OpenClaw 2.6.4虾壳云版Windows安装配置实战指南-拓冰建站

1. OpenClaw 是什么？它和你日常用的“国产Office免费版”根本不是一回事

OpenClaw 2.6.4 虾壳云版——光看这个名字，很多人第一反应是：“又一个国产办公套件？”或者直接联想到热搜里并列的“国产Office免费版Windows”。这恰恰是安装前最需要拨正的认知偏差。OpenClaw 不是 Word、Excel 的替代品，它甚至不处理文档；它也不是一个“开箱即用”的桌面应用，而是一个面向开发者与技术型用户的本地化智能体运行时框架。它的核心价值，在于把大模型能力（尤其是代码生成、逻辑推理、多步任务编排）封装成可嵌入、可调度、可离线运行的轻量级服务。

我第一次在客户现场看到它被误装成“办公软件”时，整个部署流程卡在了启动界面——因为用户双击了.exe文件，期待弹出一个类似 WPS 的窗口，结果只看到命令行窗口闪了一下就消失了。后来才明白：OpenClaw 的设计哲学是“后台即服务”，它默认以 Windows 服务或后台进程方式运行，通过 HTTP API 或 WebSocket 与其他工具（比如飞书机器人、自研管理后台、VS Code 插件）通信。所谓“虾壳云版”，并不是指它连着某个叫“虾壳”的云平台，而是指该版本集成了针对国内网络环境优化的模型加载策略、预置了适配飞书/钉钉等国内主流协同平台的 Skill 模块，并内置了对国产显卡（如摩尔线程、壁仞）基础 CUDA 兼容层的轻量适配补丁——这些细节，官网文档里一笔带过，但实操中漏掉任何一项，都会导致后续“配置失败”“技能无法加载”“响应延迟高得像拨号上网”。

关键词里虽然没写，但从全网热词高频共现来看，“openclaw 配置”“openclaw 技能”“openclaw 接入飞书”“openclaw 为什么会延迟”才是真实痛点。这意味着，安装只是起点，真正决定成败的是环境隔离性、依赖版本锁死、模型缓存路径可控性、以及技能模块的加载时序。它不像 Python 或 Node.js 那样装完就能跑hello world，OpenClaw 启动时会依次校验：CUDA 驱动兼容性 → PyTorch 版本与 CUDA Toolkit 匹配度 → 模型权重文件完整性 → 技能插件元数据签名 → 配置文件语法合法性。任一环节失败，它不会报错退出，而是静默降级为“仅基础文本模式”，这就解释了为什么很多人反馈“能启动，但 skill 不生效”“接入飞书后收不到回复”——问题根本不在飞书配置，而在 OpenClaw 启动时连模型都没加载成功。

所以，这篇教程不叫“Windows 安装指南”，而叫“OpenClaw 2.6.4 虾壳云版 Windows 安装配置教程”，是因为“配置”二字重于“安装”。安装包双击下一步就能完事，但配置错了，你花三小时装好的东西，实际能力可能只有官方宣称的 30%。接下来所有步骤，我都将紧扣这个前提：每一步操作背后，都对应一个明确的校验点、一个可能的失败场景、一个可验证的结果指标。

1.1 为什么必须用 2.6.4 虾壳云版？别碰“最新版”或“GitHub Release”

OpenClaw 的版本迭代非常激进，GitHub 上 master 分支每周都有提交，但官方发布的 Windows 安装包却严格区分“社区版”“企业定制版”和“虾壳云版”。2.6.4 虾壳云版不是简单打了个补丁，它是经过完整回归测试的稳定快照分支，其关键特性包括：

内置openclaw-skill-feishuv1.3.7，这是目前唯一支持飞书「消息卡片+按钮回调+多轮会话」全链路的技能版本；
捆绑torch==2.1.2+cu118，而非社区版常用的2.2.0+cu121，原因在于 cu121 在 Windows 10 22H2 及以下系统存在已知的cudnn64_8.dll加载冲突，会导致技能初始化时卡死在Loading tokenizer...；
配置文件解析器强制启用strict_mode: true，拒绝任何未定义字段，避免因 typo 导致的静默忽略（比如把feishu_app_id错写成feishu_appid，旧版会忽略，2.6.4 虾壳云版直接启动失败并报错行号）；
模型下载器默认使用https://mirrors.tuna.tsinghua.edu.cn/作为 fallback 源，当主源超时 3 秒后自动切换，这是应对国内 CDN 波动的核心机制。

