无网环境部署：离线安装OpenClaw+ollama-QwQ-32B全记录

1. 为什么需要离线部署？

上周我接到一个特殊需求：在完全隔离的内网环境中搭建一套AI自动化工作流。这个军工背景的项目要求所有组件必须离线运行，包括OpenClaw框架和QwQ-32B大模型。经过三天踩坑，终于摸索出一套可行的方案。

离线部署最大的挑战在于依赖链条的完整性。与常规安装不同，我们需要预先下载所有安装包、模型权重和证书文件。就像准备野外生存装备，少带一根火柴都可能让整个系统无法启动。

2. 准备工作：构建离线资源包

2.1 资源清单核对

在联网环境下，我准备了以下核心资源（所有文件需经SHA256校验）：

1. OpenClaw离线包：

   • 主程序：openclaw-offline-v2.3.1.tar.gz
   • Node.js运行时：node-v22.1.0-linux-x64.tar.xz
   • 依赖缓存：npm-cache.tar（包含287个依赖包）

2. 模型资源：

   • QwQ-32B模型权重：qwen-32b-gguf-q4_0.bin（42.7GB）
   • Ollama服务端：ollama-linux-amd64（v0.1.27）
   • 分词器文件：qwen.tiktoken

3. 安全组件：

   • 自签名CA证书：internal-ca.crt
   • TLS证书包：openclaw-certs.zip

2.2 传输与校验方案

由于内网禁用USB设备，我们采用光盘刻录方式传输。为确保文件完整性，我编写了校验脚本：

#!/bin/bash
echo "开始校验文件完整性..."
sha256sum -c <<EOF
789abc...  openclaw-offline-v2.3.1.tar.gz
123def...  node-v22.1.0-linux-x64.tar.xz
456ghi...  qwen-32b-gguf-q4_0.bin
EOF

3. 分步安装指南

3.1 基础环境搭建

首先在目标机器上创建隔离环境：

# 创建专用目录
mkdir -p /opt/offline-ai/{runtime,models,certs}
chmod 700 /opt/offline-ai

# 安装Node.js
tar -xJf node-v22.1.0-linux-x64.tar.xz -C /opt/offline-ai/runtime
export PATH="/opt/offline-ai/runtime/node-v22.1.0-linux-x64/bin:$PATH"

# 配置证书
unzip openclaw-certs.zip -d /opt/offline-ai/certs
cp internal-ca.crt /usr/local/share/ca-certificates/
update-ca-certificates

3.2 OpenClaw离线安装

解压主程序包并加载依赖：

tar -xzf openclaw-offline-v2.3.1.tar.gz -C /opt/offline-ai
cd /opt/offline-ai/openclaw

# 使用预缓存依赖
npm config set cache /opt/offline-ai/npm-cache
npm install --offline --no-audit

关键点在于--offline参数，这能强制npm使用本地缓存而非联网下载。如果遇到依赖缺失错误，需要回到联网环境重新生成缓存包。

3.3 模型服务部署

启动Ollama服务并加载模型：

# 安装Ollama
install ollama-linux-amd64 /usr/local/bin/ollama

# 加载模型（需提前放置权重文件）
ollama create qwen-32b -f <<EOF
FROM ./qwen-32b-gguf-q4_0.bin
PARAMETER temperature 0.7
EOF

# 后台运行服务
ollama serve &

验证模型是否正常响应：

curl -X POST http://localhost:11434/api/generate -d '{
  "model": "qwen-32b",
  "prompt": "请用中文回答：OpenClaw是什么？"
}'

4. 配置对接与排错

4.1 OpenClaw模型配置

编辑配置文件~/.openclaw/openclaw.json：

{
  "models": {
    "providers": {
      "local-ollama": {
        "baseUrl": "http://localhost:11434",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen-32b",
            "name": "离线Qwen-32B",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

4.2 常见问题解决

证书错误：

Error: self signed certificate in certificate chain

解决方案：

export NODE_EXTRA_CA_CERTS=/opt/offline-ai/certs/internal-ca.crt

模型加载失败： 检查ollama日志发现：

error: failed to load model: invalid magic number

原因是模型文件损坏，需重新传输并校验SHA256。

5. 验证与使用

启动OpenClaw网关：

openclaw gateway --port 18789 --host 0.0.0.0

通过curl测试任务执行：

curl -X POST http://localhost:18789/v1/tasks \
  -H "Content-Type: application/json" \
  -d '{
    "instruction": "用Markdown格式总结当前系统状态",
    "model": "qwen-32b"
  }'

成功响应应包含系统信息摘要，证明整个链路已打通。

6. 安全加固建议

在封闭环境中更需注意安全：

1. 限制服务监听地址为127.0.0.1（生产环境）
2. 为Ollama和OpenClaw创建专用系统账户
3. 定期轮换自签名证书
4. 启用文件完整性监控（如AIDE）

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。