本地私有RAG落地：阿里云/本地部署 OpenClaw 及私有化知识库技能搭建+千问/Coding Plan配置与问题全解-阿里云开发者社区

一、前言

在政企内网、涉密环境、个人隐私场景下，使用外部大模型与在线知识库存在数据泄露、合规风险、网络限制等问题。OpenClaw提供了完全本地化的RAG（检索增强生成）能力，可在不联网、不付费、数据不出本地的前提下，让AI读取你的PDF、Markdown、TXT等文档，基于真实资料给出准确回答，杜绝幻觉与编造。

本文完整保留本地私有知识库RAG技能开发、向量检索、文档读取、本地模型调用等核心内容，同时新增2026年4月阿里云轻量服务器部署OpenClaw、本地MacOS/Linux/Windows11全平台安装、阿里云千问大模型API配置、免费Coding Plan模型接入、可直接复制的代码命令、新手避坑指南与常见问题解答，适合个人、政企内网、涉密环境快速落地。阿里云部署 OpenClaw 只需两步，全网最简单，步骤流程访问阿里云OpenClaw一键部署专题页面 了解。
OpenClaw部署教程图1.png

二、私有RAG技能核心价值与整体架构

（一）核心能力

完全私有化：数据不联网、不上传、不泄露
多格式支持：PDF、MD、TXT、Word等文档统一读取
向量检索：基于nomic-embed-text实现精准语义匹配
本地大模型：对接Ollama运行qwen2.5:7b，不依赖外部API
可信回答：基于本地资料作答，不编造、不胡说

（二）整体架构

知识库：本地文件夹（存放所有文档）
向量模型：nomic-embed-text（Ollama运行）
检索模块：OpenClaw自定义RAG技能
大模型：qwen2.5:7b（本地Ollama）
执行引擎：OpenClaw 2026.4稳定版

三、2026年4月阿里云轻量服务器部署OpenClaw（最新版）

步骤1：创建实例（官方镜像一键部署）

登录阿里云控制台，进入轻量应用服务器
镜像选择：应用镜像 → OpenClaw（Clawdbot）2026.4稳定版
推荐配置：2核4GB、40GB ESSD、5Mbps带宽
地域选择：中国香港、新加坡、美国弗吉尼亚
设置root密码，购买并等待实例运行
零基础部署 OpenClaw 喂饭级步骤流程
第一步：点击打开访问阿里云OpenClaw一键部署专题页面。

第二步：打开选择阿里云轻量应用服务器，配置参考如下：

镜像：OpenClaw(Moltbot)镜像（已经购买服务器的用户可以重置系统重新选择镜像）
实例：内存必须2GiB及以上。
地域：默认美国（弗吉尼亚），目前中国内地域（除香港）的轻量应用服务器，联网搜索功能受限。
时长：根据自己的需求及预算选择。

轻量应用服务器OpenClaw镜像.png

第三步：打开访问阿里云百炼大模型控制台，找到密钥管理，单击创建API-Key。

阿里云百炼密钥管理图.png

前往轻量应用服务器控制台，找到安装好OpenClaw的实例，进入「应用详情」放行18789端口、配置百炼API-Key、执行命令，生成访问OpenClaw的Token。
阿里云百炼密钥管理图2.png

端口放通：需要放通对应端口的防火墙，单击一键放通即可。
配置百炼API-Key，单击一键配置，输入百炼的API-Key。单击执行命令，写入API-Key。
配置OpenClaw：单击执行命令，生成访问OpenClaw的Token。
访问控制页面：单击打开网站页面可进入OpenClaw对话页面。

阿里云百炼Coding Plan API-Key 获取、配置保姆级教程：

创建API-Key，推荐访问订阅阿里云百炼Coding Plan，阿里云百炼Coding Plan每天两场抢购活动，从按tokens计费升级为按次收费，可以进一步节省费用！

购买后，在控制台生成API Key。注：这里复制并保存好你的API Key，后面要用。
回到轻量应用服务器-控制台，单击服务器卡片中的实例 ID，进入服务器概览页。
在服务器概览页面单击应用详情页签，进入服务器详情页面。
端口放通在OpenClaw使用步骤区域中，单击端口放通下的执行命令，可开放获取OpenClaw 服务运行端口的防火墙。
这里系统会列出我们第一步中创建的阿里云百炼 Coding Plan的API Key，直接选择就可以。
获取访问地址单击访问 Web UI 面板下的执行命令，获取 OpenClaw WebUI 的地址。