我试过直接下载 GitHub Release 页面的openclaw-2.6.4-win-x64.zip，解压后运行install.bat，结果在第 4 步“初始化模型缓存”时报错HTTP 503 Service Unavailable。查日志才发现，它硬编码了https://huggingface.co作为唯一源，而当天 HF 国内节点恰好维护。换成虾壳云版安装包，同一台机器、同一网络环境下，5 分钟完成全部初始化。这不是玄学，是版本选择带来的确定性差异。

提示：虾壳云版安装包不公开发布在 GitHub，需从官方合作渠道获取。若你手头只有社区版，强烈建议回退到 2.6.4 虾壳云版。版本混用（如用虾壳云版安装器 + 社区版配置文件）会导致技能模块签名验证失败，错误信息为Invalid signature for skill 'feishu': expected 'sha256:xxx', got 'sha256:yyy'。

1.2 “Windows”在这里意味着什么？别让系统环境拖垮整个部署

标题里强调“Windows”，不是为了凑关键词，而是因为 OpenClaw 在 Windows 平台有三处不可绕过的特殊约束：

服务账户权限模型：OpenClaw 推荐以 Windows 服务方式运行（sc create openclaw binPath=...），但默认服务账户是LocalSystem，它没有读取用户目录下AppData\Roaming\openclaw\models的权限。很多用户配置好飞书参数后，发现技能始终显示Not loaded，日志里反复出现PermissionError: [WinError 5] Access is denied。解决方案不是改权限，而是启动服务时指定obj= ".\openclawuser"，并提前创建该用户（密码需含大小写字母+数字+符号，且不能是空密码）。
路径分隔符与长路径支持：Windows 默认禁用长路径（>260 字符），而 OpenClaw 的模型缓存路径默认为%LOCALAPPDATA%\openclaw\models\Qwen2-7B-Instruct-GGUF\Qwen2-7B-Instruct-Q4_K_M.gguf，展开后轻松突破 300 字符。一旦触发ERROR_PATH_NOT_FOUND，模型加载直接失败，且错误日志不提示具体路径。必须在安装前执行fsutil behavior set SymlinkEvaluation L2L:1 R2R:1 L2R:1 R2L:1并重启，否则后续所有模型操作都是空中楼阁。
杀毒软件拦截行为：Windows Defender 和国内主流安全软件（如火绒、360）会将 OpenClaw 的openclaw-core.exe识别为“潜在不知名程序”，在服务启动瞬间将其终止。这不是误报，因为 OpenClaw 确实会动态生成临时 DLL 并注入进程（用于 GPU 内存池管理）。解决方案不是关杀软，而是在安装脚本末尾添加白名单注册命令：Add-MpPreference -ExclusionProcess "openclaw-core.exe"（PowerShell 管理员运行）。

这些都不是“高级技巧”，而是 Windows 平台下 OpenClaw 能否正常工作的前置生存条件。跳过它们去调配置文件，就像在流沙上盖楼——地基不稳，一切皆空。

2. 安装前的硬性检查清单：5 分钟做完，省下 3 小时排查时间

安装不是从双击setup.exe开始的，而是从打开 PowerShell 执行 7 条命令开始。这 7 条命令构成了一张“环境健康度快照”，每一条都对应一个后续必然爆发的故障点。我见过太多人跳过这步，结果卡在“配置飞书 token 不生效”，最后发现根源是第一条nvidia-smi就报错。

2.1 显卡驱动与 CUDA 兼容性验证（必须！）

OpenClaw 2.6.4 虾壳云版要求 NVIDIA 驱动版本 ≥ 525.60.13（对应 CUDA 11.8），且必须安装完整的 CUDA Toolkit（非仅 Runtime）。很多人只装了驱动，以为就够了，结果启动时日志里满屏CUDA initialization: no kernel image is available for execution on the device。

