Windows下用OpenClaw最怕的不是功能不够而是打开终端之后不知道敲什么。我见过不少人装好了OpenClaw结果卡在第一句指令上翻遍官方文档也找不到一份顺手的命令速查。这篇文章就把我在Windows上实际用过、验证过的OpenClaw操作指令整理出来从安装到日常使用、从模型接入到技能配置一条条说清楚。给那些刚接触OpenClaw、想在Windows环境下把它跑起来的人一份可以直接抄的作业。1. 为什么要在Windows上跑OpenClaw先搞清楚它解决什么问题1.1 OpenClaw到底是什么一个自带工具链的AI代理先说人话OpenClaw是一个本地部署的AI代理框架你给它一个任务指令它会自己调用本地工具、操作文件、执行代码、调用模型最后把结果整理给你。跟单纯打开ChatGPT聊天不一样OpenClaw的核心价值是“动手干活”比如让它扫描一个文件夹、批量改文件名、读取网页内容、查数据库、写脚本并运行这些事它能自主完成。Windows用户选择OpenClaw通常是三个原因。第一数据敏感不想把业务资料传到云端API需要本地模型兜底第二想在Windows自动化脚本和AI能力之间搭一座桥第三做ROS2机器人开发就是热词里那个rosclaw需要一套能在Windows下调试、在Linux下部署的代理工具链。OpenClaw在Windows下的操作指令本质上就是围绕“给代理派活”“管理会话”“配置模型”“加载技能”这几件事展开的。1.2 Windows环境下安装OpenClaw的前置条件在敲任何操作指令之前先把环境准备好。OpenClaw本质上是Python生态里的东西Windows下最常见的安装方式是走conda或venv不建议直接往系统Python里塞否则依赖冲突会让你后面每条指令都报错。我的建议是创建一个独立虚拟环境Python版本3.10到3.12之间比较好。版本太新反而容易碰上某些依赖还没适配Windows的情况。安装本身不算麻烦核心步骤是conda create -n openclaw python3.11 -y conda activate openclaw pip install openclaw装完之后验证一下openclaw --version能看到版本号说明基础环境OK。如果提示找不到命令大概率是Python Scripts目录没进PATH把虚拟环境的Scripts目录加到用户PATH里或者直接用python -m openclaw的形式调用。1.3 安装时最容易忽略的Windows依赖有一类问题很隐蔽OpenClaw某些技能Skill依赖系统级组件比如MessagePack编解码、网络请求库的C扩展。在Windows上编译这些组件时经常报error: Microsoft Visual C 14.0 is required。这不是OpenClaw的问题是你缺Visual C Build Tools。去装一个“Visual Studio Build Tools”并勾选“使用C的桌面开发”工作负载就能解决绝大多数编译报错。装完基础环境下一步就是了解操作指令。我把日常使用频率最高的命令分成三类按使用频率排列。2. 高频操作指令清单日常用得最多的那批命令2.1 启动、退出与会话管理OpenClaw在Windows下的入口是命令行工具安装完成后敲openclaw就能进入交互式会话看到类似claw的提示符。不过我不太推荐直接裸启因为默认配置会去连云端API如果本地没配好Key启动后第一次提问就报鉴权失败。我惯用的启动方式是指定配置文件和模型后端openclaw --config D:\claw\my_config.yaml openclaw --model ollama:qwen2.5:7b--config用的是YAML配置文件--model是临时指定模型优先级比配置文件高。调试时期我都是用--model临时切换确认哪个模型效果好再写进配置省得反复改文件。退出会话很简单在claw提示符下输入exit或者/quit。强制退出的快捷键是CtrlC按两次但不推荐频繁这样用容易让会话历史没来得及落盘。跟启动同等重要的是状态查询。我在Windows上调试OpenClaw最常用的状态指令有三个openclaw status openclaw sessions list openclaw infostatus看后台服务是否在跑、内存占用多少sessions list列出历史会话每次任务的会话ID都在这里info展示当前配置的模型、技能目录、数据存储路径。这三个指令能帮你快速定位“我这个环境到底是什么状态”。2.2 任务提交与会话操作在OpenClaw里每条任务指令都是以自然语言形式发给代理但有几个会话操作级的指令需要单独记。