本文介绍在 Arch Linux 系统中本地化部署 AI 助手 OpenClaw 的完整流程，并针对一个关键配置问题提供解决方案。整个方案基于 Ollama 提供模型后端，由 OpenClaw 实现交互界面，形成一套完全在本地运行、保护隐私的智能助手系统。

1. 安装 Ollama：部署本地模型服务

Ollama 是一个轻量化的本地大模型运行框架。我们首先将其安装为模型服务的基础。

模型选择建议：

• gpt-oss:20b：适用于多数场景，20B 参数在性能与资源占用之间取得较好平衡，是推荐的起点。
• qwen3-coder：针对编程任务优化，适合开发者。
• glm-4.7：中文处理能力突出，如果主要使用中文，可优先考虑。
• gpt-oss:120b：能力最强，但需要较大内存（建议 64GB 以上），适合有高性能硬件且追求极致效果的用户。

2. 安装 OpenClaw

OpenClaw 是一个功能丰富的 AI 助手客户端，负责提供对话界面、工具调度等功能，并支持连接到包括 Ollama 在内的多种后端。

安装完成后，需要进行初步设置并熟悉基本操作。

3. 配置本地模型连接

为了让 OpenClaw 正确调用本地的 Ollama 服务，需要修改其配置文件。默认位置是 ~/.openclaw/openclaw.json。配置的核心在于两点：在 providers 中声明 Ollama 服务，在 agents 中设定默认使用的模型。也可使用 ollama launch openclaw 或 ollama launch openclaw --config 进行配置。

以下为关键配置示例，请特别注意 baseUrl 需根据你实际的网络地址（如本地 localhost 或局域网 IP）进行修改：

{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "72bK9s2c8@1M7q4)9K6b7g2)9J5c8W2)9J5c8U0p5&6x3W2)9J5k6e0p5$3z5q4)9J5k6e0m8Q4x3X3f1%4x3q4)9K6b7e0p5I4y4o6x3@1i4K6u0r3N6U0p5`.", // 请修改为你的Ollama服务地址
        "apiKey": "ollama",
        "api": "openai-completions",
        "models": [
          {
            "id": "gpt-oss:20b",
            "name": "GPT-OSS 20B",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 32768,
            "maxTokens": 8192
          }
          // 可在此处添加从Ollama拉取的其他模型
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/gpt-oss:20b"  // 设置默认主模型，格式为“提供商/模型ID”
      },
      "models": {
        "ollama/gpt-oss:20b": {
          "alias": "gpt-oss"  // 定义一个简短的别名，便于在会话中快速切换模型
        }
      }
    }
  }
}

4. 常见问题排查与解决

完成上述配置后，在 TUI 或 Web 界面中提问时，有时可能会遇到持续返回 NO OUTPUT 的问题。具体表现为：首次提问无输出，重启界面后能看到上次的回复，但再次提问时问题复现。

此问题源于 OpenClaw 代码中的一个逻辑判断错误，将 Ollama 误归类为特殊类型的服务提供商，导致响应处理异常。官方 Issue 跟踪编号为 #2279。

解决方案：
通过修改 OpenClaw 的一个源文件来纠正此判断逻辑。

1. 定位文件：找到 /usr/lib/node_modules/openclaw/dist/utils/provider-utils.js。
2. 修改函数：编辑该文件，找到名为 isReasoningTagProvider 的函数，将其中的判断条件移除 "ollama"。
3. 重启服务：保存修改后，重启 OpenClaw 服务（例如通过 systemctl --user restart openclaw 或相关命令）。

5. 总结

通过以上步骤，我们成功在 Arch Linux 上搭建了一个完全本地运行的 AI 助手环境。这套方案的核心优势在于：

• 隐私安全：所有对话与数据处理均在本地完成，无需担心数据上传至云端。
• 成本可控：消除了持续调用云端 API 的费用。
• 高度集成：OpenClaw 提供了优秀的交互界面和扩展能力，Ollama 则稳定高效地负责模型推理。
• 开源优势：遇到问题时，能够通过社区和源码快速定位并解决，如本文所述的配置修复，体现了开源软件的灵活性与可控性。

这种组合方式为追求数据隐私和希望深度定制 AI 工作流的用户提供了一个强大而可靠的解决方案。

6. 更新

随着 Arch Linux 软件仓库的更新，现在可以通过 pacman 直接安装 Ollama，进一步简化了部署流程。同时，Ollama 命令行工具自 0.17.0 版本起集成了交互式配置向导，能够自动完成 OpenClaw 的连接设置，大幅降低手动配置的复杂度。

6.1 使用 pacman 安装 Ollama

在 Arch Linux 上，只需执行以下命令即可安装 Ollama：

安装完成后，运行 ollama 命令（不带参数）将进入一个交互式菜单，其中包含 Launch OpenClaw 选项：

整个过程无需手动编辑配置文件，极大降低了出错概率。如果您偏好命令行直接启动，也可使用 ollama launch openclaw 或 ollama launch openclaw --config 进入相同向导。

6.3 注意事项

• 使用向导配置后，OpenClaw 的配置文件 (~/.openclaw/openclaw.json) 将被自动更新，原有手动修改的内容可能被覆盖，建议提前备份。
• 若您已按照本文第 3 节手动配置并遇到了 “NO OUTPUT” 问题，向导配置通常会绕过该 Bug，因为新版本的集成逻辑已优化。但若问题依然存在，仍可参考第 4 节的修复方法手动修改 provider-utils.js 文件。
• 向导配置完毕后，您仍可以通过 openclaw tui 或 openclaw dashboard 正常启动 OpenClaw 界面。

通过这一更新，Arch Linux 用户现在可以更快捷地搭建本地 AI 助手环境，享受 Ollama 与 OpenClaw 无缝集成的便利。

参考链接

• OpenClaw 官方入门指南
• Ollama 集成说明
• OpenClaw GitHub 仓库
• OpenClaw Issue 2279

传播安全知识、拓宽行业人脉——看雪讲师团队等你加入！