执行以下命令，逐项核对输出：

# 1. 查看驱动版本（必须 ≥ R525） nvidia-smi --query-gpu=gpu_name,driver_version --format=csv # 2. 查看 CUDA 版本（必须显示 11.8） nvcc --version # 3. 验证 CUDA 是否能被 Python 调用（关键！） python -c "import torch; print(torch.cuda.is_available(), torch.version.cuda)"

如果第 3 条返回(False, '11.8')，说明 PyTorch 没绑定到 CUDA，常见原因是：

安装了torch的 CPU 版本（pip install torch默认装 CPU 版）；
或者系统 PATH 中存在多个 CUDA 版本，PyTorch 加载了错误的cudnn64_8.dll。

此时必须卸载现有 torch：pip uninstall torch torchvision torchaudio，然后严格按虾壳云版文档指定的命令重装：
pip3 install torch==2.1.2+cu118 torchvision==0.16.2+cu118 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118

注意：不要用--force-reinstall，它会破坏 wheel 的 ABI 兼容性。必须先卸载再安装。

2.2 系统级依赖与环境变量审计

OpenClaw 依赖两个常被忽略的 Windows 组件：Microsoft Visual C++ 2015-2022 Redistributable（x64）和 .NET Framework 4.8。前者缺失会导致VCRUNTIME140_1.dll not found，后者缺失则服务无法注册。

执行以下命令批量检查：

# 检查 VC++ 运行库（必须存在 14.34.x 或更高） Get-ItemProperty HKLM:\Software\Microsoft\Windows\CurrentVersion\Uninstall\* | Where-Object {$_.DisplayName -like "*Microsoft Visual C++ 20* Redistributable*"} | Select DisplayName, DisplayVersion # 检查 .NET Framework 版本（必须 ≥ 4.8） (Get-ItemProperty "HKLM:SOFTWARE\Microsoft\NET Framework Setup\NDP\v4\Full").Release -ge 528040

如果 VC++ 版本低于 14.34，或 .NET Framework 未安装，请立即前往微软官网下载离线安装包（在线安装器在企业网络下经常失败）。切勿依赖 Windows Update，它推送的版本往往滞后。

环境变量方面，重点检查PATH中是否包含冲突路径：

删除任何指向旧版 Python（如C:\Python27\）、旧版 Git（C:\Program Files\Git\usr\bin）、或 MinGW 的条目；
确保C:\Windows\System32\WindowsPowerShell\v1.0\在PATH最前面（PowerShell 脚本执行依赖）；
添加C:\openclaw\bin到PATH（安装后手动添加，此处先预留）。

提示：用echo %PATH%查看时，注意路径间是英文分号;分隔。中文分号；或空格会导致 PATH 解析失败，这是新手最高频的隐形错误。

2.3 磁盘空间与权限预分配（最容易被低估的瓶颈）

OpenClaw 2.6.4 虾壳云版的最小磁盘占用为 12.7GB（含 Qwen2-7B 模型 + 缓存 + 日志），但推荐预留 35GB 以上。原因在于：

模型量化文件（GGUF 格式）解压时需双倍临时空间；
技能运行时会生成大量.onnx临时文件，存放在%TEMP%\openclaw\；
Windows 事件日志和 OpenClaw 自身 debug 日志默认保留 90 天。

执行以下命令确认：

# 查看 C 盘剩余空间（必须 > 35GB） Get-PSDrive C | Select-Object Used, Free, DisplayRoot # 创建专用目录并赋予完全控制权限（关键！） $dir = "$env:LOCALAPPDATA\openclaw" if (-not (Test-Path $dir)) { New-Item -ItemType Directory -Path $dir } icacls $dir /grant "$env:USERNAME:(OI)(CI)F" /T

最后一行icacls命令至关重要。它递归授予当前用户对openclaw目录的“对象继承+容器继承+完全控制”权限。如果不执行，后续安装脚本在写入config.yaml时会因权限不足静默失败，日志里只有一行Failed to write config，毫无上下文。