指令作用使用频率新任务: ...或/task ...开启一个独立任务不延续历史上下文极高/continue继续上一个未完成的会话高/reset清空当前会话上下文重新开始极高/history查看当前会话的历史记录中/rollback session_id回滚到指定会话节点低重点说/reset。OpenClaw会把上下文一直累积跑了几轮任务之后上下文太长会导致模型响应变慢、回答走偏。我的习惯是每完成一个独立事项就/reset一次保持上下文干净。代价是后续任务不能引用前面对话的细节所以跨步骤项目最好一个项目用一条连续会话。交互界面里还有一个很实用的指令叫/mode用来切换代理的自主程度。Windows下我一般用两种模式/mode ask每做一步先问你要不要继续和/mode auto全自动执行直到任务结束或出错。刚开始接触OpenClaw的人建议从ask模式起步等熟悉了再切auto不然它可能自作主张删文件、改配置你连拦都拦不住。2.3 文件与工作目录指令OpenClaw不是只能聊天它可以直接操作文件系统。在Windows下它默认工作目录是你的用户目录但你可以先用/cd切换目录比如/cd D:\projects\data_clean切换之后所有相对路径都基于这个目录。查看当前工作目录用/pwd列出目录内容用/ls。这些指令和CMD里的用法基本一致Windows用户上手没门槛。真正重要的是“用自然语言让代理操作文件”例如/task 把当前目录下所有后缀为.tmp的文件移动到 D:\backup\tmpOpenClaw会自己拼接路径、执行移动、返回结果清单。在执行这类操作之前我强烈建议先开ask模式让它每一步都报行动方案确认无误后再放开。这不是多此一举Windows的路径里有反斜杠、盘符、空格自动拼接很容易出错人工确认一遍能避免大量返工。3. 指令背后的配置逻辑模型接入与算力选择3.1 API方式接入配置文件字段与验证指令OpenClaw本身不生产算力它需要接一个模型后端。最省事的接入方式是API模式把云端模型的Key填进配置文件OpenClaw调API执行任务。Windows下配置文件常见路径是C:\Users\用户名\.openclaw\config.yaml用openclaw config edit可以直接打开编辑。一个典型的API配置长这样model: provider: anthropic name: claude-sonnet-4-20250514 api_key_env: ANTHROPIC_API_KEY max_tokens: 8192 temperature: 0.3api_key_env指定了从环境变量读取API Key而不是直接写在配置里。Windows下设置用户环境变量用setx ANTHROPIC_API_KEY sk-ant-xxxx设置完重启终端才生效。验证配置是否正确用这条指令openclaw test model它会发一条测试消息给模型返回pong或者类似响应就说明通了。如果报超时、401、403先检查环境变量是否真的写入、Key是否过期再看是不是终端没有重启。3.2 本地模型接入Ollama挂载与资源控制不想走API、想把算力放在本地的人通常会配合Ollama来用这也是热搜词里“ollama部署openclaw”频繁出现的原因。Windows下装Ollama之后先确认本地模型列表ollama list比如你有一个qwen2.5:7b模型OpenClaw侧连接Ollama的配置如下model: provider: ollama name: qwen2.5:7b base_url: http://127.0.0.1:11434 max_tokens: 4096改完配置同样用openclaw test model验证。第一次调用会稍微慢一点因为模型要加载进显存或内存。我在Windows上遇到最多的本地模型问题不是连不上而是Ollama端口被占或者模型加载到一半显存不够导致崩溃。排查方式很简单先ollama ps看模型是否在跑再用ollama stop qwen2.5:7b把它停掉重试。3.3 API与本地模型的分工策略什么时候用哪个这是一个经常被忽略的问题。我在实际使用中会把任务分两类涉及敏感数据、需求稳定、格式化的任务放本地模型跑需要强推理、长文本理解、代码生成质量高的任务放API跑。OpenClaw支持在不同会话间切换模型方法是新开会话时指定--model参数所以不必一棵树上吊死。还有一点要提醒本地模型跑复杂任务时会非常慢7B模型在CPU上做长上下文推理往往几分钟不出结果这不一定是卡死。判断是“正在算”还是“死掉了”看CPU占用率还在持续波动说明在算占用率掉到接近0且长时间没输出才需要考虑中断任务CtrlC。