步骤2：一键放行端口（必做）

firewall-cmd --add-port=18789/tcp --permanent
firewall-cmd --reload
firewall-cmd --list-ports | grep 18789

步骤3：初始化与启动服务

openclaw onboard --aliyun
openclaw gateway install
openclaw gateway start

步骤4：验证运行状态

openclaw gateway status

显示 running 即为成功，访问：

http://你的公网IP:18789

四、本地全平台部署OpenClaw（MacOS/Linux/Windows11）

（一）MacOS部署

xcode-select --install
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
brew install node@22
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon
openclaw gateway start

（二）Linux（Ubuntu/Debian）部署

sudo apt update
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo bash
sudo apt install -y nodejs
npm config set registry https://registry.npmmirror.com
npm install -g openclaw@latest
openclaw onboard --install-daemon
sudo ufw allow 18789/tcp
openclaw gateway start

（三）Windows11部署（WSL2）

wsl --install
wsl --set-default-version 2

进入Ubuntu终端：

curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon
openclaw gateway start

五、大模型API配置（阿里云千问 + 免费Coding Plan）

（一）阿里云千问Qwen3-Max配置

cd ~/.openclaw
nano openclaw.json

写入配置：

"models": {
   
  "default": "bailian/qwen3-max-2026-01-23",
  "providers": {
   
    "bailian": {
   
      "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1",
      "apiKey": "sk-你的千问APIKey",
      "models": [
        {
   "id":"qwen3-max-2026-01-23","maxTokens":65536},
        {
   "id":"qwen3.5-plus","maxTokens":16384}
      ]
    }
  }
}

重启生效：

openclaw gateway restart

（二）免费Coding Plan配置

"models": {
   
  "default": "coding-plan/coding-free",
  "providers": {
   
    "coding-plan": {
   
      "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
      "apiKey": "sk-sp-你的免费APIKey",
      "models": [{
   "id":"coding-free","maxTokens":4096}]
    }
  }
}

六、Ollama与向量模型安装（私有RAG必需）

1. 安装Ollama

# Mac/Linux
curl -fsSL https://ollama.com/install.sh | bash

# Windows
winget install Ollama.Ollama

2. 拉取向量模型与大模型

ollama pull nomic-embed-text
ollama pull qwen2.5:7b

3. 验证运行

ollama list

七、创建本地私有知识库RAG技能

1. 创建技能目录

mkdir -p ~/.openclaw/skills/rag_knowledge
cd ~/.openclaw/skills/rag_knowledge

2. 创建config.json（技能配置）

{
   
  "name": "rag_knowledge",
  "description": "本地私有知识库检索问答，基于RAG机制准确回答",
  "version": "1.0.0",
  "triggerKeywords": ["知识库", "查文档", "笔记", "资料", "手册", "总结文档"]
}

3. 创建index.js（核心RAG逻辑）

const fs = require('fs');
const path = require('path');
const os = require('os');
const {
    execSync } = require('child_process');

// ===================== 配置区 =====================
const KNOWLEDGE_DIR = path.join(os.homedir(), 'AI_KnowledgeBase');
// Windows可改为：'D:\\AI_KnowledgeBase'
const VECTOR_MODEL = 'nomic-embed-text';
const LLM_MODEL = 'qwen2.5:7b';
// ==================================================

// 读取所有知识库文档
function loadAllDocuments() {
   
  let docs = [];
  try {
   
    const files = fs.readdirSync(KNOWLEDGE_DIR);
    files.forEach(file => {
   
      const fp = path.join(KNOWLEDGE_DIR, file);
      if (fs.statSync(fp).isFile()) {
   
        const txt = fs.readFileSync(fp, 'utf8', (err) => {
   });
        if (txt.length > 50) docs.push({
    file, content: txt.slice(0, 20000) });
      }
    });
  } catch (e) {
   }
  return docs;
}

// 关键词检索
function simpleSearch(query, docs) {
   
  const q = query.toLowerCase();
  return docs.filter(d =>
    d.file.toLowerCase().includes(q) ||
    d.content.toLowerCase().includes(q)
  );
}