3. 安装过程详解：不是点下一步，而是理解每一步在做什么

虾壳云版安装包名为OpenClaw-2.6.4-ShrimpCloud-Win-x64-Setup.exe，但它不是一个传统 MSI 安装器。它本质是一个自解压的 7z 存档 + PowerShell 引导脚本的组合体。双击运行后，你看到的“安装向导”界面，其实是 PowerShell 窗口伪装的 GUI。理解这一点，才能在出错时直奔日志。

3.1 安装向导的四个阶段及其真实含义

界面显示文字	实际执行动作	失败时的关键日志位置	典型失败原因
“正在解压安装文件…”	调用`7z.exe x -oC:\openclaw\temp\ ...`解压到临时目录	`C:\openclaw\temp\install.log`	磁盘空间不足、杀软拦截解压进程
“正在初始化运行时环境…”	运行`init-runtime.ps1`：检查 Python、CUDA、创建虚拟环境	`C:\openclaw\logs\runtime-init.log`	Python 版本不符（必须 3.10.x）、VC++ 缺失
“正在下载并校验模型…”	调用`model-downloader.exe --mirror tuna --verify sha256`	`C:\openclaw\logs\model-download.log`	网络超时未切镜像、SHA256 校验失败（文件损坏）
“正在注册 Windows 服务…”	执行`sc create openclaw binPath=... obj=.\openclawuser`	`C:\openclaw\logs\service-install.log`	`openclawuser`用户不存在、密码强度不足

我建议全程勾选“显示详细日志”，并在每个阶段结束后，手动打开对应日志文件扫一眼。例如，在“下载模型”阶段，日志里应出现类似Downloaded Qwen2-7B-Instruct-Q4_K_M.gguf (3.2GB), SHA256: a1b2c3... OK的行。如果只有Downloading...卡住超过 5 分钟，立刻 Ctrl+C 终止，检查model-download.log末尾的curl错误码。

注意：安装向导默认勾选“开机自启”，这没问题。但如果你计划调试，建议取消勾选，改为手动启动，避免服务后台运行导致日志难以捕获。

3.2 安装后的必做三件事：验证、定位、备份

安装完成不等于可用。必须立即执行以下三步，建立你的“可信基线”：

第一步：验证核心服务是否真在运行
不要只看任务管理器里有没有openclaw-core.exe。执行：

# 查看服务状态（必须显示 RUNNING） sc query openclaw # 查看进程树（确认是 openclawuser 启动，且无僵尸子进程） Get-CimInstance Win32_Process -Filter "Name='openclaw-core.exe'" | Select-Object ProcessId, ParentProcessId, CommandLine, @{n='User';e={$_.GetOwner().User}} # 测试 API 连通性（端口默认 8000） curl http://127.0.0.1:8000/health

如果curl返回{"status":"healthy","uptime_seconds":123}，说明服务层 OK；如果返回Connection refused，说明服务没起来，回到service-install.log查错。

第二步：精确定位配置文件与日志目录
虾壳云版严格遵循 XDG Base Directory 规范在 Windows 的映射：

主配置文件：%LOCALAPPDATA%\openclaw\config.yaml
技能配置目录：%LOCALAPPDATA%\openclaw\skills\（每个技能一个子目录）
主日志目录：%LOCALAPPDATA%\openclaw\logs\（按天滚动，如openclaw-2024-06-15.log）
模型缓存目录：%LOCALAPPDATA%\openclaw\models\

务必用echo %LOCALAPPDATA%确认路径，不要凭经验写成C:\Users\XXX\AppData\Local\openclaw——%LOCALAPPDATA%可能被组策略重定向到网络路径，这会导致所有文件操作失败。

