现在开始，可以在NVIDIA Jetson上养“小龙虾”了！
部署前置要求：专属 Jetson 设备适配，轻量准备即可上手
设备：仅支持 Jetson AGX Thor 或 Jetson AGX Orin，不同设备对应专属 JetPack 版本（Orin 用 JP 6、Thor 用 JP 7）；
存储：推荐搭配 NVMe SSD，满足本地大模型权重的存储需求；
账号与终端：免费的 Hugging Face 账号（用于下载模型）、安装了 WhatsApp 的手机一部；
核心能力：需保证模型支持工具调用，这是 OpenClaw 实现实操功能的关键。
六步快速部署：从模型服务到 WhatsApp 交互，全程本地完成
步骤 1：通过 vLLM 部署本地大模型
步骤 2：安装 Node.js 22+
步骤 3：全局安装 OpenClaw
步骤 4：运行交互式配置向导
步骤 5：启动 OpenClaw 网关
步骤 6：通过 WhatsApp 与本地 AI 助手交互
Jetson 安装 OpenClaw 的核心价值：边缘算力赋能，本地优势拉满
1. 数据 100% 私有，规避隐私与安全风险
2. 零云端 API 依赖，无调用成本且不受网络限制
3. 边缘算力低延迟，设备操控更高效
4. 边缘端自动化，打造个性化本地数字分身
5. 依托 NVIDIA 生态，适配性与扩展性拉满
总结
完成了OpenClaw的部署。
2、基本Skills安装
目前安装了12个skill：
三、Github相关配置
1、创建openclaw-vibe-coding代码仓
首先写代码需要有代码仓，所以张小白先在github上建了个代码仓：
2、获取Github Token
打开Github右上角头像，点击Settings:
往下拖到Develop settings：
点击Personal access tokens->Fine-grained token，点击右边的Generate new token：
输入token名称后，选择token权限范围是 openclaw-vibe-coding项目，并且赋予以下权限：
然后点击“Generate token”，会生成token（token只会显示一次，记得先CTRL-C、CTRL-V备份）
3、在OpenClaw容器内进行github配置
进入容器：
docker ps
docker exec -it [容器ID] bash
进行配置：
export GITHUB_TOKEN="github_pat_xxxxx"
# 配置 git credential
git config --global credential.helper store
echo "https://your-github-id:${GITHUB_TOKEN}@github.com" > ~/.git-credentials
gh auth login --with-token <<< "${GITHUB_TOKEN}"
验证配置：
gh auth status 
四、ClaudeCode相关配置
1、安装Claude Code
在容器内执行：
curl -fsSL https://claude.ai/install.sh | bash
检查安装结果：
claude --version
2、配置GLM Coding Plan
编辑容器内 ~/.claude/settings.json文件
{
"env": {
"ANTHROPIC_AUTH_TOKEN": "4e0***aqhg",
"ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
"API_TIMEOUT_MS": "3000000",
"CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1,
"ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5"
}
}
3、配置环境变量
将 以下内容追加到 ~/.bashrc
export PATH=$PATH:$HOME/.local/bin并且让其生效
source ~/.bashrc4、启动Claude Code并验证
claude
hello，describe yourself
看来Claude Code自己启动是OK的（调用了GLM Coding Plan的glm-4.7）。
五、OpenClaw配置
1、开启代码执行权限
openclaw config set tools.profile coding
2、配置工作区规则IDENTITY.md
在 ~/.openclaw/workspace/IDENTITY.md 增加以下内容：
## 场景处理 —— 代码与 PR 类需求
当用户提出涉及代码修改、提交、PR 的任务时：
1. 确认目标仓库（从消息中提取，或询问用户）
2. 调用 Claude Code 执行任务（权限检查、clone/fork、分支创建、代码修改、测试、提交推送、创建 PR 等细节由 Claude Code 自动处理）
3. 创建 PR 后默认请求 `@copilot` 审查
4. 完成后汇报：PR 链接 + 修改的文件列表 + 代码修改摘要
5. 用户确认合并时：执行 squash merge 并清理远程分支
### 异常处理
遇到失败时，**先自行诊断修复，修不了再报错**。向用户报告时需包含：具体错误信息 + 已尝试的修复步骤。
3、安装ClaudeCode插件
QQ发出指令：
clawhub install claude-code
安装完成，但是报了个错（构建失败）。
张小白以为成功安装了，就没仔细看。
六、编码验证
1、编写代码
使用claude编一个俄罗斯方块的程序，并上传github https://github.com/zhanghui-china/openclaw-vibe-coding 代码仓
不过它让我做验证。
我猜应该是openclaw的gateway没有重启导致的。
那就验证下吧：
token是xxxxx
打开代码仓看看：
确实已经自动上传了。
2、验证代码
验证的方式就是下载到windows上打开试试。
git clone https://github.com/zhanghui-china/openclaw-vibe-coding.git
打开tetris/index.html看看：
看起来还行。
3、修改代码
我们给这个俄罗斯方块增加一点小功能：
请在https://github.com/zhanghui-china/openclaw-vibe-coding 的俄罗斯方块游戏中增加一个功能， 每次在方块落下的过程中，显示下一个方块的形状。
4、验证代码
再来验证下，这次需要git pull代码了。
cd openclaw-vibe-coding
git pull
再重新打开tetris/index.html看看：
代码也更新了。
这样子，就可以随时让OpenClaw帮你编程序了。
七、是Claude Code做的吗？