// 调用本地模型生成回答
function llmAnswer(query, context) {
   
  const prompt = `
你是一名专业的知识助理，基于下面提供的本地文档内容回答问题，不要编造。
问题：${
     query}
参考文档：
${
     context}
请给出清晰、准确、专业的回答。
`;
  try {
   
    return execSync(`ollama run ${
     LLM_MODEL} "${
     prompt.replace(/"/g, '\\"')}"`, {
   
      timeout: 120000
    }).toString();
  } catch (e) {
   
    return '模型处理超时或出错，请检查Ollama是否正常运行。';
  }
}

// 技能入口
module.exports = async (query) => {
   
  if (!query) return "请输入你要查询的问题，例如：什么是双到位制度？";
  const docs = loadAllDocuments();
  if (docs.length === 0) return "知识库文件夹为空，请先放入文档。";
  const hits = simpleSearch(query, docs);
  if (hits.length === 0) return "未在本地知识库中找到相关内容。";
  const context = hits.map(d => `【文档：${
     d.file}】\n${
     d.content.slice(0, 8000)}`).join('\n\n');
  const ans = llmAnswer(query, context);
  return `=== 本地知识库RAG回答 ===\n\n${
     ans}\n\n共检索到相关文档：${
     hits.length}份`;
};

4. 创建知识库目录

mkdir -p ~/AI_KnowledgeBase
# 放入MD、TXT、PDF文档

八、启用RAG技能并测试

1. 重启OpenClaw

openclaw gateway restart

2. 测试指令

帮我查一下银河麒麟系统的加固步骤
这份网络规范里VLAN划分规则是什么
从我的笔记里总结一下服务器运维要点
解释一下电力安全双到位制度，并引用我本地文档

3. 查看结果

AI会自动检索本地文档并给出带依据的回答，不编造、不泄露。

九、进阶优化方向

PDF解析支持：引入pdf-parse库实现PDF文本提取
向量检索升级：接入Chroma/Milvus实现真正语义搜索
大文档分片：自动切块避免上下文溢出
多格式支持：Word、Excel、代码统一读取
内网安全加固：关闭外网、权限白名单、日志留存

十、OpenClaw常用运维命令

openclaw gateway start
openclaw gateway stop
openclaw gateway restart
openclaw gateway status
openclaw logs -f
openclaw model test
openclaw skills list
openclaw doctor

十一、阿里云+本地部署避坑指南

1. 地域选择错误

必须选择中国香港/新加坡/弗吉尼亚，内地地域易受限
影响模型API与外部访问

2. 端口未放行

18789端口必须在阿里云防火墙+系统防火墙双重放行

3. 内存不足

最低2GB，推荐4GB以上，否则服务易崩溃

4. Ollama未启动

执行ollama list验证，未启动则执行ollama serve

5. 技能不生效

修改后必须openclaw gateway restart
检查目录路径与文件权限

6. 模型API Key错误

千问：sk-开头
Coding Plan：sk-sp-开头
不要混用，不要带空格换行

十二、常见问题解答（FAQ）

1. 本地RAG是否需要联网？

不需要，全程本地运行，适合内网、涉密环境。

2. 支持哪些文档格式？

默认支持MD、TXT，可扩展支持PDF、Word、Excel等。

3. 如何更换本地大模型？

修改index.js中的LLM_MODEL为其他Ollama模型即可。

4. 知识库文档放在哪里？

默认：~/AI_KnowledgeBase，Windows可自定义路径。

5. 能否同时使用云端模型？

可以，通过配置文件切换千问/Coding Plan与本地模型。

6. 如何备份知识库？

直接复制AI_KnowledgeBase文件夹即可。

十三、总结

OpenClaw本地私有RAG技能真正实现了数据私有化、运行本地化、回答可信化，完美解决政企内网、涉密环境、个人隐私场景下的AI使用需求。搭配2026年4月最新阿里云轻量服务器部署与本地全平台安装方案，再加上阿里云千问与免费Coding Plan双模型支撑，用户可快速搭建一套安全、可控、可扩展的私有AI知识系统。

探索云世界

热门

云计算

大数据

云原生

人工智能

数据库

开发与运维

活动广场

任务中心

训练营

直播

乘风者计划

下载

镜像站

技术资料

本地私有RAG落地：阿里云/本地部署 OpenClaw 及私有化知识库技能搭建+千问/Coding Plan配置与问题全解