第三步：立即备份初始配置与模型哈希
执行：

# 备份原始 config.yaml（加时间戳） Copy-Item "$env:LOCALAPPDATA\openclaw\config.yaml" "$env:LOCALAPPDATA\openclaw\config.yaml.bak.$(Get-Date -Format 'yyyyMMddHHmmss')" # 记录模型文件 SHA256（用于后续校验完整性） Get-FileHash "$env:LOCALAPPDATA\openclaw\models\Qwen2-7B-Instruct-GGUF\Qwen2-7B-Instruct-Q4_K_M.gguf" -Algorithm SHA256 | Select-Object Hash | Out-File "$env:LOCALAPPDATA\openclaw\models\Qwen2-7B.sha256"

这两份备份是你后续所有配置变更的“后悔药”。某次我把feishu_app_secret错粘贴成 base64 编码字符串，导致飞书回调 401，恢复备份后 30 秒解决。

4. 配置飞书 Skill 的完整链路：从 App 创建到消息闭环

“openclaw 接入飞书”是全网搜索量最高的子需求，但 90% 的教程只告诉你填三个 token，却不说清楚：飞书 App 的类型、权限、事件订阅，必须与 OpenClaw 的 Skill 行为严格匹配，否则永远收不到消息。

4.1 飞书侧配置：不是“创建 Bot”，而是创建“自建应用”

OpenClaw 使用的是飞书“自建应用”（Custom App）模式，而非简单的“Bot 应用”。区别在于：

Bot 应用只能接收群消息和私聊，无法处理“消息卡片按钮点击”“审批状态变更”等事件；
自建应用可申请im:message:receive、feishu:card:action、contact:user:read等细粒度权限，且支持配置 IP 白名单（OpenClaw 服务 IP）。

创建步骤（登录 https://developer.feishu.cn/）：

点击“创建应用” → 选择“企业自建” → 填写应用名称（如OpenClaw-QA-Engine）；
进入“权限管理” → 添加以下 4 个权限（缺一不可）：
- im:message:receive（接收消息）
- im:message:send（发送消息）
- feishu:card:action（处理卡片按钮）
- contact:user:read（读取用户信息，用于个性化回复）
进入“事件订阅” → 启用message事件 → 设置请求 URL 为http://YOUR_SERVER_IP:8000/skill/feishu/webhook（注意：不是https，虾壳云版默认不启用 HTTPS）；
进入“IP 白名单” → 添加你的 OpenClaw 服务器公网 IP（若内网部署，填0.0.0.0/0，但生产环境严禁）；
进入“凭证与基础信息” → 复制App ID、App Secret、Verification Token（这三个就是 OpenClaw 配置文件里的feishu_app_id、feishu_app_secret、feishu_verification_token）。

关键陷阱：飞书的Verification Token和App Secret是两个完全不同的字符串，但名字相似。很多人把App Secret当成Verification Token填进配置，导致 OpenClaw 启动时校验签名失败，日志报Invalid verification token signature。请务必在飞书后台页面上，用鼠标分别选中、复制，不要靠记忆。

4.2 OpenClaw 侧配置：config.yaml 的 7 个必填字段与 2 个隐藏开关

打开%LOCALAPPDATA%\openclaw\config.yaml，找到skills:下的feishu:区块。虾壳云版 2.6.4 要求以下 7 个字段全部存在且非空：

skills: feishu: enabled: true app_id: "cli_xxx" # 飞书后台复制的 App ID app_secret: "xxx" # 飞书后台复制的 App Secret verification_token: "xxx" # 飞书后台复制的 Verification Token encrypt_key: "" # 留空即可，虾壳云版默认不启用加密 bot_name: "OpenClaw" # 机器人显示名称，必须与飞书后台一致 enable_card_actions: true # 必须为 true，否则不处理按钮点击 log_level: "INFO" # 建议设为 DEBUG，便于排查

此外，还有 2 个影响全局行为的隐藏开关，位于server:区块：

server: host: "0.0.0.0" # 必须是 0.0.0.0，不能是 127.0.0.1，否则飞书外网无法回调 port: 8000 # 端口可改，但需同步更新飞书事件 URL cors_origins: ["*"] # 开发期可设为 ["*"]，生产环境必须指定域名

