מדריך התקנה מלא ל-OpenClaw — Local AI Assistant שלך

מה זה OpenClaw ולמה להתקין AI לוקאלי?

OpenClaw הוא פרויקט קוד פתוח שמביא את הבינה המלאכותית הביתה — ישירות למכונה שלך. בלי APIs סגורים, בלי rate limits, ובלי חששות פרטיות. המערכת רצה לוקאלית, עם ארכיטקטורה מודולרי שנקראת "The Lobster Way" 🦞 — כל רכיב (claw) יכול לתפקד בנפרד או כחלק מהמערכת.

היתרונות המרכזיים: פרטיות מלאה (הדאטה לא עוזב את המכונה), ללא עלות שימוש (אין subscription), TypeScript Native (קוד מודרני עם טייפ-סייפטי), ו-Hot Reloading של מודלים (Molting) בלי איבוד הקשר.

דרישות מקדימות

🦀 Rust toolchain — גרסה 1.75+ (נדרש לקומפילציה של native modules)
⬢ Node.js — גרסה 20.11.0 LTS או חדשה יותר
📦 pnpm — גרסה 8.14.0+ (npm עובד אבל pnpm מומלץ)
🐳 Docker — אופציונלי אבל מומלץ (ל-sandboxing)
🎮 GPU Drivers — CUDA 12.1+, Metal 3 (macOS), או Vulkan 1.3 (Linux)
🔧 CMake — גרסה 3.27+ (לבניית llama.cpp backend)
💾 RAM: 8GB מינימום, 16GB מומלץ (המודלים גדולים)
💽 דיסק: לפחות 15GB פנויים (5GB לתוכנה + 10GB למודלים)

אזהרה: Windows Native אינו נתמך. השתמש ב-WSL2 עם Ubuntu 22.04.

שלב 1: התקנת ה-CLI העולמי

הכלי claw הוא המרכז של היקום. הוא מנהל מודלים, מפעיל dev server, ומתקשר עם ה-registry.

bash

# שיטה א: התקנה דרך curl (המומלצת)
curl -fsSL https://openclaw.dev/install.sh | sh

# שיטה ב: Homebrew (macOS / Linux)
brew tap openclaw/tap
brew install claw

# בדיקת התקנה
claw --version
# צריך להחזיר: claw 2.4.1-lobster

הסקריפט מוריד את הבינארי המתאים למערכת ההפעלה שלך, ממקם אותו ב-/usr/local/bin, ויוצר את תיקיית ההגדרות ב-~/.config/openclaw.

שלב 2: אתחול פרויקט חדש

bash

# יצירת תיקיית פרויקט
mkdir my-ai-assistant && cd my-ai-assistant

# אתחול עם תבנית React + TypeScript
claw init --template react-typescript --name "MyLobster"

# מבנה התיקיות שנוצר:
# ├── claws/        # רכיבי AI (כל "צבת" = יכולת)
# ├── shell/        # שכבת אבטחה ו-sandboxing
# ├── molty/        # ניהול מצב ו-memory
# └── openclaw.config.ts

שלב 3: משיכת מודל LLM

OpenClaw לא מגיע עם מודלים מובנים — אתה בוחר איזה מודל להריץ. מומלץ להתחיל עם Mistral 7B בקוונטיזציה של 4-bit:

bash

# משיכת מודל מה-hub
claw pull mistral:7b-instruct-q4_K_M

# המודל נשמר ב:
# ~/.openclaw/models/mistral-7b-instruct-v0.2.Q4_K_M.gguf

# בדיקת תקינות
claw verify mistral:7b-instruct-q4_K_M

# רשימת מודלים זמינים
claw list

ניתן גם למשוך מודלים אחרים כמו llama3:8b, codegemma:7b, או qwen2:7b.

שלב 4: הגדרת הקונפיגורציה

הקובץ openclaw.config.ts הוא הלב של המערכת. הגדר בו את ה-shell (אבטחה) ואת ה-claws (יכולות):

typescript

cat > openclaw.config.ts << 'EOF'
import { defineConfig } from '@openclaw/core';

export default defineConfig({
  shell: {
    security: 'strict',
    sandbox: true,
    memoryLimit: '4GB'
  },
  claws: [
    './claws/chat',
    './claws/vision',
    './claws/memory'
  ],
  model: {
    provider: 'local',
    path: 'mistral:7b-instruct-q4_K_M',
    contextWindow: 8192,
    temperature: 0.7,
    topP: 0.9
  },
  molty: {
    persistence: 'memory',
    autoSave: true,
    compression: 'zstd'
  }
});
EOF

שלב 5: בניית Native Bindings

כאן נכנס Rust לתמונה. הפקודה claw build מקמפלת את ה-llama.cpp backend עם אופטימיזציות למכונה שלך:

bash

# בנייה עם תמיכה ב-NVIDIA GPU
claw build --features cuda

# או ל-AMD GPU
claw build --features rocm

# או CPU בלבד (עובד בכל מכונה, איטי יותר)
claw build --features openblas

# הבנייה יוצרת:
# ./node_modules/.bin/openclaw-native.node

שלב 6: הפעלת הסביבה

bash

# הפעלת dev server עם hot-reloading
claw dev --port 3000 --verbose

# אתה אמור לראות:
# 🦞 OpenClaw v2.4.1 initialized
# 📦 Model loaded: mistral:7b-instruct (4096 ctx)
# 🔧 Native bindings: CUDA enabled
# 🚀 Server running at http://localhost:3000

# פתיחה בדפדפן
open http://localhost:3000

שלב 7: צ'אט ראשון עם ה-AI

אחרי שהשרת רץ, ניתן לדבר עם המודל דרך ה-CLI:

bash

# במסוף חדש — שליחת הודעה למודל
claw chat "הסבר לי מה זה TypeScript ב-3 משפטים"

# או מצב אינטראקטיבי
claw chat --interactive

# 🦞 MyLobster > שלום! איך אפשר לעזור?
# 🦞 MyLobster > ...

פתרון בעיות נפוצות

Rust לא מותקן: הרץ curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
GPU לא מזוהה: בדוק עם nvidia-smi והרץ בלי CUDA: claw build --features openblas
Model not found: ודא שביצעת claw pull לפני claw dev
Port 3000 תפוס: השתמש ב-claw dev --port 3001
Out of memory: הקטן contextWindow ל-4096 או השתמש במודל קטן יותר