完再搞 WSL2，否则容易遇到内核模块不匹配的问题。Win11 基本都是 out-of-box 支持。

2. 依赖准备：Git、Node.js、Docker Desktop的版本陷阱

WSL2 修好之后，很多人会直接冲去装 OpenClaw，结果又挂。因为 OpenClaw 的安装流程里还有几个前置依赖，你装是装了，但版本和配置不对，依旧白搭。我按踩坑率从高到低说。

2.1 Git和Node.js的版本选择

Git 的要求比较低，装上最新稳定版就行，没有什么值得纠结的。真正的问题是 Node.js。

OpenClaw 的部署脚本和运行时要求 Node.js 的版本不能太老，至少要 18 以上，建议直接装 20 LTS。你可能会想“那我装个最新的 23 不是更好么？”，不要，别追求最新。OpenClaw 的依赖生态里有不少原生模块，在最新 Node 版本上经常编译失败，反而 LTS 版本经过大量验证，跑得最稳。

装 Node.js 的时候有个细节：官网下载的安装包，安装向导里有一个“Add to PATH”的选项，一定记得勾上。很多人装完之后在 PowerShell 里敲 node -v 提示找不到命令，就是这里漏了。如果你已经装完但没勾，可以去系统环境变量里手动把C:\Program Files\nodejs\加进去。

2.2 Docker Desktop和WSL2的联动配置

如果你的部署路线是 Docker 方式，那 Docker Desktop 必然要装。但注意，Docker Desktop 版本迭代快，安装界面一直在变，核心设置却从没变过：安装完成后，打开 Settings → General，确认“Use the WSL 2 based engine”是勾选状态。

这一步是 Docker 和 WSL2 联动的开关，不勾上的话，Docker Desktop 会尝试用 Hyper-V，而 Hyper-V 和 WSL2 在某些机器上是冲突的，轻则 Docker 起不来，重则直接把 WSL2 搞崩。有博主提到“docker desktop 安装教程”里的各种老截图，其实都属于版本差异，你只要记住这个核心开关就行。

另外，在 Settings → Resources → WSL Integration 里，把 Ubuntu 发行版的开关也打开，确保 Docker 命令能在 WSL 内部被容器使用。这一步不设置，后面你进到 WSL 里执行 docker ps 就会报 context 错误，看起来像是 Docker 没装好，其实只是没做集成。

2.3 虚拟机方案：VMware里跑Ubuntu的取舍

WSL2 修不出来的机器，或者你就是想彻底隔离环境，有些人会转向 VMware 虚拟机里装 Ubuntu 再部署 OpenClaw。这套路不是不行，但你要清楚代价。

VMware 方案的好处是环境干净、不污染 Windows，卸载也彻底，删掉虚拟机文件就行。但代价是资源占用很高：一个 Ubuntu 虚拟机至少吃掉 2GB 内存，加上编译依赖时 CPU 满转，如果你的机器是 16GB 内存以下，跑起来会很吃力。还有个麻烦是文件共享：你 Windows 上的配置文件和虚拟机的文件系统之间有隔阂，配置 OpenClaw 时经常要在两种系统之间来回搬文件，多一层操作就多一层出错的可能。

如果你执意走 VMware，安装 Ubuntu 时建议选 22.04 或 24.04 LTS，内存给 4GB 以上，硬盘给 40GB，网络选 NAT 模式，这样拉取依赖时能正常上网。装好之后，在 Ubuntu 里用官方脚本安装 OpenClaw，反而比 Windows 路线少很多坑——因为 WSL2 那层验证逻辑根本不存在了。

3. 部署OpenClaw本体与Windows Companion配置

环境修好之后，才轮到真正的安装环节。这一部分我强烈建议你根据自己情况二选一：要么走 Docker 路线，要么走 npm / 源码路线。两条路各有优劣，往下看再决定。

3.1 Windows下的两条部署路线

先明确一个事实：OpenClaw 不是一个“双击下一步”的软件。你在 GitHub 仓库里看到的部署说明，本质上是引导你克隆代码、安装依赖、配置环境变量，最后启动一个服务。所以不管什么路线，你都要和终端打交道，这是躲不掉的。

Docker 路线适合“不想污染系统环境”的人。在 WSL 的 Ubuntu 终端里，先确认 docker 可用，然后拉取镜像、按仓库里的 docker-compose 文件启动。这种方式最干净，升级也方便，镜像更新了重新 pull 一下就行。坏处是镜像通常比较大，几百 MB 到 1GB 都很正常，第一次拉取会等一会儿。

npm 路线适合“想直接看源码、改源码”的人。在 Ubuntu 终端里先克隆仓库，然后 npm install，安装依赖。这个过程非常久，尤其在网络不稳定的情况下，经常卡在上百个依赖包上。建议装个国内镜像源，但注意 OpenClaw 有些二进制依赖需要从 GitHub 拉取，光换 npm 源解决不了全部问题，必要时还得挂代理（这一步自己想办法，网络问题不同环境下差异太大）。

