克隆主仓库到本地

以下步骤基于典型的开源AI项目工作流,分为新安装和已有环境更新两种情况。

---

全新安装（从零开始）

如果你是第一次安装AI小龙虾OpenClaw,请遵循以下完整步骤。

第1步：准备工作与环境检查

1. 操作系统：推荐使用 Linux (Ubuntu 20.04/22.04) 或 Windows 10/11 (WSL2)，macOS (Apple Silicon) 也可行，但可能有部分依赖需要手动编译。
2. 硬件检查：
   • GPU：推荐使用NVIDIA GPU（用于训练和高效推理），确保已安装合适版本的 NVIDIA显卡驱动。
   • 内存：至少16GB RAM，推荐32GB或以上。
   • 存储：准备足够的硬盘空间存放数据集和模型（建议100GB以上可用空间）。
3. 软件依赖：
   • Python：安装 Python 3.8 - 3.11（建议3.10），可使用 pyenv 或 conda 管理多版本。
   • CUDA & cuDNN：如果使用NVIDIA GPU，需安装与PyTorch版本匹配的 CUDA Toolkit（如CUDA 11.8, 12.1）和 cuDNN。
   • Git：用于克隆代码仓库。

第2步：获取项目代码

打开终端（Linux/macOS）或命令提示符/PowerShell（Windows），执行：

# 或使用镜像仓库（如果主仓库较慢）
# git clone https://gitee.com/opendilab/OpenClaw.git
cd OpenClaw

第3步：创建并激活虚拟环境（强烈推荐）

使用虚拟环境可以避免包冲突。

# 方法一：使用 venv (Python内置)
python -m venv openclaw_env
source openclaw_env/bin/activate  # Linux/macOS
# openclaw_env\Scripts\activate  # Windows
# 方法二：使用 Conda（适合管理复杂依赖）
conda create -n openclaw python=3.10
conda activate openclaw

第4步：安装核心依赖（PyTorch）

首先安装与你的CUDA版本匹配的PyTorch,前往 PyTorch官网 获取最新安装命令。

# 示例：为 CUDA 11.8 安装 PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
# 仅CPU安装（无GPU）
# pip install torch torchvision torchaudio

第5步：安装项目依赖

在项目根目录下,通常有 requirements.txt 或 setup.py 文件。

# 安装主要依赖
pip install -r requirements.txt
# 如果项目使用 setup.py 进行开发模式安装
# pip install -e .

第6步：安装额外依赖与配置

• 模型权重：某些版本可能需要手动下载预训练模型（如CLIP、大语言模型权重），请查阅项目文档，按照指示放置到指定目录（如 ./pretrained/）。
• 数据准备：如果需要训练或微调，需准备数据集，同样参考文档进行数据下载和预处理。
• 环境变量：可能需要设置一些环境变量（如API密钥、模型路径等）。

第7步：验证安装

运行一个简单的测试脚本或示例,检查核心功能是否正常。

# 示例：运行一个示例推理脚本（具体命令请查文档）
python examples/demo_inference.py --input_image "test.jpg"
# 或运行单元测试
python -m pytest tests/ -v

---

已有环境更新版本

如果你已经安装了旧版本的OpenClaw,希望更新到最新版本。

第1步：备份当前环境与配置

1. 备份你的配置文件（如 configs/*.yaml）、自定义代码和数据。
2. 记录当前环境中的包版本：pip freeze > requirements_old.txt。

第2步：拉取最新代码

进入项目根目录,拉取远程仓库的最新更改。

cd /path/to/OpenClaw
git fetch origin  # 获取远程更新信息
git pull origin main  # 拉取main分支的最新代码，也可能是 `master` 或其他分支
# 如果有新分支，可能需要切换： git checkout <new-version-branch>

第3步：查看更新日志

至关重要！ 阅读 CHANGELOG.md 或 README.md 中的更新说明，关注：

• 破坏性更改：API、配置文件格式、数据预处理流程的变更。
• 新依赖：新增的Python包或系统库。
• 模型/数据要求：是否需要下载新的预训练模型或数据格式变化。

第4步：更新依赖包

根据更新日志和新的 requirements.txt 更新环境。

# 激活原有环境
conda activate openclaw  # 或 source openclaw_env/bin/activate
# 升级依赖（注意兼容性）
pip install --upgrade -r requirements.txt
# 如果依赖有重大变化，可能需要先卸载旧版再安装，或创建全新环境。

第5步：处理配置与数据迁移

• 根据更新日志,手动调整你的配置文件，使其兼容新版本的API。
• 如果数据预处理脚本有变,可能需要对数据集重新处理。

第6步：运行测试

完成更新后,务必运行测试套件或你的核心业务代码，确保所有功能正常。

python -m pytest tests/ -v
python your_main_script.py --dry-run  # 试运行

常见问题与排错

1. CUDA版本不匹配：PyTorch、torchvision 等包的CUDA版本必须与系统安装的CUDA运行时版本一致，使用 nvidia-smi 和 python -c "import torch; print(torch.version.cuda)" 检查。
2. 依赖冲突：如果遇到依赖包版本冲突，尝试使用 pip install --no-deps 单独安装有问题的包，或使用 conda 来安装更复杂的依赖链。
3. 权限问题：在Linux/macOS上，如果遇到权限错误，避免使用 sudo pip install，应使用虚拟环境或在命令后加 --user 标志。
4. 网络问题：在中国大陆，从PyPI或GitHub克隆可能较慢，可以使用国内镜像源：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

重要提示

• 始终优先查阅官方文档：本指南为通用流程，具体安装细节、依赖版本和配置，请以 OpenClaw项目官方GitHub仓库的 README.md 和 INSTALL.md（如果有）文件为准。
• 关注社区：遇到问题时，在项目的 GitHub Issues 中搜索或提问，通常能获得最准确的帮助。

祝你安装和更新顺利！

标签： 克隆 主仓库