不过，怎么知道这个代码就是Claude Code写的呢？
1、问问OpenClaw自己
刚才的代码是使用Claude Code写的吗？你能帮我增加一个 历史分数记录的功能，并且把写代码时截屏发给我吗？
虽然OpenClaw按要求改造代码了，但是它也坦白了：不是Claude Code做的，原因就是因为前面构建失败了。
唉，该解决的还是得解决。
2、重试一次！
我们换一个skill安装：
安装openclaw-claude-code
回了洋洋洒洒一大段。
我们回到容器内看看这个skill：
claude-code-skill --version
确实有这个skill。
看前面提示要查看 Claude Code MCP服务，于是继续问：
查看现在claude code的mcp运行正常吗
MCP没启动哦。而且解释了为啥没有Claude Code也能写代码。
继续提问：
检查是否有claude code
还提供了3种方案：
方案1：使用Claude Code Cli
方案2：配置MCP服务
方案3：补充claude-code-skill所需的软件
对比前面的claude版本：
看来OpenClaw确实发现了张小白配置的Claude Code。
claude --model glm-4.7 "写一个查询黄金实时价格的skill"
看来OpenClaw又想绕过Claude Code自己写skill了。。
所以说AI自主性太强了到底是好事还是坏事呢？
唉，闹了半天还是没有Claude Code，结果做了一个模拟的价格。有啥用呢？！
claude --model glm-4.7 "写一个查询国内92号汽油油价的skill"，遇到交互式权限确认的时候默认都同意。
这个skill真的是用claude code做的吗？你有没有证据给我看看
从它执行的命令来看，应该是调用了Claude Code了，但是因为我的语气非常坚决，貌似它有着大模型的通性：在强大压力下表示出犹豫的特征，特别像张无忌。
一、背景
在Jetson AGX Orin 32G安装了OpenClaw之后，老设备焕发青春计划 也提上了日程，今天给大家带来的是Jetson AGX Orin 32G（200TOPS）的后一代，但是性能也是降了不少（只有原来的1/3）的Jetson Orin Nano Super（67TOPS）。
二、安装过程
1、登录设备
查看镜像（主要是看有没有安装docker）
sudo docker images
看来系统中已经带了docker。
那么就用docker安装吧！
2、下载代码仓
git clone https://github.com/openclaw/openclaw.git
3、docker版安装及配置过程（第一次：失败）
cd openclaw
./docker-setup.sh
这个脚本需要sudo才能执行，但是如果把当前用户加入docker组就不用了。
4、将用户加入docker用户组
试图将当前用户加入docker用户组，保证用户执行docker不需要sudo
sudo usermod -aG docker $USER
重新登录：
id
5、更新docker镜像站设置
编辑 /etc/docker/daemon.json文件，然后重启docker：
{
"runtimes": {
"nvidia": {
"args": [],
"path": "nvidia-container-runtime"
}
},
"default-runtime": "nvidia",
"registry-mirrors": [
"https://docker.1ms.run",
"https://docker.xuanyuan.me",
"https://docker.hlmirror.com",
"https://hub-mirror.c.163.com",
"https://mirror.baidubce.com",
"https://docker.xuanyuan.me",
"https://docker.1ms.run",
"https://docker.m.daocloud.io",
"https://pull.loridocker.com",
"https://ccr.ccs.tencentyun.com",
"https://dockerpull.cn"
]
}（注：docker镜像站会不停的失效，应该随时去找新的）
重启docker
sudo systemctl daemon-reload
sudo systemctl restart docker
sudo systemctl status docker
6、docker版安装及配置过程（第二次）
cd openclaw
./docker-setup.sh
安装时会自动进入OpenClaw的配置页面：
Yes
Quick Start
Z.AI
Coding Plan CN
贴入API Key，Keep current
Channel配置，Skip
Web Search，Skip
Skills，No
Hooks，全选
记住Token（或者复制下来）
首次配置完毕。
三、验证和使用
1、连接OpenClaw UI控制台
浏览器打开
http://192.168.199.161:18789
另外打开一个终端，在~/.openclaw/openclaw.json增加以下配置：
{
"gateway": {
"controlUi": {
"allowedOrigins": [
"http://127.0.0.1:18789",
"http://192.168.199.161:18789"
]
},
}
}
重启Gateway：
docker ps
docker exec -it [容器ID]
ps -ef|grep openclaw
kill [pid]当然，也可以不进入容器，直接
docker restart [容器ID]
回到页面，贴入前面复制的token:
点击‘连接’
在openclaw.json中增加如下配置：
"controlUi": {
"allowInsecureAuth": true,
"dangerouslyDisableDeviceAuth": true
},然后重启容器：
docker restart [容器ID]
再次连接：
2、飞书Channel安装与配置（异常处理）
这块跟其他的docker安装方式类似。
只不过张小白在安装的过程中遇到了插件失效的问题：
张小白处理这个问题的方法很简单，就是把问题现象放到OpenClaw UI界面的对话框里面：
让龙虾自己解决就行。当然，它有可能第一次没有解决,那你可以问第二次：
第二次没有解决，你就变着法子问第三次：
第三次不行，你再搞第四次：
终于这个插件能正常完成安装：
然后你重新配置飞书Channel：
反正充分相信小龙虾的能力，另外有点耐心就行了。
3、飞书对话验证
这个时候，仍然选择相信龙虾，在UI聊天框输入对应命令：
注意，你的懒人技能就是把命令扔给小龙虾，把错误的现象贴给 小龙虾。
浙公网安备 33010602011771号