初次启动之后，OpenClaw 会在终端里输出一行日志地址，通常是类似http://localhost:3000的本地地址。用浏览器打开这个地址，如果能出现一个 Web 界面，说明核心部署成功。

注意：如果看到端口被占用，不要慌，这不是装错了，而是你机器上某个进程抢占了端口。要么改 OpenClaw 的端口配置，要么把占用端口的进程处理掉。查端口占用用netstat -ano | findstr :3000，结果里的 PID 去任务管理器里对应一下就知道是谁了。

3.2 Companion到底管什么，配置时注意什么

Windows Companion 是很多 Windows 用户绕不开的组件，热词里也有一票人在搜“openclaw windows companion 怎么配置”。这个组件说白了就是一个常驻在 Windows 任务栏的管理小工具，它的作用不是替代核心服务，而是帮你管理 OpenClaw 的本地实例——比如一键启动、停止、看日志、检查环境状态。

配置 Companion 时最容易出问题的点，是路径不对称。Companion 在 Windows 侧运行，但核心服务跑在 WSL2 里，两边文件系统是隔离的。你在 Companion 里填配置路径时，填的是 Windows 路径（如C:\appdata\openclaw），但 OpenClaw 实际读写的是 WSL 路径（如\\wsl$\Ubuntu\home\openclaw）。很多教程没讲清楚这个区别，导致纯填 C 盘路径后，Companion 一直报“找不到服务”。

我的做法是，部署时直接把数据和配置目录统一放在 WSL 环境内部，Windows 侧不由 Companion 直接管理，而是把 WSL 的快捷启动命令封装成一个批处理脚本，需要时点一下就能拉起服务。Companion 只用来做状态监控。如果你特别需要 Companion 参与管理，那就把配置路径明确写成 UNC 网络路径的格式，两边才能对上。

3.3 Ubuntu环境下的部署差异

如果你直接在 Ubuntu（虚拟机或纯 Linux 机器）上部署，省掉了 WSL2 验证的麻烦，其他步骤大体一样，但有几个命令级别的差异要留意。

Ubuntu 需要先确保自己有基本的编译工具链，因为 npm 安装原生模块时可能会现场编译。一般执行一下：

sudo apt update && sudo apt install -y build-essential python3

不装的话 npm install 过程中会在 node-gyp 阶段报错。报错信息里有 node-gyp 字样，十有八九就是缺这个。

另外，Ubuntu 上部署时，防火墙规则要检查一下 3000 端口是否对外开放。本地调试无所谓，但如果你想让同局域网的其他设备访问 Web 界面，就要注意 ufw 规则。

4. 验证部署、处理报错与干净卸载

装完之后别急着高兴，跑通一次完整功能才算真的装好。这一章我给你几个验证的思路，以及我最常碰到的几个坑的排查链路。最后聊卸载——虽然听起来像在泼冷水，但“怎么卸载 openclaw”确实是很多人搜得最多的关键词之一。

4.1 怎样才算真的装好了

我的标准很简单：不是“服务启动了”算装好，而是“能让 agent 执行完一个完整任务”才算。

启动服务之后，先进 Web 界面，找一个最简单的内置任务，比如让 agent 回答一个事实性问题，或者执行一条无害的 shell 命令（比如让它查看当前目录文件）。如果这个任务能正常跑完、输出结果，那说明核心链路是通的：前端 → 服务端 → 模型 → 工具调用，每个环节都没断。

还有一步别漏：检查日志输出。OpenClaw 运行日志里如果持续出现 4xx、5xx 状态码，或者 model 连接失败的报错，那说明环境是起来了，但模型接入有问题。这时候问题往往不在 OpenClaw 本身，而在你选的算力接入方式，这部分下一章专门讲。

4.2 常见的启动报错排查链路

我在部署和帮网友排查时，发现下面几个报错出现频率极高。

第一，启动时提示“module not found”。这是典型的依赖没装全。常见原因是用了npm install --production跳过了一些开发依赖，但 OpenClaw 的技能系统和编译脚本需要那些被跳过的包。解决方式很简单：删掉 node_modules 和 lock 文件，重新完整安装：

rm -rf node_modules package-lock.json npm install

第二，启动后 Web 界面一直转圈不出内容。大概率是前端资源没构建完整。npm 方式部署的话，执行一次构建命令（通常是npm run build或仓库文档里指定的 build 命令），然后再重启服务。

