核心内容摘要
å¦é•¿äº²è��ï¼�专科生专å±�AI论文写作ç¥�器 —— å�ƒç¬”
写在前面本次操作教程将以开源 Linux 服务器运维面板 1Panel 为基础搭配 Ollama 本地大模型无需担心 Token 消耗费用手把手教你部署 OpenClaw 个人 AI 助理实现 7×24 小时稳定运行轻松拥有专属智能助手
资源准备本次 OpenCalw 本地个人 AI 助理基于一台腾讯 GPU 云服务器构建云服务器获取过程不做赘述参见腾讯云官网。
其中服务器的配置参见如下操作系统Ubuntu Server
2
04 LTS 64 位计算资源20 核 80 G磁盘容量100GGPU 计算型 GN7 | GN
5XLARGE80网络绑定弹性公网IP
操作过程本次基于 1Panel 服务器运维管理面板构建本地化 AI 助理大致需要以下几个步骤第一步1Panel 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Qwen3 模型加载第五步OpenClaw 安装部署及配置。
详细操作步骤说明
4.
1Panel 安装部署1Panel 的安装部署比较简单可以参照官网在线安装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到 root 权限sudo su -步骤二输入命令安装输入在线安装命令执行安装bash -c $(curl -sSL https://resource.fit2cloud.com/1panel/package/v2/quick_start.sh)步骤三Docker 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 面板访问参数。
步骤五获取 1Panel 面板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登录页面输入对应的面板用户以及面板密码确认安装完成。
步骤七1Panel 访问地址设置进入面板后切换到「面板设置」中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跳转快速跳转。
4.
GPU 资源调度配置进入1Panel的「终端」管理完成 NVIDIA 容器镜像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如下图展示则代表成功。
如果没有安装则自行前往英伟达官网下载安装https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html#installing-with-apt步骤二安装 NVIDIA 容器镜像为了在 docker 容器中使用 GPU 加速我们需要安装 NVIDIA 的容器镜像参照如下逐个命令行执行操作命令行一添加 NVIDIA 容器工具仓库与签名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命令行二启用仓库中的 experimental 组件可选sed -i -e /experimental/ s/^#//g /etc/apt/sources.list.d/nvidia-container-toolkit.list命令行三更新软件源sudo apt-get update命令行四安装 nvidia-container-toolkitsudo 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并重启 Docker 服务。
命令行一配置 Docker 以使用 NVIDIAsudo nvidia-ctk runtime configure --runtimedocker命令行二重启 dockersudo systemctl restart docker
4.
Ollama 安装部署1Panel 安装以及服务器的 GPU 资源配置完成以后我们就可以基于1Panel的运维管理面板进行个人助理的本地化安装部署了一切就会变得非常简单小白都能轻松上手。
首先我们来安装OllamaOllama 是一个开源的大型语言模型服务提供了类似 OpenAI 的 API 接口和聊天界面可以非常方便地部署最新版本的 Qwen 模型并通过接口使用。
步骤一开始安装 Ollama 应用首先我们进入1Panel 的应用商店点击「AI」然后选择 Ollama直接点击安装。
步骤二设置 Ollama 安装参数安装参数配置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」同时勾选「开启 GPU 支持」确保后续我们可以正常访问 Ollama 且模型使用 GPU 资源其他参数保持默认点击确认即可。
步骤三下载镜像并安装 Ollama点击确认后系统开始自动拉取镜像并安装应用直到提醒安装应用「ollama」成功则代表完成安装。
步骤四验证Ollama是否成功进入已安装应用找到 Ollama 应用点击跳转确认输出内容为“Ollama is running”则代表部署成功。
4.
Qwen3 本地模型部署部署完成 Ollama 以后我们继续基于 1Panel 来完成基于 Ollama 本地 qwen3:14b 模型加载部署参照如下操作步骤逐步完成即可。
步骤一创建 Qwen3 模型进入 「AI」 的模型管理页面点击添加模型。
步骤二加载模型根据引导到 Ollama 官网找到模型 ID在名称中输入模型名称点击添加开始加载模型文件。
本次我们选择的是 qwen3:14b 的模型这里模型加载大概需要
分钟步骤三模型运行确认当模型列表中的「状态」更新为成功后可以点击运行验证模型部署效果如果能够正常对话则代表模型加载成功如下图所示
4.
OpenClaw 安装部署基于以上步骤我们完成了本地模型的准备然后我们再基于 1Panel 快速搭建个人 AI 助理 OpenClaw 。
步骤一开始安装 OpenClaw 应用进入应用商店点击安装 OpenClaw 应用如下图所示进入应用商店点击「安装」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 本地模型以及是否外部访问等配置项设置完成后点击确认开始安装其中参数具体说明如下版本OpenClaw 版本默认为最新版本端口OpenClaw 应用访问端口默认为
18790如有占用自行调整变更最终需要确保端口已开通可外部访问模型供应商下拉选择 Ollama模型按照 Ollama/模型 ID 输入即模型管理中添加的模型 ID如Ollama/qwen3:14b模型API Key本地模型输入任意字符即可Base URL输入上述步骤部署的 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方便后续 OpenClaw 应用访问。
步骤三OpenClaw 应用安装点击确认后系统自动开始拉取镜像并安装应用如下图所示则代表 OpenClaw 应用安装成功。
步骤四应用 token 获取通过「已安装」应用如图点击进入目录一路点击如图所示进入 data/conf 文件找到 openclaw.json 文件点击打开找到 “gateway” 中的 “token” 复制其中的 token 值如9bfd07dd800a8c304b62bfac09f698cb7ad9f939d812021a步骤五Web 应用访问设置将获取到的 token 与 IP 地址以及端口号按照IP:端口token{token}具体值如
139.
186.
1
190:18789?token9bfd07dd800a8c304b62bfac09f698cb7ad9f939d812021a 拼接起来 定义在参数中的 「Web 访问地址」中如下图所示
个人 AI 助理效果完成以上操作我们就基于 1Panel 完成了 OpenClaw 个人 AI 助理的搭建。
直接进入应用商店已安装点击跳转选择带 token 的链接地址点击即可进入OpenClaw 体验了具体参见如下图我们输入可以输入一些简单的事情交给 AI 助理帮你完成如下图所示
六、
总结通过上述完整步骤我们能依托 1Panel 运维管理面板快速搭建 7X24 小时不间断运行的本地 AI 助理。
最终只需通过浏览器访问 OpenClaw即可畅享本地模型驱动的 AI 智能助理服务无论是日常咨询还是轻量办公辅助都能轻松应对。
全程操作以 1Panel 为核心载体无需复杂的命令行功底所有配置流程可视化、步骤化即便是小白新手也能按指引快速完成部署。
不过经实测发现当前本地模型在工具调用的灵活性上仍存在些许局限但随着 OpenClaw、Ollama 等开源项目的持续迭代优化这些问题我们相信会很快得到优化改善未来该 AI 助理的功能会愈发强大为我们的生活和工作效率带来显著提升。
最后在模型选择方面经过多次实测验证基于当前的硬件资源配置Qwen3:14b、Qwen coder:30b 是兼顾性能与资源消耗的优选方案若服务器配置充足如更高显存、更强算力也可尝试部署参数更大的模型以获得更优效果。
这套本地化 AI 助理方案无需依赖外部 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。