Windows快速部署OpenClaw + Qwen3.5 Plus完整教程

最近几天在B站、抖音、小红书上到处都能刷到OpenClaw的视频，GitHub上232k的Star数也是相当炸裂。看着各路up主演示的效果，我是越看越眼馋，但说实话当时也没什么实际使用需求，就纯粹是看个热闹。

结果就在昨天，老板突然把我叫到办公室：”你看看这个OpenClaw，这么牛逼的AI工具，咱们能不能接入到产品里？这要是用上了，不得美滋滋？”

我当场就懵了——卧槽，这么好的东西我怎么就没想到呢？赶紧回应：”我马上部署一个测试环境，先跑跑看效果怎么样，如果可行咱们立马上！”

于是就有了这篇文章。我会详细记录在Windows系统下部署OpenClaw并接入Qwen3.5 Plus的完整过程，踩过的坑也会一并分享。既是给自己做个备忘，也希望能帮到同样想快速上手测试的朋友们。

话不多说，直接开干！

先打开OpenClaw的官方文档

环境准备

最低要求：

• Windows 10（版本 2004+）或 Windows 11
• 8GB 内存（推荐 16GB+）
• 可用磁盘空间 10GB+
• 稳定的网络连接

为了快速部署看个效果本次使用原生windows11部署

1.打开OpenClaw – OpenClaw的官方文档

复制

Windows（PowerShell）：

iwr -useb https://openclaw.ai/install.ps1 | iex

在PowerShell中输入

第一次安装OpenClaw会检查电脑中是否有 Node版本 如果你有OpenClaw会自动复用，没有的话会自动安装

看到 [*] Installing OpenClaw (openclaw@latest)… 就说明程序正在安装

OpenClaw installed successfully (2026.2.26)! 代表安装成功

安全确认提示

不出意外的话会自动跳转到这个页面

◆ I understand this is personal-by-default and shared/multi-user use requires lock-down. Continue?

Ps:当前是“默认个人使用模式”如果以后要给多人用或对外开放，需要自己做安全加固现在只是确认你知道这件事

选 Yes 就OK

初始化方式选哪种？

有两个选项：
● QuickStart
快速开始模式
自动用默认配置启动
细节以后可以用 openclaw configure 再改
适合新手或只是想先跑起来看看
● Manual
手动配置模式
一开始就自己设置端口、权限、安全等参数

第一次安装直接选择 QuickStart 就OK

选择模型

我们要配置国内版的阿里云这里选择

 Skip for now

如果点错了也不要慌，继续下去到时候都是要改的

这里默认

直接默认到时候在配置文件中修改

配置社交媒体机器人账号

Ps：我这里需求可以在Web UI 实现 使用我这里就先选择 Skip for now 之后会写一个如何部署钉钉box的教程

安装&配置技能

选择 Yes

按需求安装 空格选择 回车键确认

选择包安装器

选择npm包管理器或者选择pnpm

扩展功能设置

GOOGLE_PLACES_API_KEY（goplaces）
用于调用 Google 地点/地图相关服务
GEMINI_API_KEY（nano-banana-pro）
用于接入 Google Gemini 模型
NOTION_API_KEY（notion）
用于连接 Notion
OPENAI_API_KEY（openai-image-gen）
用于图片生成
OPENAI_API_KEY（openai-whisper-api）
用于语音转文字
ELEVENLABS_API_KEY（sag）
用于语音合成

全部选择No 暂时用不上

配置hooks钩子

• 🚀 boot-md
  启动时自动加载一个 Markdown 文件
  类似启动说明或预设提示
  一般新手不需要
• 📎 bootstrap-extra-files
  启动时自动加载额外文件
  用于高级自定义
  普通使用不需要
• 📝command-logger
  记录执行过的命令
  方便排查问题
  会保存执行记录
• 💾session-memory
  保存会话记忆
  让它在不同会话之间保留上下文
  适合长期项目使用