修改完保存，必须重启 OpenClaw 服务：

sc stop openclaw sc start openclaw # 等待 10 秒，然后查看日志 Get-Content "$env:LOCALAPPDATA\openclaw\logs\openclaw-$(Get-Date -Format 'yyyy-MM-dd').log" -Tail 50

日志中应出现FeishuSkill initialized successfully和Webhook server started on 0.0.0.0:8000。如果没有，检查feishu_app_id是否拼写错误（CLI 开头是小写 L，不是数字 1）。

4.3 消息闭环验证：三步走，拒绝“我以为它好了”

配置完成不等于消息能通。必须进行端到端验证：

第一步：飞书侧验证 Webhook 连通性
在飞书开发者后台“事件订阅”页面，点击“验证”按钮。OpenClaw 日志中应立即出现：

[FEISHU] Received verification request from feishu.cn [FEISHU] Verification successful, echo: xxx

如果出现Connection refused或超时，说明server.host没设对，或防火墙拦截了 8000 端口。

第二步：手动触发消息事件
在飞书客户端，@ 你的机器人发送/help。OpenClaw 日志应出现：

[FEISHU] Received message: text="/help", user_id="ou_xxx" [FEISHU] Dispatching to FeishuSkill... [FEISHU] Sending reply: "Available commands: /help, /status, /ask <question>"

如果日志里只有接收记录，没有Dispatching行，说明feishu.enabled: true没生效，检查 YAML 缩进（YAML 对空格极其敏感）。

第三步：测试卡片按钮交互（最易出错）
发送/ask 如何配置飞书？，OpenClaw 应返回一张带“查看文档”“联系管理员”按钮的消息卡片。点击任意按钮，日志中应出现：

[FEISHU] Received card action: action_id="view_doc", user_id="ou_xxx" [FEISHU] Handling card action... [FEISHU] Sending card update...

如果点击后无反应，大概率是enable_card_actions: true没写，或飞书后台没开启feishu:card:action权限。

经验：每次修改config.yaml，我都习惯先用在线 YAML 验证器（如 https://yamlchecker.com/）粘贴检查语法。一个多余的空格，就能让整个技能模块加载失败，且错误日志只报Failed to load skill 'feishu': yaml.scanner.ScannerError，毫无线索。

5. 常见问题深度排错：为什么“能启动，但技能不工作”？

全网关于 OpenClaw 的抱怨，80% 集中在“安装成功，配置也填了，但飞书发消息没反应”“技能列表里显示 Not loaded”“响应延迟高得像在等卫星信号”。这些问题的根因，99% 不在飞书或 OpenClaw 本身，而在 Windows 环境的隐性约束。下面是我整理的 4 个最高频、最隐蔽的故障场景，附带完整的排查链路。

5.1 故障现象：`openclaw-core.exe`进程存在，但`sc query openclaw`显示`STATE: STOPPED`

表面看是服务没启动，但Get-Process openclaw-core却能看到进程。这其实是 Windows 服务控制管理器（SCM）与进程生命周期不同步导致的“幽灵状态”。根本原因是：OpenClaw 服务启动脚本在start命令后，没有等待子进程完全初始化就返回了，SCM 认为启动失败，将服务标记为 STOPPED，但openclaw-core.exe进程仍在后台运行。

排查链路：

执行sc query openclaw，确认状态为STOPPED；
执行Get-Process openclaw-core -ErrorAction SilentlyContinue，确认进程 PID 存在；
查看C:\openclaw\logs\openclaw-$(Get-Date -Format 'yyyy-MM-dd').log，搜索Starting OpenClaw server...，确认是否有Server started on http://0.0.0.0:8000；
如果日志里有启动成功记录，说明是 SCM 同步问题。

修复方案（两步）：

第一步：强制清理残留进程

Stop-Process -Name openclaw-core -Force -ErrorAction SilentlyContinue

第二步：用Start-Service替代sc start，它会等待服务进入 RUNNING 状态

Start-Service openclaw # 等待 15 秒，再查状态 sc query openclaw | Select-String "STATE"

提示：此问题在 Windows Server 2019 和 Windows 10 21H2 上复现率最高。虾壳云版 2.6.4 的修复补丁已集成在service-wrapper.dll中，但需确保你安装的是完整版，而非精简版。