第三，Agent 任务执行到一半就挂。这种情况通常和技能（skill）有关。某个 skill 要调用的外部工具不存在，比如调用了 ffmpeg，但系统里没装。修法有两个：安装对应工具，或者去 skill 的配置文件里把该项禁用。想定位是哪个 skill 出的问题，就看日志里最后一个成功步骤和失败步骤之间的差值，卡在哪一步往往就是哪个 skill 在调用外部程序。

4.3 卸载重装时需要删干净的内容

开源项目的卸载通常没有“一键清理”，你得知道它的文件布局。

停止服务之后，先删全局命令行工具（如果是 npm 装的）：

npm uninstall -g @openclaw/cli

然后删除数据和配置目录。OpenClaw 的数据一般在两个地方：一个是用户主目录下的.openclaw文件夹，另一个是 Docker 路线下 Docker 容器里挂载的卷。Windows 上的话，还有%APPDATA%\openclaw这种可能。建议全盘搜索一下“openclaw”命名相关的目录，逐个确认后删除。如果用过 Docker 路线，记得执行docker compose down -v，-v 参数能把匿名卷一起删掉，不然重新部署时会读到残留数据，行为莫名其妙。

给一个建议：删数据之前，如果里面有你觉得有价值的 agent 配置或自定义 skill，先备份到一个独立目录。因为卸载后想恢复，没有任何官方云同步，数据就是纯本地的，删了就真没了。

5. 算力接入：本地Ollama模型还是API接口

最后聊一个非常多人纠结的问题，也是我安装过程中最后一个大坑：**应用到底用本地算力还是 API？**热词里那个“openclaw只能用接入api的方式使用算力吗”的问题，我可以直接回答：不是。你可以用 API，也可以用 Ollama 这类本地推理框架接开源模型，OpenClaw 对两者都有支持。

5.1 Ollama部署与qwen2.5-3b关联

本地模型的方案，我用的是 Ollama 加上 Qwen2.5 3B，这套组合在配置时比较顺。

先装 Ollama，Windows 版直接装完，它会自动跑一个后台服务，默认监听在http://localhost:11434。接着拉取模型：

ollama pull qwen2.5:3b

然后进 OpenClaw 的配置界面，把模型提供方从默认的 API 改成 Ollama，填入 API 地址http://localhost:11434，模型名填qwen2.5:3b，保存后它俩就关联上了。这个关联的过程本质上就是让 OpenClaw 把 LLM 请求发到本地端口，由 Ollama 托管的模型来响应。

这里有个关键：Ollama 只能用一个端口服务所有模型，所以如果你同一个 Ollama 实例里拉了多个模型，请在 OpenClaw 侧正确指定你要用的那个模型名。填错了会报 404 或模型 not found，很多人以为适配失败，其实就是名字没对上。

5.2 API接入方式和适用场景

API 方式的配置也很简单：在模型配置里选“API 模式”，填入服务商提供的 API Key 和对应的模型标识。好处显而易见——不用本地有高性能显卡，模型能力上限取决于你选择的 API 档位，复杂任务处理得更稳，适合跑正经业务、长文档分析、代码生成这类对模型质量要求高的任务。

坏处也要说清楚：按 token 计费，跑多轮对话和长文档时费用走得很快；数据隐私依赖服务商政策，一些本地文件内容会被发送到远程。另外，API 服务商偶尔抽风，如果你跑长时间任务时经常断连，建议在 OpenClaw 侧开启自动重试机制，并做好任务日志导出的习惯。

5.3 据我实测的选型建议

如果你只是体验 OpenClaw 的 agent 流程、跑跑入门任务，或者对数据隐私比较敏感，本地 Ollama 方案最合适。qwen2.5 3B 这种小模型虽然复杂指令理解能力一般，但处理“调用技能、执行工具、按步骤完成小任务”这类结构化流程足够用，而且零成本、离线可用。

如果你需要它写长代码、总结长文档、做复杂推理，或者你把它当成生产力工具来部署，那API 方案是必要的。本地小模型在这些任务上的表现差距很明显，强行用本地模型反而会让你觉得“OpenClaw 是不是有问题”，其实只是模型本身能力上限在那儿。

我个人的实际使用是两手都接：日常流程走 Ollama，遇到复杂任务临时切到 API。OpenClaw 支持多个模型配置切换，这个安排灵活性很高。你部署完之后，建议也试一下两套配置来回切换，感受一下同一个 agent 在不同算力下的表现差异。这不算折腾，这反而是真正理解 OpenClaw 工作方式的过程。