可以选择

boot-md

session-memory

command-logger

设置UI界面

选择Open the Web UI 方便操作

选择完成后会立马打开Web UI的页面

这说明OpenClaw安装完成，但是还不能用，因为还没配置大模型（ing

配置大模型

我使用的是阿里 qwen3.5plus 因为他有免费额度（）

大模型服务平台百炼控制台-新人免费额度文档

打开 阿里大模型服务平台百炼控制台 登录一下

点击 密钥管理 –创建API Key

复制 API Key 等一会要用

打开 C:\Users\电脑用户名.openclaw 的配置文件

打开 openclaw.json 在文件中的大概第7行的地方

复制

  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
        "apiKey": "你的api kay  填写在哪里",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-plus",
            "name": "qwen3.5-plus",
            "reasoning": false,
            "input": [
              "text",
              "image"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "qwen3-max-2026-01-23",
            "name": "qwen3-max-2026-01-23",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 262144,
            "maxTokens": 65536
          },
          {
            "id": "qwen3-coder-next",
            "name": "qwen3-coder-next",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 262144,
            "maxTokens": 65536
          },
          {
            "id": "qwen3-coder-plus",
            "name": "qwen3-coder-plus",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "MiniMax-M2.5",
            "name": "MiniMax-M2.5",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "glm-5",
            "name": "glm-5",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 202752,
            "maxTokens": 16384
          },
          {
            "id": "glm-4.7",
            "name": "glm-4.7",
            "reasoning": false,
            "input": [
              "text"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 202752,
            "maxTokens": 16384
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": [
              "text",
              "image"
            ],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 262144,
            "maxTokens": 32768
          }
        ]
      }
    }
  },

在往下滑找到 agents

填写

  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.5-plus"
      },
      "models": {
        "bailian/qwen3.5-plus": {},
        "bailian/qwen3-max-2026-01-23": {},
        "bailian/qwen3-coder-next": {},
        "bailian/qwen3-coder-plus": {},
        "bailian/MiniMax-M2.5": {},
        "bailian/glm-5": {},
        "bailian/glm-4.7": {},
        "bailian/kimi-k2.5": {}
      },
      "workspace": "C:\\Users\\19928\\.openclaw\\workspace"
    }
  },

primary 代表 默认模型

models是可选模型

workspace填写你的真实的路径，复制就好了

如果您使用的是阿里 Coding Plan 的话key是独立的他的位置在顶部导航的Coding Plan 页面

密钥开头是sk-sp-xxxxxxxxx 才是正确的

完工

这一套配置下了OpenClaw 基本上是可以正常使用了 使用 openclaw gateway 命令打开OpenClaw 在聊天框发送内容（大模型不一定要使用阿里云的 DeePseek，Claude，Open Ai 等等都可以使用）

ojbk测试成功

我为什么不用 WSL2

你可能在其他教程里看到，OpenClaw 官方推荐 Windows 用户走 WSL2（Linux 子系统）。确实，WSL2 兼容性更好，高级功能支持更完整。但对于我们这种”先跑起来看看效果”的快速验证场景，WSL2 有点杀鸡用牛刀了：

• 要装 Ubuntu 子系统，多一层环境维护
• systemd 配置、网络桥接、端口转发……折腾半天
• 我只是想先看个效果，不是要生产部署

所以这篇教程走的是 Windows 原生路线：装 Node.js → 装 OpenClaw → 跑 Onboarding → 接 Qwen，全程在 PowerShell 里搞定，20 分钟足够。

Ps： 如果你后续打算长期使用 OpenClaw，或者需要浏览器自动化、定时任务等高级功能，建议还是迁移到 WSL2 环境。原生 Windows 跑基础对话和工具调用没问题，但部分 Linux 原生的 Skills 可能会有兼容问题。好消息是 OpenClaw 的配置文件（openclaw.json​）可以直接复制到 WSL2 环境复用，不用重新配。

参考链接

OpenClaw – OpenClaw

GitHub – openclaw/openclaw: Your own personal AI assistant. Any OS. Any Platform. The lobster way. 🦞 · GitHub