必须将openclaw与本地大模型对接以实现无网络、零数据外传的离线运行。方案包括：一、ollama运行qwen3.5；二、llama.cpp直连量化模型；三、阿里云ecs私有部署；四、硬隔离禁用全部外联；五、aes-256加密存储敏感数据。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在无网络环境下运行OpenClaw，并确保所有数据处理过程不外传、不依赖云端API，则必须将其与本地大模型完成对接。以下是实现OpenClaw本地大模型配置、离线使用及隐私保护的多种可行方案：
一、通过Ollama本地运行Qwen3.5并对接OpenClaw
Ollama是当前最轻量、兼容性最强的本地大模型运行框架，支持Windows11、macOS、Linux全平台，无需GPU亦可运行0.8B轻量级模型，所有推理完全在本地完成，杜绝任何数据上传可能。
1、访问Ollama官网（https://ollama.com），根据操作系统下载对应安装包并完成安装；
2、打开终端（Windows用户使用PowerShell或CMD），执行命令：ollama run qwen3.5:0.8b，首次运行将自动拉取并加载模型；
3、确认Ollama服务已启动：执行curl http://localhost:11434/api/tags，返回包含qwen3.5的JSON列表即表示服务就绪；
4、进入OpenClaw配置目录（默认为~/.openclaw/config.yaml），将model_provider字段修改为ollama，base_url字段设为http://localhost:11434，model_name设为qwen3.5:0.8b；
5、重启OpenClaw服务，执行openclaw serve，访问http://localhost:18789验证WebUI是否正常加载且响应延迟稳定。
二、使用Llama.cpp量化模型直连OpenClaw（超低资源方案）
针对内存低于8GB或无GPU的老旧设备，Llama.cpp提供GGUF格式量化模型，可在CPU上以极低内存开销运行7B级别模型，全程离线、零网络请求，隐私保护强度最高。
1、从HuggingFace下载已量化的qwen3.5-7b.Q4_K_M.gguf文件，保存至本地路径如~/models/；
2、安装Llama.cpp（macOS/Linux执行make clean && make -j$(nproc)；Windows使用预编译二进制）；
3、启动Llama.cpp HTTP服务器：执行./server -m ~/models/qwen3.5-7b.Q4_K_M.gguf -c 2048 --port 8080；
4、编辑OpenClaw的config.yaml，设置model_provider为llamacpp，base_url为http://localhost:8080，model_name留空；
5、启动OpenClaw后，在WebUI中发送测试指令，观察响应时间及token流式输出是否连续。
三、阿里云ECS私有部署Ollama+OpenClaw组合（内网隔离方案）
适用于企业内网环境，将Ollama与OpenClaw共同部署于阿里云ECS实例，通过安全组策略禁止公网入向访问，仅允许内网办公设备通过VPC内网地址调用，实现物理隔离级隐私保护。
1、在阿里云控制台创建Debian 12 ECS实例，规格选择2核4GB起步，系统盘≥40GB；
2、SSH登录后依次执行：curl -fsSL https://ollama.com/install.sh | sh 和 curl -fsSL https://openclaw.dev/install.sh | sh；
发布后文档同步技能，自动将 README/ARCHITECTURE/CONTRIBUTING/CLAUDE.md 与实际变更对齐，清理待办事项，完善变更记录。
3、运行ollama run qwen3.5:7b完成模型加载，再执行openclaw init --offline初始化离线工作区；
4、修改ECS安全组规则：关闭所有公网端口，仅开放内网IP段对11434（Ollama）和18789（OpenClaw）的TCP访问；
5、在内网客户端浏览器中访问http://[ECS内网IP]:18789，确认界面加载成功且所有操作日志显示为本地地址来源。
四、禁用全部外联通道的硬隔离配置
在极端隐私场景下，需彻底阻断OpenClaw所有潜在外联行为，包括插件更新检查、技能市场同步、错误上报等隐性网络请求，仅保留本地模型推理链路。
1、在OpenClaw配置目录下创建文件~/.openclaw/SAFETY.md，写入内容：disable_network: true、disable_skill_hub: true、disable_telemetry: true；
2、编辑~/.openclaw/workspace/system.md，删除所有含http://或https://的URL配置项；
3、执行命令禁用系统级网络能力：sudo ufw deny out to any port 53,80,443（Linux）或在Windows防火墙中新建出站规则阻止全部TCP/UDP流量；
4、启动OpenClaw时添加参数：openclaw serve --no-update-check --offline-mode；
5、运行后立即检查进程网络连接：lsof -i -P -n | grep openclaw（Linux/macOS）或netstat -ano | findstr :18789（Windows），确认无ESTABLISHED状态的外部连接。
五、敏感数据零落盘加密存储方案
即使模型与推理全程离线，若对话记忆、配置文件、上传文档以明文形式存储于磁盘，仍存在被本地恶意程序读取的风险。本方案强制所有持久化数据经AES-256加密后再写入。
1、生成主密钥并存入硬件安全模块（HSM）或使用openssl rand -base64 32 > ~/.openclaw/master.key；
2、在OpenClaw配置中启用加密开关：encrypt_storage: true，指定密钥路径为~/.openclaw/master.key；
3、将Workspace目录迁移至加密卷：Linux下使用cryptsetup luksFormat创建加密分区，macOS启用FileVault并绑定到~/.openclaw/workspace目录；
4、验证加密效果：手动查看~/.openclaw/workspace/task_*.md文件，确认内容为不可读乱码而非原始Markdown文本；
5、重启OpenClaw服务后，在WebUI中新建任务并上传PDF文档，检查其在磁盘中的实际存储路径是否生成对应加密分块文件。