调试AI代理类工具耐心比技术更能救命。4. 把指令串起来用技能Skill、工作流Workflow与自动化4.1 Skill机制自定义技能包的目录结构与注册指令OpenClaw真正的威力不在单条指令而在技能Skill。一个Skill就是一组写好的提示词、脚本和工具封装让代理在特定场景下直接调用不需要你每次重复描述背景。Windows下Skill目录一般在C:\Users\用户名\.openclaw\skills。每个Skill是一个子文件夹里面必须有SKILL.md描述这个技能是干什么的、什么时候触发还可以放辅助脚本。比如我写过一个“Excel清洗”技能SKILL.md里写清楚触发条件和执行步骤再配一个Python脚本处理特定格式的脏数据。技能的安装指令是openclaw skill install 仓库地址或本地路径 openclaw skill listinstall支持Git仓库地址也支持本地路径list查看已安装技能。安装了新技能后需要新开一个会话才能生效/skills指令可以在会话中手动启用某个技能。我在Windows下踩过的坑是路径中的中文和空格Skill路径尽量全英文否则代理拼接脚本路径时经常乱套。4.2 工作流的写法从单个任务到批量流程当任务包含多个步骤时我会用工作流Workflow把步骤固化下来。OpenClaw的工作流定义文件是YAML指定一个任务序列每一步可以调用不同的Skill或执行独立指令。Windows下的一个典型工作流示例name: daily_data_clean steps: - name: fetch_files task: 扫描 /data/in 下所有 .csv 文件 - name: clean_data skill: excel_cleaner params: input_dir: /data/in output_dir: /data/out - name: gen_report task: 根据 /data/out 下的文件生成摘要报告执行工作流用openclaw run workflow daily_data_clean这段配置会按顺序跑三个步骤前一步完成才进入下一步。调工作流时我习惯先跑单步调试再整条串起来。单步调试可以用openclaw run step workflow_name step_name只执行某一环节。这一步能省大量时间因为工作流一旦中间挂掉排查成本远高于单步执行。4.3 定时任务与后台运行Windows下的计划任务配合OpenClaw本身不擅长定时触发我都是配合Windows任务计划程序使用。思路是把OpenClaw工作流执行命令写成一个批处理文件run_daily_clean.bat然后让计划程序每天固定时间调用它。批处理内容很简单echo off call conda activate openclaw cd /d D:\claw_projects openclaw run workflow daily_data_clean logs\daily_clean.log 21计划任务的触发器设在凌晨或低峰期因为本地模型跑任务时CPU占用很高白天跑会影响工作。日志重定向很重要 logs\daily_clean.log 21把屏幕输出和错误信息都存下来定时任务出问题时看日志是最快的定位方式。5. Windows特有的坑路径、权限与进程管理5.1 路径分隔符与长路径问题Windows和Linux路径习惯不同OpenClaw内部很多工具是Linux生态出身路径处理上经常闹别扭。我在Windows下总结了几条实用规则配置文件和指令里统一用正斜杠/比如D:/claw_projects/data代理脚本解析不容易出错。路径中不要带中文和空格。如果实在避免不了在Skill脚本里用pathlib而不是字符串拼接。Windows长路径超过260字符会导致OpenClaw读文件失败需要在注册表里启用长路径支持或者把项目目录建浅一点比如D:\claw\data而不是D:\Users\me\Documents\project_2025\data。遇到FileNotFoundError但文件明明存在时先检查是不是路径格式问题不要急着怀疑权限。5.2 终端启动方式与daemon权限问题一条报错的完整排查链路不少人在Windows上启动OpenClaw时见过这句话error: start the windows daemon from a non-elevated terminal; shared clients这条报错的字面意思是不要在管理员权限终端里启动Windows daemon因为共享客户端会受影响。我第一次遇到时没当回事直接把终端关掉用管理员身份重开结果报错依旧而且后台多了一堆openclawd进程。