5.2 故障现象：飞书消息能收到，但回复总是`Internal Server Error`

日志里出现500 Internal Server Error，且堆栈指向skill/feishu/handler.py的第 127 行。这不是代码 bug，而是模型加载失败后的兜底异常。OpenClaw 在技能处理链中，如果检测到torch.cuda.is_available() == False，会尝试降级到 CPU 模式，但虾壳云版的 Qwen2-7B 模型量化文件（Q4_K_M）在纯 CPU 下推理速度极慢（单次响应 > 90 秒），超出了飞书 Webhook 的 3 秒超时限制，导致飞书主动断开连接，OpenClaw 捕获到BrokenPipeError后抛出 500。

排查链路：

查看openclaw-$(Get-Date -Format 'yyyy-MM-dd').log，搜索CUDA available，确认是否为False；
执行nvidia-smi，确认 GPU 是否被其他进程占满（GPU-Util> 95%）；
执行python -c "import torch; print(torch.cuda.memory_allocated()/1024/1024)"，确认显存是否被 PyTorch 占用（应 < 100MB 初始值）。

修复方案：

如果nvidia-smi显示 GPU 正常，但torch.cuda.is_available()为False，执行：

# 强制 PyTorch 重新初始化 CUDA python -c "import torch; torch.cuda.init(); print(torch.cuda.is_available())"

如果显存被占满，找出占用进程：nvidia-smi --query-compute-apps=pid,used_memory --format=csv，然后Stop-Process -Id XXX；

如果必须用 CPU 模式，修改config.yaml：

model: device: "cpu" # 强制 CPU max_new_tokens: 256 # 降低长度，加快速度

5.3 故障现象：技能列表显示`Not loaded`，日志报`ImportError: cannot import name 'xxx' from 'openclaw.skill'`

这是典型的 Python 包路径污染。OpenClaw 的技能模块采用动态导入机制，它会扫描skills/目录下的所有子目录，尝试导入__init__.py。如果该目录下存在一个test.py文件（比如你调试时创建的），OpenClaw 会把它当作技能模块尝试导入，结果因缺少Skill类而失败，并阻止后续所有技能加载。

排查链路：

进入%LOCALAPPDATA%\openclaw\skills\，列出所有子目录和文件：

Get-ChildItem "$env:LOCALAPPDATA\openclaw\skills\" -Recurse | Where-Object {!$_.PSIsContainer} | Select-Object FullName, Name

检查是否有非技能文件（如test.py、debug.log、old_config.yaml）；
查看日志中ImportError的完整路径，确认是哪个文件触发的。

修复方案：

立即删除skills/目录下所有非技能必需文件（.git、.DS_Store、临时文件）；
确保每个技能子目录（如feishu/）下只有：__init__.py、handler.py、schema.yaml；
重启服务后，日志应出现Loaded 1 skill(s): feishu。

经验：我在客户现场遇到过一次，skills/目录下有个__pycache__/文件夹，里面是旧版feishu.py的缓存。OpenClaw 尝试导入__pycache__时失败，导致整个技能加载器崩溃。解决方案是Remove-Item "$env:LOCALAPPDATA\openclaw\skills\__pycache__" -Recurse -Force。

5.4 故障现象：响应延迟高（> 5 秒），但 GPU 利用率很低

延迟高不等于性能差。虾壳云版 2.6.4 引入了“冷启动预热”机制：首次请求时，它会加载 tokenizer、模型权重、技能上下文，耗时较长；后续请求则缓存在内存中，延迟降至 300ms 内。但如果延迟始终很高，问题往往出在 Windows 的“存储感知”功能上。

排查链路：

打开“设置”→“系统”→“存储”→“存储感知”，确认是否开启；
执行powercfg /energy生成能效报告，查看是否有Storage Sense相关警告；
查看openclaw-$(Get-Date -Format 'yyyy-MM-dd').log，搜索warmup，确认是否每次请求都触发Loading tokenizer...。

修复方案：