大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



本文记录我在 Ubuntu 24.04.2 LTS 上，用 Docker 部署 Ollama（下载并运行 模型），再把它接入 OpenClaw 的完整过程。

如果你也想在本地跑千问（Qwen）并用 OpenClaw 的 Web UI 进行对话/测试，可以按本文一步步做完。

• 操作系统：Ubuntu 24.04.2 LTS
• 显卡：NVIDIA，16GB 显存更稳（本文以此为参考）
• 驱动：版本 ≥ 535（通常意味着 CUDA 12+ 生态更匹配）
• 内存：至少 16GB
• 磁盘：预留 ≥ 20GB（模型与缓存会占空间）

如果 没有输出（或提示找不到命令），一般是驱动没装好；如果输出里显示的驱动版本较低，建议先升级驱动再继续。

如果没有版本信息，先安装 Docker：

Ollama 常见有两种安装/启动方式：Docker 版 和 系统服务版（systemctl）。核心差异如下：

我这里 推荐 Docker 版：更好迁移、更好维护（尤其是你后面还要跑 OpenClaw 时）。

如果你没有安装过系统服务版，这两条命令可能会提示 “Unit ollama.service not found”，可以忽略。

下面用 Docker 卷来保存模型与缓存，好处是：删容器不丢模型。

注意点：

• --gpus all 用来启用 GPU。
• -v ollama:/root/.ollama 用来持久化模型数据。

如果你在这里看到类似报错：could not select device driver "" with capabilities: [[gpu]]，说明 Docker 还没配置好 NVIDIA GPU 运行时（通常需要安装 NVIDIA Container Toolkit）。这类问题建议先按 NVIDIA 官方文档把 nvidia-container-toolkit 配好，再继续。

这里有一个容易踩坑的点：如果你用的是 Docker 版 Ollama，那么 这些命令应该在容器里执行（除非你额外在宿主机也安装了 Ollama 命令行）。

如果拉取完成，列出模型确认一下：

然后跑一个简单对话，确认模型能正常工作：

看到能正常输出，同时 里 GPU 有占用，就说明 Ollama + GPU 没问题。

推荐按这个顺序升级（数据卷会保留，不会丢模型）：

下面以 为例（你也可以换成其它目录）：

如果你确定要清空 OpenClaw 的所有配置（会丢失 gateway token、模型配置等），再执行：

默认情况下，Docker 部署 OpenClaw 时，root 与非 root（node）用户使用的配置目录不一样：

• root 用户（UID 0）
  • 主配置 / 工作目录：
  • 沙箱工作区：
• 非 root 用户（node，UID 1000，镜像默认）
  • 主配置 / 工作目录：
  • 沙箱工作区：

关键区别（用一句话记住就行）：你 configure 用谁，后面运行容器也要用同一个用户，否则很容易出现权限/找不到配置的问题。

本文后续统一使用 ，所以挂载路径都以 为准。

3.3.1 配置 Workspace（工作目录）

3.3.2 配置 Model（对接 Ollama）

建议这样填（按你的实际情况替换）：

• API Base URL：
  • 如果你像本文一样在 时加了 ：可以填
  • 如果你没有使用 ：不要填 ，改填宿主机 IP，比如
• API Key：随意填写或直接回车（本地 Ollama 通常不做鉴权），例如
• 模型名称：填 里显示的模型名，例如 （不要拼错）

  

注意：Endpoint ID 建议填写 ollama。如果你填了别的名字，可能会在 Web UI 发送消息时出现类似报错：

3.3.3 配置 Gateway（用于 Web UI 连接）

、、、 先按向导的推荐/默认选项来即可（如果你只是本机使用，一般不需要太复杂的暴露方式）。

这里最重要的一件事：记下 Gateway token（它相当于你的 Web UI 连接口令）。

完成后选择 结束配置：

在你刚才的工作目录里执行（这样 就是你的 workspace）：

说明：

• ：把宿主机当前目录挂到容器里当 workspace，方便你在主机上直接管理文件。
• ：允许 OpenClaw 调用宿主机 Docker（有安全风险，仅建议在你信任的本机环境使用）。

浏览器打开：

如果出现需要令牌的页面，把你在配置阶段记录的 Gateway token 填进去即可：

3.4.1 如果一直提示验证不通过

常见原因之一：你 configure 时用的用户，和 运行时用的用户不一致（比如一个是 root，一个是 node），导致读取到的配置目录不同。

你也可以先用下面命令打印出 OpenClaw 的 dashboard 地址（不会自动打开浏览器）：

你可以开着 ，然后在 Web UI 发几条消息，观察显存/利用率是否上涨。

1. 搞不清自己用的是 Docker 版还是系统服务版 Ollama
   • 两者同时存在时，经常抢 11434 端口，导致 “连不上/连错服务”。
2. Docker 版 Ollama 却在宿主机直接跑 ollama pull/list
   • 除非你在宿主机也装了 Ollama CLI，否则请用 docker exec -it ollama ollama ...。
3. OpenClaw 的 root 与 node 用户混用
   • 典型表现：权限报错（EACCES）、找不到 token、Web UI 校验失败。
4. Model 配置里 Endpoint ID 没填 ollama
   • 可能导致 Web UI 报 “No API key found for provider …”。

• Ollama：一个在本地运行大模型的工具，提供命令行与 HTTP 接口。
• Qwen / 千问：阿里巴巴开源的 Qwen（千问）系列大模型。
• 9B：模型参数规模（约 90 亿参数），一般比 7B 更强，但也更吃显存/内存。
• 8bit / Q8_0：量化方式的一种，把模型权重用更低精度保存，降低显存占用（但可能略影响效果）。
• CUDA：NVIDIA 的 GPU 计算平台与生态（驱动、运行库、工具链等）。
• NVIDIA Container Toolkit：让 Docker 容器能够使用 NVIDIA GPU 的组件（没装好会导致 失败）。
• Gateway token：OpenClaw Web UI 用来连接网关的令牌，作用类似“访问口令”。
• Endpoint ID：在 OpenClaw 里给某个模型接口起的“内部标识名”，后续配置会引用它。
• Web UI：网页界面（浏览器里操作的界面）。

到此这篇关于一文教你OpenClaw Docker 部署并调用本地Qwen3.5 9B模型的文章就介绍到这了,更多相关OpenClaw Docker 部署本地Qwen3.5内容请搜索脚本之家以前的文章或继续浏览下面的相关文章，希望大家以后多多支持脚本之家！