完整的排查链路是这样的。先用openclaw status看daemon状态再用任务管理器确认是否有残留的openclawd进程。发现问题后执行openclaw daemon stop taskkill /IM openclawd.exe /F然后重新开一个普通权限的终端不要“以管理员身份运行”先启动daemon再启动客户端openclaw daemon start openclaw之所以要求非提权终端是因为OpenClaw的daemon会和多个客户端共享状态管理员权限会让共享机制在某些Windows会话环境下失效。换句话说这不是bug是权限模型限制。以后凡是涉及daemon启动的一律用普通终端就对了。5.3 端口占用与残留进程清理OpenClaw启动后会监听本地端口比如默认的47823。如果你同时跑多个配置方案经常遇到端口被前一个进程占用新会话起不来。定位端口占用用Windows自带命令netstat -ano | findstr 47823 tasklist /FI PID eq pid确认是openclaw相关的进程后用taskkill /PID pid /F结束。如果杀完端口还被占用检查是不是有python进程托管了服务可能是虚拟环境里的服务进程没退干净。Windows下还有一个隐藏很深的坑OpenClaw会把会话数据存在用户目录下有时候旧会话文件损坏导致启动异常。排查到最后都正常但就是启动失败可以备份后清空C:\Users\用户名\.openclaw\sessions目录强制重置会话存储。删之前确认没有重要未导出的任务记录。6. 从OpenClaw到场景联动本地知识库、ROS2与更多可能6.1 搭建本地知识库OpenClaw作为读取与检索入口热词里“搭建本地知识库”和“使用openclaw或者trae和codex调用”连在一起说明很多人想把OpenClaw当本地知识库的问答入口。这里的关键是用OpenClaw调用外部知识库检索工具比如向量数据库。Windows下我跑通的最简方案是用Ollama跑embedding模型做向量化用轻量级向量库存文档再用OpenClaw的一个Skill封装“检索问答”流程。配置环节有一个核心参数embedding模型和对话模型要分开设置embedding: provider: ollama name: nomic-embed-text base_url: http://127.0.0.1:11434如果embedding模型和对话模型混在一起配检索出来的内容相关性会非常差因为维度不对。这是一个很多人都会错的地方值得记下来。6.2 ROS2集成rosclaw的基本联动思路热词里的rosclaw openclaw ros2 humble gazebo代表另一类玩家做机器人的朋友想用OpenClaw做机器人任务调度。Windows下直接跑ROS2本身就很折腾更常见的是Windows上编辑调试OpenClaw流程、Linux机器人端执行。所以Windows下主要用OpenClaw做三件事写ROS2 launch脚本模板、生成任务状态机配置、解析Gazebo仿真日志。在Windows侧没有太多特殊指令关键在于配置文件里指定工作目录指向ROS2项目文件所在路径然后用/task让代理读.launch.py和package.xml并生成修改建议即可。这类跨平台场景最忌在Windows直接尝试运行ROS2命令因为路径和权限模型完全不同跑起来全是泪。6.3 卸载与迁移彻底清理OpenClaw环境“怎么卸载openclaw”也是热搜词这个问题确实值得写完整。Windows下卸载OpenClaw不能只删文件夹否则残留配置和daemon服务还会占着端口、开机自启。我习惯按这个顺序操作openclaw daemon stop openclaw config reset conda deactivate conda env remove -n openclaw -y然后手动删除C:\Users\用户名\.openclaw目录再检查任务计划程序里是否有自己创建的定时任务一并删除。如果之前用过setx写环境变量顺手清理掉相关变量。这样才算卸载干净。迁移到另一台Windows机器时只需要把.openclaw目录打包带过去重新装好Python环境后放到相同位置即可继承全部配置和技能。我在Windows下跑OpenClaw这段时间最大的体会是这个工具的操作指令并不复杂真正需要积累的是对Windows环境特性和模型接入逻辑的理解。碰到问题不要急着找新指令先把状态看清楚再决定下一步敲什么。指令只是表达意图的语言搞清楚它背后在做什么Windows下的OpenClaw用起来其实很顺手。